财富管理及資産管理或是金融行業中AI賦能空間最大的領域之一，我們在本報告中詳細梳理AI在财富資管機構主要業務流程中的應用，探讨人工智能+财富及資管行業的未來趨勢，展望AI浪潮下的産業鍊發展及競争格局。
摘要
Q1：AI大模型如何賦能财富及資管機構？我們總結AI有助于：1）營銷獲客與轉化：擴大獲客半徑、識别潛在使用者、優化營銷體驗；2）客戶營運及陪伴：完善内容生态、整合平台功能、提升陪伴體驗；3）産品組合與推介：賦能客戶及産品側資料刻畫及分析、優化比對流程；4）投研及投資：提升“搜”“讀”“算”“寫”“用”各環節的效率；5）風險管理：助力實時跟蹤産品風險并模拟風險事件；6）交易：改善債券交易資訊不對稱、提升流動性；7）背景系統支援，支援資訊傳遞及平台建設、全面降本增效。
Q2：AI+财富及資管行業的趨勢展望？1）産業環節：我們認為AI或在營銷獲客、客戶營運、産品推介、投資投研四個環節有更大空間，尤其AI+投研和投顧或能帶來更大的價值增量；2）不同客群：AI或對長尾C端/小B領域帶來更大的颠覆性影響，但對高淨值及機構業務更多是提效賦能及漸進式的變化；3）應用場景：目前的探索集中在業務場景簡單的非決策類環節，而較難直接應用在對金融領域專業能力要求較高、涉及提供強投資建議、涉及核心分析決策任務的業務環節，但未來随着AI大模型學習能力逐漸加強、我們預計其将展現出一定的預測能力；4）潛在風險：重點關注金融消費者權益保護、數字鴻溝、以及順周期性/羊群效應等領域。
Q3：AI将如何影響财富及資管行業格局？1）産業分工：由于産融分離/持牌經營等要求、同時金融機構出于自身投入/技術儲備等方面的考量，AI浪潮下金融機構與科技公司或将形成更加緊密的“競合”關系；2）内部對比：不同機構之間最終比拼的是誰能在金融業務中更好地使用AI并提升競争力——金融機構需結合重點業務場景、在大模型應用在發揮自身金融專長，網際網路平台通過AI加持提升流量和使用者粘性、與金融機構深入合作提升貨币化轉換，持牌金融科技公司聚焦自身擅長業務領域、通過AI擴大領先優勢，創業科技公司深耕To B細分服務場景、獲得标杆金融機構客戶的青睐；3）競争格局：頭部機構依托規模優勢掌握更多主動權，看好具備牌照資源/金融專長/業務場景/數字能力的頭部金融機構及金融科技公司、同時部分中小公司亦或在部分垂直領域實作突破。
風險
市場大幅波動、監管不确定性、行業競争加劇、AI進展不及預期。
正文
AI大模型如何賦能财富及資管機構？
我們圍繞财富及資管機構的七個主要業務環節，對其主要工作内容及主要痛點進行梳理，并深入探讨現階段人工智能對各個業務環節的賦能情況，整體而言，AI、尤其是AI大模型，可在營銷獲客與轉化、客戶營運及陪伴、産品組合與推薦、投研及投資、風險管理、交易、背景支援等主要環節對财富管理及資産管理機構賦能、提質增效的同時更好提升使用者體驗。
圖表1：AI圍繞财富及資管機構的七大主要業務環節實作全方位賦能
資料來源：公司官網，公司公告，中金公司研究部
環節一：營銷獲客與轉化——AI助力擴大獲客半徑、識别潛在使用者、優化營銷體驗
