【 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

DeepSeek-R1 \ Kimi 1.5 及 类强推理模型开发解读 陈博远 北京大学 2022 级“通班” 主要研究方向：大语言模型对齐与可扩展监督 https://cby-pku.github.io/ https://pair-lab.com/ 北大对齐小组 DeepSeek-R1 开创 RL 加持下强推理慢思考范式新边界 DeepSeek-R1 Zero 及 R1 技术剖析 相当。 在编码相关的任务中表现出专家水平， 在 Codeforces 上获得了 2029 Elo 评级，在竞赛中表现 优于 96.3% 的人类参与者 DeepSeek-R1 在知识类问答上推动科学探索边界： MMLU \ MMLU-Pro \ GPQA Diamond 等 STEM- related 榜单上取得良好表现 R1 展现出强推理模型在 AI-Driven 过 反复自我迭代和监督微调 基于 STaR 可以进一步将这种思路扩展到思考过程是搜索过程的特例，比如 rStar-Math, SoS 都可以用类似的思路来理解。 本质上， STaR 一类的方法是希望模型能够学习到 MetaCoT, 即问题到答案 映射 过程背后的深入规律 但是对于问题的结构要求性高，对于复杂数学推理任务可能难以自我 迭代 难以融入 Rule-Based Reward

+ 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

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 )

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

稳信访信息中心管理系统、数字城管系统、 “五车”治理系统、政务督查办公平台、 热线系统、智能交通综合管控平台等； l 垂管系统情况 省市垂管系统大约 53 个：主要集中在医 保局、人社局、气象局、市场监督管理局； l 数据共享情况 自建系统数据可以共享 ，垂管系统数据 部分可以下载导出 ，接口对接少数可以 满足。 信息化需求及规划 2023.01~2023.12 l 智慧政务类场景 l 疫情防护类场景 l 民生服务类场景 l 城市管理类场景 l 安全守护类场景 l 社区治理类场景 城市智能运营指挥中心 汇数、治数、用数 l 环境保护类场景 l 智慧工地类场景 l 乡村振兴类场景 l 智慧园区类场景 l 经济运行类场景 业务沉淀、经验、工具输出 A I 算法、算力按需调度 运 维 对象描述 • 质量规则定义 • 编码规则定义 • 责任组织 • 责任人 • 数据访问权限 • 审批流程 基础数据分类、监测数据分 类、业务数据分类、主题数 据分类 数据中台：数据标准规范先行 数据管理平台建资源目 录 树 数据管理平台建元数据模型 标准化资源分类 数据应用 ↓ 标准化元数据模型 模型、编码规则、属性、引

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】

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

执业证书编号： S0600516110001 联系邮箱： hux@dwzq.com.cn 二零二四年五月七日 证券研究报告 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 年期间， 随着中国互联网用户数量的翻倍增长和 互联网证券行业的发展 ，垂直财经网站的活跃度总体上呈现上升趋势。 据艾瑞咨询 2017 年 8 月数据 ，东方财富网 PC 端日均覆盖人数位居同 类网站首位 ，达到 1056 万人 ，几乎与 Top10 中其他 9 名网站（中国经 济网、和讯网、 同花顺、 中金在线、金融界等）覆盖人数总和相当。 同 时从月度浏览时间来看 ，东方财富网达到 5758

战略屋 / 房型图 理解 业务 达人垂类数量增长，标签愈发精细化。品牌利用多圈层达人投放，全方位解析产品信息，多角度阐述品牌理念，实现破圈营销，扩大品牌影响力。雪佛兰在 110 周年庆典活动之际，与百度度星选携手打造了多垂类达人的破圈投放矩阵，并借助腰尾部达人的力量，形成海量且多元 化的内容 输出大幅度提升了品牌的 影响力。 雪佛兰携手百度多垂类、多层级达人，助力“雪佛兰 110 周年”活动 周年”活动 背景 解法 项目 成果 汽车垂类头部达人深度定制 邀请度星选平台汽车垂类的资深达人参与， 对雪佛兰 110 周年的活动进行权威解读，形 成权威背书。 跨界垂类达人多维度切入 依据粉丝画像，邀请其他垂类的达人参与，如财经、 文艺、电影、娱乐等，围绕雪佛兰 110 周年活动进 行不同方向不同维度的解析。 汽车垂类腰尾部达人 海量内容扩大影响力 启用征文模式，利用腰尾部达人的影响力， 百度资讯指数 提升 160% 提升 430% 投放停止后，优质内容会沉 淀在平台中，在用户搜索场 景中展现形成长尾效应。 参与达人数量：70+ 阅读目标达成率： 204% 过往项目总结—垂类达人营销活动 背景 解法 收货 价值 国货投放达人要求趋于精细 达人合作品牌 筛选标准升级 合作 要求 产品 品牌 合作 产品受众 产品 质量 品牌口碑 品牌理念 合作动机