【平安证券】银行与金融科技行业深度报告-从AIGC看商业银行数字化转型

（以下内容从平安证券《【平安证券】银行与金融科技行业深度报告-从AIGC看商业银行数字化转型》研报附件原文摘录）
　　证券分析师 袁喆奇 投资咨询资格编号S1060520080003 研究助理 黄韦涵 一般证券从业资格编号S1060121070072 许淼 一般证券从业资格编号S1060123020012 摘要 银行数字化转型稳步推进，AIGC有望助力转型提速。新兴科技的逐步应用推动着银行业数字化转型的稳步推进，前沿科技与金融业态间的融合已经是增加行业增长韧性和潜力的必经之路。从银行的经营模式转变来看，负债端的综合化平台业务转型，资产端信贷类场景的丰富，支付端的线上化和移动化趋势以及“智能化、数字化、开放化”商业模式转型都离不开技术支持，区块链、大数据、云计算等新兴技术已经融入到银行日常的业务架构之中，金融科技投入逐步加大，22年国有大行和股份行金融科技投入占比达到了3.37%，金融科技人员占比达到了5.45%，同比皆有所抬升。今年以来由ChatGPT引爆的AIGC浪潮，有望进一步推动银行业的数字化转型，目前行业广泛探索大模型的应用落地，农业银行推出的业内首个自主创新的金融AI大模型应用ChatABC，邮储银行、兴业银行等积极接入“文心一言”等大模型平台，银行通过自研发布或者第三方平台合作发挥自身数据和资本优势，大模型的场景应用有望落地。 科技赋能全业务链条，AIGC有望推动银行智能化水平再提升。ChatGPT让人们看到AIGC在认知智能领域突破所能带来的颠覆性的变革，特别是其行业认知智能应用场景有望解决目前银行业转型存在的一些瓶颈。我们从渠道、服务和风险管理三个方面去分析行业目前的发展现状及未来通过AIGC所能够带来的潜在提升，例如AIGC强用户交互能力对于渠道端智能客服体系的完善以及场景化金融服务能力的提升具有显著正面作用，“AI+大数据”在智能投研方向的应用有望降低投顾服务的门槛以及计算智能和感知智能在风控场景下的应用等都能够持续推动银行业的智能化转型。 拥抱科技发展机遇，关注技术应用边界。随着科技的迅猛发展，银行等金融机构在拥抱科技进步带来的机遇的同时仍需关注由此衍生出来的数据和伦理风险，特别是拥有“强学习能力”人工智能应用背景下，隐私安全和风险防控显得更为重要。由于银行行业的数据具有特殊性，这决定了银行在应用第三方技术时必须持谨慎态度。尤其是对于大型模型训练所需的海量数据来源，银行需要做好数据的筛选和闭环管理，确保数据的质量和隐私安全。除此之外，人工智能快速发展所带来的科技伦理问题，以及对大型模型计算的过度依赖所引发的信用风险等问题，都值得整个行业的广泛关注。在追求技术进步和创新的同时，金融机构必须认真评估数据和伦理风险，并采取适当的措施加以管理。建立健全的隐私保护机制和风险防控体系、确保用户数据的安全和合规性，确立新技术的业务边界都将成为银行的重要任务。 风险提示：1）人工智能发展不及预期；2）竞争加剧导致成本抬升；3）监管力度超预期。 01 银行数字化稳步推进，AIGC助力转型提速 新兴科技的逐步应用推动着银行业数字化转型的稳步推进，前沿科技与金融业态间的融合已经是增加行业增长韧性和潜力的必经之路。从银行的经营模式转变来看，负债端的综合化平台业务转型，资产端信贷类场景的丰富，支付端的线上化和移动化趋势以及“智能化、数字化、开放化”商业模式转型都离不开技术支持，区块链、大数据、云计算等新兴技术已经融入到银行日常的业务架构之中，金融科技投入逐步加大，22年国有大行和股份行金融科技投入占比达到了3.37%，金融科技人员占比达到了5.45%，同比皆有所抬升。今年以来由ChatGPT引爆的AIGC浪潮，有望进一步加快银行业的数字化转型速度，目前行业广泛探索大模型的应用落地，农业银行推出的业内首个自主创新的金融AI大模型应用ChatABC，邮储银行、兴业银行等积极接入“文心一言”等大模型平台，银行通过自研发布或者第三方平台合作发挥自身数据和资本优势，大模型的场景应用有望落地。 