21世紀(jì)經(jīng)濟(jì)報(bào)道記者 陳植 上海報(bào)道

大模型技術(shù)正悄然改變證券投顧業(yè)態(tài)。

【資料圖】

記者獲悉，目前多家券商正在研發(fā)基于大模型技術(shù)的證券投顧產(chǎn)品。與此同時(shí)，第三方在線投資決策解決方案提供商也紛紛搶占先機(jī)，推出基于大模型技術(shù)的證券投資數(shù)字人產(chǎn)品。

一位券商人士向記者透露，這背后，是傳統(tǒng)證券投顧服務(wù)已無(wú)法滿(mǎn)足廣大股票投資者的需求。數(shù)據(jù)顯示，70%的個(gè)人投資者每天至少花費(fèi)逾30分鐘用于閱讀財(cái)經(jīng)資訊，逾50%個(gè)人投資者還要額外花費(fèi)逾30分鐘觀看財(cái)經(jīng)短視頻，每天花費(fèi)逾3個(gè)小時(shí)獲取各類(lèi)財(cái)經(jīng)信息的人數(shù)則占股民群體總數(shù)的10%。

與此形成反差的是，隨著上市公司數(shù)量越來(lái)越多，上市公司研報(bào)與市場(chǎng)分析觀點(diǎn)越來(lái)越豐富，這些股民日益感到“時(shí)間不夠用”，所以券商計(jì)劃研發(fā)基于大模型技術(shù)的證券投顧產(chǎn)品，通過(guò)AI自動(dòng)生成內(nèi)容，快速精準(zhǔn)全面地解決股民獲取上市公司各類(lèi)信息需求。

但記者多方了解到，要做好這項(xiàng)工作，絕非易事——如何精準(zhǔn)全面地回答股民“千差萬(wàn)別”的提問(wèn)，就是一大挑戰(zhàn)。

九方智投副總兼產(chǎn)品技術(shù)負(fù)責(zé)人張福明向記者透露，要解決這項(xiàng)挑戰(zhàn)，需要大模型融合知識(shí)圖譜、事理圖譜、分析師觀點(diǎn)、上市公司財(cái)報(bào)研報(bào)等眾多信息，通過(guò)反復(fù)預(yù)訓(xùn)練進(jìn)行“信息彌合”，才能快速給股民“答疑解惑”。

“這背后，是基于大模型技術(shù)的證券投顧產(chǎn)品還需要強(qiáng)大算力，以及其他大模型技術(shù)的助力?！彼毖浴?/p>

記者獲悉，基于大模型技術(shù)的證券投顧產(chǎn)品還面臨一大挑戰(zhàn)，就是AI生成內(nèi)容能否做到“合規(guī)”——不存在承諾收益率、夸大股票投資收益前景等誤導(dǎo)投資者的話(huà)術(shù)。

這令不少券商頗感頭疼，因?yàn)樗麄儼l(fā)現(xiàn)AI生成內(nèi)容未必“受控”，一旦出現(xiàn)上述誤導(dǎo)投資者內(nèi)容，則很可能面臨監(jiān)管部門(mén)問(wèn)責(zé)。

張福明直言，為了解決這個(gè)問(wèn)題，他們決定從輸入、輸出兩個(gè)關(guān)鍵環(huán)節(jié)做起，無(wú)論是輸入端——領(lǐng)域大模型的訓(xùn)練語(yǔ)料信息，還是輸出端——大模型的生成內(nèi)容均須通過(guò)AI合規(guī)能力矩陣的模型服務(wù)檢測(cè)，保證大模型輸出內(nèi)容的合規(guī)性。

“如果在源頭輸入與信息輸出兩端均實(shí)現(xiàn)內(nèi)容合規(guī)，即在輸入高質(zhì)量數(shù)據(jù)集與輸出合法合規(guī)內(nèi)容的雙重保障下，提供給投資者的AI生成內(nèi)容可保持在安全合規(guī)邊界內(nèi)?！彼毖?。但為了確保萬(wàn)無(wú)一失，他們?nèi)孕璨粩嗉涌齑竽Ｐ偷俣?，及時(shí)杜絕各個(gè)隱患出現(xiàn)。

證券投顧大模型的諸多挑戰(zhàn)

