研究助理：何涇威發(fā)布日期

：2025年02o23日本報(bào)告由某著名企業(yè)建投證券股份p

限公?在?

僅為本報(bào)告目的，不包括香港1

澳門1

ā

灣ā

提供2

在遵à適用的法律法規(guī)情況下，

本報(bào)告亦?

能由某著名企業(yè)建投?

國(guó)際ā

證券p

限公?在香港提供2

請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款和聲明2證券研究報(bào)告

行業(yè)深度DeepSeek如何加速金融業(yè)數(shù)字化轉(zhuǎn)型?——數(shù)字金融系列深度之一分析師：SAC編÷：S1440518100009

SFC編÷：BQQ828分析SAC編÷:S1440524070019分析師：

SAC編÷:S1440524070018分析師：旭SAC編÷：S1440522070001分析qi

SAC編÷:S1440524080005本報(bào)告的核心邏輯

如何理解DeepSeek的出現(xiàn)對(duì)于國(guó)內(nèi)金融業(yè)數(shù)字化轉(zhuǎn)型的價(jià)值與意義?

一、低成本、高性能。

DeepSeek通用及推理模型在性能不輸頭部同類大模型的基礎(chǔ)上，成本相較于頭部大模型下降至數(shù)十分之一以

下，同時(shí)開(kāi)源、本地化部署特性和蒸餾技術(shù)使金融機(jī)構(gòu)無(wú)需重資本投入底層模型研發(fā)，降低試錯(cuò)成本和二次開(kāi)發(fā)難度，對(duì)創(chuàng)新更加友好。

二、適配國(guó)產(chǎn)GPU。為金融機(jī)構(gòu)基礎(chǔ)設(shè)施信創(chuàng)改造提供了可落地的AI改造路徑。

三、推動(dòng)生態(tài)重構(gòu)。通過(guò)技術(shù)普惠加速AI落地，將競(jìng)爭(zhēng)焦點(diǎn)從技術(shù)壁壘轉(zhuǎn)向金融數(shù)據(jù)價(jià)值挖掘，推動(dòng)AI能力與金融場(chǎng)景深度融合，

以數(shù)據(jù)閉環(huán)體系鞏固金融領(lǐng)域的場(chǎng)景化優(yōu)勢(shì)。

金融機(jī)構(gòu)如何應(yīng)用好大模型?

不斷動(dòng)態(tài)沉淀的本地?cái)?shù)據(jù)及業(yè)務(wù)邏輯是金融機(jī)構(gòu)利用大模型加速數(shù)字化轉(zhuǎn)型的核心勝負(fù)手;

“AI+金融”競(jìng)爭(zhēng)力將取決于能否持續(xù)積累吸收高質(zhì)量業(yè)務(wù)數(shù)據(jù)、深化垂直場(chǎng)景認(rèn)知，并通過(guò)迭代形成“數(shù)據(jù)-模型-業(yè)務(wù)”的正向循

環(huán)，不斷提升金融服務(wù)水平。

圍繞金融五篇大文章，大模型本身即是數(shù)字金融的工具，而科技金融、養(yǎng)老金融、普惠金融、綠色金融恰是應(yīng)用場(chǎng)景。

某著名企業(yè)建投非銀金融&前瞻研究團(tuán)隊(duì)數(shù)字金融系列報(bào)告思路:某著名企業(yè)建投非銀金融&前瞻研究團(tuán)隊(duì)將圍繞數(shù)字金融與大模型在金融領(lǐng)域的

應(yīng)用撰寫系列深度，圍繞大模型應(yīng)用于金融業(yè)各類子行業(yè)的痛點(diǎn)、案例、未來(lái)展望等維度進(jìn)一步展開(kāi)。

本文作為第一篇綜述，第一部分從金融機(jī)構(gòu)數(shù)字化轉(zhuǎn)型的核心痛點(diǎn)出發(fā)，第二、三部分以數(shù)字營(yíng)銷、海外投顧及保險(xiǎn)數(shù)字化三個(gè)場(chǎng)

景為例探討大模型賦能金融業(yè)務(wù)的模式，第四部分歸納總結(jié)DeepSeek推動(dòng)金融機(jī)構(gòu)數(shù)字化轉(zhuǎn)型的核心邏輯，最后一部分對(duì)券商、保險(xiǎn)、

信貸、供應(yīng)鏈金融及其他金融科技機(jī)構(gòu)業(yè)務(wù)邏輯的痛點(diǎn)和數(shù)字化價(jià)值進(jìn)行深入探討，以期對(duì)金融行業(yè)的智能化和數(shù)字化轉(zhuǎn)型提供參考。核心觀點(diǎn):

Deepseek的出現(xiàn)將加速金融機(jī)構(gòu)的數(shù)字化轉(zhuǎn)型

Deepseek的出現(xiàn)將加速金融機(jī)構(gòu)的數(shù)字化轉(zhuǎn)型，核心在于可以更高效地論證數(shù)字化轉(zhuǎn)型的階段性效果，繼而批量復(fù)制。

傳統(tǒng)金融機(jī)構(gòu)的數(shù)字化轉(zhuǎn)型面臨三大核心矛盾:——矛盾1

:頂層設(shè)計(jì)層面自上而下“以客戶中心+數(shù)字化轉(zhuǎn)型”的長(zhǎng)期戰(zhàn)略目標(biāo)，與一線人員層面自下而上短期業(yè)績(jī)KPI考核的矛盾;

——矛盾2

:公司數(shù)字化戰(zhàn)略轉(zhuǎn)型的長(zhǎng)期價(jià)值，與短期財(cái)報(bào)壓力的矛盾;——矛盾3

:成熟金融機(jī)構(gòu)優(yōu)勢(shì)業(yè)務(wù)體量巨大但增速放緩，與創(chuàng)新業(yè)務(wù)增速雖快但占比太小的結(jié)構(gòu)性矛盾。

針對(duì)以上矛盾，我們認(rèn)為DeepSeek賦能金融行業(yè)的背后有八大邏輯&觀點(diǎn):

結(jié)論1

:數(shù)字化轉(zhuǎn)型是金融機(jī)構(gòu)的組織轉(zhuǎn)型+業(yè)務(wù)重構(gòu)，技術(shù)只是催化劑，

Deepseek的出現(xiàn)有助于加速量化論證轉(zhuǎn)型的階段性效果;

結(jié)論2

:AI不是崗位替代者，而是能力放大鏡，更多取代的是“腦力活中的體力活”，將復(fù)雜業(yè)務(wù)流程不斷標(biāo)準(zhǔn)化，分部迭代;

結(jié)論3

:金融從業(yè)者借力AI

AGENT的目標(biāo)是努力從“信息處理”中解放出來(lái)，更多參與“價(jià)值判斷”與“價(jià)值分發(fā)”;

結(jié)論4

:人機(jī)協(xié)同的本質(zhì)是認(rèn)知能力再分配，并非效率疊加，人類與AI認(rèn)為的“困難”各不相同;

結(jié)論5

:“電力+算力+數(shù)據(jù)”是大模型本身的關(guān)鍵，但對(duì)于金融應(yīng)用不斷動(dòng)態(tài)沉淀下來(lái)的數(shù)據(jù)和模式創(chuàng)新才是核心勝負(fù)手;

結(jié)論6

:智能客服的價(jià)值不只是24小時(shí)在線及擬人化的服務(wù)，而在于比客戶早半步看見(jiàn)需求;

結(jié)論7

:理解業(yè)務(wù)與理解技術(shù)同樣重要:AI是認(rèn)知杠桿，不是流程替代，金融機(jī)構(gòu)業(yè)務(wù)端的“產(chǎn)品經(jīng)理”或成為稀缺人才;

結(jié)論8

:金融市場(chǎng)的復(fù)雜性與反身性、金融數(shù)據(jù)的隱私性與安全性等特殊性促使金融業(yè)的數(shù)字化轉(zhuǎn)型需要漸進(jìn)式創(chuàng)新;

最后，本文對(duì)券商、保險(xiǎn)、信貸、供應(yīng)鏈金融及其他金融科技機(jī)構(gòu)業(yè)務(wù)邏輯的痛點(diǎn)和數(shù)字化價(jià)值進(jìn)行深入的分析和探討，以期對(duì)金

融行業(yè)的智能化和數(shù)字化轉(zhuǎn)型提供參考?！?/p>

01

金融機(jī)構(gòu)數(shù)字化轉(zhuǎn)型核心痛點(diǎn)與思考

》02.

從金融機(jī)構(gòu)的數(shù)字營(yíng)銷場(chǎng)景談起

》03.GenAI賦能買方投顧和保險(xiǎn)業(yè)的數(shù)字化

》04.DeepSeek如何推動(dòng)金融行業(yè)數(shù)字化轉(zhuǎn)型?

》

05.

券商、保險(xiǎn)、信貸、供應(yīng)鏈金融及金融科技機(jī)構(gòu)的業(yè)務(wù)邏輯痛點(diǎn)和數(shù)字化價(jià)值提綱核心觀點(diǎn) 某著名企業(yè)建投非銀金融&前瞻研究團(tuán)隊(duì)將圍繞數(shù)字金融與大模型在金融領(lǐng)域的應(yīng)用撰寫系列深度，圍繞大模型應(yīng)

用于金融業(yè)各類子行業(yè)的痛點(diǎn)、案例、未來(lái)展望等維度進(jìn)一步展開(kāi)。

本文作為第一篇綜述，第一部分從金融機(jī)構(gòu)數(shù)字化轉(zhuǎn)型的核心痛點(diǎn)出發(fā)，第二、三部分以數(shù)字營(yíng)銷、海外投顧及保險(xiǎn)數(shù)字化三個(gè)場(chǎng)景為例探討大模型賦能金融業(yè)務(wù)的模式，第四部分歸納總結(jié)DeepSeek推動(dòng)金融機(jī)構(gòu)數(shù)字化轉(zhuǎn)型的核心邏輯，最后一部分對(duì)券商、保險(xiǎn)、信貸、供應(yīng)鏈金融及其他金融科技機(jī)構(gòu)業(yè)務(wù)邏輯的痛點(diǎn)和數(shù)字化價(jià)值進(jìn)行深入探討，以期對(duì)金融行業(yè)的智能化和數(shù)字化轉(zhuǎn)型提供參考。內(nèi)容摘要

如何理解DeepSeek的出現(xiàn)對(duì)于國(guó)內(nèi)金融業(yè)數(shù)字化轉(zhuǎn)型的價(jià)值與意義?

一、低成本、高性能。

DeepSeek通用及推理模型在性能不輸頭部同類大模型的基礎(chǔ)上，成本相較于頭部大模型下降至數(shù)十分之一以

下，同時(shí)開(kāi)源、本地化部署特性和蒸餾技術(shù)使金融機(jī)構(gòu)無(wú)需重資本投入底層模型研發(fā)，降低試錯(cuò)成本和二次開(kāi)發(fā)難度，對(duì)創(chuàng)新更加友好。

二、適配國(guó)產(chǎn)GPU。為金融機(jī)構(gòu)基礎(chǔ)設(shè)施信創(chuàng)改造提供了可落地的AI改造路徑。

三、推動(dòng)生態(tài)重構(gòu)。通過(guò)技術(shù)普惠加速AI落地，將競(jìng)爭(zhēng)焦點(diǎn)從技術(shù)壁壘轉(zhuǎn)向金融數(shù)據(jù)價(jià)值挖掘，推動(dòng)AI能力與金融場(chǎng)景深度融合，

以數(shù)據(jù)閉環(huán)體系鞏固金融領(lǐng)域的場(chǎng)景化優(yōu)勢(shì)。

金融機(jī)構(gòu)如何應(yīng)用好大模型?

