数字金融服务行业AIGC在中国财富管理行业的应用前瞻：AIGC时代来临，智能投顾空间广阔

中国智能投顾未来市场空间广阔，预计到2025年将达到215亿元人民币。我们认为通过借助AI大模型的能力，未来智能投顾能够为客户提供更多的精准信息以及更深层次的逻辑分析内容，并且AI大模型的应用有望大幅提升智能投顾产品的用户体验，预计客户未来对于智能投顾产品的付费率将有较大提升，进而推动我国智能投顾市场空间的增长。假设到2025年，中国的智能投顾渗透率提升至美国当前20%的水平，对应渗透率为0.0068%，中国智能投顾市场空间有望达到215亿人民币。 AI版智能投顾有望面向B端财富管理机构落地先行，赋能机构或投顾等渠道方，进而间接服务C端客户。在当前技术条件的限制下，将AIGC技术直接应用在智能投顾的C端场景具有较高的安全合规风险，如信息泄露风险高、部分C端客户缺乏专业判断可能导致高风险决策等。AIGC技术以2B2C模式赋能智能投顾是一种比较安全有效的落地方式。AIGC技术在智能投顾B端场景中的风险较低，能有效提升投顾服务效能，解决当前投顾人员缺口大、精细化投顾服务难、投顾成本高的痛点。预计未来由金融信息服务商充当AI大模型技术提供方，券商等财富管理机构作为技术应用方，并且将自身数据与AI大模型进行有效结合，以此来提升投顾的工作效率和客户的服务体验。 我们认为具备数据和算法优势的厂商有望打造出使用价值更高的智能投顾产品，进而获得更多市场份额。目前我们认为在金融AI大模型领域起到关键性作用的是数据和算法，而并非算力，因为高质量的数据和算法的迭代调优将大幅降低对算力的需求，能够在很大程度上抵消相关国家对于算力设备出口限制带来的负面影响。从海内外的实践经验看，高质量的数据往往来自丰富的业务场景和数据治理能力，算法上的优势则主要来自于人才团队及其管理机制。 投资建议：推荐在金融相关语料获取和技术人才团队上具备优势的同花顺（300033.SZ）和东方财富（300059.SZ），未来其有望通过将垂直大模型能力整合到自身的智能投顾产品中，预计客户对其产品的付费意愿将有快速提升，相比将获得更多市场份额。 风险提示：AIGC技术发展不及预期；行业竞争持续加剧风险；科技领域政策监管持续收紧风险；AI引发各种法律与伦理问题。 1.中国智能投顾未来市场空间广阔，预计到2025年 有望达到215亿元 1.1.2022年中国智能投顾市场空间预计为82亿元，与海外发达市场有显著差距 国际证监会组织（IOSCO）于2017年发布的《金融科技研究报告》将智能投顾定义为运用云计算、大数据、智能算法等技术，根据客户不同的投资需求、风险偏好，为其提供自动化、智能化、定制化的投资组合管理服务。在国内，2011年起施行的《证券投资顾问业务暂行规定》规定投资顾问业务的服务行为仅限于提供投资建议和辅助投资决策，不包括接受全权委托管理，因此目前中国智能投顾行业的市场主体主要是通过提供金融信息和软件工具来辅助客户进行投资决策 。虽然国内市场主体不能直接提供自动化、基于算法的投资管理服务 ，但根据定义我们认为智能投顾的范畴也包括金融机构将数字技术应用在理财服务流程，进而再为客户提供智能化、自动化和个性化的资产配置、账户咨询、理财规划等与财富管理相关的各类线上服务。 图1智能投顾发展历程 预计2022年我国智能投顾空间为82亿元，近年来迅速增长。鉴于目前我国智能投顾市场主体更多是为投资者提供金融软件信息服务， 辅助其投资决策，因此本文以C端金融软件信息服务收入来表征智能投顾的市场空间。根据《九方财富招股说明书》中弗若斯特沙利文的调研，2017-2022E我国金融软件信息服务市场规模从32亿元增长至82亿元，CAGR接近21%。报告显示，近年来驱动我国智能投顾市场较快增长的因素包括个人可投资金融资产增长带动需求上升、信息技术创新提供技术支持、有利的行业政策等。 请务必阅读正文之后的免责条款部分 图2中国C端金融信息软件服务市场规模（亿元） 我国智能投顾市场仍处于起步阶段，与海外发达市场差距明显。