► 财富及資管機構在獲客轉化環節常面臨營銷觸達有限、獲客針對性弱、客戶轉化率低等痛點。經曆了營業網點擴張以及移動網際網路浪潮後，各類财富及資管機構已形成各自的客戶基礎，但是整體痛點仍然存在：1）營銷觸達有限：财富及資管機構通過線上和線下管道的使用者觸達均存在覆寫半徑的問題，尤其對于以線下服務為主的機構而言、其客戶觸達範圍很大程度上受到自身銷售團隊人數的制約，同時網際網路财富管理平台亦面臨流量擷取的瓶頸問題。2）獲客針對性弱：在不清楚客戶畫像及其潛在需求的情況下盲目觸達，會提高财富及資管機構的營銷成本、降低獲客效率。3）客戶轉化率低：部分機構給客戶帶來的營銷體驗欠佳，線下/線上銷售團隊對客服務能力不足，在很大程度上影響客戶的開戶意願、使用者付費轉化率仍然偏低。
► AI有助于擴大營銷半徑、識别潛在使用者、優化營銷體驗。1）在營銷覆寫面上，從不同的營銷方式來看，AI、尤其是目前AI大模型能夠較好地賦能對客工作流程，在面客營銷中，AI可以協助銷售團隊進行獲客準備工作，幫助整理客戶資訊并生成相關營銷材料，提升客戶拜訪的效率；在廣告營銷中，AI通過生成文字、圖檔、視訊等内容輔助營銷；在直播營銷中，AI虛拟主播可以協助人工主播，24小時不間斷與使用者互動；在電話營銷中，AI智能客服的介入可以降低人工在獲客環節的參與率，提升單個銷售人員的服務半徑。2）在獲客針對性上，AI的應用可以基于使用者在快手、抖音、微網誌等平台上的浏覽、點贊、評論等行為資料，快速識别使用者需求并打上相應标簽，随後交由銷售團隊進行獲客轉化。3）在客戶轉化率上，在AI獲客話術、AI問題解答等功能的加持下，銷售人員能夠提升對客營銷的服務能力；特别地，線上上的電話/直播營銷等環節中，語音大模型、ASR、TTS等技術使得AI語音更為拟人化，語義、音色、口頭禅等基本能做到與真人無異，進而有助于大幅提升客戶應答率和轉化率。
環節二：客戶營運及陪伴——AI助力完善内容生态、整合平台功能、提升陪伴體驗
► 内容體系薄弱、平台功能繁雜、陪伴體驗欠佳，是财富及資管機構在客戶營運及陪伴環節面臨的三個主要問題。各類機構通過打造财富資管生态圈以及提供持續的客服陪伴，進而提升客戶粘性，從服務的寬度和長度兩個次元實作客戶的持續轉化，但在此過程中，财富及資管機構仍然面臨一些痛點和問題：1）内容體系薄弱：社群貼吧、新聞資訊、投資者教育專欄等，都是提升客戶服務使用時長的有力抓手，但部分機構由于在内容營運上經驗缺乏，平台上缺少優質的内容提供。2）平台功能繁雜：結合主要财富及資管機構的App，我們發現其中的工具型子產品基于不同的投資政策研發，由于投資政策較為獨立，是以工具型子產品較難以整合，在平台中呈現出分散、割裂的特征；同時，其中的服務型子產品基于使用者不同理财需求提供針對性服務，但由于使用者需求的多樣性，子產品數量也相對繁雜。3）陪伴體驗欠佳：在高淨值客群的私人顧問模式以外，對于較多财富及資管機構、尤其是線上平台而言，其使用者難以擷取貼身的投顧陪伴服務，問題解答、投後管理、情緒價值等方面的服務仍然不夠到位。
► AI有助于完善内容生态、整合平台功能，同時提供專屬客戶服務并提供情緒價值。1）在内容生态上，AI、尤其是大模型的應用可以降低内容生産門檻，快速豐富社群内容；同時，AI有助于迅速捕獲市場熱點并産出資訊，大幅降低資訊時滞；此外，AI可以輔助财富及資管機構根據使用者自身專業知識的掌握程度提供差異化的投教服務。2）在平台功能上，功能子產品與“拼圖”類似，拼圖越多、所能補齊的使用者需求越為多樣，但繁瑣的功能對使用者體驗并不友好，而AI作為一種可以按需配置設定的技術手段來對衆多的子產品進行合理調用，同時生成式AI助力下對話式的互動方式也更加使用者友好。3）在陪伴體驗上，AI使得人人擁有私人顧問成為可能，“一對一”的服務能有效提升投資者陪伴體驗，同時生成式AI能夠進一步釋放更多人工投顧産能，人工投顧可以将更多精力投入至高淨值客戶服務中。