不斷動(dòng)態(tài)沉淀的本地?cái)?shù)據(jù)及業(yè)務(wù)邏輯是金融機(jī)構(gòu)利用大模型加速數(shù)字化轉(zhuǎn)型的核心勝負(fù)手;

“AI+金融”競(jìng)爭(zhēng)力將取決于能否持續(xù)積累吸收高質(zhì)量業(yè)務(wù)數(shù)據(jù)、深化垂直場(chǎng)景認(rèn)知，并通過(guò)迭代形成“數(shù)據(jù)-模型-業(yè)務(wù)”的正向循

環(huán)，不斷提升金融服務(wù)水平。

圍繞金融五篇大文章，大模型本身即是數(shù)字金融的工具，而科技金融、養(yǎng)老金融、普惠金融、綠色金融恰是應(yīng)用場(chǎng)景。

某著名企業(yè)建投非銀金融&前瞻研究團(tuán)隊(duì)數(shù)字金融系列報(bào)告思路:某著名企業(yè)建投非銀金融&前瞻研究團(tuán)隊(duì)將圍繞數(shù)字金融與大模型在金融領(lǐng)域的

應(yīng)用撰寫系列深度，圍繞大模型應(yīng)用于金融業(yè)各類子行業(yè)的痛點(diǎn)、案例、未來(lái)展望等維度進(jìn)一步展開(kāi)。

本文作為第一篇綜述，第一部分從金融機(jī)構(gòu)數(shù)字化轉(zhuǎn)型的核心痛點(diǎn)出發(fā)，第二、三部分以數(shù)字營(yíng)銷、海外投顧及保險(xiǎn)數(shù)字化三個(gè)場(chǎng)

景為例探討大模型賦能金融業(yè)務(wù)的模式，第四部分歸納總結(jié)DeepSeek推動(dòng)金融機(jī)構(gòu)數(shù)字化轉(zhuǎn)型的核心邏輯，最后一部分對(duì)券商、保險(xiǎn)、

信貸、供應(yīng)鏈金融及其他金融科技機(jī)構(gòu)業(yè)務(wù)邏輯的痛點(diǎn)和數(shù)字化價(jià)值進(jìn)行深入探討，以期對(duì)金融行業(yè)的智能化和數(shù)字化轉(zhuǎn)型提供參考。PAR71金融機(jī)構(gòu)數(shù)字化轉(zhuǎn)型核心痛點(diǎn)與思考數(shù)字金融發(fā)展的核心矛盾與痛點(diǎn)

頂層設(shè)計(jì)層面自上而下“客戶中心+數(shù)字化轉(zhuǎn)型”的長(zhǎng)期戰(zhàn)略目標(biāo)，與一線人員自下而上短期業(yè)績(jī)KPI考核的矛盾;

公司數(shù)字化戰(zhàn)略轉(zhuǎn)型的長(zhǎng)期價(jià)值，與短期財(cái)報(bào)壓力的矛盾; 成熟金融機(jī)構(gòu)優(yōu)勢(shì)業(yè)務(wù)體量巨大但增速放緩，與創(chuàng)新業(yè)務(wù)增速雖快但占比太小的結(jié)構(gòu)性矛盾。

業(yè)務(wù)側(cè)的數(shù)字化轉(zhuǎn)型需求零散但技術(shù)側(cè)的開(kāi)發(fā)需要統(tǒng)一規(guī)劃與系統(tǒng)化思維;

金融科技基礎(chǔ)設(shè)施建設(shè)快速更新迭代;

云原生分布式架構(gòu)、API串聯(lián)的微服務(wù)、容器化、敏捷開(kāi)發(fā)、

DevOps

等;

業(yè)務(wù)與技術(shù)應(yīng)深度融合

，通過(guò)“產(chǎn)品+運(yùn)營(yíng)”讓“系統(tǒng)”在業(yè)務(wù)

部門“用起來(lái)”;

總部—分支機(jī)構(gòu)財(cái)富管理賦能體系、投資顧問(wèn)賦能平臺(tái)IT原生創(chuàng)新偏向基礎(chǔ)設(shè)施，但業(yè)務(wù)感知零散;業(yè)務(wù)感受需求，但工具學(xué)習(xí)成本高昂;

數(shù)字化轉(zhuǎn)型應(yīng)由業(yè)務(wù)部門，還是IT部門發(fā)起?

數(shù)字化運(yùn)營(yíng)體系

:產(chǎn)業(yè)數(shù)字化需要高瞻遠(yuǎn)矚的頂層設(shè)

計(jì)和敏捷高效的組織架構(gòu);

數(shù)據(jù)資產(chǎn)沉淀

:實(shí)現(xiàn)業(yè)務(wù)場(chǎng)景數(shù)字化，將業(yè)務(wù)流程中

產(chǎn)生的數(shù)據(jù)沉淀下來(lái)，形成公司的數(shù)據(jù)資產(chǎn);

數(shù)字化轉(zhuǎn)型目標(biāo)

:構(gòu)建以用戶為核心，以業(yè)務(wù)為導(dǎo)向，

數(shù)據(jù)驅(qū)動(dòng)決策的商業(yè)模式。1.1

金融機(jī)構(gòu)數(shù)字化轉(zhuǎn)型的核心矛盾

數(shù)字金融的基礎(chǔ)設(shè)施

數(shù)字金融的核心要點(diǎn)結(jié)論:數(shù)字化轉(zhuǎn)型是金融機(jī)構(gòu)的組織轉(zhuǎn)型+業(yè)務(wù)重構(gòu)，技術(shù)只是催化劑

傳統(tǒng)金融機(jī)構(gòu)考核方式為層層分潤(rùn)考核短期結(jié)果的代理人模式

金融業(yè)的數(shù)字化轉(zhuǎn)型需要層層分工考核短期過(guò)程的部落制模式

;

建議優(yōu)化方向融合以上兩種模式的優(yōu)點(diǎn)，相互融合:不改變前臺(tái)業(yè)務(wù)的KPI體系，局部建立業(yè)務(wù)中臺(tái)，分發(fā)業(yè)務(wù)線索，為一線業(yè)務(wù)人員賦能，單點(diǎn)業(yè)務(wù)場(chǎng)景跑通

盈利模式再批量復(fù)制。

Deepseek出現(xiàn)的意義恰恰是加速

單點(diǎn)業(yè)務(wù)場(chǎng)景跑通盈利模式的時(shí)間，大幅降低轉(zhuǎn)

型成本

主觀層面:戰(zhàn)略層面數(shù)字化轉(zhuǎn)型目標(biāo)與具體崗位層面價(jià)值目標(biāo)存在差異，拉平不同的部門的認(rèn)知與節(jié)奏成本太高，

使得數(shù)字化轉(zhuǎn)型難以推進(jìn)。

客觀層面:各細(xì)分業(yè)務(wù)數(shù)字化從0到1

的成本較高而回報(bào)不定，ROI導(dǎo)向注重

業(yè)績(jī)結(jié)果的考核模式亦使數(shù)字化轉(zhuǎn)型難以進(jìn)行。客戶思維?以“客戶”為中心:“客戶”的需求是多元的;?客戶思維:

“我”能做的我來(lái)做，“我”做不到的，分發(fā)給最優(yōu)

秀的“供應(yīng)商“，關(guān)注客戶體驗(yàn);?KPI是過(guò)程:終極目標(biāo)是為了獲得客戶信任，承接更多客戶需求;產(chǎn)品銷售邏輯?

以“我”為中心:

“我”的服務(wù)和產(chǎn)品是標(biāo)準(zhǔn)化的;?

銷售思維:搞定客戶，關(guān)注結(jié)果;?

KPI是目標(biāo):終極目標(biāo)是為了短期“成交”結(jié)果;1.2

解決思路:數(shù)字化賦能，從產(chǎn)品銷售

轉(zhuǎn)向

用戶運(yùn)營(yíng)

轉(zhuǎn)變從金融機(jī)構(gòu)的數(shù)字營(yíng)銷場(chǎng)景談起

金融機(jī)構(gòu)視角:人數(shù)擴(kuò)瓶頸的背景下，如何指數(shù)級(jí)提高代理人人均產(chǎn)能的上限?

金融產(chǎn)品同質(zhì)化，單純依靠低價(jià)競(jìng)爭(zhēng)無(wú)法形成比較優(yōu)勢(shì)，需要

提高服務(wù)價(jià)值;

金融服務(wù)模式非標(biāo)準(zhǔn)化，批量

復(fù)制難度大，需要設(shè)計(jì)服務(wù)體系;

數(shù)字營(yíng)銷體系需要多部門配合，需要組織的敏捷轉(zhuǎn)型+數(shù)字化能力建設(shè);因此，需要通過(guò)“場(chǎng)景創(chuàng)新+數(shù)據(jù)驅(qū)動(dòng)+組織敏捷”建立營(yíng)銷體系;2.

1

金融機(jī)構(gòu)傳統(tǒng)營(yíng)銷模式存在的痛點(diǎn)

營(yíng)銷是金融業(yè)務(wù)中最強(qiáng)調(diào)KPI考核場(chǎng)景，也是數(shù)字化轉(zhuǎn)型的重要場(chǎng)景之一

;

傳統(tǒng)營(yíng)銷模式以產(chǎn)品銷售為中心，市場(chǎng)是波動(dòng)的，但考核是連續(xù)的，業(yè)務(wù)加速競(jìng)爭(zhēng)，但搭建體系需要時(shí)間;

一線業(yè)務(wù)人員視角:個(gè)人產(chǎn)能有限，優(yōu)先實(shí)現(xiàn)單一客戶服務(wù)閉環(huán)，再考慮服務(wù)更多客戶;ā表1?

傳統(tǒng)營(yíng)銷vs數(shù)__營(yíng)銷2.2

分析框架:營(yíng)銷生產(chǎn)力提升

依據(jù)復(fù)旦&明略&秒針聯(lián)合發(fā)布2024《生成式營(yíng)銷產(chǎn)業(yè)研究藍(lán)皮書》，

營(yíng)銷生產(chǎn)力=洞察×創(chuàng)意×媒介

洞察能力，包括消費(fèi)者需求、市場(chǎng)環(huán)境、行業(yè)趨勢(shì)、競(jìng)爭(zhēng)態(tài)勢(shì)數(shù)據(jù)和信息的采集與分析，以及最終獲得分析結(jié)果的能力和效率;

創(chuàng)意能力，包括創(chuàng)造和生成文字、圖片、視頻、音頻、設(shè)計(jì)網(wǎng)站甚至新產(chǎn)品的創(chuàng)新能力和生產(chǎn)效率;

媒介溝通能力，使用媒介渠道進(jìn)行營(yíng)銷的能力和效率，渠道包括某著名企業(yè)設(shè)備、電視、社交媒體、搜索引擎、電

商、線下等各種用于營(yíng)銷傳播的媒體平臺(tái)。

而金融行業(yè)金融產(chǎn)品收益前置而風(fēng)險(xiǎn)后置

，信任=

(可靠+可信+專業(yè))/利益沖突，或亦是推動(dòng)營(yíng)銷生產(chǎn)力和

客戶生命周期價(jià)值提升的核心要素。ā表2?