1.1 内外协同共发力，数字化转型步步为营 科技引领变革，银行数字化转型进程不断加快 从技术发展对于银行业转型的帮助来说，银行业的金融数字化转型经历了从1.0电子化阶段、2.0移动线上化阶段以及现在朝着3.0智能化的状态进行转变，区块链以及人工智能等新兴技术同银行的业务结构深度融合，在风险定价、用户识别等方面解决了传统金融的痛点，金融科技的发展已经不仅是“行业发展的必备趋势”，也是实现弯道超车的必须选择。此外，从银行自身来说，科技能力的提高对于发挥银行自身资本和人力优势起到重要作用，是提高生产效率的必经之路，所以自20世纪90年代后，银行一直是IT行业产品和服务的主要买家，国内外银行皆先后在支付、借贷、财富管理等业务领域提高了战略关注。从国有大行和股份制银行22年年报中披露的战略规划来看，金融科技战略都已经成为银行转型的重要推手。 从科技投入的总量和人才队伍的建设成果来看，国有大行中工商银行以及股份制银行中招商银行的领先地位较为突出，我们以22年数据为例，工商银行和招商银行金融科技投入总量和人才队伍绝对数量位于可比同业首位，其中工商银行全年投入262亿元，占营业收入比重达到了2.86%，招行全年投入142亿元，占营业收入比重达到了4.51%。 加快专业团队布局，科技子公司加速设立。除此之外，各家银行通过内部孵化设立子公司的方式，依托自身力量培育金融科技核心竞争力，以独立化运营、科技创新为目标的金融科技子公司应运而生，自2015年兴业银行业内首次设立金融科技子公司以来，各大上市银行紧锣密鼓的构建着专业化团队。目前来说，团队建设较为完备的金融科技子公司已经走上了“科技输出+科技变现”的新道路，例如“兴业数金”推出RPA流程机器人，实现自动化软件模拟人工交互过程，“招银云创”则为招商局集团构建了非现金金融交易平台。 政策环境：积微成著，稳步前进 “自上而下”稳步推进，顶层建设趋于完善。以2017年为界，17年之前监管机构更多的用“科技创新”“互联网金融”的表述形容银行业的科技融合，自17年5月央行正式成立金融科技委员会后，金融科技的概念才被正式明确，并且在17年的《政府工作报告》中将“提升科技创新能力”和“抓好金融体制改革”列为了重点工作，此后对于金融创新和防范风险的政策导向逐步明确，金融科技的应用之路稳步推进。2019年，央行首次提出了《金融科技发展规划（2019-2021年）》，提出在2021年建立健全我国金融科技发展的“四梁八柱”，增强人民群众对数字化、网络化、智能化金融产品和服务的满意度，为金融科技的发展方向指明了道路。政策导向愈发清晰，应用落地逐步加速。2022年，央行提出了金融科技的新三年规划，提出了要“积微成著”，强调了以数据要素应用为基础，并在围绕基础设施建设、产业生态建设方面的重点任务加速应用落地，金融科技的发展要求已经转变成夯实数字金融底座、激活数据要素潜能和促进科技成果转化三个方面。 金融科技持续赋能，数字化转型初见成效 金融科技的发展从负债端、资产端、支付端以及商业模式四个维度持续赋能银行业的经营转型，例如线上化水平的提高加快了银行零售转型的进度，场景化金融服务体系的搭建提升了银行的获客效率，区块链技术的应用提升了普惠信贷的覆盖力，以及人工智能的快速发展则提升了银行业的服务效率等。因此，金融科技水平成为打造银行差异化优势的重要途径。 1.2 ChatGPT引爆AIGC浪潮，技术革命加速行业转型 ChatGPT问世引起广泛关注，国内大模型争相出炉。自22年11月ChatGPT正式发布以来，打破了现有模式下的人机交互模式，引起了对于ChatGPT背后支撑性的AIGC技术的广泛性关注。AIGC的狭义概念是利用AI自动生产内容的生产方式，通过大量的训练数据和生成算法模型，自动生成文本、图片、音乐、视频、3D交互内容等各种形式的内容，广义的AIGC还包括策略生成、虚拟人等概念。根据IDC发布的《2022中国大模型发展白皮书》，我国的大模型可大致分为底层服务支撑层、基础算法平台层及应用层，通过芯片提供的算力支持，训练模型的深度学习进而实现行业的广泛应用。 