中信建投计算机 从工作流嵌入到结果级交付AI投研走到哪一步了

00:00:01 大家好，欢迎参加中信建投计算机从工作流嵌入到结果及交付，AI投研走到哪一步了电话会议。目前所有参会者均处于静音状态，下面开始播报声明。 00:00:17 风险提示及免责声明，一、本次会议为中信建投研究发展部组织的闭门会议，仅面向中信建投白名单客户。参加会议的投资者不得制作会议纪要，包括但不限于文字纪要、录音、录像、截屏等形式，并对外转发给任何其他个人或机构。擅自制作、编辑及转发会议纪要引起不当传播的，中信建投有权追究其法律责任。 00:00:44 二本次会议内容在任何情形下都不构成对会议参加者的投资建议，且中信建投不承诺，不保障，所含具有预测性质的内容必然得以实现。敬请会议参加者充分了解各类投资风险，根据自身情况自主做出投资决策并自行承担投资风险。 00:01:04 三本次会议包含信息均来源于中信建投认为可靠的公开资料，但中信建投对这些信息的准确性，时效性以及完整性不做任何保证。本次会议如涉及专家分享，该专家分享仅代表专家个人观点，不代表中信建投立场。 00:01:24 四在法律法规及监管规定允许的范围内，中信建投可能持有并交易本次会议所提及公司的股份或其他财产权益，也可能在过去，目前或者将来为所提及公司提供或者争取为其提供投资银行，做市，交易，财务顾问或其他金融服务。 00:01:44 五本次会议内容的知识产权仅为中信建投所有。未经中信建投事先书面许可，任何机构或个人均不得以任何形式转发、发布、翻版、复制或引用会议全部或部分内容，亦不得从未 经中信建投书面授权的任何机构、个人或其运营的媒体平台接收、翻版、复制或引用会议的全部或部分内容。版权所有，违者必究。 00:02:13 哎，各位领导大家好，我是箭头计算机分析师张敏。然后欢迎大家参加今天的AI投研专题交流。那么，作为AI应用最具有潜力的赛道之一啊，然后咱们的这个AI投研正经历从这个对话问答到这个深度工作流嵌入，再到结果及交付的重大跃迁。 00:02:33 那么，呃，当前的话，我们来看AI投研啊到底走到哪一步了。这个也是当前这个市场啊比较关注的一个议题哈，为此的话，我们特别的邀请到了刚地斯的这个信息资源合作部负责人兼首席fde，白总。呃，来给我们今天做这一次的这个分享。然后白总的话在这个金融数据赛道深耕近20年，具备产品运营到BD全链条的这个丰富经验。那么今天的话，白总也会结合刚地斯的这个金融前沿实践啊，带来AI投研的最新的进展的一个分享，同时呢也会为大家介绍公司的这个全。 00:03:14 头产品finebot和AI work啊，接下来的话我们的把时间交给白总。白总嗯啊好的，嗯，谢谢那个张总的这个介绍。呃，那我今天也非常有幸啊，跟大家来分享一下我们在这一两个月的一些成果，就是关于呃，从这个工具到结果交付这块儿呃我们的一些亲身的一些感受吧。所以呢，今天基本上跟大家讲的都是我们自己亲身经历的，并且在实践中呃得到的一些呃最终的一些结果的验证啊，这是我们今天这个呃分享的内容，主要还是一些我觉得干货吧，这样对大家来讲呃下午这个时间更有价值。 00:03:54 然后我们看到在整个金融投研Agent的这个演进之路啊，其实还是比较这个应该说还是比较波折的，那么下面呢， 00:04:04 我先跟大家来呃看一下目前市场上目前的一个大概的一个状态，就是在整个的这个呃从今年的一月份啊到这个差不多现在我们。到7月份啊，整个的AI Agent从openclow出来，到这个各种的这种啊agent AI Agent平台或者叫那个workspace agent这种平台出来之后啊，整个的市场是非常热的，在在这个Agent这样的一个平台上构建自己的这个相关的一 些业务啊啊。这个很多人啊，尤其在年初啊二三月份很多人都非常的热情，但是现在我们看到啊，到五六月份整个市场的这个热度就明显在下来了。 