營(yíng)銷生產(chǎn)力組r要素2.2

分析框架:營(yíng)銷生產(chǎn)力提升

據(jù)BCG，通過(guò)使用AI工具，可以減少最多25%的間接銷售活動(dòng)，新增客戶觸點(diǎn)，同時(shí)提升客戶滿意度。圖表3:

AI助理提高銷售效率2.2

分析框架:營(yíng)銷生產(chǎn)關(guān)系轉(zhuǎn)型

據(jù)《生成式營(yíng)銷產(chǎn)業(yè)研究藍(lán)皮書》，

生成式營(yíng)銷應(yīng)用前沿的生成式AI能力賦能生產(chǎn)工具，在營(yíng)銷領(lǐng)域的業(yè)務(wù)

流程中，實(shí)現(xiàn)營(yíng)銷生產(chǎn)力效率的全面提升

，影響并重構(gòu)營(yíng)銷組織的生產(chǎn)關(guān)系

，進(jìn)而形成的新型市場(chǎng)營(yíng)銷產(chǎn)業(yè)運(yùn)

行模式。

在金融領(lǐng)域，生產(chǎn)關(guān)系轉(zhuǎn)型則體現(xiàn)為由產(chǎn)品銷售到客戶中心，由部門壁壘到對(duì)內(nèi)協(xié)同的轉(zhuǎn)型等。圖表4:

營(yíng)銷生產(chǎn)力提升推動(dòng)營(yíng)銷生產(chǎn)關(guān)系轉(zhuǎn)型“合伙伙伴關(guān)系”更注重建立深度的信任的

“認(rèn)知和興趣”過(guò)程，是為

“調(diào)性

”。盈利不是商業(yè)的起點(diǎn)，盈利是終點(diǎn)。傳統(tǒng)的營(yíng)銷過(guò)程分為從“認(rèn)知、

興趣、購(gòu)買到忠誠(chéng)”的過(guò)程:“客戶關(guān)系”更強(qiáng)調(diào)快速實(shí)現(xiàn)“購(gòu)買過(guò)程”，是為

“變現(xiàn)”

;2.3

解決之道:從產(chǎn)品銷售到買方投顧變現(xiàn)資料來(lái)源:秒針營(yíng)銷學(xué)院，某著名企業(yè)建投公域到私域的獲客及數(shù)據(jù)采集沉淀l

采集每一個(gè)觸點(diǎn)、每一次用戶互動(dòng)數(shù)據(jù);l

創(chuàng)造更多觸點(diǎn);

線下拜訪/會(huì)議/策略會(huì)

官網(wǎng)/APP/小程序/H5上每一個(gè)行為

社交媒體、自媒體平臺(tái)上的閱讀、點(diǎn)贊、轉(zhuǎn)發(fā)

SMS鏈接點(diǎn)擊內(nèi)容的創(chuàng)造與運(yùn)營(yíng)l

大V具有超強(qiáng)的帶量能力;l市場(chǎng)缺少的不是專業(yè)的投教內(nèi)容，而是有趣的陪伴;l內(nèi)容需要持續(xù)的分發(fā)，體系化的呈現(xiàn)、高頻的更新;l合規(guī)第一

，但過(guò)于晦澀的內(nèi)容缺乏傳播價(jià)值;數(shù)據(jù)中臺(tái)&營(yíng)銷中臺(tái)的打造l打破數(shù)據(jù)孤島、形成以用戶中心的數(shù)據(jù)數(shù)據(jù)標(biāo)簽體系;l不斷利用AI進(jìn)行決策優(yōu)化，通過(guò)A/B

TEST，不斷尋找最優(yōu)路徑;運(yùn)營(yíng)中臺(tái)的構(gòu)建l集中運(yùn)營(yíng)是“中央廚房“，為前線”打仗“的同事輸送”彈藥“;l

強(qiáng)運(yùn)營(yíng)能力需要過(guò)程KPI的正確引導(dǎo);2.3

解決之道:數(shù)字營(yíng)銷體系建設(shè)2.3

解決之道:GenAI賦能

據(jù)麥肯錫研究，GenAI的潛在價(jià)值(約75%)主要是四個(gè)方面:客戶運(yùn)營(yíng)、營(yíng)銷和銷售、軟件工程、產(chǎn)品研發(fā)。

GenAI賦能內(nèi)容營(yíng)銷，解決“腦力活中的體力活”

圖表5:

GenAI賦能內(nèi)容營(yíng)銷

敏捷化

自動(dòng)化

智能化

高質(zhì)海量

千人千面

更好轉(zhuǎn)化

?

自動(dòng)化生成問(wèn)卷、對(duì)話式AI訪談?結(jié)合更多元的數(shù)據(jù)范圍?大批次分析非結(jié)構(gòu)化數(shù)據(jù)(量化分析)?將復(fù)雜數(shù)據(jù)分析過(guò)程可視化為圖表和圖形?Agency產(chǎn)出Big

Idea?70%案頭工作+30%頭腦風(fēng)暴?

KOL和KOC等創(chuàng)生成大量?jī)?nèi)容?AI生成內(nèi)容，極大提升內(nèi)容產(chǎn)出效率BGC

(幾周-幾個(gè)月)PUGC

(幾天-幾周)AIGC

(幾分鐘-幾小時(shí))幫助市場(chǎng)部門快速總結(jié)趨勢(shì)、提出觀點(diǎn)、啟發(fā)研究、策劃方向信息收集產(chǎn)出洞察假設(shè)生成2.3

解決之道:GenAI賦能

市場(chǎng)是波動(dòng)的，客戶情緒是波動(dòng)的，客戶需求是多元的，金融服務(wù)的場(chǎng)景是復(fù)雜的;

最容代的:標(biāo)準(zhǔn)化的金融產(chǎn)品、金融服務(wù)流程工作;

最不可替代的是:人與人之間的交互和信任;ā表6?

GenAI賦能信任交à

效率提升

社群運(yùn)營(yíng)預(yù)生成符合場(chǎng)景和客戶需求的大量的個(gè)性化內(nèi)容體驗(yàn)升級(jí)專業(yè)積累基于大模型，可回答知識(shí)庫(kù)中超出預(yù)設(shè)流程的問(wèn)題，拓寬Chatbot應(yīng)用場(chǎng)景，更好地分發(fā)和解決客戶問(wèn)題可生成不同風(fēng)格的對(duì)話內(nèi)容，其較為靈活的語(yǔ)言風(fēng)格可更

好地協(xié)助人工客服在大規(guī)模的一對(duì)多用戶服務(wù)和運(yùn)營(yíng)等場(chǎng)景，幫助人工客服和范圍更廣資料來(lái)源?

:人y智能P營(yíng)銷e紀(jì)元;

，某著名企業(yè)建投個(gè)性化服務(wù)隨時(shí)隨地

如何理解營(yíng)銷數(shù)字化的組織變革?

ā表7?

GenAI賦能營(yíng)銷O僅在內(nèi)容生r，還包括需求洞察等多元?能性

產(chǎn)品銷售以產(chǎn)品為驅(qū)動(dòng)，以交易為導(dǎo)向，強(qiáng)調(diào)產(chǎn)品功能參數(shù)與性價(jià)比以促進(jìn)成交;

而客戶中心則以需求為起點(diǎn)，以信任為導(dǎo)向，注重深度理解客戶痛點(diǎn)和長(zhǎng)期目標(biāo)，追求客戶生命周期價(jià)值的最大化。

?智能ü服為?V÷,

智能客服的數(shù)字化組織變革，即在于

<

早半步

=的洞察，將客戶需求感知從應(yīng)答升級(jí)為預(yù)判，從被動(dòng)響應(yīng)轉(zhuǎn)為主動(dòng)挖掘。資料來(lái)源?

:生r式營(yíng)銷產(chǎn)業(yè)研究藍(lán)皮書;

，某著名企業(yè)建投結(jié)論:智能客服價(jià)值不僅在全天候擬人化服務(wù)，更在于比客戶早半

步看見(jiàn)需求;資料來(lái)源:秒針營(yíng)銷科學(xué)院，某著名企業(yè)建投

金融服務(wù)場(chǎng)景，如投顧業(yè)務(wù)與消費(fèi)場(chǎng)景有巨大差異。由于投顧的專業(yè)性要求更高，特別是金融市

場(chǎng)資產(chǎn)價(jià)格波動(dòng)性，使得在投資者適當(dāng)性合規(guī)要求下，更需要體系化的服務(wù)模式。GenAI賦能買方投顧和保險(xiǎn)業(yè)的數(shù)字化3.1

復(fù)盤海外投顧行業(yè)轉(zhuǎn)型歷程

從美國(guó)財(cái)富管理行業(yè)經(jīng)歷由賣方銷售向買方投顧的轉(zhuǎn)型，TAMP、

RIA托管等ToA平臺(tái)的賦能是其中重要一環(huán):

1)20世紀(jì)30至50年代美國(guó)財(cái)富管理規(guī)則確立，《投資顧問(wèn)法》等法案出臺(tái);

2)20世紀(jì)60至90年代間行業(yè)逐步向買方投顧模式轉(zhuǎn)型，期間1975年取消固定傭金制、

1980推出12b-1規(guī)則、1977年以Vanguard為代表的直銷及免傭基金崛起、

1984年以嘉信理財(cái)為代表的基金超市模式出現(xiàn)加劇渠道競(jìng)爭(zhēng);

3)20世紀(jì)90年代以來(lái)，以嘉信理財(cái)為代表的TAMP及RIA托管等ToA平臺(tái)涌現(xiàn)，降低了投顧在客戶賬戶管理

及其他非專業(yè)領(lǐng)域如文件管理、合規(guī)管理等方面的難度和準(zhǔn)入成本，推動(dòng)行業(yè)買方轉(zhuǎn)型;

4)經(jīng)歷1980-1992年的多輪牛熊，以及1993-2000年的7年長(zhǎng)牛和隨之而來(lái)2001年互聯(lián)網(wǎng)金融泡沫破滅，以信任主導(dǎo)的買方投顧模式則在陪伴投資者持續(xù)穿越周期的過(guò)程中最終實(shí)現(xiàn)規(guī)模的穩(wěn)健增長(zhǎng)。ā表8?

美?

