金融AI渗透或迎甜蜜点

海外金融机构开启AI规模化落地，降本与增效均体现良好效益。1）海外头部金融机构纷纷在业务流程中嵌入AI，主要集中在数据分析、提升运营效率、优化客户服务、营销等领域。2）摩根士丹利推出一款由OpenAI最新技术驱动的先进聊天机器人，以在日常工作中为该行的财务顾问团队提供帮助；摩根大通推出解码央行鹰鸽的Robo-Fedwatchers模型，当两次议息会议之间，发言人鹰派倾向的三个月平均值上升10个百分点时，短期利率大约会上涨10个基点；加拿大的RBC和Borealis AI开发了一套NOMI Forecast系统，利用深度学习为客户的现金流提供及时、准确的预测，相关模型经过训练可以为RBC客户提供个性化体验，包括账单支付、电子转账、投资和工资支付等。3）BCG曾以一家拥有约两万名员工的区域性国际银行为例，初步梳理了该银行前中后台相关部门应用生成式AI的潜力和效益，预计在首年即可为该银行节省约1.5亿美元的成本，占整体薪酬总包的7%左右。 DeepSeek模型由金融企业打磨多年，业务场景深度适配。1）DeepSeek源自幻方量化旗下子公司深度求索发布，落地金融场景具备天然优势；同时，通过高效的算法和架构设计，提升运算效率，降低部署成本，有望解决金融大模型发展面临的算力、成本等挑战，使得金融机构能更经济地利用AI技术提升服务质量和风险管理能力，开创新的业务模式；此外，DeepSeek通过开放代码和模型架构，为金融机构提供了更大的自由度和可定制性，这种开放性使得金融机构能够根据自身需求，灵活调整模型的功能和性能。2）DeepSeek-R1同步开源模型权重，性能对标Chatgpt-o1，且定价大幅降低同时 ，DeepSeek同步发布6个小尺寸模型（1.5B/7B/8B/14B/32B/70B） 并开源权重 。3） 根据永赢基金报道，DeepSeek在思考过程、问答效果和响应速度等方面表现突出，准确率超过90%，远高于其他同类模型，7B和14B等模型对算力要求较低，也降低了部署成本。 头部金融机构竞相接入DS，渗透趋势或迎甜蜜点。1）根据IDC数据，2022年中国银行业IT投资规模达到1,445.67亿元人民币，预计2026年将达到2,212.76亿元人民币，年复合增长率为11.2%。国有六大行2023年的金融科技投入均实现同比增长。其中同比增速最高的是建设银行和农业银行，分别为7.45%和7.06%；邮储银行、中国银行、工商银行和交通银行的同比增速分别为5.88%、3.97%、3.9%和3.4%。2）44家券商披露2023年信息技术投入情况来看，合计投入281.1亿元，其中14家券商投入规模接近或超过10亿元，投入合计198.06亿元，投入占比为70.46%，34家信息技术投入同比增速为正。3）多家金融企业公开宣布接入DeepSeek大模型，主要涵盖银行、证券、保险、基金、消费金融等多个领域 。广发证券在其机构客户综合服务平台“ 广发智汇 ” 正式上线DeepSeek客户服务模块，将助力机构投资者提升投研效率；海安农商银行通过询问DeepSeek的方式，向用户介绍该行资本实力、市场份额等方面情况；江苏银行通过应用R1推理模型，结合邮件网关解析处理能力，实现邮件分类、产品匹配、交易录入、估值表解析对账全链路自动化处理，识别成功率达90%以上，目前已初步实现业务集中运营，按照平均手工操作水平测算，每天可减少9.68小时工作量。另外，邮储银行、北京银行等已将DeepSeek应用于智能客服场景，通过逻辑推理和深度分析提升服务精准度。 相关标的： 资管IT：同花顺、东方财富、财富趋势、指南针、银之杰等。 系统IT：恒生电子、金证股份、顶点软件等。 银行IT：宇信科技、京北方、长亮科技、神州信息、广电运通、南天信息等。 保险IT：新致软件、中科软等。 风险提示：AI技术迭代不及预期风险、贸易关系变化风险、宏观经济风险、行业竞争加剧风险。 