00:04:43 呃，这里面我有一张图，就是左边这张图，就是为什么下来的一个原因啊， 00:04:48 跟大家做了一个总结，这是我自己的一些分析啊。 00:04:51 首先呢就是在整个token的用量上大幅度提升。因为我们之前在呃比如说前几年我们只是用prompt做一个token的用量，但现在我们去年我们用上下文到今年我们用AI Agent,那里面整个的这个prompt的就是所谓的这个提示词的量在不断的变大，然后呢又因为涉及到对结果的。不断地去趋近于，呃，我们要的那个。非常完美的结果，所以在这块他要进行多轮的这样的一个呃应该叫执行吧，最终达到我们那个效果，所以它对于token的销量可能就不是十倍几十倍，甚至会几几那个或者叫几百倍这样的一个token的销量。 00:05:32 而在整个的那个token在这个6月份之前，我们看到价格还是比较贵的，呃应该在五六月份吧，5月底6月初突然token都在大幅跳水，其实也是因为很多企业在这个token的用量上啊，得到了这个比较大的费用吧。然后呢又实质上没有看到真正叫这个效果，所以呢就大幅度缩减了很多员工的这个token的支付。 00:05:56 而这个里面我大概总结了一下，其实从大模型的角度来讲。啊，那么稳定性和这个幻觉是完全无法去绕开的一个门槛。如果这两个问题不去解决的话，那么从企业端来看，从机构来来看啊，AI Agent真正能够落地到实质的这个业务当中是非常困难的啊。因为这个很简单，大家都不愿意对一个不确定的事物对它的结果去买单啊。 00:06:24 所以在整个的这个为什么在AI Agent这块啊，它会比较难呢，我们看到第一就是学习成本啊，第一就是我们的时间啊，第二就是我们的时间消耗会比较大。那学习成本包括了我们对新知识的各种学习，以及啊我们要去不不断的去调skill，不断的调Agent啊，所消耗的大量的这个时间。所以这块来讲呢，是每个人是不是愿意在此去付出很多努力的。而AI Agent在我们调研下来大部分的情况下是无法达到机构预期的，所以呢，在这个我们看到两难之中呢对于机构。 00:07:02 来讲也在思考那下半年在整个的AI Agent这个领域该如何来布局，这其实也是现场的一个现状啊。我们调研了很多的，从这个资管机构到卖方研究所到这个银行到上上市公司等等，其实真正在AI Agent这个做得特别出色的这个案例啊是比较少的。那这个里面也就跟大家讲了，就是对于未来的，对于一个不确定性的产本产品或者不确定性的一个结果，大家到底还有多少的耐心来等到他最终为我来赋能。 00:07:37 然后我们看一张啊，这是我呃5月份啊，从网上找的这个呃易观分析5月份出的一个报告里面，其实对目前的workspace的叫workspace agent这样的一个产品，我们也就叫AIAgent这样的一个产品的一个调研啊。 00:07:54 出来的问题基本也是这样的一个问题，就是无法达到我们想要的结果，预期包含了这个对于这个业务的理解的偏差，以及对于。产出的这个质量达不到我们的要求啊。甚至还有一些其他的问题等等。所以从这个大体的方向上跟我们的预判也基本一致，就是如何让一个不稳定的AI Agent的平台，最终能够稳定地为我们去产生我们想要的那个结果，它其实是一条需要一条正确的道路上。来进行这个走下去的啊。 00:08:31 所以在这块，我们通过这一两个月不断的帮企业帮个人用户，去实现真正的AI Agent的落地。我们的核心就是结果导向，就是你你真正是以百分之百的交付给到客户。而这个期间我们要解决各种各样的问题。所以在这块儿，我们大体总结了三三点啊，如何更好地让这个AI Agent的平台为啊用户带来稳定性的输出啊，正确性的输出，那首先就是数据层。 00:09:02 啊这块呢，其实呃我们看到很多企业内部在自己构建这个呃AI Agent的平台，或者是呃从外部采购或者自己去使用这个AI Agent的平台的时候，往往对数据这方面啊。大部分用户可能并没有关注到数据这个层面，就上来就用了，然后再不行呢，我花钱让他用websearch啊，到互联网上去找啊我要的东西。