環節三：産品組合與推介——AI助力客戶及産品側的資料刻畫及分析、優化比對流程
► 财富及資管機構在産品組合與推介環節，面臨對客戶及産品的資料次元有限、分析能力不足、資訊傳遞效率不高等問題。目前各類機構需要深入洞察使用者需求、清晰把握産品特點，實作使用者和産品的有效比對，真正從客戶的立場出發提供服務。對财富及資管機構而言，往往需要通過KYC/KYP來建立使用者及産品畫像，但在此過程中面臨一些問題：1）資料次元上，目前大多 KYC流程仍隻停留在客戶資産情況、風險偏好等基本層面，而KYP通常也局限在産品收益率等有限次元，較低的資料次元難以形成全面的畫像。2）分析能力上，使用者畫像以及産品屬性需要基于投顧的分析能力進行提煉，進而掌握使用者的核心财富管理需求并為其配置合适的産品組合，但投顧往往無法處理繁雜的資料，使用者及産品标簽難以細化、比對效果欠佳。3）資訊傳遞上，投顧需要兼顧使用者和産品兩側的資訊，使用者的需求在實時發生變化，投顧需要通過面訪/線上聯系等方式進行動态更新、以實時捕捉使用者需求動向，同時産品團隊也通過不斷釋出産品手冊來呈現産品近況，随後投顧需閱讀大量的文字材料來了解并更新産品組合資訊；在此過程中，使用者及産品兩側資訊傳遞的效率仍有待提升、使投顧更快掌握更新更全面的資訊。
► AI拓寬客戶及産品側的資料采集次元、并提升資料分析能力，同時能夠提高産品-投顧-客戶間的資訊傳遞效率。1）豐富資料次元：AI、尤其是大模型的應用可以取締使用者資訊收集過程中傳統的問卷調查模式，在提升使用者交流意願的同時，通過對話的方式引導使用者提供更為豐富的資訊，拓寬資料次元，強化畫像塑造的資料基礎。2）提升資料分析能力：AI大模型自身資料分析能力突出，一方面作為智能投顧，可實作高精度地比對産品特征與使用者需求，直接向客戶提供産品配置服務；另一方面作為投顧助手，向投資顧問提供精細化的使用者與産品标簽，輔助投顧進行決策、更好比對合适的産品給客戶。3）提升産品-投顧-客戶間的資訊傳遞效率：AI尤其是大模型的賦能可以降低投顧的學習成本、提升資訊傳遞效率，在使用者側，AI模型通過與使用者的高頻互動，實時向投顧回報使用者資訊，讓使用者的需求第一時間能夠被投顧捕捉；在産品側，AI模型通過對各個産品特征進行學習，投顧通過問答的方式，對産品情況進行初步判斷，這在一定程度上減少了投顧自身對産品的學習成本，提升了投顧與産品團隊的交流效率。
環節四：投研及投資——AI助力“搜”“讀”“算”“寫”“用”各環節效率全面提升
► 傳統投研及投資環節存在資訊類型繁雜、大量資料噪音、資料高度分散、生成效率較低、沉澱機制欠缺等主要問題。通過分析各類機構投研及投資的“搜”“讀”“算”“寫”“用”五大工作環節，我們總結現階段的潛在痛點及問題：1）資訊類型繁雜：盡管在資料收集初期投入較大的人力成本，也無法避免資料廣度和精度欠缺的問題；2）大量資料噪音：資訊價值提取效率較低，需要花費大量的時間去周遊資訊并篩選有價值資訊；3）資料高度分散：投研人員往往由于資訊整合及分析能力不足，導緻無法得出有效結論，部分投資條線人員缺少投資方法論，難以通過主動管理擷取超額收益；4）生成效率較低：資料内容呈現較為耗時，從投研人員自己得出結論到令他人了解結論存在時滞；5）沉澱機制欠缺：資料複用和共享較困難，對曆史材料的掌握程度較低導緻重複性勞動。
