2024年金融科技行业年度策略.pdf

01请参阅附注免责声明 nZaXuZiZmUoXoZ6MdN9PoMmMoMoNeRpOmNjMsQmP6MmMvNuOnMqOvPrMmR2请参阅附注免责声明 3请参阅附注免责声明 4请参阅附注免责声明AIGC（Artificial Intelligence Generated Content）即生成式人工智能，根据生成式人工智能服务管理暂行办法，生成式人工智能技术是指具有文本、图片、音频、视频等内容生成能力的模型及相关技术。文本生成：和Chatgpt对话图片生成：由Midjourney生成的太空歌剧院视频生成：Wonder Studio，一款AIGC视频生成软件音频生成：DeepMusic提供的智能编曲图1：AIGC是指具有文本、图片、音频、视频等内容生成能力的模型及相关技术 5请参阅附注免责声明细分行业需求变化供给变化金融信息服务驱动客户寻求更精准全面的信息以及更深度的逻辑分析内容，预计客户对于智能投研和投顾产品的需求将有较大提升；助力金融信息服务商提升自身产品研发能力，创设更多智能投研投顾产品第三方支付小微商户原本因为成本和时效的原因，广告营销的需求被抑制，随着AIGC的赋能，广告营销的需求预计将明显提升智能风控（支付端）、智能客服、代码生成等方面均可应用，降低成本提升效率消费金融无通过智能风控（信贷端）、智能催收、智能营销、智能客服等多个环节提升效率表1：AIGC带来金融科技行业需求和供给的深刻变革 6请参阅附注免责声明 7请参阅附注免责声明图 2：金融信息服务产业链根据金融信息服务管理规定和外国机构在中国境内提供金融信息服务管理规定等规定，金融信息服务，是指向从事金融分析、金融交易、金融决策或者其他金融活动的用户提供可能影响金融市场的信息和/或者金融数据的服务。数据来源：国泰君安证券研究行业上游行业上游证券交易所证券交易所金融数金融数据终端据终端平台平台行业中游行业中游行业下游行业下游财经资讯财经资讯资讯提供商资讯提供商数据提供商数据提供商金融数据金融数据证券交易行情证券交易行情金融数金融数据终端据终端用户用户金融软金融软件与信件与信息服务息服务提供商提供商行情行情传输传输数据数据传输传输资讯资讯传输传输数据数据清洗、清洗、加工、加工、分析分析各类数各类数据信息据信息的推送、的推送、呈现呈现 8请参阅附注免责声明智能投顾和投研产品的需求将大幅提升图3：投资决策活动的核心在于信息的获取、逻辑的构建和对交易因素的把握数据来源：国泰君安证券研究我们预计AIGC技术浪潮将驱动客户寻求更精准全面的信息以及更深度的逻辑分析内容，未来客户对于智能投顾和投研产品和服务的需求将快速提升 9请参阅附注免责声明数据来源：国泰君安证券研究表2：AIGC技术极大地提升了智能投研的工作范围和能力，助力投研人员极大提升工作效率和投研体验。10请参阅附注免责声明数据来源：国泰君安证券研究表3：AIGC技术为智能投顾带来了更强大的数据处理和分析能力，提供了更加个性化和智能化的投资建议能力提升领域具体影响路径 11请参阅附注免责声明图4：生成式AI将提升金融信息服务商的研发能力数据来源：国泰君安证券研究AIGC的快速发展能够同时赋能金融信息服务商的生产要素积累和生产效率提升，进而助力打造更强的研发能力，预计未来金融信息服务商能够创设更多智能投研和投顾产品。生成式AI助力金融信息服务商进行产品研发更充沛的生产要素更高的生产效率数据研发人员自动生成代码等，成为新生产要素自动处理各类数据，加快要素积累赋能组织管理决策，提高研发和经营效率生成生成式式AI 12请参阅附注免责声明数据来源：国泰君安证券研究垂直金融行业大模型和通用大模型在算法训练和使用成本、更新迭代速度方面有不同表现。表4：垂直金融型大模型和通用大模型在不同表现指标上各有优劣+13请参阅附注免责声明金融信息服务领域具有独特的数据、规则和市场特征。垂直金融型大模型通过深入学习金融领域的特定数据和知识，能够更好地理解金融领域的语境和行业规则，进行复杂决策，而通用大模型在金融行业宽广有余，纵深不足，无法充分理解金融领域的复杂问题。