21世纪经济报道见习记者 黄子潇 深圳报道

自大模型热潮掀起，互联网公司躬身入局，手机厂商和金融机构紧随其后。当“百模大战”来到中场，大语言模型如何赋能资产管理成为了一个焦点话题。

9月22日，通联数据与深圳市投资基金同业公会在深圳举办以“大语言模型赋能资产管理高质量发展”为主题的峰会，从多角度探讨行业发展现状与趋势，展示创新性解决方案与应用工具。

出席嘉宾众星云集，所在机构包括麦肯锡、鹏城实验室，南方科技大学，景顺长城基金，广发证券资管，招商证券，南方基金等。本次峰会在线下和线上引发广泛关注。

通联数据总经理蒋龙在开场致词中表示， 随着AI和大语言模型发展，科技赋能资产管理和财富管理的作用只会越来越大，但大模型技术也未必是通用人工智能技术的最后一站，AI赋能资产管理还有非常广阔的空间。

量化投资领域应用空间广阔

在2018年到今年，私募量化蓬勃发展，在低迷的行情下，公募量化的表现也优于主动权益。随着量化整体规模扩大，交易型策略逐渐拥挤时，大模型的兴起为量化赛道带来了新机遇。

鹏城实验室研究员（正高级）孙东宁指出大模型的发展有两个关键核心，第一是训练模型结构的改变。早期的时序模型主要为RNN、LSTM、GRU等，其缺陷在于长程记忆能力较差且不便于并行处理。近年来，模型结构由RNN家族向Transformer的转变，大大提高了计算效率。

第二个是训练范式由监督学习向自监督学习的转变。在自监督学习时代，机器通过大量语料预测其掩盖信息的方式，极大地拓展了非标注数据的使用，从而使大规模训练成为可能。

孙东宁进一步指明了大模型在量化投资上的两个应用方向。

首先，大模型在量化投资上拥有全方位应用场景，从数据与因子挖掘、组合构建、风险敞口选择、市场跟踪、辅助交易等方面都有其重要价值。例如大模型以及Prompt微调的范式降低了文本处理的人力成本和时间成本，使非结构化文本数据不再另类，极大降低了领域适配成本。

第二，大模型的文字处理能力对量化基本面研究有促进作用。 当量化交易策略逐渐拥挤，量化模型转向中低频时，需要对宏观、行业、资金走势、公司财务有更深入理解，而大模型可以将运营数据、新闻舆论、分析师数据等有机结合。

孙东宁进一步指出，近期一些前沿探索者在研究跨领域、多时间尺度数据的综合训练，构建大模型基座，再为特定领域开放部分数据进行微调，从而兼具综合性能力和垂直领域的能力。

这对于量化投资的借鉴意义，便是可以将股票、期货、期权、外汇等不同资产以及周频、日评、分秒频等不同频率的信息相结合，训练出具有较强普适性和关联信息的时间序列预测大模型基座，而后针对具体需求，进行垂域化训练，进一步提升预测和决策的针对性。

在智能资管上，通联数据智能投研业务中心总经理许丹青指出，当前从卖方机构和财经新闻，都在卷速度和覆盖度，身处信息爆炸环境下，客户需要的是对信息价值深入萃取，以及提供独到的见解，这也是Datayes!Pro萝卜投资智能助理的使命。

许丹青表示，智能投研通过三种方式快速捕捉“阿尔法”：提供有价值的数据与信息、替代繁冗的数据整理与分析、提供创造性的观点与见解。

许丹青指出，投研大模型应用当前主要发挥效率价值，以个人能效增强为根基，外延到团队效率、知识留存等，随后介绍了当天正式上线的通联Datayesir。Datayesir支持自然语言交互，融汇通联数据专业的投研知识，在找信息、看研报、查数据、写点评、做复盘等场景上，可助力金融机构大幅提高研究效率。

资产管理和财富管理双领域赋能

财富管理与资产管理两个领域存在重叠和差异，但向来都与金融科技的发展密切相关。随着大语言模型的发展，GENAI（生成式AI）将对资产管理、财富管理进行深度重塑。

麦肯锡全球董事合伙人马奔在演讲中探讨了GENAI（生成式AI）在资产管理和财富管理应用的趋势和实践。

在资产管理领域上，马奔认为GENAI的应用有五大趋势。第一，在提升投研人员效率，提升渠道和机构销售/投后服务效率和客户体验，提升合规管理自动化智能化，提升科技开发投入产出比方面有重大应用价值；第二，有利于加速商业模式创新，为资管公司进入财富管理领域提供更多的创新可能；第三，除了生成式AI，预测性AI和可解释AI对于规模化的alpha创造可能更为关键；第四，实现AI的规模化价值兑现需让AI技术融入投资研究中端到端的关键环节；第五，AI不会替代主动投资，但是不利用AI工具的投资机构会逐步掉队。

财富管理是资产管理在金融产业链上的延伸。马奔进一步提出， GENAI在财富管理领域的应用也有五大趋势，第一，客户交互体验、理财师效率和专业赋能、产品创新加速是GENAI在财富管理规模化应用的三大价值；第二，利用GENAI直接to C将面临消费者保护、数据安全等一系列问题，因此短期可以考虑通过GENAI赋能投顾再服务客户的模式；第三，GENAI让财富管理的超个性化营销和服务成为可能；第四，财富管理公司原先的数据质量、专业知识的沉淀将影响应用落地的速度和质量；第五，需要业务部门、科技数据团队、GENAI训练团队的协同开发，才能真正实现规模化业务赋能。

基金、券商热议大模型实践

近年来，公募基金、券商资管等机构持续推进数字化、智能化，以提升核心竞争力。大模型时代，资管业数智化转型应该怎么规划和实施，招商证券、广发证券资管、南方科技大学、景顺长城基金等机构也进行了分享。

招商证券金融科技中心AI开发团队负责人石国忠认为，大模型在短期内对资管业不会出现颠覆性的影响，但长期上金融业仍需要有自主可控的大模型，并需要其实现降本增效。

近期市场对大模型从单纯热度慢慢回归到挖掘大模型本身能力，和更有高价值的产品实测上。未来，大语言模型将大幅改善服务客户的界面，服务载体和入口形式会有重大变化，是数字化和弯道超车的宝贵机会。

石国忠建议，发挥大语言模型长处，结合证券行业特点，聚焦高价值业务场景。证券业大模型在投资研究、IT及数字化、客户运营、合规监管等方面有应用需求。高价值场景包括提升现有解决方案能力边界，企业级知识应用解决方案，更自由的自然语言交互，激发员工创造力的创意中心，涌现能力的应用等。

广发证券资管副总经理、首席信息官蒋荣指出，未来在资管机构内部一定会出现多种模型并用的状态，因为目前的通用模型选择非常多，但其精准度、覆盖面还不够高，因此很有可能通过多种大模型的并用以相互验证。其次，在开源模型上可以协力共建一套行业性的系统，从而降低各家机构独自维系多套模型以及底层管理系统的成本。

对于资管机构在运用大语言模型中应该注意的事项，南方科技金融研究院副秘书长李凯表示，要保持开放的态度，建立行业性的沟通平台，考虑投入产出比，形成闭环，以更聪明的方式塑造新格局，应对行业变革，避免急中出错做出一些非理性决策。

景顺长城基金副总经理陈文宇将金融从业者和大语言模型的关系，形象地比喻为“县官”和“师爷”。比起决策者，大模型更像是一位虚拟专家，不仅需要对其建立信任，也要了解其局限性。此外他还强调了数据隐私以及安全性合规性问题，历来是金融业不可触犯的红线，因此要分清决策主次并谨慎对待。