► AI通過對資訊的高效收集、整合、加工，全面提升投研及投資“搜”“讀”“算”“寫”“用”五大環節的效率。1）搜尋環節，AI大模型能夠通過對多管道、多模态資訊進行整合，快速響應資料收集請求，提升投研投資活動擷取資訊的效率；2）讀取環節，AI大模型能夠提煉核心内容，讓投研人員的資訊處理效率成倍提升；3）運算分析環節，AI大模型能基于經驗主義或金融理論主義，輔助投資觀點和決策的生成，而在直接進行投資決策群組合配置上亦有機構在進行探索；4）寫作環節，AI大模型可以承擔投研材料的生成工作，相關生成式功能已經成功嵌入部分投研工具當中，未來投研人員可以将更多精力投入到結論産出而非呈現材料的制作；5）複用環節，AI大模型有助于提升機構内部知識庫的檢索效率，友善資訊的二次調用，減少重複性勞動。
環節五：風險管理——AI助力實時跟蹤産品風險并模拟風險事件
► 财富及資管機構面臨風險種類繁多、曆史案例未必能刻畫未來潛在風險。财富資管行業涉及到的風險類型繁多，包括潛在的市場風險、流動性風險、信用風險等等，對風險進行實時高頻跟蹤至關重要。與此同時，過往有限的風險事件曆史案例往往也難以刻畫未來資産組合的潛在風險，财富資管機構需要更多模拟資料來對組合進行壓力測試。以貝萊德的阿拉丁系統為例，阿拉丁的風險管理能力衍生自強大的資料管理能力，公司的資料管理中心24小時運作、不間斷進行數十億個經濟場景的預測，并根據這些預測檢查資産組合中的每一項資産，對投資組合進行診斷；對比之下，其他大多數的财富及資管機構難以在風險管理層面進行類似體量的投入。
► AI可以實時跟蹤産品風險并模拟風險事件。AI大模型能快速完成資料的收集、整合、分析、生産過程，高頻捕捉市場最新動态、并識别傳導至資産組合的潛在風險，是以能被财富及資管機構用于實時監測資産組合的風險敞口，及時提示風險情況；與此同時，AI大模型可具備風險案例生産的能力，模拟極端場景對産品組合的影響，協助财富資管機構完成壓力測試，完善風險管理體系。
環節六：交易——AI助力改善債券交易資訊不對稱、提升流動性
► 交易環節存在指令非标準化、報價高度分散等問題。差別于股票等場内交易流動性較好的資産，在債券交易過程中缺乏高效的交易撮合機制、債券報價高度非标準化，同時資訊高度分散、以各種形式存在于社交平台之中，債券交易員需要花費大量的時間浏覽非标準化的報價資訊、繼而逐一比對交易需求，這導緻債券交易過程中的資訊不對稱問題突出、市場流動性差、債券交易滑點高。
► AI有助于緩解債券交易過程中的資訊不對稱問題。社交平台中的報價資訊多為文本形式，自然語言識别能力出色的AI模型或能精确識别報價内容，将非标準化的報價結構化，并形成交易訂單簿，聚合交易需求、便利交易活動、提升市場流動性。
環節七：背景系統支援賦能——AI助力資訊傳遞及系統平台建設、全面降本增效
► 财富及資産管理行業是資料密集型行業，沉澱了如金融交易、投研報告、風控授信、客戶畫像等高品質的資料資産，在對内或對外的工作流程當中從業人員會高頻調用資料資産、形成各種形式的内容用于資訊傳遞，在這一過程中AI能夠有助于降本增效；與此同時，财富及資産管理行業在資訊技術能力建設上仍有較大的發展空間，AI大模型的代碼生成能力有望幫助行業快速完善資訊系統建設，進而提升行業數字化水準。