国内外大模型百花齐放，泛化性特征加速产业智能化变革。自2019年OpenAI提出GPT-2以来，大模型发展迅速，Google、百度、阿里、腾讯等国内外头部科技企业开发迭代多版AI大模型，特别是今年AIGC的浪潮下，国产大模型争相出炉，3月百度推出文心一言，4月阿里、华为和商汤推出通义千问、盘古大模型和日日新大模型，大模型拉开了通用人工智能的序幕。此外，垂直领域的大模型因为其能更好的专注于特定的行业、领域或者场景，更好的满足用户在特定情形下的需求，又因为金融领域自身优异的数据禀赋优势和专业性要求，金融行业是垂直领域大模型应用的一片蓝海，例如Bloomberg采用的自助构建数据及和语料库开发出的金融行业语言大模型BloombergGPT，以及AI4Finance开发推出的FinGPT金融大语言模型都是垂直领域大模型在金融领域应用的优秀代表。 国内银行积极探索应用新模式，广泛合作快速接入。大模型的广泛接入有望解决目前金融科技定制化服务成本高以及客户需求变化速度快等存在于银行数字化改革进程中的问题。从目前来看，银行接入大模型的方式主要分为两个方面：1）自研发布。例如农行3月率先推出了名为ChatABC的自主金融AI大模型，工商银行发布基于昇腾AI的金融行业通用模型；2）第三方合作。例如邮储银行将接入“文心一言”作为“邮储大脑”的重要技术行补充，中信银行、兴业银行和苏州银行接入“文心一言”打造生成式人工智能生态服务。对于拥有海量金融数据且应用场景丰富的银行来说，引入业内领先的大模型，采用微调方式形成专业领域的任务大模型是快速赋能业务，提高运营的效率的重要途径。 02 科技赋能全业务链条，AIGC有望推动银行智能化水平再提升 ChatGPT让人们看到AIGC在认知智能领域突破所能带来的颠覆性的变革，特别是其行业认知智能应用场景有望解决目前银行业转型存在的一些瓶颈。我们从渠道、服务和风险管理三个方面去分析行业目前的发展现状及未来通过AIGC所能够带来的潜在提升，例如AIGC强用户交互能力对于渠道端智能客服体系的完善以及场景化金融服务能力的提升具有显著正面作用，“AI+大数据”在智能投研方向的应用有望降低投顾服务的门槛以及计算智能和感知智能在风控场景下的应用等都能够持续推动银行业的智能化转型。 2.1 渠道：人机交互新突破提升用户体验，场景化金融服务能力有望提升 渠道建设是现代银行发展的重要组成部分，如何实现线上线下多情景多层次的渠道网格覆盖、如何提升个性化服务能力以及如何实现数据的整合处理是银行在推进渠道建设的重点关注方向，本文从目前渠道建设中以自动化服务为代表的“智能客服”体系以及以“开放银行”为代表的场景金融服务体系分析目前银行业的现状和AIGC大模型带来的帮助。 融入智能客服体系，提升交互效率 “线上化-数字化-智能化”已经成为银行面对互联网冲击下的行业转型共识，在此背景下的智能客服应运而生，利用场景服务体系中的产品了解客户多样化的诉求，以语音交互、产品交互或者文字交互等方式获取信息并通过智能引擎精准识别并匹配细分产品是目前大多数智能客服的运行逻辑，例如工商银行推出的智能客服“工小智”不仅能够在线上用户交互层面满足基本的业务咨询、信息查询等功能，也能融入到线下智能化网点的建设过程中，以机器人的方式参与到网点的业务分流、扫码取号以及客户服务等过程，落地600+具有数字员工属性的智能应用场景，招商银行推出的“小招客服”则实现了全托管、辅助应答等功能，实现了人力替代超过1.2万人，浦发银行推出的针对智能产品推介、业务咨询等智能化服务的智能员工“小浦”以及宁波银行推出的面向自动化引导和智能分流的线上AI机器人“小宁”皆是如此。 智能客服不“智能”，机械化交流影响用户体验。在目前大多数的智能客服的体验过程中，机械化重复化的表达是亟待解决的问题。