記者多方了解到，要讓大模型技術(shù)成功應(yīng)用在證券投顧場(chǎng)景，絕非易事。

目前，部分券商為了加快相關(guān)產(chǎn)品研發(fā)，采取“套殼方式”，即在通用大模型基礎(chǔ)上加入某些指令微調(diào)，從而研發(fā)大模型證券投顧產(chǎn)品。

但是，這類(lèi)產(chǎn)品往往會(huì)出現(xiàn)“答非所問(wèn)”狀況。比如當(dāng)投資者問(wèn)起“我的某只股票為何今天沒(méi)有跟隨指數(shù)上漲”，“目前我投資的某只股票所屬行業(yè)發(fā)展趨勢(shì)與上下游業(yè)績(jī)狀況如何”等相對(duì)復(fù)雜問(wèn)題時(shí)，通用大模型未必能給出針對(duì)性的答案。

在張福明看來(lái)，用于證券投顧的大模型技術(shù)，需要自研，才能在感知能力、思維決策、內(nèi)容輸出能力等方面呈現(xiàn)專(zhuān)業(yè)性、嚴(yán)謹(jǐn)性與準(zhǔn)確性。

“事實(shí)上，證券投顧的大模型技術(shù)底層語(yǔ)料信息相當(dāng)復(fù)雜，包括知識(shí)圖譜（產(chǎn)業(yè)鏈上中下游全貌）、事理圖譜（事件脈絡(luò)及影響關(guān)系等投資邏輯）、分析師觀點(diǎn)與上市公司財(cái)報(bào)研報(bào)等。這都需要專(zhuān)業(yè)金融機(jī)構(gòu)長(zhǎng)期積累?！彼嬖V記者。此外，專(zhuān)業(yè)金融機(jī)構(gòu)還需了解投資者經(jīng)常提出的問(wèn)題，以及這些問(wèn)題所需的解答方向，才能對(duì)這些底層語(yǔ)料信息進(jìn)行有針對(duì)性的反復(fù)預(yù)訓(xùn)練，達(dá)到精準(zhǔn)答復(fù)的效果。

他直言，為了自研九章證券領(lǐng)域大模型，將積累10多年的宏觀數(shù)據(jù)、行情數(shù)據(jù)、資訊數(shù)據(jù)、公告數(shù)據(jù)等行業(yè)通用知識(shí)庫(kù)以及深度研報(bào)、特色指標(biāo)、政策解讀、市場(chǎng)分析、熱點(diǎn)題材、課程教學(xué)、首席診股、公告掘金等特色知識(shí)庫(kù)融合，完成大模型證券行業(yè)知識(shí)增強(qiáng)訓(xùn)練，確保大模型具備證券領(lǐng)域的語(yǔ)言理解、文本生成、對(duì)話(huà)問(wèn)答、邏輯推理等能力。

“未來(lái)，我們計(jì)劃將上市公司更多財(cái)報(bào)研報(bào)融入大模型訓(xùn)練范疇，進(jìn)一步豐富AI生成內(nèi)容，解答投資者更多疑問(wèn)。” 張福明向記者指出。

在業(yè)內(nèi)人士看來(lái)，盡管通過(guò)一段時(shí)間的預(yù)訓(xùn)練，證券領(lǐng)域大模型開(kāi)始具備諸多能力，但在實(shí)際操作環(huán)節(jié)，AI生成內(nèi)容能否做到“萬(wàn)無(wú)一失”的合規(guī)，仍是一大挑戰(zhàn)。

畢竟，不同投資者對(duì)證券領(lǐng)域大模型的“內(nèi)容解答需求”截然不同，對(duì)“金融小白”而言，他主要通過(guò)大模型快速獲取各類(lèi)金融信息，加深對(duì)上市公司的了解；對(duì)“職業(yè)股民”而言，他更希望大模型能提供大盤(pán)分析、挖掘板塊、熱點(diǎn)追蹤等服務(wù)；對(duì)專(zhuān)業(yè)投資人而言，他還希望大模型能提供策略生成、個(gè)股診斷、事件推理、情緒陪伴等服務(wù)體驗(yàn)，但面對(duì)不同投資者的差異化需求，證券領(lǐng)域大模型的每次“AI生成解答”能否都做到合規(guī)（不存在任何承諾收益或夸大股票投資收益等誤導(dǎo)話(huà)術(shù)），挑戰(zhàn)不小。