数据来源：国泰君安证券研究图 5：通用大模型和垂直金融大模型在金融信息服务领域应用结果的差异通用大模型 因为立场是一贯的，无法针对特定情景进行调整垂直金融大模型 可以处理冲突的知识进行复杂决策 14请参阅附注免责声明除了在智能投研上的运用外，我们预计垂直金融行业大模型在智能投顾上的落地也大概率从机构起步。机构客户所关注的功能是特定且有限的，场景相对比较狭小，数据和训练结果相对可控。加之B端场景的使用者，即机构专业投顾人员，有足够的知识与经验对AIGC的生成内容作出判断，可以对缺乏准确性的内容进行人工把关和修改，监管难度和安全合规风险都相对较小。因此，AIGC有望面向B端财富管理机构落地先行，赋能机构或投顾等渠道方，进而间接服务C端客户。数据来源：国泰君安证券研究表5：金融信息服务商AIGC技术在财富管理机构落地的可能路径路径一：将大模型的能力直接应用于机构的客户端APP，完全面向用户。路径二：在应用层下的API层提供类似于Open AI模型的API调用服务，以适应不同场景并降低交易成本。路径三：本地化部署，针对细分金融领域开发小型模型，考虑到机构的本地化需求和成本控制，帮助解决内部问题。路径四：采用联合训练模式与财富管理机构合作，机构提供数据用于模型训练，金融信息服务商提供算法和计算资源，训练出包含客户专业知识的模型，以适配客户内部环境。15请参阅附注免责声明图 6：随着数据规模指数增长，模型在测试集上验证的损失线性下降伴随数据规模的增长和数据质量的提升，大模型的性能提高。2020 年1 月 OpenAI 在论文Scaling Laws for Neural Language Models中提出了大型语言模型（LLM）的缩放定律，OpenAI 指出，随着数据规模的指数增长，模型在测试集上验证的损失是线性下降的，即模型的性能是线性提升的。16请参阅附注免责声明在数据规模外，训练数据的质量也是模型训练与调优的关键因素。以GPT家族的进化史为例，从GPT-1到GPT-4，模型的整体架构相似，而训练数据的规模与质量有很大不同。GPT-1使用的训练数据是4.8GB未经过滤的数据，GPT-2使用了40GB经人类过滤的数据，GPT-3更是从45TB的原始数据中清洗出了570GB的高质量海量训练数据，ChatGPT/GPT-4也是使用了高质量人工标注数据与人类对齐。数据来源：图 7：每一版本GPT进化的模型架构基本相似，而数据的规模与质量不断提高 17请参阅附注免责声明随着算法增强与创新，AI大模型所需的算力就越少。2020 年，麻省理工学院计算机科学与人工智能实验室(CSAIL)的科学家证明了改进算法在提高计算硬件性能方面的重要性。对于大型计算问题，43%的算法系列的同比改进等于或大于备受推崇的摩尔定律带来的收益。数据来源：图 8：每一版本GPT进化的模型架构相似，而数据的规模与质量不断提高OpenAI 2020 年的一篇报告指出，2012 年到 2019 年，神经网络架构从头开始训练到AlexNet 级别性能所需的算力下降了44 倍。结果表明，随着算法改进，算法效率提高，AI模型使用相同的计算能力可以完成更多任务，带来更多收益。人工智能的算法效率可以定义为减少训练算法完成某项任务所需的算力，如果算法需要尽可能少的资源（即几乎不需要任何计算时间和内存）来解决特定问题，则该算法是高效的。算法越高效，软件要做的工作就越少，所需的算力越少。18请参阅附注免责声明目前算力重要性在垂直金融行业大模型有所降低。首先，垂直金融行业大模型的的算力需求要远低于通用大模型的算力需求。虽然自2022年8月起，美国政府限制英伟达向中国出口A100和H100芯片，但是国内公司仍然可以选择购买性能略逊的A800和H800芯片进行训练，或者购买华为昇腾芯片等国产替代品，再或者可以从阿里云等第三方租借算力资源。图 9：当前华为昇腾910B芯片的新能已经基本做到可对标英伟达A800 19请参阅附注免责声明数据优势主要有两个构成因素：1）丰富的业务场景2）数据的治理能力，前者决定了初始语料的多寡，后者决定了多少语料可以被提取成可供模型训练的高质量数据。表6：做好垂直金融行业需要广泛的数据来源和积累 20请参阅附注免责声明良好的数据治理能力可以最大化利用丰富业务场景积累的原始数据，更好积攒训练数据，提高大模型性能。