ChatGPT爆火出圈，AI寫研報、做投顧的時代來了？

人工智能寫研報、做投顧的時代或許來臨了。

　　2月5日，財通證券(7.600, -0.08, -1.04%)李躍博團隊采用聊天機器人(10.760, -0.30, -2.71%)ChatGPT撰寫了一篇醫美行業研究報告《ChatGPT實測：提高外在美，增強內在自信——醫療美容革命》。

　　在這份由ChatGPT獨立撰寫的研報中，對醫美行業的定義、發展史、項目分類、產業鏈進行了詳盡描述，闡述了全球醫美市場發展動態、監管情況，介紹了當下輕醫美的崛起、中國醫美市場現狀及相關法律法規、合規要求，盤點了全球醫美行業主要參與者，甚至對疫情后中國和全球醫美市場進行了預測。

　　ChatGPT這款在11月30日由人工智能研究實驗室OpenAI發布的聊天機器人，在今年1月份的月活躍用戶預計已達到1億。而今在實現商業化落地后，A股市場ChatGPT、AIGC概念股持續走熱，賽為智能(5.760, 0.34, 6.27%)、海天瑞聲(189.600, 31.60, 20.00%)、云從科技(34.970, 2.47, 7.60%)、初靈信息(18.140, -1.63, -8.24%)、漢王科技(35.590, 2.96, 9.07%)等概念股領漲，上周漲幅均超過60%。

　　對于金融行業而言，ChatGPT的橫空出世，在驚艷眾人之余帶來了一個更為現實的問題，在智能投研、智能投顧不斷發展的背景下，未來投研分析師、投資顧問的職位是否可能會被機器人取代？

　　向認知智能邁進一大步

　　“ChatGPT像個人，從能力與情商上接近于一名中級員工。”

　　在體驗ChatGPT后，一位券商投顧團隊負責人向記者發出這樣的感慨。和以往一些人工智能客服相比，ChatGPT對投資相關泛性問題的回復非常得體，對不了解的內容也很坦誠。

　　ChatGPT的“類人化”，得益于其認知智能水平的進一步提升。

　　“ChatGPT的意圖理解能力，已經達到了非人類理解人類語言所從未達到的巔峰。”恒生電子(47.800, 1.14, 2.44%)首席科學家白碩告訴記者，ChatGPT模型爆火的原因，在于其理解人的語言、生成人的自然語言已經達到一個新的境界。

　　人工智能的三個層次分別是計算智能、感知智能、認知智能，而ChatGPT代表著人工智能在認知智能方面向前邁了一大步。

　　據通聯數據資深算法專家薛偉介紹，目前機器存儲和計算的能力早已超越人類，而視覺、聽覺、觸覺等機器感知能力也在各行各業有廣泛應用，其中最有挑戰的就是認知智能，機器的認知智能，需要具有理解和思考的能力，在掌握大量知識儲備后進行推理和決策。

　　“ChatGPT模型中存儲了大量的知識，并且能夠做一定水平的推理，表現出了一些在之前的小模型中不曾出現過的能力。”薛偉指出，ChatGPT打破了模型性能相對于模型規模的線性增長定律，實現了指數增長，未來隨著使用更大規模的語料數據，以及其他的技術上的進步，大模型有望繼續提升認知智能的水平。

　　白碩向記者表示，ChatGPT具備強大的指令學習能力，其能夠理解的任務指令不僅包括回答問題，還包括信息檢索、文章寫作、問題求解、程序設計、作曲等等。同時，ChatGPT能夠精準捕捉上下文所確定的代詞所指，在多輪對話中準確進行意圖識別。

　　ChatGPT如何進行研報等需要邏輯支撐的文獻寫作？

　　他指出，ChatGPT生成的文本之所以具備邏輯性，是基于“思維鏈”技術。機器通過接受人類的指導訓練，學會如何將零散的事件、觀點和證據裝配成縝密的敘述或論述，要在“論點-論據”這么大的顆粒度上實現現場組裝，需要人類高強度的訓練，排除很多不可能正確的路徑和分支，這就是基于人類反饋的強化學習。

　　分析師和理財顧問會失業嗎？

　　對于金融行業而言，可以獨立撰寫研報、服務水平相當于中級投顧的ChatGPT，能否取代投研分析師和理財顧問？

　　對此，ChatGPT給記者的回答是：“不能替代投資顧問，投資顧問可以根據客戶的獨特情況為其提供個性化的投資建議，這是我無法替代的。”風險方面，ChatGPT表示，其應用是基于客戶信息，存在著隱私泄露的風險。同時，ChatGPT坦言，其應用也存在著一定的準確性問題，因為它是基于人工智能技術，其準確性取悅于使用的算法和訓練數據，而且它也無法取代投資顧問的人際關系和投資經驗。但ChatGPT表示，自己可以替代投研分析師，因為其可以根據公司的需求，結合市場趨勢分析和數據分析，為公司提供投資決策建議，推動公司利潤增長。

