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。 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。

本报告的风险等级为中高风险。 本报告的信息均来自已公开信息，关于信息的准确性与完整性，建议投资者谨慎判断，据此入市，风险自担。 请务必阅读末页声明。 电子行业 超配 （维持） 电子行业深度报告 DeepSeek 推动模型平权，关注 AI 终端及算力领域 2025 年 2 月 20 日 罗炜斌 SAC 执业证书编号： S0340521020001 电话：0769-22110619 邮箱： luoweibin@dgzq DeepSeek推动模型平权，关注AI终端及算力领域。2024年12月，DeepSeek V3 首 个 版 本 上 线 ， 在 多 项 评 测 成 绩 超 越 了 Qwen2.5-72B 和 Llama-3.1-405B 等 开 源 模 型 ， 并 在 性 能 上 和 GPT-4o 以 及 Claude-3.5-Sonnet不分伯仲，训练成本约为558万美元。1月20日， DeepSeek开源R1模型，后训练阶段大规模使用了强化学习技术，在仅有 极少标注数据的情况下，性能比肩OpenAI o1正式版，不仅极大提升了 模型推理能力，也大幅降低了训练成本。同时，DeepSeek-R1蒸馏了6个 小模型，其中32B和70B模型在多项能力上实现对标OpenAI o1 mini。通 过推出高性能、低成本且开源的模型，DeepSeek给全球AI发展带来了模 型平权，同时也将刺激其他头部模型厂商加快推出性能更强、成本更具 竞争力的模型。而随着模型调用门槛降低，AI终端有望加速落地，而AI+

【 AI 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： 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 ，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 ， ） 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 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

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 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 则实现了具备情感的互动。用户数方面，根据 Similarweb，24 年 5 月 ChatGPT 的 PC+移动端独立访客数达到 3 亿，在全球所有网站中排名第 22。 我们认为大模型的演进方向是智能化和自动化程度逐渐提升，最终形态是

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。 2024 年 12 月， DeepSeek-V3 发布，性能对齐海外领军闭源模型。据官方技术论文披露， V3 模型的总训练成本 为 557.6 万美元， 对比 GPT-4o 等模型的训练成本约为 日消息，据彭博社报道， DeepSeek 的人工智能助手在 140 个市场下载次数最多的移动应用程序排行榜 上名列前茅。国外大型科技公司如微软、 英伟达、亚马逊等已先后上线部署支持用户访问 DeepSeek-R1 模型。 2 月 1 日，华为云官方发布消息，硅基流动和华为 云团队联合首发并上线基于华为云昇腾云服务 的 DeepSeekR1/V3 推理服务。 l DeepSeek 通过 MLA 和 DeepSeekMoE (values) 的存储空间，显著降低了内存需求。 DeepSeekMoE 架构采 用了更为精细粒度 的专家设置，能够更加灵活且高效地调配资源，进一步提升了整体的运行效率和表现。 DeepSeek 模型对跨节点的全对全通信机制进行优化， 充分利用 InfiniBand 和 NVLink 提供的高带宽。创新性提出了 DualPipe 算法，通过优化计算与通信的重叠，有效减少了流水线中的空闲时间。采用

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 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 上涨需要配合等比例 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， GPT-3 训练至少需要 3.2T

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 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 AI 驱动的金融产品创新、企业级 AI 解决方案服务等新生业务新局面，推动服务 效率和业务增长双重跃升。 AI 赋能保险行业： 实现高质量数字化转 型。 AI 赋能银行： AI 大模型在 C 端实现智能个性化服务与交叉销售提升，在 B 端深化对企业客户的风险管理与解决方案输出。此外，开拓 AI 驱 动的金融产品创新、跨境结算与流程自动化等新生业务服务，推动银行业务全面智能化升级。 投资建议：在金融科技政策利好、海外垂类模型落地背景下，金融垂类模型成发展重点，我们推荐【同花顺】、【东方财富】、【恒生 电子】

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 “灾难性遗忘”问题 基于文本概率分布建模 通常基于马尔可夫假设建立词 预测模型（N-gram） 上下文学习、指令微调、 扩展规律 (GPT3、GPT4…) 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 多头注意力机制：多个独立计算的自注意力机制，将相同的输入映射到 不同的空间中进行上下文理解，使得模型获得了对输入序列有更细致透视，丰 富了其表示，带有多样化的上下文信息。 前馈网络Feed Forward 捕捉序列中元素之间复杂关系的多功能组件。通过使用线性变换和非线性激活 函数，前馈网络使模型能够处理复杂语义，促进文本的稳健理解和生成。 Google Transformer：引入注意力（Attention）学习

...............................................................................7 1.2 DeepSeek AI 大模型的优势与应用潜力........................................................................................... ....57 3.2 DeepSeek 模型集成..............................................................................................................................................59 3.2.1 模型微调与优化................ ......................................................................................170 7.3.1 定期模型更新.................................................................................................

.................................. - 8 - （三） 一个中枢打造转型智能核心 ............................. - 10 - 1、模型能力 ............................................... - 10 - 2、数据能力 ................................. 41.06 泽字节（ZB），同比增长 25%，展现出强劲的增长势头，成都、沈阳、合肥、长 沙、海口、保定和大同等七个数据标注基地已形成医疗、工业、教育等行业的一 批高质量数据集，加快赋能国产大模型研发。数据开发利用持续深化，近 5 年各 地区政务服务平台数据共享累计超过 5400 亿次，截至 2024 年 7 月全国已有 243 个省级和城市的地方政府上线了数据开放平台，截至 2025 年 个数据标注基地共建设数据集 524 个，服务大模型 163 个。地方高质量数据 集建设成果显著，北京市在 2025 全球数字经济大会上发布了 19 项高质量数据集 典型案例以及 34 项资源成果，江苏省提出到 2027 年底着力打造 3 个数据标注基 地，建设 1000 个完整规范、准确实用的高质量数据集，截至今年 8 月已经建成 203 个。 算法模型不断创新。截至目前，我国累计已有 611