海外金融机构开启AI规模化落地，降本与增效均体现良好效益 海外金融机构AI转型逐步走向规模化，头部金融机构纷纷在业务流程中嵌入AI，应用主要集中在数据分析、提升运营效率、优化客户服务、营销等领域，结合技术创新与业务场景的深度应用，展现了人工智能在金融领域的多元化价值。 图表1：生成式AI在金融机构应用范围广泛 1）摩根士丹利聊天机器人 摩根士丹利2023年推出一款由OpenAI最新技术驱动的先进聊天机器人，以在日常工作中为该行的财务顾问团队提供帮助。 摩根士丹利财富管理部门分析、数据和创新主管Jeff McMillan表示，摩根大通已经有一个差不多300人的顾问团队，长期测试这一人工智能工具。摩根士丹利毫无疑问是全球财富管理领域的巨头，该公司管理的客户资产规模超过了4.2万亿美元。虽然人工智能的前景和风险已经在业内被热议了多年，但似乎只有在ChatGPT彻底爆火之后，主流机构才逐渐重视起了这项技术。同时，摩根士丹利自身拥有一个多达数十万页研报内容库，涵盖投资战略、市场研究以及分析师观点。这些大量的信息被存储在其内部网站上，主要是以PDF的格式保存，当金融顾问想要寻找特定问题的答案时，往往需要扫描大量信息，类似的搜索既耗时又麻烦。 但在OpenAI的GPT-4的帮助下，摩根士丹利正试图改变其顾问团队搜寻相关信息的方式。 McMillan指出，其背后的想法是帮助大摩约1.6万名财富管理顾问，充分利用该行庞大的研究资源和数据库。 图表2：摩根士丹利知识库升级 2）摩根大通推出解码央行鹰鸽的Robo-Fedwatchers模型 摩根大通的最新成果显示，当两次议息会议之间，发言人鹰派倾向的三个月平均值上升10个百分点时，短期利率大约会上涨10个基点。此前文章指出，当模型显示美联储发言人在两次会议之间的鹰派立场上升时，下一份FOMC政策声明就会变得更加鹰派，这会导致一年期美债收益率上涨。相关模型的训练数据是过往25年以来的美联储声明和央行官员们的讲话，使用的是基于ChatGPT的语言模型，模型根据具体内容的限制性或宽松程度，进行鹰鸽等级评分，再将具体评分与一系列资产表现挂钩。 图表3：解码央行鹰鸽Robo-Fedwatchers模型底层逻辑 3）加拿大皇家银行（RBC）的智能投研 加拿大的RBC专门成立了一家名为Borealis AI的人工智能研究中心，Borealis AI与RBC资本市场团队推出了基于强化学习的交易执行系统，希望了解如何使用机器学习来帮助拥有大额或批量订单的客户更好地安排交易顺序，从而获得最高回报。 Borealis AI开发了一套NOMI Forecast系统，利用深度学习为客户的现金流提供及时、准确的预测。在该行独特的数据集支持下，相关模型经过训练可以为RBC客户提供个性化体验，包括账单支付、电子转账、投资和工资支付等。 图表4：NOMIForecast模型能力 生成式AI降本增效显著，首年可降低薪酬总包7%。AI应用场景可贯穿前中后台各个环节，每条业务线、每个职能，都有可能找到生成式AI的应用场景。若能实现规模化应用，有望带来可观的降本增效收益。BCG曾以一家拥有约两万名员工的区域性国际银行为例，初步梳理了该银行前中后台相关部门应用生成式AI的潜力和效益，预计在首年即可为该银行节省约1.5亿美元的成本，占整体薪酬总包的7%左右。 图表5：BCG测算AI应用至银行的降本效果 DeepSeek模型由金融企业打磨多年，业务场景深度适配 2025年1月20日，DeepSeek正式发布DeepSeek-R1，并同步开源模型权重。DeepSeek-R1遵循MIT License，允许用户通过蒸馏技术借助R1训练其他模型。同时上线API，对用户开放思维链输出。 DeepSeek-R1性能对齐OpenAI-o1正式版。DeepSeek-R1在后训练阶段大规模使用了强化学习技术，在仅有极少标注数据的情况下，极大提升了模型推理能力。在数学、代码、自然语言推理等任务上，性能比肩OpenAI o1正式版。 