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 《
GPTsareGPTs:AnEarlyLookattheLaborMarketImpactPotentialofLargeLanguageModels》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：
本文源自券商研报精选