記者了解到，部分券商對(duì)此嘗試多個(gè)大模型底層技術(shù)，但效果甚微。其中一個(gè)重要原因，是當(dāng)新語(yǔ)料內(nèi)容加入大模型預(yù)訓(xùn)練后，AI生成內(nèi)容時(shí)常會(huì)出現(xiàn)一些“誤導(dǎo)投資者”的措辭。

張福明對(duì)此指出，要解決這個(gè)問(wèn)題，專(zhuān)業(yè)金融機(jī)構(gòu)需要從源頭輸入與信息輸出兩端做好合規(guī)監(jiān)測(cè)。在此雙重保障下，提供給投資者的AI生成內(nèi)容就能夠保持在安全合規(guī)邊界內(nèi)。此外，專(zhuān)業(yè)金融機(jī)構(gòu)還需對(duì)大模型不斷迭代升級(jí)，持續(xù)建立完善、有效的合規(guī)審核過(guò)濾機(jī)制，確保大模型技術(shù)能始終給出合規(guī)的“解答”。

在他看來(lái)，要做好這項(xiàng)工作，自研大模型是不可或缺的。即便它需要專(zhuān)業(yè)金融機(jī)構(gòu)的長(zhǎng)期投入。

千人千面投顧服務(wù)時(shí)代來(lái)臨？

值得注意的是，隨著大模型技術(shù)開(kāi)始應(yīng)用在證券投顧場(chǎng)景，業(yè)界普遍認(rèn)為“千人千面”投顧服務(wù)時(shí)代或悄然漸行漸近。

上述券商人士向記者透露，大模型技術(shù)正令“千人千面”證券投顧服務(wù)頗具可行性。只要大模型能正確識(shí)別每個(gè)投資者的差異化信息需求、信息表達(dá)風(fēng)格偏好等，就能做到因人而異的投顧服務(wù)。

但他直言，要做好這項(xiàng)工作，還需解決一大挑戰(zhàn)，就是如何讓大模型能準(zhǔn)確識(shí)別每個(gè)投資者的差異化信息需求與信息表達(dá)風(fēng)格偏好等。這背后，是大模型投顧產(chǎn)品研發(fā)者需做好兩件事，一是向大模型輸入不同投資者的性格特點(diǎn)、問(wèn)答偏好等信息，以便大模型更準(zhǔn)確地“了解”投資者不同特征；二是在大模型預(yù)訓(xùn)練環(huán)節(jié)，能針對(duì)不同投資者性格與問(wèn)答偏好，對(duì)同一個(gè)內(nèi)容話(huà)題進(jìn)行差異化“訓(xùn)練”，從而產(chǎn)生不同表達(dá)風(fēng)格的話(huà)術(shù)。

“這需要大模型做大量的內(nèi)容擬人化訓(xùn)練?！?張福明告訴記者。九章證券領(lǐng)域大模型與科大訊飛星火認(rèn)知大模型開(kāi)展合作，一個(gè)重要目的就是提振AI生成內(nèi)容的“擬人化”能力，可以讓它適應(yīng)不同投資者的問(wèn)答偏好。

他透露，通過(guò)調(diào)研發(fā)現(xiàn)，不少投資者不喜歡四平八穩(wěn)的解答，有些偏好語(yǔ)調(diào)活潑一些，有些則希望語(yǔ)氣親和力強(qiáng)，也有投資者更強(qiáng)調(diào)通俗簡(jiǎn)短。

在張福明看來(lái)，當(dāng)證券投顧大模型能充分實(shí)現(xiàn)AI生成內(nèi)容“擬人化”，千人千面證券投顧服務(wù)的基礎(chǔ)將更加牢固。

“我們還與科大訊飛星火認(rèn)知大模型還在開(kāi)展一系列新合作，在投顧場(chǎng)景及時(shí)準(zhǔn)確地解答投資者其他非相關(guān)問(wèn)題，提供有溫度、人性化、多場(chǎng)景的產(chǎn)品服務(wù)體驗(yàn)?！彼蛴浾弑硎尽Ｈ绱俗C券投顧大模型或許才能實(shí)現(xiàn)真正意義上的“千人千面服務(wù)”。

關(guān)鍵詞：