財(cái)富管理行業(yè)發(fā)展歷程一覽3.2

傳統(tǒng)投顧面臨痛點(diǎn)及數(shù)字化轉(zhuǎn)型的核心邏輯

投顧業(yè)務(wù)流程復(fù)雜，營(yíng)銷、獲客、開(kāi)戶、賬戶管理、交易、托管、結(jié)算、配置，投前、投中、投后

……

投顧面臨痛點(diǎn):時(shí)間分配困境(傳統(tǒng)投顧僅少部分精力用于客戶溝通與服務(wù));服務(wù)普惠性難題(人工成本

高昂而人效有限使傳統(tǒng)投顧更聚焦高凈值客戶市場(chǎng))

TAMP的本質(zhì)是通過(guò)技術(shù)重構(gòu)生產(chǎn)關(guān)系——將投顧從重復(fù)勞動(dòng)中釋放，轉(zhuǎn)而聚焦于客戶關(guān)系維護(hù)與信任構(gòu)建。圖表9:

顧問(wèn)在使用TAMP平臺(tái)前后的時(shí)間分配情況

圖表10:投顧使用TAMP主要是為了有更多時(shí)間服務(wù)客戶擁有更多時(shí)間滿足客戶需求優(yōu)化投資管理保持靈活的成本結(jié)構(gòu)以應(yīng)對(duì)低迷市場(chǎng)環(huán)境

節(jié)省運(yùn)營(yíng)成本并提升效率獲得對(duì)其他競(jìng)爭(zhēng)公司的競(jìng)爭(zhēng)優(yōu)勢(shì)

提升公司價(jià)值使公司符合行業(yè)潮流資料來(lái)源:LPL2022Q3業(yè)績(jī)推介會(huì)材料，某著名企業(yè)建投

資料來(lái)源:WealthAdvisor

TAMP

Survey，某著名企業(yè)建投20%30%10%0%定制化集中管理平臺(tái)名稱Strategic

AssetManagement

(SAM)ManagerSelect

(MS

)Guided

WealthPortfolios(GWP)OptimumMarketPortfolios(OMP

)Personal

WealthPortfolios(PWP)Model

Wealthportfolio(MWP)平臺(tái)簡(jiǎn)介一個(gè)開(kāi)放架構(gòu)投資平

臺(tái)，能為顧問(wèn)提供創(chuàng)

建自定義投資組合的

能力，能夠同時(shí)將客

戶的多種投資打包封

裝在一個(gè)帳戶和一個(gè)

報(bào)表中獨(dú)立賬戶平

臺(tái)，以極低的

賬戶要求提供

多種機(jī)構(gòu)經(jīng)理

投資服務(wù)一個(gè)集中管理的、基于

算法的投資計(jì)劃。

GWP專

有的自動(dòng)化算法，根據(jù)利

普樂(lè)構(gòu)建的模型組合生成

投資建議，將數(shù)字投資平

臺(tái)與顧問(wèn)的監(jiān)督、審查和

建議相結(jié)合共同基金打包計(jì)

劃，提供包含多位

經(jīng)理人共同基金的

投資組合，超過(guò)10

個(gè)以上的次級(jí)顧問(wèn)

提供支持統(tǒng)一管理帳戶，

為顧問(wèn)提供框架

性的投資策略提供完全多樣化

的共同基金和ETF模型，由第三方以

及利普樂(lè)金融的投

資組合策略師指導(dǎo)最低投

資金額25,000美元50,000美元5,000美元10,000美元25,000美元250,000美元每年賬

戶費(fèi)用最低:0.50%最高:2.50%最低:0.50%最高:2.50%最低:0.00%最高:1.00%最低:0.50%最高:2.50%最低:0.00%最高:2.00%最低:取決于MS

最高:2.50%3.3

TAMP案例:利普樂(lè)金融(LPL)

利普樂(lè)金融主要依靠六大平臺(tái)為顧問(wèn)提供咨詢服務(wù):

根據(jù)提供咨詢服務(wù)的方式，六大平臺(tái)可分為集中管理(Centrally

managed

)與定制化(Open

Architecture

)

兩大類。集中管理平臺(tái)包括GWP、OMP、

MWP和PWP

，通常提供深度、專一的研究支持;定制化平臺(tái)包括SAM和MS，能夠根據(jù)客戶的需求為其提供相應(yīng)的咨詢服務(wù)，服務(wù)的種類繁多。ā表11?利n樂(lè)各咨詢平ā簡(jiǎn)介及賬戶收費(fèi)情況中/下游:第三方財(cái)富管理服務(wù)商底層:標(biāo)的資產(chǎn)B端參與者:企業(yè)/金融機(jī)構(gòu)資金

資金保險(xiǎn)公司基金公司信托招行私行、工行私

行、某著名企業(yè)……諾亞財(cái)富、海銀財(cái)

富、恒天財(cái)富……TAMP平ā/投資顧問(wèn)投資組合管理風(fēng)險(xiǎn)監(jiān)?分析中游:持牌金融機(jī)構(gòu)服務(wù)標(biāo)準(zhǔn)化資產(chǎn)貨幣市場(chǎng)工具CRM1

數(shù)字營(yíng)銷Wealthbox、

Practifi、

SKIENCE…

…中電文思海輝、泛某著名企業(yè)

件、宇信科技

……投顧商業(yè)分析3Xequity、AdvisorClarity、AdvisorMetric…

…待發(fā)展3.4

中美財(cái)富管理產(chǎn)業(yè)鏈概況對(duì)比blueleaf、

BlackDiamond

…

…待發(fā)展交ā/系統(tǒng)SS&C、AdvisorEngine、RobustWealth

……恒生電子、金證股份、金仕達(dá)

……投研數(shù)據(jù)1行情MorningStar、FACTSET、Bloomberg

…

…W

ind、同花順、東方財(cái)富Choice…

…Riskalyze、TOLERISK、finmason

……私募基金高毅資產(chǎn)、景林資產(chǎn)、淡水泉投資……華潤(rùn)信托、某著名企業(yè)信

托、光大信托

……AIA、

Metlife、AIG、AIIianz

…

…百融云、京東科技、金融壹賬通

……機(jī)構(gòu)資金中國(guó)人壽、中國(guó)平

安、中國(guó)人?！持髽I(yè)證券、某著名企業(yè)建

投、中金公司……某著名企業(yè)、中國(guó)銀

行、某著名企業(yè)……BNY

MELLO、NORTHERNTRUST

…

…Blackstone、WarburgPincus…

…待發(fā)展Schroders、BlackRock、FideIity…

…LPL

Financial、Betterment、SEI

…

…Bucket

Bliss、RetireUp、W

ealth2K

…

…LAZARD、Morgan

Stanley、EVERCORE…

…Vontobel、bordier、Coutts…

…Morgan

Chase、Citi

Bank、HSBC…

…BessemerTrust、Stone

HageFleming、廣發(fā)基金、

匯添富基金……個(gè)人資金非標(biāo)準(zhǔn)化資產(chǎn)銀行家族辦公室/財(cái)富管理私人銀行特殊場(chǎng)o理ˉ規(guī)劃C端參與者:個(gè)人居民A端參與者:投資顧問(wèn)盈米啟明、先鋒領(lǐng)航、盈米且慢

……上游:社會(huì)財(cái)富券商第

O方?品代銷螞蟻基金、天天基

金、騰安基金

……政府資金標(biāo)準(zhǔn)化債券金融機(jī)構(gòu)資金企業(yè)資金外資高凈值客戶養(yǎng)老金委托資金大眾零售客戶財(cái)富客戶上市交……未上市企業(yè)股權(quán)場(chǎng)內(nèi)衍生品……房地產(chǎn)Jemstep、DRIVEWEALTH、SIGFIC

…

…待發(fā)展海外企業(yè)待發(fā)展我某著名企業(yè)業(yè)B2B

服ó服務(wù)服務(wù)服務(wù)資金3.5

保險(xiǎn)科技:從單點(diǎn)工具升級(jí)為系統(tǒng)性能力l

全球各國(guó)壽險(xiǎn)行業(yè)的渠道結(jié)構(gòu)呈現(xiàn)出差異化特征:美國(guó)、英國(guó)以獨(dú)立代理人/保險(xiǎn)經(jīng)紀(jì)人渠道為主，法國(guó)、意大利以銀保渠道為主，日本、韓國(guó)以專屬代理人為主。l以美國(guó)為例，

隨著萬(wàn)能、變額和指數(shù)型等投資屬性較強(qiáng)的新型產(chǎn)品發(fā)展壯大，保險(xiǎn)產(chǎn)品與居民資產(chǎn)配置體系的融合程度逐漸加深，

對(duì)代理人的金融知識(shí)、財(cái)務(wù)能力和利益一致性提出了更高要求，獨(dú)立代理人渠道自20世紀(jì)80年代開(kāi)始逐漸興起，至2000年已成為美

國(guó)個(gè)人壽險(xiǎn)和個(gè)人年金市場(chǎng)的第一大渠道。【獨(dú)立代理人主導(dǎo)地位持續(xù)強(qiáng)化，險(xiǎn)企控費(fèi)意愿提升成本優(yōu)化，技術(shù)賦能加速渠道分化】

l

來(lái)自多方主體的賦能支持推動(dòng)了美國(guó)獨(dú)立代理人渠道的興起，包括保險(xiǎn)科技公司和以獨(dú)立營(yíng)銷組織(Independent

MarketingOrganization

，IMO

)和經(jīng)紀(jì)總代理(Brokerage

General

Agencie

，BGA)為代表的中介機(jī)構(gòu)等。圖表12:

美國(guó)個(gè)人壽險(xiǎn)渠道結(jié)構(gòu)

(按年化保費(fèi)計(jì))圖表13:

美國(guó)個(gè)人年金渠道結(jié)構(gòu)

(按年化保費(fèi)計(jì))70%60%50%40%30%20%10%0%——

獨(dú)立代理人與經(jīng)紀(jì)人

專屬代理人

直銀行與券商

直銷及其他60%50%40%30%20%10%0%——

獨(dú)立代理人

專屬代理人

直銷

其他1997

2000

2003

2006

2009

2012

2015

2018

2019

20203.6

保險(xiǎn)公司:通過(guò)銷售線索推薦助力潛客開(kāi)發(fā)，提供多種展業(yè)工具l

以美國(guó)領(lǐng)先保險(xiǎn)公司保德信金融(Prudential

Financial)為例，其擁有自有全國(guó)銷售組織Prudential

Advisors

，也

是其自有銷售渠道，與Prudential

Advisors關(guān)聯(lián)的投資顧問(wèn)在保德信金融的分銷渠道體系中占據(jù)重要地位。l

Prudential

Advisors為代理人等金融專業(yè)人士提供全流程賦能:

客戶獲取:提供15種以上潛在客戶線索推薦計(jì)劃，提供優(yōu)質(zhì)銷售線索來(lái)源，助力投資顧問(wèn)的潛在客戶開(kāi)發(fā)。

技術(shù)賦能:提供多種效率提升工具，如Clientlink、eMoney、

Morningstar、

Envestnet資金管理平臺(tái)、具等。

培訓(xùn)提升:與業(yè)內(nèi)頂尖專家合作，擁有線上培訓(xùn)庫(kù)，通過(guò)營(yíng)銷、銷售技巧和其他基本技能來(lái)賦能展業(yè)，可提供數(shù)十種按需培訓(xùn)。

業(yè)務(wù)轉(zhuǎn)移:合格且經(jīng)批準(zhǔn)金融專家可將其未來(lái)傭金流出售給另一名經(jīng)公司批準(zhǔn)的金融專家，使其能放心做大業(yè)務(wù)。ā表15?

PrudentialAdvisors通過(guò)多個(gè)項(xiàng)目~代理人對(duì)接資源ā表14?