AI+财富及資管行業的趨勢展望？
次元一：産業環節上，AI+投研和投顧或有望實作更大增量
► 财富管理及資産管理或是金融行業中AI賦能空間最大的領域之一。從需求-管道-供給架構出發，在财富及資管領域，需求側投資者資訊不對稱程度高、決策流程長，AI、尤其是AI大模型可賦能投資者教育、提升其資訊搜集能力和金融認知水準；管道側服務周期長、服務頻率高，同時受限于需求側決策流程長、供給側産品服務存在較大不确定性（如收益率波動），供需比對效率較低，是以管道側需要更強的營銷、營運能力以及持續的客戶陪伴；供給側相較于信貸授信、保險精算領域主要依靠确定性、高精度的算法模型進行計算并得到結果，财富及資管領域分析決策中仍有較多主觀因素影響，且産品服務的不确定性相對較大，AI大模型能夠提升決策效率，使得财富資管決策多元化，提升市場有效性。是以，我們認為，相較于保險、信貸、支付等金融業務，AI尤其是AI大模型對财富管理及資産管理的賦能空間或更大。
► 對比财富及資管行業的各個環節，營銷獲客、客戶營運、産品推介、投資投研四個環節中AI或有更大應用空間，其中尤其AI+投研和投顧或能帶來更大的價值增量。相較于風控、交易、背景支援賦能等環節，從應用落地空間來看，券商、銀行、基金公司、網際網路及三方平台的财富資管業務在營銷獲客、客戶營運陪伴、産品推介、投資投研環節中存在較為顯著的痛點，為AI尤其是AI大模型的應用落地提供了優質場景，各類機構有望通過引入AI大模型技術快速補足能力短闆，目前已初步有較多相關應用實作落地；從潛在業務增量來看，目前财富資管市場仍存在使用者滲透率較低、投資者體驗較差、投資回報率較低等多種問題，AI大模型有望提升獲客轉化率、客戶留存率、投資收益率，尤其在投顧領域賦能财富資管機構買方模式；與此同時，投研領域龐大繁雜的資料量、對高效整合生産并輸出資訊的高要求，天然與AI尤其是大模型的特點相比對，AI的應用能夠更好賦能投研領域。
圖表2：财富管理及資産管理或是金融行業中AI賦能空間最大的領域之一
資料來源：中金公司研究部
圖表3：金融領域AI大模型應用圖譜
資料來源：螞蟻研究院，公司官網，公司公告，中金公司研究部
次元二：不同客群上，AI大模型對于長尾C端/小B使用者的影響或更大
► AI大模型或對于長尾C端以及小B使用者産生颠覆性影響。移動網際網路時代線上平台的興起，重塑了财富資管機構基于線下營業網點及服務所建立的早期競争格局，尤其對于長尾C端群體而言，線上服務能夠覆寫其大多數需求。往前看，在AI大模型範式下，我們認為對于長尾C端/小B使用者而言，AI尤其是大模型的能力或産生更大的颠覆性影響，未來或可能出現新的服務入口/超級應用（類似GPT Store，使用者通過對話的方式、在超級應用平台上擷取财富資管一站式服務），并将改變需求端使用者互動方式和管道側流量分發邏輯，我們預計未來傳統财富資管機構、金融科技公司、大模型供應商或都将有機會競争成為新的流量入口。
► AI大模型對高淨值及機構/企業業務上更多是漸進式的提效賦能。對于機構/高淨值/企業等客群而言，線上管道無法完全滿足客群需求，财富資管機構通常采用線下面對面交流的方式建立信任關系，并通常依賴自身核心專業能力完成客戶關系維系。我們認為，對于這些客群，線上下展業過程中AI大模型或難以改變使用者擷取及服務的方式，AI大模型更多情況下僅作為面向投顧的提效工具，對于高淨值及機構/企業客戶服務而言更多是漸進式、而非颠覆性的變化。