目前的大多数智能客服仍是一种基于规则或者预设脚本的自动化程序，只能执行预设的任务情景，自我学习能力不够导致在难以对超出其能力范围的问题或者模糊化问题给出解决方案，与目前以ChatGPT为例的生成式AI带来的客户体验仍有较大差距。 以ChatGPT为代表的大型语言模型为用户交互体验大幅提升提供可能性。在融入了以ChatGPT为代表的大型语言模型之后的客服交互则有望通过增加与用户的对话时长来积累用户数据并进行分析，形成用户画像，从而为综合化的金融服务提供更为广泛的数据支持。特别是针对不同类别客户均有竞争力：1）零售客户：通过智能客服直接与客户互动，替代人工基础性工作；基于用户画像展开针对性的产品推销；2）投资顾问：提升理财师工作效率，包括但不限于调取海量数据库、自动化形成量化代码、用户画像分析等；3）机构客户：核心数据的整理以及观点性描述的输出，给予参考性的投资建议。此外，因为语言类的大模型特殊的“观点修复”能力，使得能够在较短时间内完成所需信息的精简或者错误信息的更正，极大的提高了用户交互的效率。 大模型融入智能客服，解决交互以及运营成本等痛点。此外，因为大模型自带的“深度学习”特性，不仅能在语音场景实现人工分流和辅助应答，更能够通过海量的知识学习解决客服坐席知识储备水平良莠不一的现象，对外输出的统一标准更能规避掉因表述问题导致的合规风险。我们以科大讯飞提供了“AI+智能客服”产品为例，从客服培训端介入，覆盖视频、音频以及文字多种线上交互方式，不仅能够极大提高交互效率，也能够有效降低客服团队的运营成本。以科大讯飞和农行的合作案例来看，每日进线约70万通，语音识别准确率高达97%，语义识别准确率达到95%，人工坐席分流率可达60%，运营成本和服务精确性皆有了较大提升。 数据统一处理，提升数据利用效率。大模型数据处理和深度学习能力，能够在数据闭环的背景下更好发挥数据在不同环节的最大价值：1）全流程服务构建。我们以智能客服体系为例，通过语音交互过程留存的用户需求等信息，不仅可以完成现有产品的推荐，也为未来新营销活动的外呼提供了存量客户信息，实现了单一客户的价值衍生的全过程；2）服务质量控制。对于海量数据的批量质检分析可以提升整体的服务质量，例如科大讯飞为长沙银行打造的智能质检系统已建立511个业务模型，涵盖质检、营销、投诉、客户之声多维度，助推品质监测、客户服务数据挖掘与客户之声管理。质检率实现了100%全覆盖，平均每天处理超过500个小时的录音量，客户之声交互实现99%智能化。 完善场景化营销，强化流量变现能力 场景化营销是零售业务主要的运营方式，让客户在日常生活场景中体验银行的金融产品进而提高用户的客户粘性，通过完整的金融产品体系提升单客价值是场景金融的核心所在。目前，银行打造“开放银行”方式努力将金融服务融入生活的各类场景，通过技术方式把银行服务融入到第三方的平台服务之中，扩大双方的客户服务范围。以平安银行为例，21年平安银行提出“智能化银行3.0”战略，将“开放银行、AI银行、远程银行、线下银行和综合化银行”作为零售业务转型升级的新模式，其中零售开放银行22年全年实现了互联网获客230万户，新客户均AUM余额同比增长63.0%，极大的丰富的零售业务的客户来源。但在“开放过程”中，产生的账户数据以及服务数据的处理由于计算能力的限制以及个性化服务的难度仍是制约流量变现效率的重要原因。 大模型的深度学习、数据挖掘、提取和分析海量数据中的价值信息对于理解客户需求和行为模式的能力，对于划分客户群体至金融场景中进而匹配个性化的金融产品有着举足轻重的影响，需求满足程度与否将直接决定了最后流量变现的能力。以科大讯飞星火认知大模型提供的场景化营销方案为例，通过“公域+私域”流量的双重引流，衣食住行四大场景的营销场景搭建，以及渠道管理、画像分析、营销管理和活动管理等多个展业工具的使用实现流量最终的变现，通过科大讯飞官网案例可以看出，“AI+营销”模型在信用卡的业务推进中实现了每月挖掘价值线索10万条，质量合格率98%，银行跟进接通率83%，最终信用卡交单率25%，场景化营销能力得到了快速提升。 