金融语料训练金融大模型 ，②金融垂类大模型。 1 ）双方优劣具有相对性。通用大模 型 优势：泛用性强、灵活性和利用率高、可迁移性强。劣势：特定领域深度较浅、模型复杂、训练时间长；金融垂类模型优势：领域专业性、针 对 性的解决方案、高精度和合规性。劣势：适应性限制、更新和维护复杂度、数据利用率低。 2 ）通用大模型通过金融语料训练超越金融垂类模 型 可能性较小。通用大模型在行业数据量 ，性价比 ，精确性、适用性、实时性、推理速度 ，精确性、适用性、实时性、推理速度 ，合规性和风险控制等方面表现欠佳。 通用大模型“ 百模大战 ” ， 头部模型国外领先较大 ， 平均水平国内外差距较小 ， 中文上国内表现更优。 1 ） 国外通用 GPT4-Turbo 遥遥领 先。 OpenAI 震撼发布 GPT4-Turbo ，开启新一代人工智能模型的大门； 谷歌将在谷歌云上部署 Claude ，并于推出自研的大模型 LaMDA 的聊 Foundation 开发 FinGPT ，为金融大 型语言 模型提供互联网规模的数据 ，以此推动金融领域的开源发展。 2 ） 国内金融垂类模型百花齐放。奇富科技率先宣布推出自研的金融行业 通用大模 型“奇富 GPT” ；度小满推出国内首个千亿级中文金融大模型“轩辕” ；腾讯云公布腾讯云金融行业大模型 ， TI-OCR 大模型帮助银行解决 日常业务问 题；恒生电子进一步升级金融大模型

执业证书编号： S0600516110001 联系邮箱： hux@dwzq.com.cn 二零二四年一月二十五日 证券研究报告 1. 国内互联网企业、传统金融机构及金融科技企业争相竞逐 ，百模大战如火如荼。 2023 年 5 月中旬 ，奇富科技首先宣布推出自研的金融行业通用 大模型——奇富 GPT ，在业内被称为“ 国内首个金融行业通用大模型 ”。 2023 年 5 月下旬 ，度 恒生电子于 2023 年 6 月发布了金融大模型 LightGPT ，并 在 10 月份对其进行升级 ，至此形成“ LightGPT+WarrenQ+ 光子”体系 ，助力恒生大模型实现金融多场景应用。 2023 年 9 月 7 日和 9 月 8 日 ， 腾 讯混元大模型和蚂蚁金融大模型相继正式亮相。 2023 年 11 月 ，幻方量化旗下 DeepSeek 推出 DeepSeek ，为已有功能注入 AI 能力 ，实现智能客服、智能投顾、智能风险等多场景应用 ，通过大模型多样、便捷、高效的特点提升原有客户粘性、提高获客能力并吸引客 流量 ，推动公司 C 端、 B 端存量业务增长 ，金融大模型的继续推出和不断完善还有望在未来衍生出金融创新业务。 2 前言：金融大模型争相竞逐，百模大战如火如荼 3. 目前同花顺、东方财富、恒生电子、幻方量化所推出的大模型正在火热内测中。

电子 AI+ 系列专题报告 Deep Seek 重 塑 开 源 大 模 型 生 态 ， A I 应 用 爆 发 持 续 推 升 算 力 需 求 证券分析师：胡剑 证券分析师：胡慧 证券分析师：叶子 证券分析师：张大为 证券分析师：詹浏洋 021-60893306 021-60871321 0755-81982153 021-61761072 010-88005307 hujian1@guosen 大模型，截至 24 年 7 月，全球 AI 大模型数量约 1328 个 ( 其中美国位居第一位，占比 44% ；中国位居第二位，占比 36%) ，模型的 迭代加速、 竞争加剧。同时， AI 模型向多模态全方位转变， AI 应用百花齐放，企业主动拥抱 AI 应用市场。因此，模型数量、模型参数、数据总量的持续增长及 AI 应用需求推动 全球算力爆发式增长。在英伟达 GPU 随着架构的不断演进及算力的成倍增长，于 发布， 成 为 全 球 最 强 代 码 开 源 模 型。 DeepSeek- V 2 . 5 发 布 ， 融 合 通 用 与 代 码 能 力 的 全 新 开 源模型。 DeepSeek-R1-Lite 预览 版 正式上线 ， 展现了 o1 没有 公开的完整思考过程。 DeepSeek VL 发 布 ， 作 为 自 然语言到多模态初探。 DeepSeek V2 发 布 ，