以美国为例，据Statista统计，2022年美国智能投顾（roboadvisor）行业收入达363.4亿美元。按照“智能投顾市场空间=居民个人金融资产规模×智能投顾渗透率”框架进行分析，中美两国智能投顾市场规模的差异主要来自于渗透率。2022年，我国居民个人金融资产规模为243万亿人民币，美国居民个人金融资产规模为106.3万亿美元，按照美元兑人民币1:7.3的汇率计算，我国居民个人金融资产规模约为美国的31.32%，对应中美智能投顾渗透率分别为0.0034%、0.0342%，美国智能投顾渗透率约为我国当前水平的10倍。我们认为即使考虑到监管政策的差异性，未来中国智能投顾渗透率还有较大的提升空间。 图3美国智能投顾收入规模（亿美元） 图4中国居民个人金融资产规模（万亿元人民币） 图5美国居民个人金融资产规模（万亿美元） 图6中美智能投顾渗透率比较 1.2.预计中国智能投顾市场空间将受益于客户付费意愿的提升实现快速增长 目前的金融信息服务产品大多基于技术指标来辅助投资者选择投资标的，但随着投资者认知程度提升，我们认为未来仅提供基于归纳法的技术指标类智能投顾产品难以满足客户需求，越来越多的投资者会倾向于基于信息与逻辑进行投资。 图7人是如何做投资决策的？基于信息和逻辑以及对交易方式的理解 AIGC发展有望为客户提供更精准的信息和逻辑，更好地满足客户需求。 1）AIGC可以为投资者生成信息，帮助投资者获取更多经验。以GPT为例，GPT模型基于自然语言处理的Transformer模型，通过对数据进行深度学习算法的训练，学习金融领域的专业术语、市场趋势、 投资策略等知识，为投资者提供更加准确、有效的信息。2）AIGC可以为投资者提供逻辑，帮助投资者更加理性思考。Google在论文《Chain-of-Thought Prompting Elicits Reasoningin Large Language Models》中提出思维链（Chain of Thought，CoT）能显著提升大型语言模型（LLM）的推理表现。思维链可以让投资者在投资决策时，按照一定的逻辑顺序进行分析，从而更加科学、理性地做出决策。GPT等模型可以根据已经生成的文本作为上下文，逐步构建一个思维链，从而形成投资逻辑。例如，在生成投资结论时，ChatGPT会根据已经生成的文本和投资目标，自动调整投资逻辑的结构和内容，从而使得生成的投资结论更加符合实际情况和投资需求。 图8ChatGPT的工作原理 图9 ChatGPT为投资者提供信息与逻辑 AIGC发展还有望全方位提升智能投顾的客户体验。AIGC为智能投顾带来了更强大的数据处理和分析能力，提供了更加个性化和智能化的投资建议。1）AIGC使得智能投顾更加便捷易用。大语言模型具备出色的自然语言处理和生成能力，可以进行自然流畅的对话， 投资者可以使用自然语言与大语言模型进行交互。2）AIGC使得智能投顾能够提供更加个性化和定制化的投资服务。大语言模型可以通过分析投资者的投资偏好、风险承受能力和时间周期，生成针对每位投资者特定需求的投资组合建议和资产配置策略。3）AIGC使得智能投顾能够更全面、准确地评估投资机会和风险。大语言模型可以处理海量的金融数据和相关信息，从各种数据源中提取关键信息、分析市场趋势 ，并基于这些分析结果提供投资建议和决策支持。4）AIGC使得智能投顾能够更灵活地应对市场波动和变化。大语言模型具备高速的数据处理和分析能力，可实时监测市场数据和投资组合状况，捕捉市场机会和风险警示，并快速响应市场变化。 AIGC发展有望驱动智能投顾渗透率较快提升，预计2025E行业市场规模达215亿元。AIGC赋能下的智能投顾更具交互性、可靠性和透明度，提高了投资者的投资决策效果，有望驱使更多客户对于智能投顾的需求和付费意愿增长，进而带动我国智能投顾渗透率提升。根据麦肯锡《金融业白皮书：2023年3月后疫情时代财富管理重启增长》，到2025年中国居民个人金融资产规模有望达到315万亿。