次元三：應用場景上，或從簡單的非決策類任務向複雜的決策類任務邁進
► AI大模型目前在财富及資管業務流程中主要應用于業務場景簡單的非決策類環節，而較難直接應用于對金融領域專業能力要求較高、涉及提供強投資建議、涉及核心分析決策任務的業務環節。首先，财富及資管行業具有知識密度高、時效性強、嚴謹性高等特點，目前AI大模型仍然存在專業短闆，AI大模型直接應用于财富資管領域專業任務的效果較差；其次，AI大模型在正常的基礎金融對話（如金融資訊、業務辦理等）方面已較能勝任，但涉及到專業度高、個性化強、較為複雜的對客服務方面，AI大模型仍需人工參與判斷，同時直接應用AI提供強投資建議亦存在一定的監管合規風險；最後，除專長欠缺之外，AI大模型仍有不可控（幻覺）、可解釋性差等問題，目前應用AI大模型進行決策的可行性尚不高。
► AI大模型目前更擅長對已有資料/資訊進行整理，但未來随着其學習能力的增強，或能展現出一定預測能力。事實上，目前已經出現基于經驗主義進行自适應學習的AI，在通用領域和投資決策領域均表現出色，我們預計未來随着AI大模型學習能力逐漸加強，AI有望進一步了解财富及資管業務的底層邏輯，從理論主義出發提升專業能力，降低不可控性，提升決策的可解釋性、進而在資産配置和投資決策上形成一定的突破。
AI如何影響财富及資管行業格局？
我們聚焦于AI+财富及資管産業鍊中的傳統金融機構、金融科技公司、科技公司及網際網路平台、創業公司等主體，探讨AI對行業格局的潛在影響。整體而言，我們認為，AI浪潮下科技公司與金融機構将形成更加緊密的“競合”關系，不同機構最終比拼的是誰能在金融業務中更好地使用AI并提升競争力，其核心仍是金融業務驅動、找準客群定位、夯實專業能力，我們看好具備牌照資源/金融專長/業務場景/數字能力的頭部金融機構及金融科技公司、同時部分中小公司亦或在部分垂直領域實作突破。
展望一：産業分工次元，AI浪潮下科技公司是否會替代金融機構？
科技公司是否會替代金融機構？不會，二者之間形成“競合”關系。一方面，金融行業兼具強監管屬性和高專業壁壘，金融機構和提供三方技術服務的科技及創業公司，由于産融分離、持牌經營等因素，更多形成互相合作的關系，尤其是在供給端，仍然需要由具備金融專長、牌照資源的金融機構和金融科技公司來提供優質的金融産品服務，而不具備金融專長、監管牌照、業務場景的科技公司及創業公司難以取代金融機構。另一方面，由于金融機構出于自身人力/精力、技術儲備等方面的考量，會多采取與三方服務商互相合作的方式來加強AI能力建設。目前金融機構更多與大模型供應商合作，而部分AI布局領先、具備牌照資源及業務場景的金融科技公司或自研大模型、賦能自身金融業務，或是對外合作賦能給其他金融機構。
圖表4：金融機構/金融科技公司與三方技術服務商形成互相合作的關系
資料來源：中金公司研究部
圖表5：目前國内代表性金融領域垂類AI大模型
資料來源：公司官網，公司公告，中金公司研究部
展望二：内部格局次元，各類機構如何應對AI技術的發展？
不同機構最終比拼的是誰能在金融業務中更好地使用AI并提升競争力，核心仍是業務驅動、找準客群定位、夯實專業能力。一方面，金融機構的AI能力建設跟三方服務商水準有關，也與自身在金融業務、科技儲備等方面的專業能力有關，且拉長時間來看，我們認為後者更為關鍵；對于科技公司來說，自身差異化專業能力更是關鍵；與此同時，AI相關的戰略定位及投入、資料基礎及配套的組織架構等是對于各類機構的共通能力要求，具體而言：
