金融AI行业GenAI系列之53暨Fintech系列深度之18：大模型两年范式剧变，核心业务起涟漪

证 券 研 究 报 告金融AI：大模型两年范式剧变，核心业务起涟漪GenAI系列之53暨Fintech系列深度之18证券分析师：洪依真 A0230519060003 罗钻辉 A0230523090004 刘洋 A0230513050006 研究支持：罗宇琦 A0230124070004联系人：罗宇琦 luoyq@swsresearch.com2025.3.27www.swsresearch.com证券研究报告2金融模型底座趋势座趋势和技术和技术能力趋能力趋势总结势总结图：金融行业大模型技术方案概览应用架构基座模型与第三方头部大模型合作开源模型后训练预训练对齐训练领域增强训练前置推演Loss scalling lawmetric scalling law领域自约束CPTSFT通用合成数据工程企业高精领域数据强化训练RLHFHumanfeedbackAIFeesbackDeepseek、LlamaOpen AI、谷歌通义千问、阶跃星辰、火山引擎仍有部分金融机构自研数据工程数据去噪数据去重数据标准化质量分回归内容安全隐私消除多维度打分内容分类器Agent数据工程RAG企业知识库意图识别技术成熟意图执行智能决策技术未成熟2023年金融机构技术需求重点2025年金融机构技术需求重点单意图识别多模态理解多意图识别单模态理解复杂任务拆解Agent银行一体化风险管理保险一体化理赔核保资管一体化投资投研决策图：金融行业大模型能力趋势概览资料来源：申万宏源研究www.swsresearch.com证券研究报告3核心观点核心观点◼AI金融行业大模型核心技术相比2023年时已产生了较大变化。•目前大量金融机构基础模型选择开源、或更多的是与头部大模型厂合作：1）2023年初金融机构开始自研预训练；2）2024年后强化学习、RLHF等后训练范式兴起；3）2025年后ds等算法平权后金融机构不再完全聚焦于基础模型。•金融能力趋势：从意图识别到意图执行。1）目前Chatbot形式为主的单意图识别工具准确率已接近90%；2）结合Agent能力的意图执行开始大量出现；3）智能决策整体未成熟，银行和保险目前案例极少，而资管领域单点案例更多，AI的应用深度可能与ROI相关性更高，而非业务的标准化程度。◼银行、保险AI整体应用集中于营销等系统，2025年后需求增加，应用开始向核心系统深化•银行：已上线需求集中于客服作业、营销分析、报告撰写（风控和授信调查）、代码助手等，各行之间场景差距较小；24H2后，部分大行开始接入信贷和前端业务，但是目前渗透率较低。•保险：由于保险重营销的特性，目前大部分应用集中于客服机器人、营销助手等；部分保险开始尝试简单理赔场景，如欺诈检测、理赔评估等。但更进一步的AI承保产品极少，AI产品设计与定价目前空缺。◼Deepseek出现后，A股金融IT上市公司AI转向加速，且部分反馈下游需求增加。•1）2025年后，头部银行IT企业全面接入ds，且开始对信贷等核心系统改造；2）由于银行私有化部署要求，宇信等提供一体机解决方案，且天阳等联合高校建设金融算力中心；3）长亮等反馈主要集中在信贷相关业务、数据管理相关业务以及财务相关的业务需求在2025年后明显增加。◼相关标的：第四范式、宇信科技、神州信息、长亮科技、京北方、天阳科技•风险提示：大模型技术迭代可能不及预期，金融数据风险，同质化竞争风险，监管风险。主要内容1. 基础模型：相比2023年已全面更新2. 应用情况：国内外金融AI应用概览3. 银行AI：全面渗透但未进入核心环节4. 保险AI：聚焦营销，核保理赔起步期5. 相关标的4www.swsresearch.com证券研究报告51.1.1 1 模型模型底座趋势趋势：金融：金融企业自企业自研或预研或预训练需训练需求减弱求减弱◼2023年至今，金融LLM底座发生较大变化•1）2023年初，以bloombergGPT为代表的预训练，当时观点普遍认为：Bloomberg采用自主构建数据集和语料库的方法，优点是文本生成能力更强，尽管会带来成本大幅上升；•2）2024年后，随着Open AI o1出现，强化学习、指令微调、RLHF等后训练范式兴起；•3）2025年后，随着deepseek等开源工具出现，算法平权后金融机构不再完全聚焦于基础模型。◼基础模型选择开源、或更多的是与头部大模型合作•海外机构如摩根大通、摩根斯坦利、贝莱德、城堡证券、穆迪等海外机构与OpenAI、谷歌等合作；•国内机构比如招商证券、中金财富跟通义千问，国泰君安与阶跃星辰、北京银行、华泰证券跟火山引擎进行合作等等。基座模型与第三方头部大模型合作开源模型后训练预训练对齐训练领域增强训练前置推演Loss scalling lawmetric scalling law领域自约束CPTSFT通用合成数据工程企业高精领域数据强化训练RLHFHumanfeedbackAIFeesbackDeepseek、LlamaOpen AI、谷歌通义千问、阶跃星辰、火山引擎仍有部分金融机构自研图：金融行业大模型技术方案概览-训练和基座资料来源：申万宏源研究www.swsresearch.com证券研究报告61.1.1 1 模型模型底座趋势趋势：金融：金融企业需企业需求转向求转向Agentgent和数据工数据工程◼2024年后，RAG为代表的数据工程、Agent为代表的应用工程等成为金融机构建设重点•构建高效、可扩展 AI 系统的标准化架构正迅速发展；RAG 以51%的采用率占据主导地位；•2024 年最大的突破之一是智能体架构，采用率从 0%迅速增至 12%；•与之相比，微调的采用率仅为 9%。基座模型与第三方头部大模型合作开源模型Deepseek、LlamaOpen AI、谷歌通义千问、阶跃星辰、火山引擎仍有部分金融机构自研数据工程数据去噪数据去重数据标准化质量分回归内容安全隐私消除多维度打分内容分类器图：金融行业大模型技术方案概览-基座和应用应用架构资料来源：Menlo Ventures（门罗风投）、申万宏源研究Agent数据工程RAG企业知识库图：美国企业级市场中的AI架构设计方案 2023 vs. 2024图： 美国企业级AI用例及采用率www.swsresearch.com证券研究报告投研报告助手资管知识检索投资研究与客户洞察投资风险识别与合规管理单意图识别多模态理解7意图识别1.1.2 2 金融能力趋势趋势：从意：从意图识别图识别到意图到意图执行执行图例近期焦点AI系统其他AI系统资料来源：邮储银行官方公众号、中国专业IT社区CSDN、贝莱德官网、申万宏源研究技术成熟开始出现技术未成熟OCR基于UI交互图片、语音等模态理解垂域的专业能力、专业知识、专有业务系统、私有化资源将会成为较难复制的竞争壁垒在外挂高质量活数据、资源大模型友好的情况下，单意图识别准确率已接近90%智能问答 智能辅助用户画像 知识社区多意图识别银行“助手”方案Chatbot形式为主图：邮储银行数字员工“小邮助手”能力目标和发布时间意图执行单模态理解复杂任务拆解Agent复杂任务拆解仍有提升空间逐渐标配跨APP、API交互MCP企业专用知识库垂域know-how图：信贷客户场