21世紀(jì)經(jīng)濟報道記者  陳植  上海報道

大模型技術(shù)正悄然改變證券投顧業(yè)態(tài)。

記者獲悉，目前多家券商正在研發(fā)基于大模型技術(shù)的證券投顧產(chǎn)品。與此同時，第三方在線投資決策解決方案提供商也紛紛搶占先機，推出基于大模型技術(shù)的證券投資數(shù)字人產(chǎn)品。

一位券商人士向記者透露，這背后，是傳統(tǒng)證券投顧服務(wù)已無法滿足廣大股票投資者的需求。數(shù)據(jù)顯示，70%的個人投資者每天至少花費逾30分鐘用于閱讀財經(jīng)資訊，逾50%個人投資者還要額外花費逾30分鐘觀看財經(jīng)短視頻，每天花費逾3個小時獲取各類財經(jīng)信息的人數(shù)則占股民群體總數(shù)的10%。

與此形成反差的是，隨著上市公司數(shù)量越來越多，上市公司研報與市場分析觀點越來越豐富，這些股民日益感到“時間不夠用”，所以券商計劃研發(fā)基于大模型技術(shù)的證券投顧產(chǎn)品，通過AI自動生成內(nèi)容，快速精準(zhǔn)全面地解決股民獲取上市公司各類信息需求。

但記者多方了解到，要做好這項工作，絕非易事——如何精準(zhǔn)全面地回答股民“千差萬別”的提問，就是一大挑戰(zhàn)。

九方智投副總兼產(chǎn)品技術(shù)負(fù)責(zé)人張福明向記者透露，要解決這項挑戰(zhàn)，需要大模型融合知識圖譜、事理圖譜、分析師觀點、上市公司財報研報等眾多信息，通過反復(fù)預(yù)訓(xùn)練進(jìn)行“信息彌合”，才能快速給股民“答疑解惑”。

“這背后，是基于大模型技術(shù)的證券投顧產(chǎn)品還需要強大算力，以及其他大模型技術(shù)的助力?！彼毖浴?/p>

記者獲悉，基于大模型技術(shù)的證券投顧產(chǎn)品還面臨一大挑戰(zhàn)，就是AI生成內(nèi)容能否做到“合規(guī)”——不存在承諾收益率、夸大股票投資收益前景等誤導(dǎo)投資者的話術(shù)。

這令不少券商頗感頭疼，因為他們發(fā)現(xiàn)AI生成內(nèi)容未必“受控”，一旦出現(xiàn)上述誤導(dǎo)投資者內(nèi)容，則很可能面臨監(jiān)管部門問責(zé)。

張福明直言，為了解決這個問題，他們決定從輸入、輸出兩個關(guān)鍵環(huán)節(jié)做起，無論是輸入端——領(lǐng)域大模型的訓(xùn)練語料信息，還是輸出端——大模型的生成內(nèi)容均須通過AI合規(guī)能力矩陣的模型服務(wù)檢測，保證大模型輸出內(nèi)容的合規(guī)性。

“如果在源頭輸入與信息輸出兩端均實現(xiàn)內(nèi)容合規(guī)，即在輸入高質(zhì)量數(shù)據(jù)集與輸出合法合規(guī)內(nèi)容的雙重保障下，提供給投資者的AI生成內(nèi)容可保持在安全合規(guī)邊界內(nèi)?！彼毖?。但為了確保萬無一失，他們?nèi)孕璨粩嗉涌齑竽Ｐ偷俣?，及時杜絕各個隱患出現(xiàn)。

證券投顧大模型的諸多挑戰(zhàn)

記者多方了解到，要讓大模型技術(shù)成功應(yīng)用在證券投顧場景，絕非易事。

目前，部分券商為了加快相關(guān)產(chǎn)品研發(fā)，采取“套殼方式”，即在通用大模型基礎(chǔ)上加入某些指令微調(diào)，從而研發(fā)大模型證券投顧產(chǎn)品。

但是，這類產(chǎn)品往往會出現(xiàn)“答非所問”狀況。比如當(dāng)投資者問起“我的某只股票為何今天沒有跟隨指數(shù)上漲”，“目前我投資的某只股票所屬行業(yè)發(fā)展趨勢與上下游業(yè)績狀況如何”等相對復(fù)雜問題時，通用大模型未必能給出針對性的答案。

在張福明看來，用于證券投顧的大模型技術(shù)，需要自研，才能在感知能力、思維決策、內(nèi)容輸出能力等方面呈現(xiàn)專業(yè)性、嚴(yán)謹(jǐn)性與準(zhǔn)確性。

“事實上，證券投顧的大模型技術(shù)底層語料信息相當(dāng)復(fù)雜，包括知識圖譜（產(chǎn)業(yè)鏈上中下游全貌）、事理圖譜（事件脈絡(luò)及影響關(guān)系等投資邏輯）、分析師觀點與上市公司財報研報等。這都需要專業(yè)金融機構(gòu)長期積累?！彼嬖V記者。此外，專業(yè)金融機構(gòu)還需了解投資者經(jīng)常提出的問題，以及這些問題所需的解答方向，才能對這些底層語料信息進(jìn)行有針對性的反復(fù)預(yù)訓(xùn)練，達(dá)到精準(zhǔn)答復(fù)的效果。