► 對于金融機構而言，相比于簡單的資金投入、AI投入及布局的方向或更為重要。其中，大型金融機構在存量客戶基礎、數字化水準、人力及資金儲備等各方面具備一定先發優勢，“馬太效應”下具備更多主動權；中小金融機構應當結合自己的業務轉型方向，圍繞将單點優勢業務做好的戰略目标、做相對應的AI投入（例如專注于财富管理轉型的特色券商或是緻力于打造賣方精品研究所的中型券商），把有限的資源投入在自身擅長或目标發力的領域，打造特色化、差異化、專業化能力。
► 對于科技公司/網際網路平台而言，1）大型網際網路平台在流量基礎、AI技術能力等方面具備優勢，可以作為流量入口，通過與持牌金融機構合作，依托AI賦能吸引使用者停留、并将金融産品及服務嵌入進行互動，進而進一步提升C端流量觸達、提高使用者粘性、增加付費轉化，或是結合AI增加To C付費功能點、探索新的變現模式；2）持牌金融科技公司或可在自身擅長的業務領域打造AI專長、形成更為專業的AI大模型，打造差異化的垂直領域優勢。
► 對于創業公司而言，考慮到其在C端或不具備流量及客戶基礎，在To C産品變現空間有限的情形下，或應更專注于To B産品服務的開發和外部合作，通過為B端客戶定制開發大模型或是相關應用、收取相應技術服務費進行變現，在此過程中，創業公司對于投入方向的選擇、資料品質及分析能力、對金融專業場景的了解等因素至關重要。
展望三：競争分化次元，不隻是“馬太效應”，還有“乘數效應”
看好具備牌照資源/金融專長/業務場景/數字能力的頭部金融機構及金融科技公司、同時部分中小公司亦或在部分垂直領域實作突破。
► “馬太效應”：強者恒強、頭部集中度提升。一方面，頭部金融機構擁有資金預算和業務規模優勢，有望掌握更多主動權，對比之下，中小機構受限于資金預算限制和業務體量、業務場景豐富度限制，我們認為可能與頭部金融機構的差距将被拉大，整體上由于技術投入存在門檻、供給側改革下行業集中度或将有所提升；但另一方面，部分數字能力領先、在細分領域金融專長較強的中小機構，以及對金融業務痛點洞察力強、且具備技術實力的金融科技公司，或有望在部分垂直領域實作突破（如投研及投顧環節）。
► “乘數效應”：體量優勢外、數字能力/金融專長等更為關鍵。AI需要緊密結合金融領域高品質資料提升金融能力、需要應用于金融業務場景對客服務/賦能從業人員才能創造業務價值，相較于部分僅擁有體量優勢的頭部機構，我們認為，在供給側擁有更強金融專長、在管道側擁有更強獲客及營運能力、在需求側擁有使用者資源且對需求深入洞察的頭部金融機構及大型持牌金融科技公司更有望脫穎而出。
圖表6：就競争格局而言，不隻是“馬太效應”，還有“乘數效應”
資料來源：中金公司研究部
文章來源
本文摘自：2024年4月23日已經釋出的《AI大模型+财富資管：賦能全場景、打造新格局》
樊優 分析員 SAC 執證編号：S0080522070009 SFC CE Ref：BRI789
鄭麗江 聯系人 SAC 執證編号：S0080122110025
姚澤宇 分析員 SAC 執證編号：S0080518090001 SFC CE Ref：BIJ003
蒲寒 分析員 SAC 執證編号：S0080517100003 SFC CE Ref：BNR210
周東平 聯系人 SAC 執證編号：S0080122090113
法律聲明