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