2.2 服务：赋能财富管理，发掘长尾客户价值 得益于科技的快速发展，银行服务模式已经不局限于时间和空间的限制，已经可以提供全天候、不间断的金融服务，并且能够更快的响应各种金融服务需求。我们以财富管理场景中的投顾服务为例，探索AIGC大模型重塑服务端的能力。 传统财富管理中的投顾业务由于其费用和门槛等问题的存在，难以实现针对广泛群体的定制化服务。因此，在新兴科技快速发展背景下应运而生的智能投顾受到了金融机构的广泛关注，其费率较低、服务效率高、信息相对透明、情绪化资产配置影响小等优点提升了用户覆盖的广度。一般来说，智能投顾分为三个步骤：1）数据收集整理以及投资风险评估。通过调查问卷、公开信息整合等方式判断风险偏好和投资需求目的；2）数据分析与建模。获取用户数据之后，智能投顾平台为用户构建一个多元化的投资组合，组合标的由服务提供商的专业团队挑选；3）辅助投资决策。通过定期监测市场变化、投资组合再平衡等等方式提供目标优化等方面的辅助投资决策。我们以智能化程度较高的蚂蚁金服的智能投顾系统为例，蚂蚁金服将线上财富管理分为“投”“顾”两个方面，分别设计了“帮你投”和“支小宝”两个体系。“帮你投”通过调查问卷方式收集客户的资产信息、风险偏好以及投资目标等信息向客户推介相关的产品，“支小宝”借助人工智能和数据分析向投资者提供个性化理财服务的体系。根据中国经济时报消息，“支小宝”目前能够覆盖5000+金融百科的词条，解答约8000种理财问题，能够满足大部分投资者的投资需求，覆盖了客户第一次接触-思考-选品-涨跌等操作的全流程。 借“他山之石”，看AIGC浪潮下的智能投顾发展。智能投顾是信息技术发展和金融行业迭代的产物，长尾市场得到快速发展，改变了过去投顾是高净值家庭“专属服务”的概念，我们以智能投顾发展较为完善的美国市场来看，市场上主要包括三类参与主体：1）以Wealthfront、Betterment为代表的初创公司利用自身的技术优势与低门槛要求，挖掘长尾客户价值；2）以Vanguard、嘉信理财为代表的大型金融机构，发挥自有资本优势、存量客户优势、品牌优势以及竞争壁垒推出智能化投顾产品；3）收购第三方公司，快速布局智能投顾市场，例如贝莱德收购Future Advisor等。 从上表中智能投顾平台的对比来看，初创企业通过低门槛和独立性吸引更多的下沉客户，传统金融公司则发挥自身优势，瞄准存量客户和推介自有产品，不同体量的金融机构决定了他们在智能投顾领域的不同打法。从目前国内智能投顾市场来看，因为规章制度不完善、投资标的广度、投资者接受程度等方式导致国内的智能投顾市场处于探索阶段，但在基础设施层面的数字化建设布局是“大势所趋”，数字化转型的重要应用就包括“智能投顾”等信息科技业态融合的新模式，特别是大模型的出现提升了投研人员的工作效率和用户的投研体验，对于推动智能投顾的应用落地具有积极的正面作用。此外，大模型应用降低的成本则有望降低财富管理的门槛，进一步挖掘长尾客户的价值，根据印度信用评级公司CRISIL GR&A测算，大模型在智能投研领域的应用有望节省22.5%的成本。 2.3 风险管理：AIGC强化业务风险管控，提供“定制化”智能模型方案 传统金融业态下，受限于用户信用评估要求，企业和个人信贷申请流程较为繁琐。金融科技可以通过打造大数据平台实现信贷流程的低成本管理。在客户营销环节，从“依据经验”到“依据数据”，实现对客户的精准营销，预先测算出客户可接受的最大风险敞口，提高风险控制的效率，在授信审批环节，大数据技术能够扩展信用数据的边界，将一些非传统信用数据作为非常重要的信用评估来源。在贷后管理环节，建立风险预警信息系统，将财务信息与非财务信息、还款还息资金来源与贷款资金去向等资金流数据进行收集整合，实现实时的风险防控与客户监测，用于风险的提前预警与化解。因此，如何找到普适化、低成本的风控模式判断业务风险管理是风控体系的核心。 “预训练+精调”大模型提供“低成本”智能模型方案，场景应用精确性进一步提高。