行业近况
我们近期举办“AI赋能财富资管”论坛并邀请头部金融数据服务商与投资机构进行交流，我们总结各家的AIGC洞察及产品进展如下。
评论
财富资管AIGC未来或遵循“数据处理-任务执行-全能助理”的发展路径。
数据处理阶段，AIGC的语义理解能力突出、能提高投研数据提取与结构化的效率；任务执行阶段，AIGC能完成录音转纪要、识别投研观点变化等具体任务目标；全能助理阶段，AIGC拥有全面的专业知识、并能够进行初级的观点生成。我们认为，领域数据、领域模型工程化能力、产品闭环与专家反馈等能力建设有望加速AIGC的发展进程。
AIGC或为财富资管机构的产品、数据、合规带来变革。产品上，目前金融终端的交互模式逐步由图形界面（GUI）向语言交互界面（LUI）进行转化，产品生产成本和交互门槛大幅降低，伴随着客户对不同模块需求的增长，LUI模式能在供给侧有效降低产品复杂程度和边际成本、在需求侧降低交互门槛和满足个性化需求；数据上，AIGC使得信息更泛数据化，目前财富资管数据拥有多模态（研报/录音）、多地域（中/英文）、多主题（基本面/技术面）、多生产方式（人工/AI生成）等特征；合规上，技术发展使得合规趋严，财富资管机构需重视研报*PT审核、投顾权责划分等问题。
Token限制和成本问题，是制约财富资管AIGC发展的主要因素。Token限制是指单次交互对话文本的长度限制，GPT-3.5 目前最高可支持约8,000个汉字的单次问答内容、而电话会/研究报告中的内容通常超过该限制；虽然GPT-4 在Token限制、稳定性、理解及推理能力上大幅提升，但是API调用成本为GPT-3.5 的数十倍。AIGC产品提供商需要对产品性能和运维成本进行综合考量，OpenAI目前也在不断优化Token限制和API调用成本。
财富资管AIGC产品在精确性、专业性上存在提升空间。目前财富资管机构已在数据治理、新闻资讯、客服、投研、CRM、开户RPA产品中应用AIGC技术。但在精确性上，财富资管机构作为B端用户、对产品精确性的敏感度较高，但由于数据缺乏、离线部署等原因，B端AIGC产品的精确性有待提升；专业性上，财富资管机构在专业领域的竞争加剧（2022 年上市公司调研数量较2019 年增长219%），但目前大语言模型的专业能力较为薄弱。针对上述两大问题，目前已有机构通过引入合成数据/可组合应用等监督模型、扩充数据集/打破信息孤岛、提高输出准确性，并用专业数据库对语言模型进行训练、提升输出内容的专业水平。
估值与建议
我们维持覆盖公司盈利预测、目标价和评级不变。
风险
市场大幅波动、监管不确定性、行业竞争加剧、AIGC落地不及预期。
查看资料
收藏
顶 
踩 