2023年P(guān)rudential

Advisors線索è薦項(xiàng)目r果3.7保險(xiǎn)科技公司:提供涵蓋客戶互動(dòng)、銷售、中后臺(tái)全價(jià)值鏈解決方案l

作為專注于為各類保險(xiǎn)業(yè)務(wù)主體提供科技賦能的機(jī)構(gòu)，保險(xiǎn)科技公司對(duì)保險(xiǎn)價(jià)值鏈的賦能更為全面，不僅通過(guò)提升代

理人展業(yè)效率來(lái)賦能獲客和銷售環(huán)節(jié)，還通過(guò)提供合規(guī)、財(cái)務(wù)等中后臺(tái)技術(shù)賦能使代理人提升管理效率并夠?qū)⒏嗑?/p>

用于業(yè)務(wù)拓展，進(jìn)而間接促進(jìn)業(yè)務(wù)規(guī)模增長(zhǎng)。l

獲客&銷售賦能:利用技術(shù)系統(tǒng)幫助代理人與客戶進(jìn)行自動(dòng)化、大規(guī)模的個(gè)性化互動(dòng)，提升客戶留存和忠誠(chéng)度;持續(xù)

跟蹤銷售線索和潛在客戶;分解不同潛客來(lái)源的成功率，提供銷售線索分析報(bào)告，助力提升銷售績(jī)效

......l

中后臺(tái)賦能:保單全生命周期管理系統(tǒng);自動(dòng)化生成票據(jù)，節(jié)省支付跟蹤和賬戶對(duì)賬的時(shí)間;通過(guò)定期報(bào)告跟蹤經(jīng)營(yíng)

情況;數(shù)據(jù)驅(qū)動(dòng)經(jīng)營(yíng)決策;工作流程自動(dòng)化;電子認(rèn)證;各地區(qū)的業(yè)務(wù)資質(zhì)申請(qǐng)、續(xù)期和管理

......圖表17:

代理人通過(guò)技術(shù)平臺(tái)可持續(xù)跟蹤各銷售線索的轉(zhuǎn)化流程圖表16:

代理人通過(guò)技術(shù)平臺(tái)可實(shí)現(xiàn)大規(guī)模個(gè)性化客戶互動(dòng)

買方投顧(尤其是高凈值投顧)信任密集、

時(shí)間密集

，人與人的交互和信任不可缺失;

由TAMP到AI賦能:是從流程優(yōu)化到認(rèn)知升

級(jí);

如摩根士丹利推出GenAI工具AI@

Morgan

StanleyDebrief，幫助顧問(wèn)從客戶對(duì)話中提取

洞察，生成個(gè)性化建議并規(guī)劃后續(xù)行動(dòng);

摩根士丹利財(cái)富管理客戶細(xì)分主管VinceLumia提到，“AI@Morgan

StanleyDebrief

極大地提高了顧問(wèn)的日常工作效率，讓更多時(shí)

間花在與客戶進(jìn)行有意義的互動(dòng)上。因?yàn)闅w根

結(jié)底，顧問(wèn)的服務(wù)、建議和與客戶的關(guān)系——人與人的交互(the

human

touch)仍然是根

本?！苯Y(jié)論:金融從業(yè)者借力AI

AGENT的目標(biāo)是努力從“信息處理”中解放出來(lái)，更多參與“價(jià)值判斷”與“價(jià)值分發(fā)”;ā表18?

GenAI如何賦能財(cái)富管理資料來(lái)源?UBS，某著名企業(yè)建投PAR74DeepSeek如何推動(dòng)金融行業(yè)數(shù)字化轉(zhuǎn)型?4.1

大模型金融核心應(yīng)用場(chǎng)景?業(yè)務(wù)場(chǎng)景簡(jiǎn)單的非決策類環(huán)節(jié)

當(dāng)前大模型在金融行業(yè)主要應(yīng)用于業(yè)務(wù)場(chǎng)景簡(jiǎn)單的非決策類環(huán)節(jié)，在支付、信貸、保險(xiǎn)、財(cái)富管理等場(chǎng)景均

有應(yīng)用落地，但主要賦能對(duì)客服務(wù)、數(shù)據(jù)挖掘、業(yè)務(wù)助手等環(huán)節(jié)。圖表19:大模型在金融領(lǐng)域賦能的各細(xì)分場(chǎng)景及業(yè)務(wù)細(xì)分環(huán)節(jié)4.

1

大模型金融核心應(yīng)用場(chǎng)景?業(yè)務(wù)場(chǎng)景簡(jiǎn)單的非決策類環(huán)節(jié)

據(jù)英偉達(dá)調(diào)研，43%的金融機(jī)構(gòu)已開(kāi)始使用大模型，主要用于報(bào)告生成(37%)、客戶體驗(yàn)及活躍度優(yōu)化

(34%)、合成數(shù)據(jù)生成(33%)和營(yíng)銷(32%);

行業(yè)影響方面，據(jù)埃森哲，GenAI對(duì)美國(guó)銀行、保險(xiǎn)、軟件及資本市場(chǎng)相關(guān)行業(yè)的影響處于最前沿;

工作場(chǎng)景方面，辦公與行政、銷售相關(guān)、計(jì)算機(jī)與數(shù)學(xué)、商業(yè)與金融業(yè)務(wù)等受GenAI影響最大。ā表20?

GenAI對(duì)美?各行業(yè)的影響

?tā

ā及對(duì)各y作的影響

?右ā

ā結(jié)論:GenAI解決了什么?——“腦力活中的體力活”

Gen

AI不是崗位替代者，而是能力放大鏡，更多取代的是腦力活中的體力活

;

倘若將現(xiàn)實(shí)世界數(shù)字抽象概括成數(shù)據(jù)、信息、認(rèn)知、知識(shí)、決策、智慧等要素，GenAI用于數(shù)據(jù)的采集處理、信息的整合提煉，輔助認(rèn)知的推理構(gòu)建、知識(shí)的理解生成;ā表21?金融行業(yè)生r式AI機(jī)會(huì)點(diǎn)ā譜維度人類認(rèn)知困難AI認(rèn)知困難人機(jī)協(xié)同價(jià)值突破點(diǎn)客戶畫像碎片化數(shù)據(jù)整合(如跨平臺(tái)交易、消費(fèi)等)非結(jié)構(gòu)化信息解讀(如面談

微表情、家族傳承理念)AI生成360。客戶畫像初稿;顧問(wèn)通過(guò)深度訪談補(bǔ)充"情感地圖"資產(chǎn)配置動(dòng)態(tài)調(diào)整千種資產(chǎn)的非線性

相關(guān)性理解政策突變對(duì)客戶心理賬

戶的影響人類設(shè)定戰(zhàn)略配置框架;AI實(shí)時(shí)優(yōu)化戰(zhàn)術(shù)調(diào)整(T+1再平衡)風(fēng)險(xiǎn)控制同時(shí)監(jiān)測(cè)200+組合的尾部風(fēng)險(xiǎn)捕捉客戶風(fēng)險(xiǎn)承受力的隱性

變化(如生育計(jì)劃調(diào)整)AI跟蹤預(yù)警市場(chǎng)風(fēng)險(xiǎn);人類跟蹤客戶需求漂移(動(dòng)態(tài)KYC更新)長(zhǎng)期陪伴客戶全生命周期需求跨周期

連續(xù)性追蹤價(jià)值觀變遷的咨詢服務(wù)(如

從財(cái)富增值到遺產(chǎn)規(guī)劃)人類制定10年規(guī)劃框架;AI提供事件觸發(fā)式提醒(如稅務(wù)適配等)結(jié)論:人機(jī)協(xié)同的本質(zhì)是認(rèn)知能力再分配，并非效率簡(jiǎn)單疊加

人機(jī)協(xié)同不是簡(jiǎn)單重復(fù)性任務(wù)的疊加，而是對(duì)人類與AI的核心認(rèn)知能力進(jìn)行結(jié)構(gòu)性重組，兩者優(yōu)勢(shì)區(qū)間各不相同;

人類與AI認(rèn)知差異形成雙向賦能通道，1

(人)

+1

(AI

)>2

，真正價(jià)值產(chǎn)生于能力矩陣的乘數(shù)效應(yīng)

結(jié)論:理解業(yè)務(wù)與理解技術(shù)同樣重要:AI是認(rèn)知杠桿，不是流程替代，金融機(jī)構(gòu)業(yè)務(wù)端的“產(chǎn)品經(jīng)理”

或成為稀缺人才;ā表22?財(cái)富管理領(lǐng)域的認(rèn)知能力坐標(biāo)系

通過(guò)MoE架構(gòu)、本地化部署、適配國(guó)產(chǎn)GPU、規(guī)則獎(jiǎng)勵(lì)機(jī)制、開(kāi)源生態(tài)等策略，DeepSeek在推理能力不輸OpenAI

GPT-o1的同時(shí)，實(shí)現(xiàn)顯著的成本節(jié)省。

簡(jiǎn)單對(duì)比:

訓(xùn)練成本:DeepSeek-V3

(558萬(wàn)美元)

vs

OpenAI

Gpt-4

(10億美元);

輸入費(fèi)用:緩存未命中下，DeepSeek

(0.14美元/百萬(wàn)

tokens

)vs

Gpt-4o

(2.5美元/百萬(wàn)tokens

)

輸出費(fèi)用:DeepSeek

(0.28美元/百萬(wàn)tokens

)

vs

Gpt-4o

(10美元/百萬(wàn)tokens

)

商業(yè)化定價(jià):DeepSeek

(API

0.48美元/百萬(wàn)tokens

，

支持消費(fèi)級(jí)硬件，開(kāi)源)vs

GPT-4

(API

18美元/百萬(wàn)

tokens

，昂貴云服務(wù)&大規(guī)模GPU集群)模型類別模型名稱輸入價(jià)格(元/百萬(wàn)tokens)輸出價(jià)格(元/百萬(wàn)tokens)推理模型deepseek-

r1416deepseek-

r1-32B1.56gpt-o1109.5438gpt-o3-mini8.132.1生成模型deepseek-V328gpt-4o18.2573gpt-4o-mini1.14.44.2

DeepSeek核心優(yōu)勢(shì)?——低成本，高性價(jià)比ā表23?

DeepSeek及GPT輸入&輸出r本對(duì)比資料來(lái)源?公開(kāi)資料整理，某著名企業(yè)建投4.3

DeepSeek如何推動(dòng)金融機(jī)構(gòu)數(shù)字化轉(zhuǎn)型?

核心邏輯在于:DeepSeek通過(guò)“信息平權(quán)”重構(gòu)“人效杠桿”，組織轉(zhuǎn)型高成本且面臨短期考核矛盾下，

以低成本、高人效的個(gè)體數(shù)字化閉環(huán)自下而上撬動(dòng)系統(tǒng)性變革。體現(xiàn)為:

1)人機(jī)協(xié)同實(shí)現(xiàn)個(gè)體生產(chǎn)力躍遷，繞過(guò)組織層面轉(zhuǎn)型的高摩擦成本;

2)低學(xué)習(xí)和使用成本而顯著提升人效，用業(yè)績(jī)?cè)隽肯庾兏镒枇?

3)沉淀個(gè)人數(shù)字化數(shù)據(jù)，反向驅(qū)動(dòng)中臺(tái)迭代敏捷升級(jí);ā表24?

AI賦能

，?力提升金融業(yè)ó全?值鏈生產(chǎn)效率?以資產(chǎn)管理~例ā4.4

未來(lái)金融應(yīng)用大模型的核心勝負(fù)手?——數(shù)據(jù)

電力、算力、算法、數(shù)據(jù)是人工智能發(fā)展的四大核心要素，哪一個(gè)才是金融應(yīng)用大模型競(jìng)爭(zhēng)的核心勝負(fù)手?