他直言，為了自研九章證券領(lǐng)域大模型，將積累10多年的宏觀數(shù)據(jù)、行情數(shù)據(jù)、資訊數(shù)據(jù)、公告數(shù)據(jù)等行業(yè)通用知識庫以及深度研報、特色指標(biāo)、政策解讀、市場分析、熱點題材、課程教學(xué)、首席診股、公告掘金等特色知識庫融合，完成大模型證券行業(yè)知識增強訓(xùn)練，確保大模型具備證券領(lǐng)域的語言理解、文本生成、對話問答、邏輯推理等能力。

“未來，我們計劃將上市公司更多財報研報融入大模型訓(xùn)練范疇，進(jìn)一步豐富AI生成內(nèi)容，解答投資者更多疑問?！?張福明向記者指出。

在業(yè)內(nèi)人士看來，盡管通過一段時間的預(yù)訓(xùn)練，證券領(lǐng)域大模型開始具備諸多能力，但在實際操作環(huán)節(jié)，AI生成內(nèi)容能否做到“萬無一失”的合規(guī)，仍是一大挑戰(zhàn)。

畢竟，不同投資者對證券領(lǐng)域大模型的“內(nèi)容解答需求”截然不同，對“金融小白”而言，他主要通過大模型快速獲取各類金融信息，加深對上市公司的了解；對“職業(yè)股民”而言，他更希望大模型能提供大盤分析、挖掘板塊、熱點追蹤等服務(wù)；對專業(yè)投資人而言，他還希望大模型能提供策略生成、個股診斷、事件推理、情緒陪伴等服務(wù)體驗，但面對不同投資者的差異化需求，證券領(lǐng)域大模型的每次“AI生成解答”能否都做到合規(guī)（不存在任何承諾收益或夸大股票投資收益等誤導(dǎo)話術(shù)），挑戰(zhàn)不小。

記者了解到，部分券商對此嘗試多個大模型底層技術(shù)，但效果甚微。其中一個重要原因，是當(dāng)新語料內(nèi)容加入大模型預(yù)訓(xùn)練后，AI生成內(nèi)容時常會出現(xiàn)一些“誤導(dǎo)投資者”的措辭。

張福明對此指出，要解決這個問題，專業(yè)金融機構(gòu)需要從源頭輸入與信息輸出兩端做好合規(guī)監(jiān)測。在此雙重保障下，提供給投資者的AI生成內(nèi)容就能夠保持在安全合規(guī)邊界內(nèi)。此外，專業(yè)金融機構(gòu)還需對大模型不斷迭代升級，持續(xù)建立完善、有效的合規(guī)審核過濾機制，確保大模型技術(shù)能始終給出合規(guī)的“解答”。

在他看來，要做好這項工作，自研大模型是不可或缺的。即便它需要專業(yè)金融機構(gòu)的長期投入。

千人千面投顧服務(wù)時代來臨？

值得注意的是，隨著大模型技術(shù)開始應(yīng)用在證券投顧場景，業(yè)界普遍認(rèn)為“千人千面”投顧服務(wù)時代或悄然漸行漸近。

上述券商人士向記者透露，大模型技術(shù)正令“千人千面”證券投顧服務(wù)頗具可行性。只要大模型能正確識別每個投資者的差異化信息需求、信息表達(dá)風(fēng)格偏好等，就能做到因人而異的投顧服務(wù)。

但他直言，要做好這項工作，還需解決一大挑戰(zhàn)，就是如何讓大模型能準(zhǔn)確識別每個投資者的差異化信息需求與信息表達(dá)風(fēng)格偏好等。這背后，是大模型投顧產(chǎn)品研發(fā)者需做好兩件事，一是向大模型輸入不同投資者的性格特點、問答偏好等信息，以便大模型更準(zhǔn)確地“了解”投資者不同特征；二是在大模型預(yù)訓(xùn)練環(huán)節(jié)，能針對不同投資者性格與問答偏好，對同一個內(nèi)容話題進(jìn)行差異化“訓(xùn)練”，從而產(chǎn)生不同表達(dá)風(fēng)格的話術(shù)。

“這需要大模型做大量的內(nèi)容擬人化訓(xùn)練。” 張福明告訴記者。九章證券領(lǐng)域大模型與科大訊飛星火認(rèn)知大模型開展合作，一個重要目的就是提振AI生成內(nèi)容的“擬人化”能力，可以讓它適應(yīng)不同投資者的問答偏好。

他透露，通過調(diào)研發(fā)現(xiàn)，不少投資者不喜歡四平八穩(wěn)的解答，有些偏好語調(diào)活潑一些，有些則希望語氣親和力強，也有投資者更強調(diào)通俗簡短。

在張福明看來，當(dāng)證券投顧大模型能充分實現(xiàn)AI生成內(nèi)容“擬人化”，千人千面證券投顧服務(wù)的基礎(chǔ)將更加牢固。

“我們還與科大訊飛星火認(rèn)知大模型還在開展一系列新合作，在投顧場景及時準(zhǔn)確地解答投資者其他非相關(guān)問題，提供有溫度、人性化、多場景的產(chǎn)品服務(wù)體驗?！彼蛴浾弑硎?。如此證券投顧大模型或許才能實現(xiàn)真正意義上的“千人千面服務(wù)”。