IDC 数据，1Q23 全球手机销量中主处理器频率超过 2.8GHz 的占比 36%，价格在 1000 美金以上的占比 13%，即旗舰机型占比较低，随着 AI 大模 型在边缘端落地，有望推动新一轮换机潮。 以大语言模型为核心，以语言为接口，控制多 AI 模型系统，构建“贾维斯” 式智能管家。我们认为大语言模型不仅可以实现对话、创意，未来也有望作 为众多复杂 AI 模型的控制中心，同时也是接受用户指令的交互窗口，实现 21 图42： 全球手机分价格段销量占比 .......................................................... 21 图43： AIGC 支撑 AI 多模交互 ...............................................................21 图44： 鸟鸟和类 ChatGPT 模型分身对话 .... 并在各个应用领域将其专业化。具体来说有三个特点：1）对于拥有的超级海量的 数据，无需进行人工标注，即进行自监督学习；2）基础模型规模非常大，参数规 模从十亿到千亿级别；3）训练出的基础模型具有跨领域知识，而后通过微调用降 低成本的方法来训练，以适应不同领域的任务。AI 2.0 的巨大跃迁之处在于，它 克服了前者单领域、多模型的限制。 图1：AI2.0 时代的特征是通过超级海量数据无需标注训练一个大模型 资料来源：创新工场，国信证券经济研究所整理

银行业（亿元） 保险业（亿元） 证券业（亿元） 金融科技资金投入年均复合增速快。随着数字经济的全面发展，为数字金融创造更 多 技术创新的资源和应用的需求场景，银行、保险、证券等传统金融机构作为信息科技 服务的主要需求方近年来不断加大技术资金投入，据艾瑞咨询， 2023 年中国金融机 构技术资金总投入达 3,598 亿元，银行占比 发布 ChatGPT ，国内迅速形成大模型共识，各行 业大模 型持续推陈出新。 2023 年 5 月中旬，奇富科技首先宣布推出自研的金融行业通用大模型——奇富 GPT ，是业内“国内首个金融行业通用大模型”。 目前各家公司都在致力于以大模型赋能股基 APP 或是金融终端，为已有功能增加 AI 能力，实现智能客服、智能投顾、智能风险等多场景应用。 金融大模型 = 专业知识 + 大模型能力，金融 数据 + 大算力 + 强算法”升级，金融大模型将在更多细分领域带来新技术的变 革。 经验反哺 技术支持 n 与基础大模型相比，金融行业大模型结合金融 业务场景特征与数据资源，在专业度、业务模 型输出能力、场景适配度与成本把控等方面优 势较为明显。 n 随着行业大模型的不断涌现，未来将有更多的 金融业务板块与细分场景被模型能力覆盖。 ... ... 通用算法

是人工智能时代下满足深度学习大量计算需求的核心 AI 芯片。 过去五年，大型语言模型的参数规模以指数级增长；从 2018 年起， OpenAI 开始发布生成式预训练语言模型 GPT 以来， GPT 更新换代持续提升模型 及参数规 模； 2022 年 12 月， OpenAI 发布基于 GPT-3.5 的聊天机器人模型 ChatGPT ，参数量达到 1750 亿个。 ChatGPT 引领全球人工智能浪潮，人工智能 发展需要 AI 在过去五年中以指数级增长。随着参数量和训练 数据量的增大，语言模型的能力会随着参数量的指 数增长而线性增长，这种现象被称为 Scaling Law 。 但当模型的参数量大于一定程度的时候，模 型能力 会突然暴涨 ，模型会突然拥有一些突 变能力 （ Emergent Ability ），如推理能力、无 标注学习 能力等。例如 GPT 之前的大语言模型主 流是深度神 经网络驱动，参数在数十亿水平，而 引领全球人工智能浪潮，人工智能发展需要 AI 芯片作为算力支撑。从 2018 年起， OpenAI 开 始 发 布 生 成 式 预 训 练 语 言 模 型 GPT 以 来 ， GPT 更 新 换 代 持 续 提 升 模 型 及 参 数 规 模 ， 当时 GPT-1 参数量只有 1.17 亿个。 l2020 年， OpenAI 发布 GPT-3 预训练模型，参数量为 1750 亿个，使用 1000

MMLU 5-shot 得分刚达到 60%， 2022 年底超过 70%，而 2023 年底已提升至超过 85%。在语言能力之外，AI 大模型的多模 态能力也快速提升。2023 年初，主流闭源大模型通常为纯文本的 LLM。2023 年至今，闭 源模型的多模态能力具有大幅度提升，目前主流闭源大模型通常具备图像理解、图像生成 能力。部分最前沿的闭源大模型，例如 GPT-4o、谷歌 Gemini，支持的模态更加多元，能 涨，其中 Meta 涨幅超过 40%，腾讯涨 幅超过 30%，谷歌涨幅超过 20%。智能硬件中，各品牌竞逐 AI 手机，2023 年底至今，多 款搭载 AI 功能的安卓新机面世，小米年初至今涨幅达到 18.7%，苹果涨 11.6%。自 2023 年底开始，多品牌密集发布 AI PC 产品，联想年初至今涨 10.3%，叠加 AI PC 产业链公司 同时受益于 AI 服务器逻辑，戴尔涨幅达到 96.6%。AI 到了广泛应用。然而，由于语言理解及生成能力有限，因此 Chatbot 的落地范围局限在 B 端特定服务型场景，并未诞生具有广泛影响力的 C 端产品。2022 年 12 月，ChatGPT 在文 本生成、代码生成与修改、多轮对话等领域展现了大幅超越过去 AI 问答系统的能力，标志 着 Chatbot 行业进入 AI 大模型时代。此后，Chatbot 作为 C 端用户体验大模型门槛最低的 产品，成为大模型厂商的“标配”，谷歌