1)算法或因DeepSeek開(kāi)源模式推進(jìn)而大眾化;

2)電力、算力雖是大模型本身發(fā)展的核心，或因“杰文斯悖論”激發(fā)需求增長(zhǎng)，但作為基礎(chǔ)設(shè)施，或并非金

融機(jī)構(gòu)AI競(jìng)爭(zhēng)的核心壁壘;

3)

DeepSeek的高性能凸顯高質(zhì)量數(shù)據(jù)的重要性。如V3模型訓(xùn)練時(shí)使用了14.8

萬(wàn)億涵蓋多種領(lǐng)域和語(yǔ)言的token

;R1通過(guò)精心篩選和處理的冷啟動(dòng)數(shù)據(jù)提升了模型性能和可讀性。

4)展望未來(lái)，“AI+金融”競(jìng)爭(zhēng)力將取決于能否持續(xù)積累吸收高質(zhì)量私域業(yè)務(wù)數(shù)據(jù)、深化垂直場(chǎng)景認(rèn)知

，并

通過(guò)迭代形成“數(shù)據(jù)-模型-業(yè)務(wù)”的正向循環(huán)。

結(jié)論:“電力+算力+數(shù)據(jù)”是大模型本身的關(guān)鍵，但對(duì)于金融應(yīng)用不斷動(dòng)態(tài)沉淀下來(lái)的數(shù)據(jù)和模式創(chuàng)新才是ā表25?杰文?悖論?算力使用效率提升反而帶來(lái)算力需求增長(zhǎng)ā

的發(fā)生P否×決于需求彈性核心勝負(fù)手;P

HAR75券商、保險(xiǎn)、信貸、供應(yīng)鏈金融及金融科技機(jī)構(gòu)的業(yè)務(wù)邏輯痛點(diǎn)和數(shù)字化價(jià)值生態(tài)層級(jí)參與主體x型機(jī)構(gòu)?國(guó)內(nèi)āx型機(jī)構(gòu)?國(guó)際ā合規(guī)與監(jiān)管層金融監(jiān)管科技公司

監(jiān)管機(jī)構(gòu)金信網(wǎng)銀

…中國(guó)人民銀行、國(guó)家金融監(jiān)督管理總局、證監(jiān)會(huì)

…ChainalysisplyAdvantage…SEC

?美國(guó)證監(jiān)會(huì)ā、

FCA

?英國(guó)金融行為監(jiān)管局ā

…生態(tài)支持層行業(yè)`會(huì)與聯(lián)盟科研機(jī)構(gòu)與高校創(chuàng)投與孵W機(jī)構(gòu)…中國(guó)人工智能學(xué)會(huì)、中國(guó)à聯(lián)網(wǎng)金融`會(huì)、X京金

融科技產(chǎn)業(yè)聯(lián)盟

…清__大學(xué)金融科技研究院、X京大學(xué)數(shù)字金融研究

中心

…紅杉中國(guó)、

IDG資本、創(chuàng)e工場(chǎng)、模速空間……FINRA、GlobalFinancialInnovation

Network

…MITMedia

Lab

、

Stanfordputational

Finance.

.

.SequoiaCapital

、Andreessen

Horowitz、Accel

……應(yīng)用場(chǎng)景層智能投研智能投顧風(fēng)險(xiǎn)管理智能客服量W交易...通聯(lián)數(shù)據(jù)、熵簡(jiǎn)科技、慧博科技、訊兔科技

…

招商銀行、平安科技、螞蟻財(cái)富、陸金所

…百融?創(chuàng)、同盾科技、冰鑒科技

…阿里??智能客服ā、宇信科技

…幻方量W、九坤投資、啟林投資

……Kensho、AlphaSense…Betterment、Wealthfront

…SAS

、

Moody'sAnalytics、FICO

…Salesforce

?Einsteinā、

IBM

Watson、LivePerson

…TwoSigma

、Citadel、Renaissance

Technologies

……數(shù)據(jù)與工w層金融數(shù)據(jù)服務(wù)商數(shù)據(jù)處理與標(biāo)注開(kāi)發(fā)工具與框架萬(wàn)得?Windā、同花順、東方財(cái)富

…海天瑞聲、數(shù)據(jù)堂、標(biāo)貝科技

…百度飛槳

?PaddlePaddleā、___為MindSpore…Bloomberg

、

Refinitiv?路透ā、S&P

Global

…Scale

AI

、Appen

…TensorFlow

、

PyTorch、HuggingFace…大模型開(kāi)發(fā)層金融垂直大模型通用大模型__為?盤古ā、星環(huán)?無(wú)涯ā、拓爾??拓天ā、奇富?奇富GPTā、同花順?問(wèn)財(cái)ā、東方財(cái)富?妙

想ā、螞蟻集團(tuán)?貞儀ā、恒生電子?LightGPTā、

文因à聯(lián)、騰訊?FinGPTā

京東科技?言犀百曉ā、

度小滿?軒轅ā、馬上消費(fèi)?天鏡ā…深度求索?DeepSeekā、百度?文心一言ā、科大

訊飛?星火ā、商湯?日日eā、字節(jié)跳動(dòng)??雀/豆包ā、智譜AI

?GLMā

…Bloomberg

?BloombergGPTā、

JPMorgan

?LLM

Suiteā、

Goldman

Sachs

?Alloyā、

Morgan

Stanley

?AI@

Morgan

Stanleyā、

CapitalOne

?EnoAIā、

BlackRock

?Aladdin

AIā、

S&P

Global

?KenshoNLPā、

CapitalOne

?Enoā

…OpenAI

?GPTā、

Google

?PaLMā、

Google

DeepMind

?Geminiā

、

Meta

?LLaMAā、

Anthropic

?Claudeā、…基礎(chǔ)設(shè)施層?計(jì)算平臺(tái)算力芯片廠商阿里?、騰訊?、__為?、百度智能?

…

寒武紀(jì)、

___為昇騰、天數(shù)智芯、壁仞科技

…AWS

、

MicrosoftAzure、Google

Cloud…NVIDIA

?GPUā、AMD

、

Inte

、

Graphcorel

…金融大模型生態(tài)代表參與主體一覽(根據(jù)公司官網(wǎng)&新聞?wù)?ā表26?海內(nèi)外金融大模型生態(tài)代表參P主體金融大模型生態(tài)代表參與主體一覽圖表27:中國(guó)人工智能產(chǎn)業(yè)鏈圖譜5.

1

AI及大模型對(duì)證券業(yè)務(wù)的賦能邏輯l

短期:聚焦單點(diǎn)業(yè)務(wù)，迅速提升客戶體驗(yàn)?短期內(nèi)，

AI著重賦能以個(gè)人為單元的規(guī)范性業(yè)務(wù)環(huán)節(jié)，優(yōu)化業(yè)務(wù)流程，顯著提升業(yè)務(wù)效率與客戶體驗(yàn)。例如借助智能客服與顧問(wèn)，能夠快速校驗(yàn)客戶信息，

大幅縮短開(kāi)戶時(shí)間，憑借強(qiáng)大的語(yǔ)義理解能力，快速響應(yīng)客戶疑問(wèn)，實(shí)現(xiàn)7×24小時(shí)不間斷服務(wù)，客戶回訪時(shí)，

AI

能依據(jù)預(yù)設(shè)話術(shù)與客戶高效溝通，記錄關(guān)鍵信

息并進(jìn)行初步分析。l

中期:助力前中后臺(tái)協(xié)同，釋放人員生產(chǎn)力?中期視角，

AI對(duì)前中后臺(tái)業(yè)務(wù)協(xié)同發(fā)揮關(guān)鍵賦能作用，全方位釋放前中后臺(tái)人員的生產(chǎn)力。例如通過(guò)智能風(fēng)控、內(nèi)容生成等工具，提升中后臺(tái)運(yùn)營(yíng)效率;部

署大模型能夠快速讀取和初步分析數(shù)據(jù)，使客戶經(jīng)理等前臺(tái)人員從繁瑣的數(shù)據(jù)處理工作中解脫出來(lái)，將更多精力投入到客戶關(guān)系維護(hù)與業(yè)務(wù)拓展上。u長(zhǎng)期:驅(qū)動(dòng)敏捷轉(zhuǎn)型，塑造差異化競(jìng)爭(zhēng)力?長(zhǎng)期積累下，

AI促使證券機(jī)構(gòu)實(shí)現(xiàn)敏捷轉(zhuǎn)型，形成區(qū)別于同行的差異化競(jìng)爭(zhēng)力，在不斷變化的市場(chǎng)環(huán)境中占據(jù)優(yōu)勢(shì)地位。AI

能夠整合和梳理企業(yè)內(nèi)外部各類

數(shù)據(jù)，打破數(shù)據(jù)孤島，為企業(yè)決策提供堅(jiān)實(shí)的數(shù)據(jù)基礎(chǔ)。同時(shí)，

AI

助力打破傳統(tǒng)協(xié)同壁壘，以項(xiàng)目或業(yè)務(wù)線條為導(dǎo)向，構(gòu)建矩陣式組織架構(gòu)。ā表28?

證券行業(yè)AI應(yīng)用?計(jì)架構(gòu)公司核心商業(yè)模式AI應(yīng)用東方財(cái)富流量聚集:以東方財(cái)富網(wǎng)、股吧、天天基金網(wǎng)等互聯(lián)網(wǎng)平臺(tái)為基礎(chǔ)，提供全面的財(cái)經(jīng)資訊、互動(dòng)社區(qū)和基金信息等內(nèi)容，吸引

大量的投資者用戶，聚集豐富的流量資源。牌照變現(xiàn):擁有基金銷售牌照和證券牌照等金融牌照。通過(guò)天天基金網(wǎng)開(kāi)展基金代銷業(yè)務(wù)，利用平臺(tái)流量?jī)?yōu)勢(shì)，將用戶轉(zhuǎn)化為

基金購(gòu)買客戶;借助東方財(cái)富證券開(kāi)展證券經(jīng)紀(jì)、融資融券等業(yè)務(wù)，把平臺(tái)用戶引流到證券業(yè)務(wù)中，賺取經(jīng)紀(jì)業(yè)務(wù)傭金及兩融

利息收入。2023年推出，“妙想”金融大模

型;2024年，東方財(cái)富Choice8.0版本發(fā)布，集搜索、問(wèn)答、研報(bào)總結(jié)、文檔助手、資

訊摘要、債券資訊、債券交

手等多場(chǎng)景AI應(yīng)用。同花順流量變現(xiàn):通過(guò)PC版和同花順app兩大平臺(tái)積累大量用戶。基于龐大的流量，開(kāi)展增值某著名企業(yè)服務(wù)，向用戶提供付費(fèi)資訊、數(shù)據(jù)

服務(wù)、軟件功能等;同時(shí)為國(guó)內(nèi)絕大多數(shù)券商提供廣告及互聯(lián)網(wǎng)推廣服務(wù)，賺取開(kāi)戶提成及廣告收入。技術(shù)服務(wù):為證券公司等金融機(jī)構(gòu)提供網(wǎng)上行情交綜合解決方案等軟件技術(shù)服務(wù)，收取軟件銷售及維護(hù)費(fèi)用。憑借技術(shù)

優(yōu)勢(shì)和系統(tǒng)穩(wěn)定性，服務(wù)超90%的證券公司，在金融科技領(lǐng)域樹(shù)立了專業(yè)形象。2024年，金融對(duì)話大模型問(wèn)財(cái)

HithinkGPT;分別在i問(wèn)財(cái)和iFind應(yīng)用大模型能力，面向個(gè)人和機(jī)構(gòu)客戶提供AI智能服務(wù)，提

升客戶體驗(yàn)。指南針精準(zhǔn)定位金融信息服務(wù):以自主研發(fā)的證券工具型軟件終端為載體，為投資者提供專業(yè)金融數(shù)據(jù)分析和證券投資咨詢服務(wù)，通過(guò)直銷模式銷售軟件。雖整體流量弱于同行，但專注垂直流量精準(zhǔn)運(yùn)營(yíng)，依靠對(duì)客戶的深入理解，滿足差異化需求。推動(dòng)證券業(yè)務(wù)轉(zhuǎn)化:2022年收購(gòu)網(wǎng)信證券(后更名為麥高證券)，積極推動(dòng)金融信息服務(wù)與證券服務(wù)深度融合，圍繞中小投

