【 AI 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 ，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。 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 在金融科技支持政策陆续出台、海外金融垂类模型加速落地的背景下 ，我们认为金融垂类模型将成为金融科技领域未来的发展重点。我们认为， 具备较大金融交易数据基础、较好应用场景入口、较成熟 AI 技术运用经验的金融科技企业将受益明显 ，推荐【东方财富】、【同花顺】 ，建 议关注【恒生电子】。 5. 风险提示： 1 ）监管环境趋严抑制行业创新； 2 ）行业竞争加剧； 3 ）权益市场大幅波动。 发布机构 金融垂类模型 共同优势

+ 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 ，应用的场景广泛；月之暗面发布 Moonshot 大模型， 目前位于第一梯 队。 3 ）在金融领域中 ，通用模型应用表现各有 差异。其中 GPT 系列、文心一言、通义千问、腾讯混元以及科大讯飞表现较好。 金融垂类模型国外发展先行 ，国内成品问世。 1 ） 国外彭博 BloombergGPT 率先登场。 BloombergGPT 的混合训练方法使其模型在金融任务上 的表 现大大超过了现有的大语言模型 ，而在通用场景上的表现则与之相当 ，而在通用场景上的表现则与之相当 ，甚至优于现有模型。 AI4Finance 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

除了诸如 DeepSeek、字节豆包、通义千问等通用大模型所自带的文 旅内容以外，旅游领域的市场主体包括垂类旅游企业平台、旅游目的 地文旅局、涉旅企业、初创科技类旅游企业等也都以不同形式参与到 AI 大模型对旅游的改造中来，以市场主体作为分类依据可以主要分 为如下几个类别： 1.垂类旅游企业平台 AI 应用 以携程、去哪儿网、同程等为代表的 OTA 平台，积极利用大模 型技术推动业务 （二）智慧旅游领域人工智能应用场景分类 1.AI 旅游导航导览讲解服务类应用 利用 AI 语音合成与识别技术，为游客提供多语言、个性化的讲 解服务。无论是在博物馆、景区还是历史文化遗迹，游客通过 AI 大 模型就能实时获得详细的景点介绍、历史背景、文化内涵等讲解内容， 8 其效果已经开始慢慢替代传统人工导游，提供更便捷、高效且可随时 获取的智能讲解服务。 2. AI 旅游行程规划助手类应用 基于 AI 算法和大数据分析，根据游客的时间、预算、兴趣偏好 目前该场景虽市场用户端需求强烈，按真实的产品在结果准确性、产 品体验和用户需求深度匹配等方面仍需进一步提升，这也导致实际用 户对 AI 行程规划结果的采纳率仍不高。 3. AI 旅游信息服务类应用 主要涉及旅游目的地信息检索，游客通过智能终端输入关键词， 即可获取 AI 所提供的目的地基本概况，包括地理位置、气候条件、 旅游景点、交通住宿等。该场景通过 AI 技术对用于大模型训练的旅

疾控工作者应该怎么利用 DeepSeek 等 AI 大模型 主要内容 先了解人工智能发展简史和发展方向 再介绍大模型的概念和与人工智能的关系 接着介绍垂域模型与智能体的概念 了解以上概念后开始将交流和畅想疾控与人工智能 + 再接着介绍 DeepSeek 大模型 最后是普通疾控人在工作中的具体使用探索交流 1 . 1 著名的图灵测试 1950 年，“计算机之父”和“人工智能之父”艾伦 定时间后，若询问者无法区分哪一方是 机器，则机器通过测试。 一、人工智能发展简史了解 意义与影响 1. 哲学突破： 1. 图灵将抽象的“机器能否思考 ?” 转化为可操作的“能否模仿人 类 行为 ?", 规避了关于“意识”的争议。 2. 提出“智能”的行为主义定义，即通过外在表现而非内在机制判 断 智能。 2. 技术目标： 1. 为早期人工智能研究提供了明确方向，例如自然语言处理和对话 亿参数，能生成连贯长文本， GPT-3(2020)1750 亿参数，零样本学 习 ( 无需微调直接使用 ), 震惊业界。 生态期 (2023 至今 ): 应用与争议并存， · 特点：通用大模型竞争白热化，垂类模型兴起，社会伦理问题爆发。 · 关键进展： ChatGPT(2022.11): 对话能力接近人类， 2 个月用户破亿。 GPT- 4(2023): 支持多模态输入 ( 文字 + 图片 )

