M. Dowling's article delves into the complexities of human decision-making by exploring cognitive biases and their impact on judgment. It offers insights into how individuals can overcome these biases through strategic thinking and mindfulness, ultimately fostering more rational and accurate choices in daily life.
天风计算机团队 作者 | 缪欣君 详细信息请联系 | 李璞玉 摘要 当前市场大家普遍认为,大模型基于其通用性,会在C端市场攫取更多发展空间。但结合论文《GPTs are GPTs: An Early Look at the Labor Market Impact Potential of Large Language Models》中的观点,大模型的能力或在未来引起行业层面对人力资源的需求降低。产业的变革,由产业的软件触发。据此我们判断,当前时点大模型在B端的发展机会或被低估。 从落地角度看,GPT在金融业推广的两个基础已经具备。1)看需求,客服与销售人力成本高昂有望为AI替代提供广阔空间。金融行业人力支出高企,以保险为例,代理人薪酬开支达万亿,IT支出仅为其的1%。考虑保险代理人数量持续下滑,我们判断保险公司或有意愿探索更高效的业务拓展方式。2)看场景,AI在金融行业多领域已具备使用基础,落地场景丰富。根据产品分类,现有金融+AI应用的包括AI风控、智能客服、智能营销、智能保险、智能投顾、智能投研等。过于由于技术能力限制,AI相关的交互往往体验不佳。而大语言模型卓越的情感分析、意图识别与学习能力有望有效解决这一问题。 从技术角度看,预训练模型调优与自研大模型有望为金融业AI应用再赋能。在优质语料库的预训练下,LLM可以获得基本的语言理解和生成技能。指令调优可以提升大模型在金融领域对专业性问题的理解能力。对齐调优有望保证金融行业大模型落地的合规性。 对于金融IT公司,业务理解与训练数据构成AI核心竞争力。我们认为,1)服务于准确性,训练数据的质量与数量构建成为金融领域大模型应用的核心竞争力。2)服务于可用性,基于对业务的理解基础,对产品进行AI赋能,保证了应用软件最终的可用性。 在数据+业务理解能力双重占优的背景下,我们判断头部金融IT厂商有望受益于本轮技术革新,构筑新一轮的成长。 彭博社发布的BloombergGPT显示出金融界大模型的应用潜力。而受益于金融IT基于AI的应用基础,以及明确的市场需求潜力,金融领域的GPT革命或刚刚开始。 建议关注金融IT相关标的:ToB:保险IT:中科软、恒生电子、新致软件等。证券IT:恒生电子、顶点软件、金证股份等。银行IT:长亮科技、京北方、宇信科技、软通动力、神州信息等。ToC:同花顺、东方财富(海外&传媒组覆盖)、指南针、财富趋势等。 风险提示:AI应用落地不及预期;金融GPT进展不及预期;大模型进展不及预期。 前言:由OpenAI论文看B端金融GPT的潜力 2019年以来,大语言模型能力加速提升,入局厂商与模型涌现。据Wayne Xin Zhao等人论文《A Survey of Large Language Models》统计,2019年以来,参数量超过10B的大模型有47个,其中开源大模型20个,闭源大模型27个,大语言模型迅速发展。 大语言模型对各个行业均有影响,对金融行业的潜在冲击最大。根据OpenAI论文《GPTs are GPTs: An Early Look at the...