在此背景下，基于 DeepSeek 大模型构建客户经理智能体成为突破 现有瓶颈的关键路径。 本项目的核心目标是通过 AI 智能体实现三个维度的价值重 构：  服务效能升级：构建具备自然语言理解、多轮对话管理和金融 知识推理能力的智能体，实现 90%标准化业务咨询的自动化 处理，将平均响应时间从传统模式的 4 小时压缩至 30 秒以内  资源优化配置：释放人力聚焦高价值客户，预计可减少 40% 倍。与此同时，客户对 7×24 小时即时响应、精准产品匹配 的需求年增长率达 40%，传统服务模式已难以持续。 技术层面存在的关键瓶颈包括：自然语言理解准确率不足（现 有系统仅能达到 78%）、多轮对话记忆保持能力有限（超过 3 轮对 话后上下文丢失率 61%）、以及缺乏动态客户画像更新机制。这些 缺陷导致现有智能助手仅能处理 11%的客户需求，远未达到替代人 工的标准。 1.2 DeepSeek AI 大模型作为国内领先的生成式人工智能技术，在 金融领域展现出显著的技术优势与应用潜力。其核心能力建立在千 亿级参数训练基础上，通过融合金融行业知识图谱与银行业务数据 微调，具备精准的语义理解、多轮对话管理和复杂业务逻辑推理能 力。在银行客户经理场景中，该模型展现出三大差异化优势： 首先，在服务效率维度，DeepSeek 可实现毫秒级响应速度， 单日可处理超过 50 万次客户交互，相当于

人员专业化 保障关键岗位人员稳定 【三能原 则 】 能进能出 能上能下 能高能低 薪酬能高能低 认证能上能下 淘汰能进能出 案例： 数字化绩优人力资源管理模 型 能进能出 P1 P2 雏鹰 or P3 P4 雄鹰 P5 精英 能上能下 能高能低 M 序列 03 人员培训体系 五级认证 五星客服 动态考核 灵活激励 P1 线索标签梳理 养老、生活便利、金融科技等方面的 需求不 断增加。 数字技术打破行业界限 ，推动各个行 业的数据共享和模型共建 ，促进各行 业的跨界合作 ， 以人为本 ， 以数为 源 的数字服务融合模式正在创造更 多的 市场规模和机会。 数字服务未来展望 37 37 精准 精进 融合 多元 全渠道融合与提升体验 智能自动化提升 整合多渠道服务 ，确保三个一服务， 38 四 共 创 共 盈 • 行业经验共 享 • 综合建模分 析 • 数据标注建 模 实战培训 顾问咨询 方案解决 售后 + 经 营 • 角色演 练 • 线下授 课

引导、技术突破、产业生态构建、应用赋能、人才支撑、能源保障等多维度的综 合能力体系博弈。政策层面的战略规划为算力发展锚定方向，决定了资源配置的 优先级与发展路径的科学性。技术创新是算力提升的核心动力，直接推动算力规 模与效率的迭代升级。产业生态的完善程度影响算力要素的聚合效应，从核心软 硬件研发到应用场景落地的全链条协同，构建起算力发展的良性循环。应用场景 的丰富性则反向驱动算力需求升级，工业互联网、智慧城市、生物医药、自动驾 3、未来发展趋势与展望 （1）算力产业规模高速扩张 全球算力产业将在多维度变革中突破万亿美元规模。智能计算浪潮带来的算力结构 性转变，推动需求呈现出阶梯式、爆发式的跃升态势。算力需求实现指数级增长，多模 态模型的每次迭代不断刷新算力需求的峰值。为满足爆发式增长的智能算力需求，传统 的以CPU为核心的计算架构正迅速转向以GPU、TPU、NPU等为代表的AI加速芯片，以及 CPU+GPU/FPG 源的激烈争夺。 （5）算力商业模式不断演进 算力的交付和消费模式正在发生深刻变革，推动算力像水电一样成为可便捷消费的 基础资源。首先，集群协同为商业模式的发展提供了关键支撑。大模型训练通过联结多 个数据中心集群，构建了由上万台GPU组成的协同计算网络，实现了万亿级参数模型的 全球重点区域算力竞争态势分析报告（2025年） 18 高效训练。同时，集群协同与边缘计算形成互补，中心集群承载大规模训练任务，边缘