行能力/功能升级、或以 DeepSeek为基座发布新AI教育应用和智能学习硬件，快速抢占DeepSeek模型带 来的AI创新机遇。 代表性教育企业围绕DeepSeek的布局总览 相较于其他通用及垂类大模型，DeepSeek能够得到头部教育企业广泛青睐、激起 抢滩布局，主要得益于其几大特点： l 深度思考模式：DeepSeek的深度思考模式能够输出自然语言形式的推理过 程，使得学习、解题的思 功能；新发布AI学习应用“随时问”，由自研九章大模型与DeepSeek大模型联合 支持，主打一站式智能化教育。围绕DeepSeek，学而思的AI教育布局呈现出双协 同、生态化特点： 1、突破单一模型局限，将教育垂类大模型与DeepSeek深度融合，结合DeepSeek 拆解复杂问题和语言交互的强项、及九章大模型深耕数学推理与学科知识图谱的优 势，实现精准分析/定位/回溯知识点、强化逻辑推理并显化思维路径、理解并输出 线接入DeepSeek、加速智能硬件创新，推动AI教育场景的深化与成本优化。 1、底层技术融合：构建DeepSeek-R1的通用智能推理能力与自研教育垂类大模型 “子曰”结合的混合架构，以提升复杂场景的AI教育能力精准度，并打造了基于 DeepSeek的多模态应用。 2、全线产品线接入：软件端，网易有道AI学习类App接入DeepSeek，以其深度思 维优势提升AI教育能力和个性化交互学习体验；此外，网易有道基于子曰教育大模 型

办事情形不清晰，有兜底条款，如 其他材料”等 系统复杂：政务服务平台、本级自建 / 上级垂管系统、 OA 等 网上申报体验差 用户多次登录、表单重复填写、材料重复提交等 申报材料准备难 窗口办事效率低 一个复杂事项需办事人员在多个系统切换登录、重复录入 挑战 需 求 侧 供 给 侧 部门之间协作难 部分材料需要中介机构提供、证明类材料需要提前准备等 线下跑动次数多 业务分散、系统独立，部门协作系统对接工作量大 数据供需不匹配，汇总数据无法支撑实际场景和应用 关键痛点 服务体验待提升 业务协同缺支撑 数据共享使用难 服务使用受限制 省市区各级事项标准不统一，线 上办事比例低、线上线下融合难 业务系统烟囱化，综合类业务缺 乏统一协同调度 部门间数据标准不统一，系统数 据互联互通难，数据难有效使用 特殊人群难以到政务大厅办理政 务事项 6 1 2 3 政务服务趋势和挑战 “ ” 一网通办 政务服务解决方案 表单自动预填 证照 / 材料自动关联 材料审核 要点关联 情形 引导 表单填写 & 材料上传 提交 申请 办件 预审 统一 收件 办件 分拨 办结 发证 APP 委办局国垂 / 省垂 业务审批系统 ROMA 办 件 / 审 批 数 据 网站 大厅 委办局自建 业务审批系统 统一事件服务 多渠道办理 事项查询 API 接口 办件运行 API 接口 证照获取接口 材料获取接口

S0600524060001 联系邮箱： wuxs@dwzq.com.cn 证券研究报告 二零二五年六月十一日 l 2009 年移动应用市场兴起， 财经类移动 APP 开始出现； 2010 年代后半段 -2020 年初， 财经类移动 APP 开始致力于满 足用户多元化的财富管理需 求。 AI 技术的兴起使得智能 营销、智能投顾等获得助推， 东方财富、同花顺和华泰证 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 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】，建议关注【顶点软件】、【金证股份】、【长亮科技】、【新致软件】；金融科技弹性小票，我们推荐【九方智投控股】、【指南针】