目前国内大模型“预训练+精调”的模式提供了在不同场景提供定制化风控模型的可能，我们以科大讯飞智能化大模型为例，针对信用卡、消费分期或者小微企业等不同的用户群体的六大场景，通过生成式网络、逻辑回归等算法构建了6大对应的智能化模型，覆盖了信贷过程中的贷前贷中以及贷后流程，提升了特定场景下的风险识别能力。从目前大模型的实际接入情况来看，浦发银行同百度“文心一言”合作开发的金融行业模型，提升金融文本命名实体识别模型的F1值约3%，有望极大提升授信报告的处理效率，在金融语义相似度，金融事件主体抽取等一系列公开数据集上相对通用大模型取得显著提升。 03 拥抱科技发展机遇，关注技术应用边界 随着科技的迅猛发展，银行等金融机构在拥抱科技进步带来的机遇的同时仍需关注由此衍生出来的数据和伦理风险，特别是拥有“强学习能力”人工智能应用背景下，隐私安全和风险防控显得更为重要。由于银行行业的数据具有特殊性，这决定了银行在应用第三方技术时必须持谨慎态度。尤其是对于大型模型训练所需的海量数据来源，银行需要做好数据的筛选和闭环管理，确保数据的质量和隐私安全。除此之外，人工智能快速发展所带来的科技伦理问题，以及对大型模型计算的过度依赖所引发的信用风险等问题，都值得整个行业的广泛关注。在追求技术进步和创新的同时，金融机构必须认真评估数据和伦理风险，并采取适当的措施加以管理。建立健全的隐私保护机制和风险防控体系、确保用户数据的安全和合规性，确立新技术的业务边界都将成为银行的重要任务。 3.1 完善数据闭环管理，关注生成式内容监管 强化数据资产管理，完善数据闭环链条。一方面，大模型的应用需要海量的数据进行深度学习，数据跨层级、跨地域、跨系统以及跨业务的融合产生的数据泄漏风险不容忽视，特别是在应用过程中的数据复制性处理、传输性管控都显得尤为重要。在大模型的计算下，单序列数据的衍生价值在高频计算下会被无限放大，故而可能导致多方利益同时受损，因此在数据资产管理方面显得尤为重要。另一方面，银行作为我国海量的“数据中心”，隐私保护等问题的存在为不同主体的业务协作带来的挑战，如何找到数据价值和安全合规的平衡是应用大模型的重要挑战。特别是目前海外引入ChatGPT的过程中已经发生了数据泄漏的风险，据凤凰网报道，三星公司在引入ChatGPT的近20天时间内，已经发生3起数据外泄事件，其中2次和半导体设备有关，1次和内部会议有关，其原因是三星员工直接将企业机密信息以提问的方式输入到ChatGPT中，造成半导体设备测量资料、产品良率相关信息传输至美国公司并泄露给第三方。因此，银行数据的特殊性决定了大模型的应用需考虑本地化和私有化的部署模式。 生成式内容的监管值得关注。我们以从ChatGPT的内容生成反馈来说，带来了效率和便利的同时，其输出结果的真伪性带来了巨大的伴生性风险，特别是提问过程中对于AI的引导极容易得出错误的答案，大范围应用下的社会问题不容忽视，因此2023年4月，国信办发布了《生成式人工智能服务管理办法（征求意见稿）》，从内容生成、主体责任、数据来源和数据处理四个方面以及研发、数据使用、提供服务、用户应用等各个环节进行了较详细的规范规范了AIGC的发展，具有良好的导向性意义。 3.2 人工智能发展不能一蹴而就，关注道德伦理风险 伦理风险随着AI技术的发展将会被逐渐放大，特别是产生的例如算法歧视和非道德内容生成等问题也会制约大模型生态应用的发展。目前海内外都对人工智能的伦理问题进行了监管约束，欧盟将人工智能划分成不可接受的风险、高风险、中风险和低风险四个类别进行约束，国内2022年1月施行的新修订的《中华人民共和国科学技术进步法》中，细化了科技伦理治理的相关要求，直到22年3月，中共中央办公厅和国务院联合发布了《关于加强科技伦理治理的意见》，是国内首个国家层面的科技伦理治理的指导性文件，标志着国内的科技伦理的治理进程迈向了新的阶段。 04 风险提示 1）人工智能发展不及预期。科技发展不及预期，大数据分析能力受到质疑。 2）竞争加剧导致成本抬升。AI大模型的恶性竞争导致技术开发投入产出不成正比，产品开发进度不及预期。 3）监管力度超预期。