中信证券:
关于ChatGPT影响金融科技的猜想:
ChatGPT专家交流:
其他方面您觉得还有一些什么样的方向,或者说细分领域可能会受益于这个浪潮?
A:这块其实主要看好五个大的方向。
第一,做基础算法的。
就是OpenAI、百度文心,谷歌的Bard等等,有一堆算法的。
但是他们的商业模式相对比较简单,一种面向企业和开发者提供的标准的SDK和API。
再有我在这个基础上把它稍微功能化处理一下,变成有点像功能软件,比如说处理表格用来写小作文类似这种功能,以订阅的方式向终端用户提供。
但是这两种商业模式的附加值不够高,这是基础,而且研发成本又投入大,这是第一类方向可能会存在的一个困境。
第二,提供基础算力和应用服务部署这方面的,主要是有这么三类公司,一类是像英伟达、寒武纪这种做基础芯片、显卡的公司。
第二类像华为云、阿里云、百度智能云这种提供云服务的公司。
第三类因为我们已经看到了GPT4要推出的时候会增强这种多向模态的能力,现在ChatGPT更多的处理文本,文本对算力的要求更少。
未来我要增强音视频、度片类似这方面的处理,会要求更高的算力,还会有一堆专门处理音视频处理,或者图片处理的,提供这些算力支持的公司,比如说有一些新型的,像平行云类似于这些,但是都提供基础的算力支撑,包括服务部署方面的公司。
第三,刚才已经提到了,主要是技术应用。
比如说跟搜索引擎的结合,跟操作系统的结合,跟个人助手的结合,跟工具软件的结合,或者是我就是干脆直接的垂直行业的应用,比如说进入科技领域,比如说像海康威视,它有渠道和客户资源,我把原有的能力跟硬件产品做结合,它也能够在这里面获得足够的成长和机会。
相当于渠道和客户在这里面也会非常关键的。
第四,刚才讲了软的东西,讲了算法,这些东西我要拿过来给终端的用户做交互的话,我都会依赖一个载体。
比如说智能手机,可能是一台智能汽车,也可能在未来甚至眼角膜植入芯片,可能满足用户交互的东西。
所以相当于在物联网终端这块,跟ChatGPT这种技术做结合,也是有很大的机会的。
第五,在AIGC这样一个方向上。
因为有了软件,有了硬件,用户跟软硬件结合在一起的智慧体系交互的时候,需要大量的内容。
单纯靠人工生产的效率太低了,所以使用AIGC的技术,生产比如说不管是文本、图片、音视频内容的提供方,在这个过程中也会有足够的机会。
15、您的公司应该也是做类似于终端这块的是吧?
A:我们在过去的几年时间里面,主要是给银行和政府提供服务,把刚才说的这些技术,比如说智能语音、NLP,甚至还有数字人的这些软硬件结合在一起,解决一些无接触产品和服务的东西,软硬件结合在一起的。
比如说以金融行业的银行业举例,有一个巨大的需求,我们知道传统的银行行业是人力资产密集型的,因为疫情的影响也好,或者现在技术进步的影响也好,现在中老年人可能不方便去,年轻人不爱去,这种柜台业务极度萎缩,所以银行面临着巨大的降本增效的压力。
要解决这个问题无非就是两条路径可以走。
第一,对现有的银行网点进行升级改造,提升智能化、数字化的水平。
所以这里面可能会部署一套软件,外加上配套的,比如说一个网点部署5-10台左右的硬件。
原来一个网点要雇20个人,现在只要雇两个人就可以了,这是一个方向。
再有这个网点实在运营成本太高,需要把它裁撤掉,这个柜台业务尽管少还是要有,需要应对这种需求的变化。
那怎么办?
可能有点类似无人超市的产品,一台售价70-80万人民币,原来的网点可以覆盖20-30个小区,这种设备前置部署到小区,从总的成本投入上要员大于网点运营的,但是可以增加便捷性。
以前我要驾车或者乘坐公共交通工具去网点柜台办理业务,现在下楼可能就能办理了。
这种技术在ChatGPT的加持下有可能取得大的突破。
我们知道全国银行网点有22万个,这个规模是足够的。
16、您说的软硬一体的表现形式是什么?