表7：将初始语料转换为可供训练的数据所需要的步骤流程 21请参阅附注免责声明人才是人工智能产业的核心竞争力，算法的领先离不开优秀人才团队的贡献，需要庞大的队伍投入不断突破算法的极限，优秀的管理机制是吸引高端人才、建设优秀人才团队的关键。图10：ChatGPT研发团队中博士学历员工占比高达37%33%30%37%0%10%20%30%40%本科/学士硕士研究生博士研究生数据来源：智谱研究，国泰君安证券研究 22请参阅附注免责声明数据来源：ICI、IBISWORLD、国泰君安证券研究根据麦肯锡在全球资管行业数字化转型战略蓝图与实践报告中预计，到2025 年中国资管行业AUM 有望达到 196 万亿人民币。在渗透率预计上，我们以金融信息服务业极为成熟的美国市场为参照，其2022年的付费渗透率为0.07%假设在2025年中国付费渗透率提升到0.01%的水平，即为美国当前水平的七分之一，测算可得到2025年中国空间为196亿元人民币。图 11：当前美国B端金融信息服务渗透率目前0.07%左右0.00%0.01%0.02%0.03%0.04%0.05%0.06%0.07%0.08%0.09%0.10%0.005.0010.0015.0020.0025.0020122013201420152016201720182019202020212022美国B端金融信息服务总规模（IBIS world）十亿美元B端金融信息服务行业渗透率（右）23请参阅附注免责声明图12：中国C端金融信息软件服务市场规模（亿元人民币）数据来源：Statista，麦肯锡财富数据库，美联储理事会，国泰君安证券研究数据来源：弗若斯特沙利文，国泰君安证券研究根据九方财富招股说明书中弗若斯特沙利文的测算，2022年我国金融软件信息服务市场规模为82亿元，再根据2022年中国居民部门金融资产规模为243万亿元，可得我国2022年C端金融信息服务渗透率为0.0034%；而美国同期的C端金融信息服务（智能投顾渗透率为）0.0342%，相差近十倍。麦肯锡在金融业白皮书：2023年3月后疫情时代财富管理重启增长预测到2025 年中国居民金融资产规模有望达到315万亿人民币，假设在2025E我国渗透率提升至美国当前水平的20%，则2025E行业市场规模有望达215.21亿元。图 13：中美C端金融信息服务（智能投顾）渗透率比较32344154748201020304050607080902017201820192020202120220.0022%0.0020%0.0023%0.0027%0.0033%0.0034%0.0038%0.0070%0.0108%0.0150%0.0221%0.0342%0.0000%0.0050%0.0100%0.0150%0.0200%0.0250%0.0300%0.0350%0.0400%201720182019202020212022智能投顾渗透率：中国智能投顾渗透率：美国 24请参阅附注免责声明同花顺、东方财富、恒生电子较早深耕数据业务，在金融行业高质量训练数据上有深厚积累，具备较为强的数据治理能力。同花顺在2009年成立iFind事业部；东方财富在2013年上线Choice数据产品；恒生电子于2010年收购聚源数据公司。时至今日上述公司拥有庞大的海量数据库，具有多元及多样化的金融数据资产，其中公司数据来源既有互联网的结构化数据和非结构化数据，也有来自政府、科研院所、宏观经济研究机构和专业行业数据公司等相关单位、公司的公开和授权的数据。另外，同花顺和东方财富在C端金融信息服务市场具有广泛的活跃用户，在金融语料的获取能力方面领先于同行。图14：同花顺与东方财富APP的MAU大幅领先于同类产品数据来源：易观千帆，国泰君安证券研究单位：万人/月0.00500.001000.001500.002000.002500.003000.003500.004000.002022.012022.022022.032022.042022.052022.062022.072022.082022.092022.102022.112022.12同花顺东方财富大智慧泓乐财富通国泰君安君弘平安证券e海通财小方广发证券易淘金蜻蜓点金 25请参阅附注免责声明算法研发和更新迭代主要依靠高端人才，目前同花顺、恒生电子、东方财富拥有的博士人才数量超过同业。