程龙

中金公司首席信息官

中金财富首席信息官

各位领导、各位嘉宾，大家好！很荣幸有机会给大家汇报一下中金公司在人工智能和财富管理结合方面的一些工作。我今天汇报的内容主要是：以大模型为代表的新一代人工智能对行业的一些影响。

我们都知道，其实在iPhone出现之前，IBM、HTC、诺基亚等厂商也推出了所谓的智能手机，但是真正使智能手机产生变化的是iPhone的出现。同样，我认为大模型出现之后，人工智能对整个金融行业正在或者未来将会产生一些质的变化。

大模型有利于降低信息不对称和交易成本，提升整个金融市场的有效性，从而提升服务实体经济的质效，从效率和普惠两个角度赋能广大普惠客群和财富管理业务。

中金公司在2022年启动了大模型研究并作为重点发展方向，我们建设了“九章大模型平台”赋能公司各个业务。在财富管理领域，中金财富主要从三个维度来进行相关的探索。

第一个维度，客户助手。通过智慧金融服务的新模式，让投资更加普惠。我们建设了对客智能助手，立足于中金公司专业的投研基因，融合行业领先的大模型技术，为客户提供专业的财富管理服务。中金公司专有的业务能力包括：专业的投研体系，近4000个投顾服务经验的沉淀，以及全面、权威的金融数据。在AI底座方面，结合第三方平台和中金公司自研的中金点睛大模型，来支撑对客的各个场景。我们打造了30多个金融场景下的专业AI Agent，覆盖客户95%的投资旅程，为客户提供陪伴式AI服务，包括股票分析、事件脉络、账户诊断、热点话题挖掘、投资机会关联等各种各样的AI智能体。以股票分析为例，我们15秒就可以帮助客户生成一个360度全方位股票分析报告，整合金融数据、热点资讯、财报研报、技术指标等多维度信息，从基本面、消息面、技术面为客户提供全方位股票分析报告。

同时，我们还结合大模型的能力，做了一个AI分析进阶版，从短期、中期、长期的角度为客户提供更直接、更明确的专业投资建议，相比于传统的股票分析会更及时、覆盖度更广，诊股效率会更高。通过大模型和我们专业能力相结合，可以为客户提供更精准、用户体验更好的服务。

在我们看来，大模型和客户服务相结合的核心是把传统的“AI工具”跃迁至“全场景智能伙伴”，这也是我们整个财富管理领域努力的一个方向。一方面，未来我们会实现智能交易和智能配置的“低门槛”触达；另一方面，结合客户数据，打造更懂客户的投资伙伴，从而深入渗透到各业务场景，不断提升AI专业度和智能度。

第二个维度，AI+买方投顾。中金在财富管理领域的一个特色就是买方投顾，我们通过AI+买方投顾，打造买方投顾业务“最强大脑”。我们AI买方投顾的平台叫RITAS AI，这个平台结合智能投研、智能投顾和智能配置，在不同领域为客户提供更精确的财富管理服务。

我们过去把RITAS叫做“数字化投研平台”，有了大模型之后，我们把它升级成“智能化中枢”，用AI重塑整个投研框架，形成了AI驱动的“超级大脑”。从输入需求、输入数据到处理代码、生成图表，AI投研工作平台的工作实现了自动化和智能化，整个投研体系和投研配置的服务更加全面、高效。

整个平台融合了人工智能+人的智能，通过AI和人相结合，为客户提供“千人千面千时”的资产配置服务。依托中金财富统一的配置方法论和AI驱动的“千人千面千时”投资策略，让广大普通客户也能享受到配置服务。

第三个维度，投顾助手。投顾助手如何赋能投顾，做更懂投顾、更高效的智能伙伴。我们打造了“1+N+AI”的AI驱动智能展业引擎来为投顾赋能，通过AI打造投顾的“第二大脑”，实现从效率工具到助力投顾产能跃迁的过程，同时也能为客户创造更好的用户体验。投顾其实是非常辛苦的，通过AI可以赋能买方投顾的四阶段体验，包括了解、建议、执行、检视等各个阶段，从而大幅提升投顾工作效率，为客户提供更有价值的服务，解决广大客户的需求和有限人力的服务不足之间的矛盾。

通过AI工作台与AI托管，能让投顾每天节省约一个小时的时间。我们整个AI工作平台覆盖了投顾展业八大场景，从而提升投顾的生产力，让投顾从各种事务性工作当中解放，聚焦于更有价值的客户服务，覆盖客户面也更加广泛。另外，AI在团队管理、业务运营、市场研究、个人知识库管理、文本审核等方面全方位赋能投顾，改变投顾的工作模式，提高投顾工作效率。

对于中金公司而言，我们的愿景是为每一位客户配备一名AI财富顾问，为每位员工配备一名数字孪生助手，为公司配备一支人机结合的员工队伍。很多人都在提AI+，站在我们的角度，AI对业务的赋能更多是一个“X”，远远比“+”的效率更高，效果会更加突出。我们希望通过以大模型为代表的新一代人工智能，打造金融行业智能服务新范式。这个过程中，我们也有一些思考：

第一，大模型对金融行业竞争格局的影响既有“马太效应”又有“乘数效应”，金融机构的数字能力和金融专长也是关键。现在大模型投入非常大，哪怕对于大模型公司，包括微软以及其他互联网公司，也提到了投入成本太高了。未来随着投入的增大，我相信大小券商之间的“马太效应”会更加明显。大模型也有“乘数效应”，它会放大一个金融机构的金融专长，一些中小金融机构也可以借着“乘数效应”获得弯道超车的机会。同时，大模型的建设也离不开证券公司过去数字化能力的建设和自己的金融专长。

第二，AI的价值在于拓展人的能力边界，让我们能做到以前从未可能的事。AI现在的价值主要聚焦在效率提升上，但是它真正的价值是如何建立新的业务能力，形成新的收入和提升公司的战略优势，这是创新技术要发挥价值的地方。就像智能手机一样，诺基亚虽然也号称自己是智能手机，但是并没有真正改变这个行业。只有iPhone出现之后，包括它的应用商店，对整个移动互联网产生了翻天覆地的变化。因此，新一代人工智能要从效率提升转向建立新能力、新收入和战略优势。

第三，避免通过后视镜驶向未来。我们现在看AI原生应用，很多公司做AI App其实还是站在过去的模式构建一个App，类似在马车上装了一个引擎的结构，并不能真正提升整个效率。提高效率的核心是服务，是对相关应用和系统进行重构，重构服务客户的模式，重构相关的组织。过去常讲一句话：沿着旧地图找不到新大陆。

第四，从“数字原生”到“AI2ALL”、“All in AI”、“AI原生”等，无论新时代、新趋势如何变化，真正的竞争力和核心一直都是“All in 客户”。

今天就汇报这么多，谢谢！