Agent 产业趋势 鸿蒙智能体的定义 鸿蒙智能体框架（HMAF） 总结与未来展望 参考资料 1.1 从被动响应转向主动服务，智能体驱动人机交互范式变革 1.2 智能体爆发式增长，系统智能体和垂域应用智能体双轨发展，走向协同 1.3 一站式开发框架和技术标准化加速智能体构建和商用落地 3.1 智能体全新交互 3.2 智能体协议升级 3.3 智能体高效开发 3.4 智能体安全可信 02 鸿蒙应用生而智能 人机交互范式，从功能机时代的物理按键，到智能机时代的触屏操作，再演进至 AI 智能体 时代的意图交互，这一历程体现了 " 从形式操控到语义理解 " 的技术进化，其本质是机器对人 类认知和行为习惯的持续适配。 在“以意图为中心”的交互范式下，用户角色从“功能操作者”转变为“目标委托者”， 智能体则从“工具”升级为能独立完成任务并交付结果的“数字协作者”，移动终端设备作为 用 45.8% 的年复合增长率增长，到 2030 年达 到 503.1 亿美元。 1.2 智能体爆发式增长， 系统智能体和垂域应用智能体双轨发展，走向协同 - 5 - 行业趋势 Agent 时代 鸿蒙应用生而智能 从整体应用格局来看，AI 智能体形成 " 系统智能体 + 垂域应用智能体 " 的双轨发展模式。 系统智能体成为用户流量新的超级入口已成定局。华为在《鸿蒙 2023 白皮书》中提出，

变革的直接变量。预计具身智能的下半场，将主要由“智能定界”牵 引突破。该路线的核心在于将复杂、时变、不确定的世界模型构建难 题，转化为构建一个专注于具体现实环境的、更容易“有限范围求解” 的垂类小模型，这类模型具备环境可确定、任务可操作、过程可数据 化、且高安全性的特性。 应用场景反向定义价值，头部企业重塑供应链优先级。具身智能 的创新价值不再由“技术先进性”单一决定，而是由不同场景的需求 险业 建筑业 运输和仓储 业 建筑业 8.80 万亿元 10.56 万亿元 1.38 万亿 元 1.69 万亿元 0.78 万亿元 1.42 万亿元 数据来源：Wind 备注：1.剔除公共事业类行业；2.货币单位统一按 2025 年 9 月 3 日汇率换算为人民币。 过去 10 年，我国制造业呈现出显著的增长态势。然而，其中传 统制造业也面临着产能过剩、附加值低、内卷严重等一系列问题。从 9%，呈现持续增长态势。 3 图表 2：中国 GDP 分行业增加值（单位：百亿元） 数据来源：Wind 具身智能，作为支撑未来国家高端制造业的底座，已被纳入“2025 年政府工作报告”。其狭义可理解为“AI+仿生类人形机器人”，广义可 理解为“终端设备载体+AI 感知环境+AI 学习推理及决策”。尤其在未 来十年的产业大赛道（包括：AI+芯片/大模型/数据、AI+制造/能源/ 生产资料、AI+生物医美/抗

用机器学习方法获取概率模型：复杂 • 用人工神经网络获取网络模型：黑盒 • 超过两层的神经网络可以逼近任意连续函数 人类智能 • 抽象（语言）：概念，数字，理 念 • 逻辑（理性）：归纳，演绎，类 比 • 计算（模型）：科学方法 • 基于观测经验，发现规律 • MIT ：一切问题都是模型问题 • 模型： 一个映射， 一个函数 科学范式 ◼ 从规则到数据：逐步破除我执（去人类中心主 取得了突破，最被看好 • 概率模型，机器学习（统计学习方法）、数据模型、计算数学 2 、学习人脑：当前遇到挑战，可能会成为道路 1 的一部分 • 抽象模型：杨立昆的世界模型 + 功能分区 • 类脑计算：意识研究、认识论（哲学物理学）、认知神经科学 包括生物计算，不排斥数据科学方法（ mortal computation ） 3 、具身智能：刚起步，研究热点，可能会成为道路 1 的未来 重塑就业岗位和组织结构 • 如何培养 AI 专业人才和 AI 赋能人才 • AI 如何赋能教育 02 对 AI 教育的思 考 第一届人工智能教育大会 （ 2019 ） n 从职业角度来看，人工智能将带来三类影响 1. 替代少部分基础岗位 • 一些简单的重复性、模板化、“照本宣科式”的智力劳动可能会被替代，例如：基础客户服务、简单文秘、甚至一些翻译工作 2. 革新大部分岗位的职业技能