在数据不断累积、算法不断突破、算力不断提高的背景下，大模型的发展步入快车道，其强大的生成能力和通用性正在催生全新的产业体系，变革浪潮席卷而来。
作为信息、数据、知识密集的代表性行业，证券行业拥有多元的业务场景，同时面临着广泛的数字化转型升级需求，是大模型极佳的垂直落地场景。
中信证券、海通证券、东吴证券、广发证券、国金证券等多家券商已相继推出AI大模型或有所布局，例如债券大模型Bond Copilot、秀财大模型、“金钥匙智能犇犇助手”等，涉及经纪、研究、投行等多业务场景，为证券行业的数智化转型注入强劲动能。
然而，券商和大模型的融合仍处于初级阶段，多为业务场景简单的非决策类环节。未来，随着相关技术的不断成熟和应用场景拓展，券商与大模型将纵深融合，有业内人士直言:“数字化转型和科技金融已成为证券行业下一个战略发展周期的核心竞争力。”
各大券商争相布局
在数智化浪潮的席卷之下，券商面临着强烈的数字化转型需求。而大模型的应用，无疑将为券商注入新的活力，成为其转型道路上的重要推力。从行业目前的实践来看，券商经纪、研究、投行、资管等多个业务条线均已有大模型的落地场景。
中信证券在今年1月上线了债券大模型Bond Copilot，全方位支持债券承揽、承做、承销三大环节，以缓解投行债券全链条工作的痛点。
从目前的功能来看，Bond Copilot具备自动撰写、研报摘要生成、债券法规问答、产品的定价分析、发行结构分析、投资人画像分析、市场数据分析、多维数据问答等能力。
图:中信证券债券大模型Bond Copilot页面
中信证券表示，下阶段Bond Copilot将为证券行业带来更多的业务赋能，实现对债券领域业务场景的全面覆盖，并扩展到基金、股票等其他金融产品，为证券业务搭配独一无二的智能助手。
4月，商汤科技宣布与海通证券联合发布业内首个面向金融行业的多模态全栈式大模型。据商汤科技介绍，本次合作结合海通证券的真实应用场景，重点落地了智能问答、智能研发、智能研报等业务环节。
其中，智能研发助手是辅助金融企业的研发人员进行代码编程工作，需要解决的核心问题是让大模型学习和了解业务流程和逻辑，并生成有效代码。
东吴证券的秀财大模型，是国内首个券商自研并通过算法备案，拥有自主知识产权的证券垂类大模型。
据东吴证券介绍，围绕秀财大模型，共规划了四大AI应用范式，并依托AI对话、智能BI、智能中枢、增强搜索四大应用范式，结合RPA工具，构建包含投研、投行、投顾、经纪、固收、风控、审计等多个领域的36个AI应用场景，实现基于秀财大模型的全面AI赋能。
广发证券也在日前公布了大模型的总体架构，主要分为应用层、服务层、模型层和基础层。涵盖了大模型问答生成服务、代码生成服务(ChatCode)、文生图服务(ChatImage)和大模型API基础服务(LLM-API)。
广发证券表示，已完成基础模型层和模型接入层的设计和初步搭建，逐步推进大模型在智能问答、摘要提取、信息抽取、代码生成等应用场景试点落地。目前，广发证券落地了“金钥匙智能犇犇助手”应用，专门用于智能客服场景。
图:广发证券大模型总体架构
国金证券则选用LangChain和ChatGLM2构建了大模型，并表示正在探索两类场景的AIGC应用。一类是智能投研，利用AI算法对大量的证券行情和交易数据进行深入的分析和模型训练，以生成更准确的市场分析和结果预测。
另一类是基于大模型的交互式辅助应用，包括AI办公助手、AI编程助手和AI绘画等，显著提升员工办公效率，降低企业运营成本。
图:国金证券大模型架构规划
“财富管理+AI大模型”
广阔空间大有可为
虽然券商已在尝试让大模型赋能具体业务，但目前仍在发展初期，业内针对落地可行性的讨论依然火热，同时也在不断地发现问题、解决问题。
华宝证券研究创新部战略研究总监卫以诺告诉记者，券商与大模型的融合可划分为三个时代。1.0时代是简单场景化辅以弱交互属性，赋能C端初步探索。2.0时代是模型标准化与服务差异化共存，打造To B服务范本。3.0时代则是个性化与普适化，一站式全流程系统打通。目前“券商+大模型”处于1.0-2.0时代过渡期。