是类似于我们平时接触的ATM吗?
是一个机器还是什么?
它可能和我们平时接触的ATM机器有什么不一样?
能处理非现场业务还是什么?
具体的形式是什么样的?
A:比如说跟ATM这种机具结合在一起,也会有屏幕,就是当你在办理业务的时候,遇到问题的时候,会有一个数字人代表的AI,通过语音对话的方式直接跟用户交流,这样就不需要在大堂部署客户经理了,相当于这么一种做法。
这块从2019年末,2020年初就开始做这些事情了比如说在中行网点,在浙江省银行,在很多地方开始部署了。
17、在政务领域呢?
能类似的举一个例子吗?
因为大家对应用场景没有一个感性的认知。
A:在政务领域其实跟我们给银行提供服务是类似的,比如说党建,一个村党支部,或者我智慧社区,我一个社区的办公室,可能也是类似于银行网点部署,它也是软硬件结合在一起去做,只不过从收费模式上略有差距。
但是相比较提供基础的模型,它是一个高附加值的,因为软件就是按软件授权,硬件就是按照肯定会做足够的毛利空间,目前大概是40%左右。
软件因为不同的行业,其实它只是在内容差异,比如说我把银行的数据拿过来,我训练大概有6-12个小时,训练完了就可以部署了,同样一套软件,把这个东西拿过来,把政务的数据拿过来也是训练类似这么长的时间就可以处理了。
我是说单纯从交互层面上,在不同的行业差异只在一些不同的RPA流程,比如说在银行是办卡,跟柜台业务有关的东西,数字政务更多的是跟政策,跟民生服务相关的,智能流程自动化模块的接入会有差异化,会有一些不同的地方。
但是未来这个方向可以通过类似开放平台的方式去做处理。
18、您现在用的是一套自己的模型和算法,数据是属于银行的,拿到他们的场景里用他们的数据训练,实现一个最终能够对话,或者能够解答问题的效果?
A:对。
19、如果百度推出这个,或者国内基于中文体系推出这个的情况下,从您自己发展的规划来说,您准备自研一套呢,还是接入到大厂里面去?
A:单从我们自己来说,我们这个过程中一直和商汤、百度、阿里、腾讯这种级别的公司存在比较直接的竞争关系,所以我们在这个过程中肯定用自己的。
但是我们和他相比我们的优势在什么地方?
我们的优势可能不是在于基础模型的研发,我们在解决最后一公里的问题。
比如说一个智能机具,前面你和我,我们两个人都站在智能机具面前,它处于唤醒状态的时候,咱们两个人同时说话,这个时候它需要判断出来需要跟谁去交互,或者咱们俩说的话它是否需要做出回应,它必须得具备这种能力。
这种工作对于大厂来说,它没有下沉到这么深的地方去专门干这些事情,它也认为这些成本对于他们来说,或者收益对于他们来说,完全不成正本的,他们看不上这块的东西。
20、背后的大模型,有些开源的技术可以去采用是吧?
站在巨人的肩膀上,不用从头研发的。
A:是这样的,但是你获得的数去有独特的优势。
比如说单纯的语音识别上来说,比如说迅飞做语音识别最好的,但是你把AFR这个功能放到网点上发现出错的几率太高了,所以还是需要专门针对这块做大量的纠错算法的处理,推理的一些处理,还需要做大量的训练。
这就是小的创业团队也好,或者专门做这块服务的企业也好,他可能在这块具有优势。
21、一方面利用已有的开源的,或者框架性的东西,不用从最底层开始做,在某些方面可以深耕是吧?
A:是这样的。
22、如果软硬一体的话整个毛利率做到40%以上。
如果是软件的话,相当于把软件加到现有的机具里面去,可能是更高毛利的收益的?
A:硬件大概是40%-45%,软件这块可以做到70%以上,大概这样的。
23、其他的交付还需要什么?
除了硬件采购的成本之外,还有别的成本吗?
比如说现场安装配制这些。
A:那些成本都包含在内。
相关股票:奥拓电子、恒生电子、广电运通、博彦科技、金财互联、中科金财、同花顺、东方财富、蚂蚁集团