原则上这种也没有问题，本来我先用嘛再去找 数据，但是我们发现如果我不把这个数据准备好，那我们不管再怎么用，它的结果始终无法达到我们的预期。 00:09:40 所以在数据层面，其实市场上呃到目前为止，从我们2月份看到，呃冈尼斯是作为最早开放API的，到现在，基本上所有的大的数据机构呃数据都开放了自己的API或者MCP。那么也也证明了这个路啊，是要往就是未来的一个数据的一个开放式的这样的一个场景，那大家都可以来使用一个或者多个数据源，来补足于自己在整个业务场景中对数据的获缺，所以这是数据层面啊。 00:10:13 第二就是叫逻辑层，也有叫思维链的，那这个里面其实就意味着什么，意味着用户对自己所要做的事儿整个的逻辑是非常清楚的，他知道每一步该怎么走，以及每一步所涉及的风险是什么。这个其实就是由什么由用户自己来完成的。 00:10:31 当然，呃，冈蒂斯终端本身也提供了类似的产品，是由产品经理来完成的，前期的啊分析框架以及思维链。但是呃，从我们看到调研下来的大量的用的比较好的用户啊，除了用啊刚尼斯这种投研终端来做之外啊，还有一部分用户会使用像呃codex的，或者是这个一些其他的C C啊这样的平台来。完全从0~1构建自己的这个啊思维链，这也是类似于我们后面会讲的翻BOT，其实也是这个思路，整个DIY自己的思维链，然后第三个就是这个信息系统。 00:11:09 啊叫独立的这个硬件沙箱及haness的整体的构建，这个呢我们现在我们之前用CC也好，用codex的，或者现之后呃之后的今年的比较火的几个，像work巴蒂或者用龙虾爱马仕也好，它都属于一个C端的产品。它这个里面我们经过这个几个月的测试，为什么我们要推翻BOT的一个核心就是C端的产品它的稳定性。不如我们想象的那么好，为什么呢？因为它是一个不断在升级和改进的系统，它不太在意用户在上面已经建好的工作流，或者已经建好的这些skill或者Agent是否能够正常执行，所以当它的版本一迭代的时候，可能你已有的已有的这个呃场景可能就不稳定了。 00:11:56 所以在这点上，呃我们跟很多的机构在沟通中也特别强调了一点，就是作为企业级的应用，它的核心就是要稳定啊。它不见得先进性是最最多强，但是你不能因为你的升级造成了我整个呃应用的这样的不稳定，或者这种无法执行，那是肯定无法接受的。所以在这块未来的金融机构啊，包括企业是一定会构建属于自己的稳定的AI Agent的平台，来保证每个用户每个员工在上面使用这种平台构建自己智能体的时候，是一个稳定的输出效果。而不会受制于这些啊C端的这种AI Agent的平台的升级，而造成我整个工作流的中断啊。 00:12:42 这是我们看到的一个三点啊。 00:12:46 然后在这个背景下吧，然后冈蒂斯呢是其实提供了两种AI Agent的解决方案。第一个就是我们在我们终端里的一个纯saars的一个服务，我们叫AI work.还有一个呢就是脱离我们终端啊，单独的一个SaaS服务或者叫本地化部署啊，企业本地化部署的一个aiia agent的平台叫fanbot。那这两个呢，其实本质上看上去是一样，但它本质的逻辑是有较大差异的。 00:13:13 那AI work呢，我们是一个标准化的产品，它在整个的呃投研的底层，其实我们呃冈尼斯非常优秀的这个产品经理，已经把这些底层啊都给构建好了。所以呢我们的用户在上面去使用问答也好，建立skill也好，或者建立自己的项目也好，就很快，然后呢也很便捷，然后它也是内嵌终端的，所以对数据的调用呢。就会比较的呃应该讲就会比较的方便，那它的特点也就是说用简单易用的方式快速地获取我想要的结果。 00:13:49 然后它的整个的投研架构呢，是架在冈蒂斯整个啊优秀的这个产品经理的这个，因为我们的产品经理很多来自于买方分析师啊，来构建的这样的一个投研体系，所以呢它叫一个快速获取结果。 00:14:04 而这个fanbot，它其实是从底从底层到