人工智能发展是监管重点，监管因素的变化对于科技应用产生重大影响，监管变革短期内对行业业务模式产生冲击。 评级说明及声明 股票投资评级: 强烈推荐 （预计6个月内，股价表现强于市场表现20%以上） 推 荐 （预计6个月内，股价表现强于市场表现10%至20%之间） 中 性 （预计6个月内，股价表现相对市场表现在±10%之间） 回 避 （预计6个月内，股价表现弱于市场表现10%以上） 行业投资评级: 强于大市 （预计6个月内，行业指数表现强于市场表现5%以上） 中 性 （预计6个月内，行业指数表现相对市场表现在±5%之间） 弱于大市 （预计6个月内，行业指数表现弱于市场表现5%以上） 公司声明及风险提示： 负责撰写此报告的分析师（一人或多人）就本研究报告确认：本人具有中国证券业协会授予的证券投资咨询执业资格。 平安证券股份有限公司具备证券投资咨询业务资格。本公司研究报告是针对与公司签署服务协议的签约客户的专属研究产品，为该类客户进行投资决策时提供辅助和参考，双方对权利与义务均有严格约定。本公司研究报告仅提供给上述特定客户，并不面向公众发布。未经书面授权刊载或者转发的，本公司将采取维权措施追究其侵权责任。 证券市场是一个风险无时不在的市场。您在进行证券交易时存在赢利的可能，也存在亏损的风险。请您务必对此有清醒的认识，认真考虑是否进行证券交易。 市场有风险，投资需谨慎。 免责声明 此报告旨为发给平安证券股份有限公司（以下简称“平安证券”）的特定客户及其他专业人士。未经平安证券事先书面明文批准，不得更改或以任何方式传送、复印或派发此报告的材料、内容及其复印本予任何其他人。 此报告所载资料的来源及观点的出处皆被平安证券认为可靠，但平安证券不能担保其准确性或完整性，报告中的信息或所表达观点不构成所述证券买卖的出价或询价，报告内容仅供参考。平安证券不对因使用此报告的材料而引致的损失而负上任何责任，除非法律法规有明确规定。客户并不能仅依靠此报告而取代行使独立判断。 平安证券可发出其它与本报告所载资料不一致及有不同结论的报告。本报告及该等报告反映编写分析员的不同设想、见解及分析方法。报告所载资料、意见及推测仅反映分析员于发出此报告日期当日的判断，可随时更改。此报告所指的证券价格、价值及收入可跌可升。为免生疑问，此报告所载观点并不代表平安证券的立场。 平安证券在法律许可的情况下可能参与此报告所提及的发行商的投资银行业务或投资其发行的证券。 平安证券股份有限公司2023版权所有。保留一切权利。 近期重点研究报告 【平安证券】债券深度报告-中资美元债2023半年度策略：瞄准资本利得收益 【平安证券】基金深度报告-权益基金风格策略系列报告之三：从重仓股静态超额收益看基金经理的选股表现 【平安证券】房地产行业深度报告-产业变革，机遇未尽 【平安证券】电力设备及新能源行业深度报告-需求端蓬勃向上，产业链羽翼渐丰——储能产业全景图 【平安证券】医药行业深度报告-进口替代正当时，扬帆出海已可期 【平安证券】基金深度报告-量化资产配置系列报告之一：资产配置理念变迁：从收益配置、风险配置到因子配置 【平安证券】电子行业深度报告-TMT全景图 面板篇：新技术激发面板新活力，产业链国产化值得关注 【平安证券】策略深度报告-高质量发展背景下的现代化产业体系——现代化产业体系研究系列（一） 【平安证券】债券深度报告-银行转债：转债市场的底仓品种 【平安证券】计算机行业半年度策略报告-政策与技术共振，AIGC赋能千行百业释放价值潜能 【平安证券】半导体行业半年度策略报告-“硅”期已近，AI先行 【平安证券】电子行业半年度策略报告-聚焦自主可控及创新 【平安证券】社会服务行业半年度策略报告-关注暑期消费及政策变化，积极寻找困境反转 【平安证券】食品饮料行业半年度策略报告-需求修复在途，筑底回升可期 【平安证券】建材行业半年度策略报告-关注龙头变革，聚焦业绩成长 【平安证券】房地产行业半年度策略报告-弱复苏中拥抱确定性 【平安证券】汽车行业半年度策略报告-主航道上的变革之年 