非银金融行业报告：金融垂类模型（28页）

财富管理行业面临变革机遇，财富管理机构信息技术投入持续增长。伴随着资本市 场各项重大改革深化至实质性阶段，财富管理机构作为连接资本市场与投资者的纽带， 责任愈发凸显。叠加居民财富管理需求的大幅增长，财富管理行业作为对于新兴技术最 为敏感的领域之一，积极拥抱数字化，期待通过金融科技手段实现提质增效。以证券行 业为例，截至 2021 年，证券行业 IT 投入 303.55 亿元，2012-2021 年 CAGR 达到 21.69%， 其中 2021 年 IT 投入同比增长约 26.51%。百度“文心一言”大模型年初问世，财富管理机构接入意愿强烈。2023 年 3 月，百 度“文心一言”大模型正式首秀并开放邀请测试。基于自身金融科技运用需求，广发证 券等 10 家券商以及汇添富基金等多家基金公司率先成为文心一言首批生态合作伙伴。 各机构基于财富管理各重要场景与百度展开合作，包括智能客服、智能投顾、投研辅助 等，以期借助大模型能力为用户打造全场景证券业人工智能解决方案及服务。结合应用情况定性分析，金融垂类模型或将成为财富管理机构的主流选择。1）通 用大模型“泛而不精”。通用大模型覆盖多任务使用场景，具有强大泛化能力，但是由于 在训练过程中不考虑特定行业使用需求，通用大模型训练集所包含的金融数据质量有限， 导致通用大模型在处理特定领域任务时往往缺乏行业深度。横向比较百度文心一言（通 用大模型）以及恒生电子 WarrenQ（基于大语言模型技术的智能投研平台）在金融领域 问答方面的表现，恒生电子在回答的准确性以及详实程度方面较之文心一言存在优势。 2）通用大模型思维逻辑不完全适用于金融领域。在交互过程中，由于金融领域专业术 语较多，复杂性较高，很多词汇在金融语境下会产生特殊含义，所有的子问题都会有一 个独特的理解方式。而且金融领域衡量 NLP 处理结果的方式也具有特殊性，例如对于 市场舆情，金融 NLP 需要判断利好或利空，并对于后续市场走势作出预测。综上，相较 于通用大模型，金融垂类模型则更像是解决金融领域特定需求的较优解。