資者，以財(cái)富管理和金融科技為特色發(fā)展互聯(lián)網(wǎng)證券業(yè)務(wù)，加速C端用戶流量轉(zhuǎn)化。在公司披露的業(yè)績(jī)會(huì)答投資者問(wèn)中，公司表示將始終關(guān)注行業(yè)前沿技術(shù)。公司將圍繞用戶體驗(yàn)和實(shí)際業(yè)務(wù)需求，積極探索與研究

相關(guān)前沿技術(shù)，以提升自身業(yè)務(wù)

水平。盈米基金基金投顧:依托且慢平臺(tái)，針對(duì)個(gè)人理財(cái)提供基金投顧，從2020年提出“三分投、七分顧”投顧服務(wù)理念，到2022年的“教、

投、顧一體化”服務(wù)體系，再到2023年提出基于客戶賬戶的投顧2.0服務(wù)，不斷迭代升級(jí)服務(wù)模式。多元化布局:圍繞財(cái)富管理業(yè)態(tài)完善業(yè)務(wù)體系，啟明平臺(tái)專注于賦能一線投顧團(tuán)隊(duì)和金融機(jī)構(gòu)，蜂鳥(niǎo)系統(tǒng)針對(duì)專業(yè)資管機(jī)構(gòu)提

供數(shù)字化解決方案等，2023年6月，專門組建數(shù)據(jù)標(biāo)注團(tuán)隊(duì)，聚焦模型效果評(píng)測(cè)和

AI應(yīng)用效果評(píng)估工作。

2025年2月，

旗下投顧服務(wù)平臺(tái)且慢宣布成功接入DeepSeek-R1深度推理模型5.1金融科技公司的商業(yè)模式及AI應(yīng)用情況5.2

保險(xiǎn)公司資負(fù)兩端痛點(diǎn)及大模型技術(shù)應(yīng)用價(jià)值l

在保險(xiǎn)業(yè)新“國(guó)十條”的指引下，保險(xiǎn)行業(yè)要切實(shí)轉(zhuǎn)變發(fā)展方式，加快由追求速度和規(guī)模向以價(jià)值和效益為中心轉(zhuǎn)變，

加快數(shù)字化轉(zhuǎn)型，堅(jiān)持內(nèi)涵式發(fā)展、特色化經(jīng)營(yíng)和精細(xì)化管理推動(dòng)實(shí)現(xiàn)降本增效。l當(dāng)前負(fù)債端面臨的痛點(diǎn)及大模型技術(shù)在相關(guān)場(chǎng)景的應(yīng)用價(jià)值包括:

報(bào)行合一政策的實(shí)施助力險(xiǎn)企改善盈利能力，但也對(duì)費(fèi)用管理的精細(xì)化水平提出了更高要求，尤其是代理人渠道的報(bào)行合一，涉及

到的數(shù)據(jù)更為豐富、實(shí)施復(fù)雜度更大。大模型技術(shù)有望助力保險(xiǎn)公司更好地動(dòng)態(tài)監(jiān)測(cè)費(fèi)用構(gòu)成，更加精細(xì)化地分析各項(xiàng)費(fèi)用，幫助

保險(xiǎn)公司更好管理費(fèi)差表現(xiàn)。

預(yù)定利率與市場(chǎng)利率掛鉤及動(dòng)態(tài)調(diào)整機(jī)制已正式落地，保險(xiǎn)公司需要強(qiáng)化對(duì)預(yù)定利率的趨勢(shì)性分析和前瞻性研判，確保預(yù)定利率調(diào)整過(guò)程中產(chǎn)品開(kāi)發(fā)、切換、停售、銷售管理、客戶服務(wù)等各項(xiàng)工作平穩(wěn)有序進(jìn)行。大模型技術(shù)的應(yīng)用有助于提高產(chǎn)品切換相關(guān)的的

客戶溝通、營(yíng)銷材料制作等流程效率。

新保險(xiǎn)合同準(zhǔn)則的實(shí)施對(duì)保險(xiǎn)公司的數(shù)據(jù)和信息系統(tǒng)都提出了更高要求，一方面需要保險(xiǎn)公司提升數(shù)據(jù)質(zhì)量、數(shù)據(jù)一致性、數(shù)據(jù)提取/處理的效率和數(shù)據(jù)管理能力，另一方面新準(zhǔn)則要求的大量復(fù)雜運(yùn)算也需要保險(xiǎn)公司持續(xù)改進(jìn)業(yè)務(wù)/精算/會(huì)計(jì)核算系統(tǒng)，并實(shí)現(xiàn)各個(gè)系統(tǒng)之間的有效聯(lián)動(dòng)。保險(xiǎn)公司可以應(yīng)用大模型技術(shù)優(yōu)化對(duì)未來(lái)現(xiàn)金流、合同服務(wù)邊際等指標(biāo)的預(yù)測(cè)，提高相關(guān)報(bào)表的生成效率。

l當(dāng)前資產(chǎn)端面臨的痛點(diǎn)及大模型技術(shù)在相關(guān)場(chǎng)景的應(yīng)用價(jià)值包括:

低利率環(huán)境下，資產(chǎn)負(fù)債匹配對(duì)保險(xiǎn)公司的重要性更加凸顯，保險(xiǎn)公司可以通過(guò)大模型技術(shù)基于更豐富的數(shù)據(jù)以更高的頻率對(duì)自身

的資產(chǎn)負(fù)債匹配情況進(jìn)行動(dòng)態(tài)深度跟蹤，提升經(jīng)營(yíng)穩(wěn)健性。

在長(zhǎng)端利率下行和優(yōu)質(zhì)非標(biāo)資產(chǎn)供給收縮的背景下，亟需挖掘與保險(xiǎn)資金屬性相契合的創(chuàng)新性投資機(jī)會(huì)，以此來(lái)增厚投資收益和提升組合分散化程度，這對(duì)保險(xiǎn)公司投資能力的深度和廣度都提出更高要求。大模型技術(shù)有助于提升投研效率，并可通過(guò)整合數(shù)

據(jù)和研究成果推動(dòng)實(shí)現(xiàn)高效的知識(shí)管理和共享，助力對(duì)海外資產(chǎn)、另類資產(chǎn)的投資能力建設(shè)，為優(yōu)化資產(chǎn)配置結(jié)構(gòu)奠定基礎(chǔ)。

長(zhǎng)端利率下行背景下，保險(xiǎn)資金投資安全墊逐步變薄，對(duì)風(fēng)險(xiǎn)的全面評(píng)估和動(dòng)態(tài)監(jiān)測(cè)尤為重要。保險(xiǎn)公司可以通過(guò)大模型技術(shù)打造

AI風(fēng)險(xiǎn)預(yù)警系統(tǒng)，從海量市場(chǎng)信息中識(shí)別市場(chǎng)不穩(wěn)定跡象，并據(jù)此對(duì)投資組合進(jìn)行動(dòng)態(tài)調(diào)整優(yōu)化，助力實(shí)現(xiàn)穩(wěn)健回報(bào)表現(xiàn)。

5.2

海外保險(xiǎn)科技應(yīng)用場(chǎng)景較為豐富，涵蓋不同領(lǐng)域的不同應(yīng)用

近年來(lái)在新技術(shù)的不斷推動(dòng)下，海外保險(xiǎn)科技平臺(tái)的應(yīng)用場(chǎng)景逐漸豐富豐富，目前在垂直細(xì)分領(lǐng)域已發(fā)展出一系列保

險(xiǎn)科技解決方案服務(wù)商，

提供從業(yè)務(wù)管理系統(tǒng)到產(chǎn)品開(kāi)發(fā)、

理賠、營(yíng)銷及售后的全流程服務(wù)

;同時(shí)眾多采用新技術(shù)和新

商業(yè)模式的互聯(lián)網(wǎng)/新型保險(xiǎn)公司和保險(xiǎn)中介平臺(tái)亦不斷涌現(xiàn)。圖表29:

海外保險(xiǎn)科技行業(yè)圖譜5.2

保險(xiǎn)科技應(yīng)用影響深遠(yuǎn):表層渠道變革、中層模式優(yōu)化、基層架構(gòu)演變

海外保險(xiǎn)科技行業(yè)應(yīng)用層次和應(yīng)用場(chǎng)景多樣，目前已對(duì)行業(yè)生態(tài)產(chǎn)生了深遠(yuǎn)影響。

概括而言隨著海外保險(xiǎn)科技的服務(wù)

范圍和形式得到進(jìn)一步拓展，目前已在表層渠道變革、中層模式優(yōu)化、基層架構(gòu)演變等多個(gè)方面和眾多領(lǐng)域?qū)Ｍ獗ｋU(xiǎn)

行業(yè)產(chǎn)生了深遠(yuǎn)的影響。ā表30?

美?保險(xiǎn)ù技行業(yè)ā譜及影響分析運(yùn)營(yíng)管理?眾安在線利用AIGC技術(shù)快速生成

各類營(yíng)銷素材:例如制作文案內(nèi)

容、視覺(jué)設(shè)計(jì)和優(yōu)化推文效果等?眾安科技“CIREO挖掘鯨”4

:識(shí)

別客戶意圖與情緒，挖掘客服會(huì)

話中的潛在商機(jī)、風(fēng)險(xiǎn)點(diǎn)及熱門

輿情?平安人壽代理人Askbob

:2024年Askbob煥新升級(jí)，上線以來(lái)已為超20萬(wàn)代理人AI生成個(gè)性化建議書，集成平安專業(yè)內(nèi)容、培訓(xùn)課程、工具

資訊等海量數(shù)據(jù)?健康險(xiǎn)理賠審核數(shù)字勞動(dòng)力:24年5月

底正式上線。在試點(diǎn)業(yè)務(wù)中，整案判定準(zhǔn)確率達(dá)到93%

，明細(xì)費(fèi)用判定準(zhǔn)

確率經(jīng)過(guò)多輪迭代達(dá)到80%，審核案

件量達(dá)到1萬(wàn)件/月?企微運(yùn)維機(jī)器人:融合圖像/文本

大模型、圖數(shù)據(jù)庫(kù)與RPA機(jī)器人技術(shù)，實(shí)現(xiàn)了自動(dòng)問(wèn)題識(shí)別、知

識(shí)庫(kù)智能匹配與回答等?智能客服機(jī)器人:當(dāng)前已覆蓋車

險(xiǎn)報(bào)案、產(chǎn)險(xiǎn)保單查詢、壽險(xiǎn)保

單查詢、壽險(xiǎn)續(xù)期回訪等重要場(chǎng)

景?大模型:幫助保險(xiǎn)公司實(shí)現(xiàn)小額的低

風(fēng)險(xiǎn)案件的自動(dòng)化審核、快速賠付;

對(duì)于大額復(fù)雜理賠案件實(shí)現(xiàn)智能判責(zé)

和對(duì)于涉殘案件的智能傷殘判定等5.2

國(guó)內(nèi)保險(xiǎn)科技積極探索客服、理賠、營(yíng)銷、承保等多個(gè)應(yīng)用場(chǎng)景

國(guó)內(nèi)外眾多保險(xiǎn)公司和保險(xiǎn)科技公司，

如眾安、

陽(yáng)光、

平安、太保、華農(nóng)保險(xiǎn)和中科萬(wàn)國(guó)等，紛紛投身于大模型技術(shù)

的研發(fā)與應(yīng)用，積極探索其在保險(xiǎn)業(yè)務(wù)中的巨大潛力，探索方向涵蓋了客戶服務(wù)、理賠定損、營(yíng)銷推廣、承保核保等多

個(gè)方面，它們充分證明了大模型技術(shù)在提升服務(wù)效率、優(yōu)化客戶體驗(yàn)、降低運(yùn)營(yíng)成本、增強(qiáng)風(fēng)險(xiǎn)管理能力等方面的巨大

潛力，為保險(xiǎn)行業(yè)的數(shù)字化轉(zhuǎn)型提供了有力的實(shí)踐支撐。ā表31??