图表6：DeepSeek-R1在多项评测基准上得分 开源蒸馏小模型超越OpenAI o1-mini。 DeepSeek在开源DeepSeek-R1-Zero和DeepSeek-R1两个660B模型的同时 ， 通过DeepSeek-R1的输出，蒸馏了6个小模型开源给社区，其中32B和70B模型在多项能力上实现了对标OpenAI o1-mini的效果。 图表7：DeepSeek蒸馏得到的小模型在多项能力得分优秀 价格远低于OpenAI o1。DeepSeek-R1 API服务定价为每百万输入tokens 1元（缓存命中）/4元（缓存未命中），每百万输出tokens 16元。相比之下，OpenAI的o1模型价格为每百万输入tokens 55元（缓存命中）/110元（缓存未命中），每百万输出tokens 438元。 DeepSeek有望解决金融大模型发展面临的算力、成本等挑战，通过高效的算法和架构设计，提升运算效率，降低部署成本，使得金融机构能更经济地利用AI技术提升服务质量和风险管理能力，开创新的业务模式。 DeepSeek为金融公司开发，卓越性能契合金融复杂需求。金融领域数据海量、市场环境复杂，对分析工具要求极高。DeepSeek系列模型语言理解能力卓越，能精准解读金融资讯、研究报告和市场动态，为投资决策提供关键信息支持。面对复杂的宏观经济分析报告，它能迅速梳理核心要点，助力投资团队把握经济走势。 DeepSeek通过开放代码和模型架构，为金融机构提供了更大的自由度和可定制性。这种开放性使得金融机构能够根据自身需求，灵活调整模型的功能和性能，从而开发出更贴合业务场景的解决方案。例如，银行可以利用DeepSeek优化风险评估模型，证券公司可以通过其提升市场预测的精度，而保险公司则可以借助其改进理赔流程的自动化程度。 头部金融机构竞相接入DS，渗透趋势或迎甜蜜点 2022年中国银行业IT投资规模达到1,445.67亿元人民币，与2021年度的1,334.97亿元相比，增长了8.3%，IDC预计，2026年将达到2,212.76亿元人民币，年复合增长率为11.2%。在政策推进、技术持续创新等诸多效应的叠加下，我们认为未来三到五年中国银行业IT解决方案市场有望继续保持增长态势。 图表8：2022-2027中国银行业it市场规模 国有六大行持续推进数字化转型，2023年年报的金融科技投入总金额达1228.22亿元，同比增长5.38%。此外，国有六大行金融科技人才的数量也在不断增加。截至2023年末，工商银行金融科技人员增至3.6万人，占全行员工的8.6%；中国银行、建设银行等银行的金融科技人员也均超过万人。2023年报数据显示，国有六大行去年在金融科技方面的投入均超过百亿元。其中，工商银行、建设银行、农业银行和中国银行投入均在200亿元以上，交通银行和邮储银行在100亿元以上。具体来看，工商银行、建设银行、农业银行、中国银行、交通银行和邮储银行，2023年金融科技投入分别为272.46亿元、250.24亿元、248.5亿元、223.97亿元、120.27亿元、112.78亿元。同时，国有六大行2023年的金融科技投入均实现同比增长。其中同比增速最高的是建设银行和农业银行，分别为7.45%和7.06%；邮储银行、中国银行、工商银行和交通银行的同比增速分别为5.88%、3.97%、3.9%和3.4%。 图表9：六大行2023年金融科技投入 券商不断加大IT能力建设。44家券商披露2023年信息技术投入情况来看，合计投入281.1亿元，其中14家券商投入规模接近或超过10亿元，投入合计198.06亿元，投入占比为70.46%。34家信息技术投入同比增速为正，占比为77.27%，7家增速下滑，另有3家无可比数据。2023年，信息技术投入排名前十券商依次是华泰证券（25.78亿元）、国泰君安（21.6亿元）、中金公司（17.29亿元）、招商证券（