其中，同花顺在人才招募上的优势更为突出，其与杭州市余杭区合作共建了同花顺人工智能研究院博士后科研工作站，主要招募从事人工智能前沿理论及算法研究、信息科学与金融领域的交叉研究等方向的人才，相关人才能够享受到政府的各类补助，提升了公司对于高端人才的吸引力。图15：同花顺、恒生电子、东财博士人才数量超过同业数据来源：各家公司2022年年报，国泰君安证券研究单位：人401041100051015202530354045同花顺恒生电子 东方财富大智慧指南针财富趋势 顶点软件 26请参阅附注免责声明 27请参阅附注免责声明支付公司除了为客户提供货币资金转移，还在逐步布局多种多样的增值服务图16：支付公司为商户提供各类增值服务第三方支付金融服务数字运营理财信贷到店电商SaaS扫码点餐自营外卖广告营销为小商户提供广告营销工具支付成功页面广告营销 28请参阅附注免责声明AIGC具备强大的图片生成能力，能够大幅降低广告营销海报的制作成本，并大幅缩短海报制作所需的时间小微商户原本因为成本和时效的原因，广告营销的需求被抑制，随着AIGC的赋能，广告营销的需求预计将明显提升表8：AIGC模型画图与人工画图对比 29请参阅附注免责声明AIGC在供给侧的应用广泛，智能客服、代码生成、智能风控等方面均可应用，降低成本提升效率A I G C智能风控：对有异常的交易做智能拦截，避免违法违规行为（如洗钱行为）的发生代码生成：支付相关公司系统维护、SaaS等产品开发的代码需求较高，通过自动生成代码降本增效智能客服：支付行业小微商户较多，商户的咨询和客诉需求较大，通过智能客服有效降低人力成本、提升效应速度图17：AIGC智能客服、代码生成、智能风控等方面均可应用，降低成本提升效率 30请参阅附注免责声明公司将人工智能算法引入产品与业务场景，形成智能海报、智能选品等智能辅助工具，智能风控系统实现欺诈风险监控覆盖率达95%以上，业务欺诈损失率保持在百万分之一的水平。图 18：海报制作及AI绘图功能资料来源：拉卡拉商户数字钱包、国泰君安证券研究 31请参阅附注免责声明移卡在商户宣传文案、到店电商视频生成、视频加工等领域充分运用AIGC技术宣传文案移卡结合自有数据以及旗下千千惠平台资源,探索上线了一套自有的、专注于餐饮与娱乐行业的商户产品文案推广AI生成工具。商户根据店内商品的简要描述,即可一键生成具有可读性的宣传文案。视频加工移卡为商户打造了一款AI视频云剪辑工具,帮助他们降低打造爆款视频的难度。通过对商家或者达人拍摄的视频进行自动识别、关键帧提取、剪辑和拼接,及特效包装,可按需一键剪辑多个视频,其效果接近人工剪辑的水准。视频生成到店电商业务方面，移卡AI实验室开发的AIGC工具可以自动生成短视频和文案，人工智能交互式虚拟主播大量应用于直播场景，将我们的内容生成效率提高了70%，并降低了90%的制作成本。资料来源：移卡官方网站、国泰君安证券研究公司在商户宣传文案、到店电商视频生成、视频加工等领域充分运用AIGC技术，实现了大幅的降本增效。图 19：移卡在多个业务方面充分运用AIGC技术 32请参阅附注免责声明 33请参阅附注免责声明消费金融满足客户的超前消费需求，典型的商业模式包括获客、风控、放款、贷后管理等环节。资料来源：奇富科技招股书，国泰君安证券研究图20：消费金融行业商业模式借款方借款方资金方资金方获客，客户发起申请获客，客户发起申请信息审核及信用评估信息审核及信用评估匹配资金借款双方匹配资金借款双方匹配资金借款双方匹配资金借款双方借出资金还款及利息消费金融公司消费金融公司 34请参阅附注免责声明需求侧：消费金融的需求本质来自于客户对未来的信心，信心越强，超前消费的需求越强。这一需求是AIGC很难改变的，因此AIGC在消费金融的需求侧较难带来变化供给侧：AIGC具备更强的分析理解能力，可以在营销获客、风控、催收、客服等多个环节提升效率应用场景主要功能具体介绍智能营销精准识别客户通过分析借款人的贷款用途、还款能力等指标，结合产品特色，个性化匹配用户需求，推荐产品。