从业务落地的可行性来看，卫以诺认为，短期内在证券行业中最容易、最便捷、相对成本最低的落地项目是研究业务。“券商接入模型的API接口，即可辅助研究报告的底层数据搜集、基本逻辑的梳理，金融建模的代码等，减轻研究员冗杂的基础性、重复性工作压力，让研究员有更多观点思考的产出，提升对数据和事件点评报告的产出速度。”他表示。
长期来看，大模型与券商买方业务结合更具适配性，尤其是在买方投顾等财富管理领域大有可为。买方投顾业务发展是金融行业发展“蓝海”，其重点在投资、顾问及平台打造三大方面。
卫以诺称，财富管理的终极生态是买方投顾。监管部门曾多次提及独立投资顾问机构发展，若以美国投顾发展为鉴，买方投顾驱动下独立注册投资顾问发展空间广阔。
“随着财富管理领域的投资咨询、账户管理、资金运营等业务被专业化机构细分后赋予牌照，大语言模型等技术可以和买方投顾机构深度融合，实现商业盈利模式的革新，从依靠产品到依靠服务，再到依靠SaaS订阅、运营分成、流量收费。”他进一步阐述道。
中金公司此前也在近期的研报中提到，财富管理及资产管理或是金融行业中AI赋能空间最大的领域之一，营销获客、客户运营、产品推介、投资投研四个业务环节，为AI尤其是AI大模型的应用落地提供了优质场景。
从潜在业务量来看，目前财富资管市场仍存在用户渗透率较低、投资者体验较差、投资回报率较低等多种问题，AI大模型有望提升获客转化率、客户留存率、投资收益率，尤其在投顾领域赋能财富资管机构买方模式。
与此同时，投研领域庞大繁杂的数据量、对高效整合生产并输出信息的高要求，天然与AI尤其是大模型的特点相匹配，AI的应用能够更好赋能投研领域。
“百模大战”如火如荼
金融垂类模型或为发力重点
“百模大战”如火如荼，国内互联网企业、传统金融机构及金融科技企业均纷纷投身其中，力争在金融大模型市场中占据一席之地。
2023年5月中旬，奇富科技推出奇富GPT，在业内被称为“国内首个金融行业通用大模型”。随后，度小满也推出了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。
同年6月，恒生电子发布了金融大模型LightGPT。腾讯混元大模型和蚂蚁金融大模型也于去年下半年相继亮相。2024年，同花顺和东方财富分别推出了问财HithinkGPT和妙想金融大模型。
对于目前国内“百模大战”出现的竞争与合作，阿里云智能集团副总裁张翅在接受本报记者采访时表示，现在的竞争合作关系没有人为门槛，都是技术层面的发展。“有的企业聚焦长文本、有的聚焦多模态，这都是根据自身的竞争优势和特点进行考虑后的结果。我认为当下的竞争合作格局更多由企业自身技术、模型价值、市场定位等因素决定。”张翅解释称。
东吴证券分析称，当前AI与金融的结合主要有两条技术路径，一类是通用模型+金融语料训练金融大模型，另外一类则是金融垂类大模型，二者的优劣具有相对性。
通用大模型的优势在于泛用性强、灵活性和利用率高、可迁移性强。劣势在特定领域深度较浅、模型复杂、训练时间长。金融垂直领域模型的优势在于其专业性、针对性的解决方案，以及高精度和合规性。劣势主要包括适应性限制、更新与维护的复杂性，以及数据利用率低下等。
除此之外，通用大模型还存在一定的问题。“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，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。”东吴证券还表示。
中金公司也指出，目前AI大模型的探索集中在业务场景简单的非决策类环节，而较难直接应用在对金融领域专业能力要求较高、涉及提供强投资建议、涉及核心分析决策任务的业务环节。
展望未来，东吴证券认为，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，金融垂类模型将成为金融科技领域未来的发展重点。
国金证券首席信息官王洪涛对记者直言:“以大模型为代表的智能技术，正逐渐成为推动行业创新的重要力量，它帮助我们更好地理解市场趋势、预测风险、优化投资组合，同时提供个性化的客户服务，并支持更全面、精准的业务洞察和决策。在竞争日益激烈的证券行业中，智能技术应用将成为证券公司保持竞争优势、实现数字化转型的关键手段之一。”