內(nèi)保險(xiǎn)ù技行業(yè)ā譜及影響分析智能理賠交叉銷售

代理人渠道與營(yíng)銷:從層層分潤(rùn)到精準(zhǔn)營(yíng)銷

產(chǎn)品設(shè)計(jì)與定價(jià):從靜態(tài)定價(jià)到動(dòng)態(tài)定價(jià)

核保與理賠:從智能決策到自動(dòng)執(zhí)行

客戶服務(wù):從被動(dòng)響應(yīng)到主動(dòng)關(guān)懷

風(fēng)險(xiǎn)管理:從事后賠付到事前預(yù)防5.2

以DeepSeek為代表的大模型技術(shù)有望為保險(xiǎn)價(jià)值鏈各個(gè)環(huán)節(jié)賦能投研●投研

報(bào)告助手●資管

知識(shí)檢索●投資

研究與

客戶洞

察●投資

風(fēng)險(xiǎn)識(shí)別與合規(guī)管理營(yíng)銷●車險(xiǎn)全線上

銷售機(jī)器人●產(chǎn)險(xiǎn)

智能外

呼機(jī)器

人●代理人賦能

●代理人Ask-

bob機(jī)

器人負(fù)債端理賠●人傷

理賠機(jī)

器人●車險(xiǎn)

智能定

損與定

責(zé)●理賠

計(jì)算書

信息抽

取辦公●員工

服務(wù)機(jī)

器人●代碼

開(kāi)發(fā)助

手●知識(shí)

搜索●企微

運(yùn)維機(jī)

器人承?！窈吮?/p>

助手●財(cái)產(chǎn)

風(fēng)險(xiǎn)評(píng)

估●風(fēng)險(xiǎn)

建模分

析●承保

助手服務(wù)●智能

客服機(jī)

器人●養(yǎng)老

陪伴機(jī)

器人●會(huì)員

服務(wù)小助手產(chǎn)品設(shè)計(jì)與定價(jià)●客戶

分析與

產(chǎn)品定

制●優(yōu)化

定價(jià)模

型圖表32:

大模型技術(shù)在保險(xiǎn)公司資負(fù)兩端均有廣闊應(yīng)用場(chǎng)景資產(chǎn)端保險(xiǎn)領(lǐng)域通用領(lǐng)域應(yīng)用場(chǎng)景應(yīng)用描述非結(jié)構(gòu)化、半結(jié)提高非結(jié)構(gòu)化、半結(jié)構(gòu)化數(shù)據(jù)的處理速度，對(duì)新場(chǎng)景下的新格式的數(shù)據(jù)完成特定信息抽取、格式轉(zhuǎn)化等任務(wù)，降低對(duì)人工標(biāo)注數(shù)

構(gòu)化數(shù)據(jù)處理?yè)?jù)的依賴數(shù)據(jù)收集

保險(xiǎn)產(chǎn)品文檔等產(chǎn)品設(shè)計(jì)完成之后，基于產(chǎn)品的結(jié)構(gòu)化屬性，例如責(zé)任、費(fèi)率表等條款，通過(guò)AIGC模型可以快速生成對(duì)應(yīng)的文檔、圖像宣傳物料，

和預(yù)處理

物料生產(chǎn)大大簡(jiǎn)化產(chǎn)品設(shè)計(jì)過(guò)程中較為繁瑣、重復(fù)的過(guò)程，加速產(chǎn)品從設(shè)計(jì)開(kāi)發(fā)到上線的過(guò)程。

結(jié)果可視化和解幫助保險(xiǎn)精算人員將復(fù)雜的數(shù)據(jù)信息和模型結(jié)果進(jìn)行可視化和解釋，更好地支持商業(yè)決策和產(chǎn)品設(shè)計(jì)，以便管理層和業(yè)務(wù)決策者

釋更好地理解和應(yīng)用模型結(jié)果，推動(dòng)產(chǎn)品設(shè)計(jì)和業(yè)務(wù)決策的優(yōu)化。保險(xiǎn)產(chǎn)品設(shè)計(jì)風(fēng)險(xiǎn)因素識(shí)別分析大量的健康險(xiǎn)相關(guān)數(shù)據(jù)，包括歷史賠付數(shù)據(jù)、人口統(tǒng)計(jì)和醫(yī)療資料等，從中識(shí)別出潛在的風(fēng)險(xiǎn)因素，有助于產(chǎn)品精算人員更好地理解不同客戶的風(fēng)險(xiǎn)特征，并制定相應(yīng)的保險(xiǎn)策略。風(fēng)險(xiǎn)評(píng)估

和預(yù)測(cè)個(gè)性化建議根據(jù)個(gè)人醫(yī)療歷史和風(fēng)險(xiǎn)因素，為產(chǎn)品精算人員提供個(gè)性化的保險(xiǎn)建議和方案，這有助于產(chǎn)品精算人員更好地理解客戶需求，并

提供更符合實(shí)際需要的保險(xiǎn)產(chǎn)品。

測(cè)試使用歷史數(shù)據(jù)和模擬技術(shù)來(lái)進(jìn)行風(fēng)險(xiǎn)模擬和壓力測(cè)試，以評(píng)估產(chǎn)品設(shè)計(jì)的可靠程度和穩(wěn)定性。

保險(xiǎn)產(chǎn)品

方案設(shè)計(jì)客戶需求分析可以通過(guò)對(duì)海量數(shù)據(jù)的處理和分析，發(fā)現(xiàn)不同因素對(duì)于客戶需求的影響，從而為保險(xiǎn)公司提供更準(zhǔn)確的市場(chǎng)研究結(jié)果?？梢岳?/p>

自然語(yǔ)言處理技術(shù)分析客戶反饋和社交媒體信息，識(shí)別出客戶對(duì)于不同健康問(wèn)題的關(guān)注點(diǎn)和優(yōu)先考慮的保險(xiǎn)覆蓋范圍等，以此來(lái)

確定客戶需求。智能化需求分析

險(xiǎn)，

化。地分析客戶的需求、偏好、風(fēng)險(xiǎn)承受能力等信息，了解客戶的真正需求和偏好，從而智能化產(chǎn)品推薦

的，

戶，

言，

保，

產(chǎn)。品推薦和購(gòu)買建議。機(jī)器人智能化客戶服務(wù)

化，

器、

險(xiǎn)，

、自

互、保，

戶，

滿、

和?？蛻舴?wù)。機(jī)器人便捷的保險(xiǎn)產(chǎn)品咨詢提供快速為客然語(yǔ)言交通過(guò)人的客戶服務(wù)機(jī)幫助保險(xiǎn)代理人構(gòu)建智能險(xiǎn)銷售效率和客戶滿意度為客戶提供個(gè)性化的保險(xiǎn)提高交互的保險(xiǎn)產(chǎn)品通過(guò)自然語(yǔ)智能化地推薦適合客保險(xiǎn)產(chǎn)品推薦機(jī)器人可以根據(jù)客戶的需求和情況幫助保險(xiǎn)代理人構(gòu)建智能化產(chǎn)品智能精準(zhǔn)地為客戶提供符合其需求的保幫助保險(xiǎn)代理人通過(guò)自然語(yǔ)言交互5.2

以DeepSeek為代表的大模型技術(shù)有望為保險(xiǎn)價(jià)值鏈各個(gè)環(huán)節(jié)賦能圖表33:

大模型技術(shù)賦能保險(xiǎn)價(jià)值鏈各環(huán)節(jié)場(chǎng)景梳理保險(xiǎn)市

代理人銷

場(chǎng)營(yíng)銷

售輔助風(fēng)險(xiǎn)模擬與壓力應(yīng)用場(chǎng)景應(yīng)用描述代理人銷幫助保險(xiǎn)代理人分析海量的數(shù)據(jù)，從中挖掘出有價(jià)值的信息，為代理人提供更加精準(zhǔn)的客戶洞察和預(yù)測(cè)，以便代理人更好地制定保險(xiǎn)市營(yíng)銷素材

文案、圖片、視提供快速生成文案，比如廣告語(yǔ)、口號(hào)、郵件、短信、微信文章等，也可以與類似MidJourney等AI工具相結(jié)合，自動(dòng)生成

設(shè)計(jì)頻生成宣傳海報(bào)、宣傳視頻等視覺(jué)內(nèi)容，提升營(yíng)銷素材的生成效率。場(chǎng)營(yíng)銷保險(xiǎn)產(chǎn)品

推薦個(gè)性化推薦通過(guò)分析客戶的需求、興趣、行為等數(shù)據(jù)，生成個(gè)性化的保險(xiǎn)產(chǎn)品推薦方案。這種個(gè)性化推薦能夠提高客戶對(duì)于保險(xiǎn)產(chǎn)品的認(rèn)知度和滿意度，同時(shí)也可以提高產(chǎn)品的轉(zhuǎn)化率。保險(xiǎn)產(chǎn)品

咨詢智能客服對(duì)客戶提出的問(wèn)題進(jìn)行智能化解答和服務(wù)。通過(guò)AIGC的自然語(yǔ)言理解和生成技術(shù)，客戶可以與機(jī)器人進(jìn)行自然、流暢的對(duì)話，機(jī)器人可以根據(jù)客戶的需求和問(wèn)題，自動(dòng)生成相應(yīng)的解答和服務(wù)方案。保險(xiǎn)運(yùn)

營(yíng)管理核保自動(dòng)核保通過(guò)學(xué)習(xí)保險(xiǎn)公司的核保規(guī)則和策略，自動(dòng)對(duì)客戶提交的保單進(jìn)行核保。它可以快速地處理大量保單，并根據(jù)不同的核保規(guī)則和策略進(jìn)行精準(zhǔn)判斷，提高核保效率和準(zhǔn)確率。風(fēng)險(xiǎn)評(píng)估根據(jù)客戶提交的保單信息，結(jié)合外部數(shù)據(jù)源和模型，對(duì)保單的風(fēng)險(xiǎn)進(jìn)行評(píng)估。它可以快速識(shí)別保單風(fēng)險(xiǎn)信息，幫助核保人員更準(zhǔn)

確地判斷保單是否可以承保，以及應(yīng)該承保的金額和保險(xiǎn)費(fèi)。決策支持根據(jù)保險(xiǎn)公司的歷史數(shù)據(jù)和分析結(jié)果，提供決策支持和建議。它可以通過(guò)分析保險(xiǎn)產(chǎn)品的銷售情況、客戶的反饋和投訴等信息，為保險(xiǎn)公司提供優(yōu)化核保策略和產(chǎn)品設(shè)計(jì)的建議，幫助保險(xiǎn)公司提高核保效率和客戶滿意度。理賠自動(dòng)化理賠申請(qǐng)自動(dòng)處理理賠申請(qǐng)，包括收集并整理理賠文件、核實(shí)文件信息的真實(shí)性、審核理賠申請(qǐng)的準(zhǔn)確性等。這樣可以大大減少人工處理

處理理賠申