智能风控加强风险控制消费金融企业通过将电商、支付、社交等非金融类大数据与大模型相结合，从而量化借款人的信用风险，作为风险定价的依据，从而达到筛选优质借款人的目的。通过OCR技术、人脸识别、授信设备追踪等，人工智能可以有效防范潜在的信贷欺诈风险。智能催收加强风险控制相比人力催收，人工智能可以连续不间断的工作，错峰处理客户问题，更具针对性。此外，人工智能还可以避免语言暴力等服务态度问题。智能客服降低业务成本人工智能可以利用语音合成技术和语义识别技术，在客户直接提问的情况下，对问题逐字分析，降低人力成本的同时，也提高了客服效率和用户满意程度。表9：AIGC在营销获客、风控、催收、客服等多个环节提升效率 35请参阅附注免责声明奇富奇富GPT作为业内最早开展大模型研究的公司，公司推出奇富GPT，并持续探索AIGC在信贷领域全流程的应用，通过在投放、电销、催收、质检等流程中进行测试和应用，致力于提升各个环节的效率。借助AIGC的强大赋能，奇富科技的电销系统能够为每段通话进行语义分析和线索挖掘，实现电销线索识别准确率高达98%，同时帮助电销提升转化率超过5%。目前约70%的图片素材由AIGC生成，未来计划通过大模型对这些素材进行标注和多维度评级，以实现广告投放的优化，提升营销效果。电销环节营销环节大模型自动化质检已实现100%覆盖，将检出率提高了15%。在语音机器人话术生成场景，生成话术优质率已达70%。通话质检环节语音机器人智能语音机器人以语音识别技术对电话数据进行标注并做出模型，将用户语音转化为文字，再以自然语言理解技术，理解用户文本含义，最后通过语音合成，向用户传达拟人化音频，达到与用户持续沟通的效果。在语音机器人话术生成场景，生成话术优质率已达70%。图21：奇富科技在多个领域应用AIGC 36请参阅附注免责声明百融云：推出智能语音机器人百小融，广泛应用于智能客服、电话营销等环节在多项技术的加持下，百小融拥有多地方言及英文表达能力，可以做到无限制对话，支持千万级并发以及多任务同时外呼，能够精准辨别用户的通话状态。依托于百融云创多年来沉淀的经验和知识，百小融还能够为客户复杂、专业性问题答疑解惑。百小融可在金融的众多场景落地，比如智能客服、电话营销、智能催收等。百融云推出智能语音机器人，百小融依托于Transformer架构搭建算法模型，采用与ChatGPT同源的智能语音识别技术，具有解决“听、说、读、决策”的四项能力，为金融场景服务带来变革。图 22：智能语音机器人聊天框技术能力更强，应用场景广泛 37请参阅附注免责声明 38请参阅附注免责声明说明：取2023年11月20日收盘价；汇率取1港元=0.92人民币元数据数据来源：wind，国泰君安证券研究表10：推荐公司估值表EPS2021A2022A2023E2024E2025E收盘价P/E2021A2022A2023E2024E2025E评级同花顺3.563.153.303.904.79150.58(人民币元)同花顺42.30 47.80 45.63 38.61 31.44 增持东方财富0.830.640.530.560.6015.30(人民币元)东方财富 18.4323.9128.8727.3225.50增持拉卡拉1.35-1.801.221.431.6317.92(人民币元)拉卡拉13.24-9.9814.6912.5511.01增持移卡0.970.320.911.171.3015.36（港元）移卡14.4744.1915.5612.0410.84增持奇富科技19.3813.4814.1716.6219.4264.30(港元)奇富科技3.054.384.173.553.04增持 39请参阅附注免责声明 AIGC技术发展不及预期：生成式AI技术研发进度不及预期，AI+金融领域技术融合进度不及预期可能会对付费率及客单价产生影响。行业竞争加剧：“AI+金融“仍处于发展初期，市场集中度不高，内部竞争激烈，激烈竞争的市场环境可能导致产品价格下滑、市场份额难以维持等风险。40请参阅附注免责声明请参阅附注免责声明