在渗透率预计上，至2025E， 我国渗透率提升至美国当前水平的20%， 对应渗透率为0.0068%。则2025E行业市场规模有望达215.21亿元，22-25CAGR为38%。 2.AIGC在智能投顾领域有望以2B2C模式落地先行， 间接服务C端客户 2.1.当前AIGC直接应用在智能投顾C端场景有较高的安全合规风险 2023年7月，国家网信办等部门发布《生成式人工智能服务管理暂行办法》，对AIGC服务实行包容审慎和分类分级监管，坚持发展和安全并重，对AIGC的合规性与安全性提出了更高要求。该《办法》指出：提供和使用生成式人工智能服务不得侵害个人信息权益，应当提高生成内容的准确性和可靠性，提升生成式人工智能服务的透明度。基于《办法》规定，智能投顾C端场景更加应当谨慎使用AIGC技术，在当前技术条件的限制下，将AIGC技术直接应用在智能投顾的C端场景具有较高的安全合规风险。 首先，AIGC在智能投顾C端场景的数据使用量大，信息泄露风险高。 智能投顾C端场景强调AIGC功能的多样性，以满足客户多元而分散的需求，因此需要AI大模型涵盖不同金融领域的大量多样化且高质量的数据并进行广泛训练。在数据使用量过大的情况下，数据的审核难度较高，容易产生数据安全风险，包括但不限于敏感数据泄露 、违规采集数据等。在使用智能投顾服务的过程中，如果客户提供给AI大模型的数据被用作进一步迭代的训练数据，那么私人数据将作为模型权重记录在模型中，在与其他客户交互的过程中，AI大模型可能会泄露客户涉及个人隐私、财务安全等敏感问题的隐私数据，因而存在一定的安全风险。同时，AI大模型本身也可能受到恶意用户的攻击， 恶意用户可以通过查询大语言模型来获取其他用户的隐私信息，从而产生严重的安全合规问题。 图10AI大模型数据泄露的潜在路径 其次 ，AIGC生成内容的随机性可能会威胁C端客户的财产安全。 AIGC的训练机制决定了模型输出的内容是一个概率问题，具有一定的随机性，输出错误答案的概率仍然存在。当前技术仍无法完全控制大模型生成的内容，其中可能包含虚假和欺骗性的内容，此类内容会影响信息的准确性，并可能对用户的决策产生负面影响。在智能投顾C端领域，AIGC生成内容的不可控性可能会造成巨大风险。客户进行资产配置需要基于准确的信息，如果AIGC生成的投资建议与事实不符，将可能给用户带来错误的指导，造成无法弥补的经济损失，使得客户的财产安全暴露在极大的风险之中。 最后，AIGC可能存在“技术黑箱”问题，C端客户难以自行判断并充分信任其生成内容。智能投顾C端客户在使用模型时可能无法获得AI决策所使用的信息且难以充分了解其投资逻辑，部分客户由于缺少专业知识和相关经验，很难自行判断AIGC生成结果的可信度。这将可能导致客户做出高风险决策，威胁客户的财产安全，具有很高的安全合规与监管风险。与此同时，AIGC缺乏透明度也可能导致客户对智能投顾的不信任和不安感。据Statista统计，2021年超过70%的全球零售投资者对人工顾问的信任度高于机器顾问。这种由不透明造成的不确定性和不信任将持续到整个用户体验中，并影响随后的交互， 大大降低智能投顾的服务效能。 图11当前绝大部分零售投资者更加信任人工顾问 2.2.AIGC有望先以2B2C模式帮助投顾提高服务效能 AIGC技术以2B2C模式赋能智能投顾是一种比较安全有效的落地方式。 AIGC在智能投顾B端环境下所关注的功能是特定且有限的，场景相对比较狭小，数据和训练结果相对可控。加之B端场景的使用者，即机构专业投顾人员，有足够的知识与经验对AIGC的生成内容作出判断，可以对缺乏准确性的内容进行人工把关和修改，监管难度和安全合规风险都相对较小。因此，AIGC有望面向B端财富管理机构落地先行，赋能机构或投顾等渠道方，进而间接服务C端客户。 我们认为AIGC技术面向财富管理机构落地的路径将可能有以下四种： 1）将大模型的能力直接应用于