金融新纪元】系列报告（一） —— 金融垂类大模型试用体验 证券分析师：胡 翔 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 ，度小满推出国内首个千亿级中文金融大模型“轩 辕 ” ，聚焦于金融名词理解、金融市场评论、金融数据分析和金融新闻理解等任务。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。 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 LLM 67Bt ，相较于其他金融模型 拥有 更突出的推理、数学、编程等能力。 2024 年开年之初， 同花顺和东方财富分别推出问财 HithinkGPT 和妙想金融大模型， 内测火热进行中。 2. 金融垂类大模型赋能金融业务 ，推动行业业务实现增量提升。

免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。 1 证券研究报告 电子 AI 大模型需要什么样的硬件？ 华泰研究 电子 增持 (维持) 研究员 黄乐平，PhD SAC No. S0570521050001 SFC No. AUZ066 leping.huang@htsc 华泰观点：关注 AI 大模型 x 硬件的两条思路 从 22 年 11 月 OpenAI 推出 ChatGPT 至今，我们看到 Chatbot 应用的能力 不断增强，从最初的文字问答，迅速向具有自主记忆、推理、规划和执行的 全自动能力的 AI Agent 发展。我们认为端侧智能是大模型发展的重要分支。 建议投资人沿着：1）大模型如何赋能终端，2）终端如何解决大模型普及难 点两条思路，寻找硬件的落地机会。我们看好 1）Apple Intelligence 推动苹 果用户换机，2）交互能力提升推动轻量级 AR 开始普及，3）隐私保护需求 推动办公用 PC AI 化等三大机会。 具备记忆、推理、规划、执行能力的 AI Agent 可能是大模型的最终形态 大模型的应用能力最初功能仅限于文字问答，此后逐渐引入图像理解、文生 图功能，并通过 GPT Store 拓展功能，形成了 AI Agent 雏形，近期 GPT-4o

金融新纪元】系列报告（二） ——AI+ 金融大模型的两条技术路线 证券分析师：胡 翔 执业证书编号： S0600516110001 联系邮箱： hux@dwzq.com.cn 二零二四年二月二十三日 证券研究报告 当前 AI 与金融的结合主要有两条技术路径：①通用模型 + 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 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 ，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 ， 谷歌将在谷歌云上部署 Claude ，并于推出自研的大模型 LaMDA 的聊 天机器人 Bard ； AWS 推出自有基础模型 Titan 和 AIGC 服务 Bedrock ，以及 AI 编程助手 Amazon CodeWhisperer 。 Anthropic 推出 Claude ，是最接近 ChatGPT 的商业竞品； xAI 发布其首个 AI 大模型产品 Grok ，模型通过 X 平台实时了解世界

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 S0980524100002 S0980524060001 l DeepSeek 发展突飞猛进，领跑开源大模型技术与生态， DeepSeek 模型已成为全球现象级模型。 DeepSeek( 深度求索 ) 公司成立于 2023 年 7 月，是一家致力 于实现 通用人工智能 (AGI) 的创新型科技公司。 与监督式微调、全场景强化学习等。 l AI 应用爆发在即，算力需求持续攀升，关注 ASIC 及服务器产业链。 Scaling Law 与“涌现”能力是大模型训练遵循的重要法则，随着 ChatGPT 引领全球 AI 浪潮， 国内外科技公司纷纷发布 AI 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，

请务必阅读正文之后的免责声明及其项下所有内容 证券研究报告 | 2023年05月31日 超 配 电子 AI+系列专题报告 边缘 AI：大语言模型的终端部署，推动新一轮终端需求 核心观点 行业研究·行业专题 电子 超配·维持评级 证券分析师：胡剑 证券分析师：胡慧 021-60893306 021-60871321 hujian1@guosen.com.cn huhui2@guosen 《电子行业周报-在行业周期筑底阶段无需过度悲观》 —— 2023-05-08 大模型参数量级飞涨，相应训练集需同比提升。李开复定义 AI 2.0 时代的 特征是通过海量数据，无需标注自监督学习，训练一个基础大模型，并在各 领域将其专业化。据相关论文，当模型的参数量大于某阈值，会展现出类似 推理、无监督学习等未曾出现的能力，这种现象被称为“涌现”，因此目前 大语言模型参数均在十亿量级以上。同时，Deepmind 研究表明，模型参数的 研究表明，模型参数的 上涨需要配合等比例上升的优质数据集来达到最佳训练效果。因此，大模型 参数在十亿级以上发展并受限于优质数据集的增速是 AI 发展的必然趋势。 大模型增长挑战芯片算力和内存，无法实现完整端侧部署。大模型训练和推 理的三大瓶颈是算力、显存和通信，根据我们的测算，算力方面 GPT-3 训练 所需算力为 121528 TFLOPS，若 30 天内完成，需要 1558 颗 A100。内存角度，