　　在使用ChatGPT撰寫研報后，財通證券指出：“不可否認的是，ChatGPT在文字表意、標題撰寫等方面均具有較高水平，但采用該種直接生成+翻譯模式形成的報告具有標點和術語存在明顯錯誤、無法得知引用數據來源及可靠性、部分復雜語句翻譯后表意不清晰等問題。”

　　“ChatGPT像一個優秀的實習生。”某券商債券分析師團隊負責人向記者表示，當下這是一個好的工具，但由于國內訓練數據更新不及時，其知識儲備還存在不足。

　　另一家券商的債券分析師告訴記者，ChatGPT目前還只能做最基本的科普研究，主觀性較強的內容還難以替代，每個領域都有一套自己的研究邏輯，目前ChatGPT還沒能掌握。

　　在投顧領域，目前國內在智能客服、智能投資顧問方面已展開探索。

　　據浙江大學金融科技研究院首席金融科技專家邵輝向記者介紹，國內線上理財的智能客服往往通過識別用戶意圖，并匹配到特定的對話模板來實現服務。如2017年支付寶的理財客服“支小寶”的前身“安娜機器人”試圖將金融知識圖譜與客服機器人和閑聊機器人結合，期望通過基于深度學習的自然語言處理模型處理復雜的市場信息，幫助個人客戶做出理性投資，但是存在許多問題，其中一個主要問題，是當時的對話模型缺乏多輪對話能力，如今ChatGPT在多輪對話上取得了重大突破，但對于金融理財或投資仍存在問題。

　　“金融投資需要多樣性。”邵輝指出，當投資者向ChatGPT提問時，可能會得到類似的答案，這主要是由于大規模預語言訓練模型難以保證出現多樣化答案，因此在智能投顧流程中，ChatGPT只能作為重要環節，而非主導環節，個人偏好也應由用戶自己決定，而不是由機器決定或誘導。

　　通聯數據智能投研業務中心總經理許丹青則認為，機器人目前難以替代人工投資顧問的情感陪伴價值。她表示，在不同的市場情況下，投資顧問需要對投資者進行情感陪伴與長期投資者教育，但ChatGPT對于回答的真假認定尚不清晰，理財領域需要的專業市場知識、以及資產配置模型等尚有欠缺，另外在情感陪伴方面，暫時無法像真人一樣提供場景化、兼具專業與同理/p>

　　ChatGPT在金融領域的落地暢想

　　在金融領域，ChatGPT以及其代表的AIGC（人工智能技術生成內容）的商業化落地還有多遠？

　　據薛偉介紹，在投研領域，ChatGPT主要應用的大規模預訓練語言模型技術已被廣泛投入使用。

　　數據結構化方面，通過在金融領域經過優化的大模型，實現公告和研報等數據的結構化，大幅提高數據生產效率。另類數據挖掘方面，通過大模型在海量的非結構化文本中挖掘投資信號，針對股票、債券等各類標的，生產豐富多樣的情緒數據。在搜索引擎中，大模型能夠大幅提升語義搜索的能力，面對復雜多變的語言數據，準確的找到滿足用戶需求的結果。內容生成方面，基于大模型強大的語言生成能力，完全依賴模型或者通過輔助人工的方式，提高內容生成的效率和質量，包括輔助研究員寫研報等場景。投顧領域的技術主要在于知識庫的結構化整理、智能問答的實體抽取與上下文識別，對答案進行結構化整合等。

　　若將ChatGPT引入金融業，白碩表示，還需要解決ChatGPT在金融領域落地的“最后一公里”。

　　白碩告訴記者，如今ChatGPT可以在公網部署，在運營使用中不斷迭代，這是基于它這個大模型的原始能力。但當其引入垂直金融領域落地時，其預訓練環節還需要調整。一方面需要做加法，用金融領域的私有、專有數據對其進行增強樣本的訓練，補足通用模型在金融領域的短板；另一方面需要做減法，將超大模型中金融領域用不到的資源摘除。

　　“未來，需要將專業性的應用系統，如金融領域已有的專業數據庫、專業知識圖譜及其他資源，與ChatGPT的意圖理解能力、語言生成能力以及場景掌控能力進行對接，解決商業化落地的最后一公里。”白碩表示。