【平安证券】非银与金融科技行业半年度策略报告-基本面持续向好，β属性助估值修复 【平安证券】电力设备及新能源行业半年度策略报告-重供给格局，掘金海风、N型电池及绿氢 【平安证券】生物医药行业半年度策略报告-关注新治疗类别、中特估、器械等边际改善细分领域 【平安证券】国内宏观半年度报告-产能周期下的嬗变：2023下半年中国宏观经济展望 【平安证券】策略半年度报告-2023年下半年海外与港股策略：花开有时 【平安证券】银行行业半年度策略报告-盈利筑底，攻守兼备 【平安证券】有色与新材料2023年中期策略：乘需求复苏之风，行国产替代之路 【平安证券】策略半年度报告-构建现代化产业体系和中国特色估值体系 【平安证券】债券半年度报告-2023年下半年利率债策略：若政策符合预期，债市震荡偏多 【平安证券】债券半年度报告-2023年下半年信用策略：资产荒延续，且行且珍惜 【平安证券】基金半年度报告-周期温和修复，个基选股至上 【平安证券】电力设备及新能源行业深度报告-陆风稳步前行，海风方兴未艾——风电产业全景图 【平安证券】前瞻性产业研究行业深度报告-金融“碳”索系列（四）碳关税：欧盟的碳价七伤拳 【平安证券】债券深度报告-信用债打破刚兑的前世今生 （2023年版） 【平安证券】房地产行业深度报告-拿地收缩聚焦，热度分化加剧 【平安证券】电力设备及新能源行业深度报告-动力电池强势依旧 ，电池材料大有可为——动力电池产业链全景图 【平安研粹】2023年6月市场观点 【平安证券】房地产行业深度报告-房地产业新发展模式探讨 【平安证券】非银与金融科技行业深度报告-股债融资双管齐下，券商多渠道夯实资本实力 【平安证券】房地产行业深度报告-物管回顾、趋势、格局探讨 【平安证券】电子行业深度报告-TMT全景图VR篇：苹果MR发布在即，关注VR产业链机会 【平安证券】有色与新材料行业深度报告-电子特气：半导体新周期将至，国产替代如火如荼 【平安证券】银行与金融科技行业深度报告-支付行业系列（一）总起篇：律回春渐，变革提速 【平安证券】债券深度报告-中国财政制度与政策初探 【平安证券】新能源行业深度报告-国内外光伏需求两旺，一体化扩产趋势加强 【平安证券】行业深度报告-前瞻性产业研究-挪威GPFG：长周期股权投资的魅力 【平安证券】债券深度报告-关于公募REITs扩募的七问七答 【平安证券】房地产行业深度报告-从市场供需到房企成长，地产五大热点话题再探讨 【平安证券】基金深度报告-权益基金风格策略系列报告之二：红利策略基金盘点 【平安证券】有色金属行业深度报告-新能源材料锂系列（三）：新增产能再延，高成本支撑渐显，锂价修复启动 【平安证券】海外宏观深度报告-“日本启示录”系列（五）：回望“安倍经济学 【平安证券】汽车行业深度报告-2023年上海车展复盘：战略单品集体亮相，自主崛起势不可挡 【平安证券】社会服务行业深度报告-新消费研究之咖啡系列报告八：“来势汹汹”的库迪vs稳步向前的瑞幸 【平安证券】电力设备及新能源行业深度报告-商业模式起步，绿氢初试锋芒——氢能全景图（上）制氢篇 【平安证券】非银行金融行业深度报告-险资配置系列报告（二）：资负双轮驱动，防范化解利差损风险 【平安证券】海外宏观深度报告- 两次美国“银行危机”的比较研究：我们从美国储贷危机中学到什么？ 【平安证券】策略深度报告-中国特色估值体系系列报告（一）：三个视角来看本轮国企改革的价值重估 【平安证券】债券深度报告-2023年二季度信用策略报告：市场重回逼仄，建议适度骑乘 【平安证券】基金深度报告-权益基金风格策略系列报告之一：低估值优质国企持仓含量高的基金盘点 【平安研粹】2023年4月市场观点 【平安证券】国内宏观深度报告-2023年货币政策展望（三）：再议核心CPI上行风险

点此查看微信公众号原文全部内容>>

大部分微信公众号研报本站已有pdf详细完整版：https://www.wkzk.com/report/（可搜索研报标题关键词或机构名称查询原报告）