券在该阶段大放异彩。 随着人工智能、大数据、区块链 等技术的快速发展， AI 金融技术 持续完善。 2023 年 ChatGPT 引发 广泛关注，大模型与金融的结合赋 能财富管理及金融科技行业。 2023 年 3 月彭博发布金融大模型 BloombergGPT ，开启金融 AI 大 模型的数字金融新时代。东方财富、 同花顺、恒生电子引领金融科技 前沿。 l 互联网在中国迅速发展， 2008 年牛市下 PC 端金融网络门户 兴起，新浪、搜狐、网易等传 统门户财经频道日益成熟，和 讯网、金融界、证券之星等垂 直财经网址厚积薄发。但是受 限于时代条件，互联网金融领 域仍处于起步阶段。东方财富 后来居上，成为该阶段的集大 成者。 l 中国金融与技术的融合始于 20 世 纪 80 年代，互联网及数字技术 出现，传统金融机构受到提高 工作效率等需求推动，开始通 过传统 IT 软硬件实现办公自 动 化、电子化，实现业务升级。 AI 终端加速金融后台智能化转型，在风控、合规、人力等基础岗位中提升效率。 AI 智能客服嵌入 APP 助力客户交互率提升， AI 支撑画像分析助力精准营销，帮助券商实现各业务条线收入提升，推动行业稳健发展。 AI 赋能互联网金融：在 C 端智能投顾自动化定制建议，赋能人工投顾提效，提升智能投顾的普惠性与个性化服务体验，在 B 端利用 AI 大模型 解析数据生成投研报告，助力分析师提炼关键结论。此外，打开

................................................................................7 1.2 DeepSeek AI 大模型的优势与应用潜力.......................................................................................... .....................................................................................37 2.4 风险评估与合规.................................................................................................... ........................................................................................70 3.3.2 合规性检查.................................................................................................

����年��月 ����上海ESG发展报告 报告牵头单位 上海交通大学上海高级金融学院 报告参与单位 上海交易集团有限公司（第二章、第四章） 东方证券股份有限公司（第二章、第三章） 国网英大碳资产管理（上海）有限公司（第二章、第五章） 颖投信息科技（上海）有限公司（妙盈科技）（第二章、第五章） 上海浦东发展银行股份有限公司（第三章） 国泰海通证券股份有限公司（第三章） 中国太平洋保险（集团）股份有限公司（第三章） 报告不仅记录过去一年的新进展，更致力在对过去总 结的基础上识别未来挑战，提炼结构化和可操作的发 展建议，为上海乃至全国的可持续发展提供具有参考 作用的路径分析。 本报告仍以各类主体为核心，聚焦三大维度：一是 动态追踪，系统呈现各类主体在过去一年中的最新实 践与进展；二是案例分析，强调从单个企业到同类企 业群体的实践观察，提炼可借鉴可推广的经验和解决 关键问题的路径；三是行动导向，围绕各类主体面临 企业是上海ESG生态中的中坚力量。国有企业在 信息披露和治理方面起到示范作用，民营与外资企业 则在绿色产品开发、供应链协同和社会责任实践中开 展多样化探索。然而，中小企业面临理念和能力受限， 技术与资金门槛高，治理体系落实难度大等困难， ESG价值体现与资本化进程缓慢，遭遇推广瓶颈。未 来，企业可通过内部治理优化、分阶段投入、利益激 励机制建设，以及依托金融、政策和行业平台进行资 源协同和技术共享，推动ESG实践从零散尝试向体系

浙江大学人工智能教育教学研究中心 浙江大学人工智能教育教学研究中心 浙江大学人工智能教育教学研 浙江大学人工智能教 浙 统计语言模型 （SLM） 神经语言模型 （NLM） 预训练语言模 型（PLM） 大语言模型 （LLM） Seq2Seq建模 基于循环神经网络RNN描述单 词序列的概率 • 优点：通过词嵌入和隐 藏层，上下文捕捉和泛 化能力较强； • 缺点：计算复杂度高， 面对长文本序列仍会有 基于Transformer架构的语言模型 • 优点： ✓ 长距离依赖处理能力强：自注意力机制能捕捉任 意距离的依赖关系。 ✓ 并行计算能力强：Transformer架构支持并行计算， 训练速度更快。 • 缺点：资源消耗大 自然语言处理模型的演进 浙江大学人工智能教育教学研究中心 中心 智能教育教学研究中心 大学人工智能教育教学研究中心 浙江大学人工智能教育教学研究中心 浙江大学人工智能教育教学研究中心 浙江大学人工智能教育教学研 浙江大学人工智能教育教学研究中心 浙江大学人工智能教育教学研究中心 浙江大学人工智能教育教学研 浙江大学人工智能教 浙 攻防对抗 隐私保护 多模态 幻觉问题 可解释性 价值对齐 人工智能 面临的挑战 合规伦理 算法共振 郑小林，浙江大学人工智能研究所，2025.3.16 新一代人工智能面临的挑战 浙江大学人工智能教育教学研究中心 中心 智能教育教学研究中心 大学人工智能教育教学研究中心 浙江大学人工智能教育教学研究中心