21世纪经济报道李览青上海报道

人工智能写研究报告，做投资的时代可能已经到来。

2月5日，财通证券李团队利用ChatGPT撰写了医美行业研究报告《ChatGPT实测：提高外在美，增强内在自信——医疗美容革命》。

在这份由ChatGPT独立撰写的研究报告中，详细描述了医美行业的定义、发展历程、项目分类、产业链，阐述了全球医美市场的发展趋势和监管，介绍了当前轻医美的兴起、中国医美市场现状及相关法律法规和合规要求，统计了全球医美行业的主要参与者，甚至对疫情发生后的中国及全球医美市场进行了预测。

人工智能研究实验室OpenAI发布的聊天机器人ChatGPT预计将在今年1月达到1亿月活跃用户。如今，商业化后的ChatGPT、AIGC等概念股在a股市场持续火热，智能、海天盛瑞、从云科技、初灵信息、汉王科技等概念股领涨，上周涨幅均超过60%。

对于金融行业来说，ChatGPT的出现在惊艳众人的同时，也带来了一个更现实的问题。在智能投研不断发展的背景下，未来投资分析师和投资顾问的岗位会被机器人取代吗？

向认知智能迈进一大步

“ChatGPT就像一个个体，在能力和情商上接近一个中层员工。”

在经历了ChatGPT之后，某券商投资团队负责人向记者发出了这样的感慨。相对于以往的一些人工智能客服，ChatGPT对于投资相关的一般性问题的回复非常得体，对于自己不了解的地方也非常坦诚。

ChatGPT的人性化得益于其认知智能水平的进一步提升。

“ChatGPT理解意图的能力达到了非人类在理解人类语言方面从未达到过的巅峰。”恒生电子首席科学家白说告诉记者，ChatGPT模型爆火的原因，在于其理解人的语言、生成人的自然语言已经达到一个新的境界.

人工智能的三个层次是计算智能、感知智能和认知智能，ChatGPT代表了认知智能的一大进步。

据通联数据高级算法专家薛伟介绍，机器的存储和计算能力早已超越人类，视觉、听觉、触觉等机器感知能力也广泛应用于各行各业，其中最具挑战性的是认知智能，需要具备理解和思考能力，在掌握大量知识储备后进行推理和决策。

“ChatGPT模型存储了很多知识，可以做一定程度的推理，表现出一些以前小模型没有出现过的能力。”薛伟指出，ChatGPT打破了模型性能相对于模型规模的线性增长规律，实现了指数级增长。未来，随着更大语料库数据的使用和其他技术进步，大模型有望继续提高认知智能水平。

白说告诉记者，ChatGPT具有很强的命令学习能力，它能理解的任务命令不仅包括答题，还包括信息检索、文章写作、解题、编程、作文等。同时，ChatGPT能够准确捕捉由语境决定的代词指代，在多轮对话中准确识别意图。

ChatGPT如何写研究报告等需要逻辑支撑的文档？

他指出，ChatGPT生成的文本的逻辑是基于“思维链”技术.机器通过接受人类的指导和训练，学习如何将分散的事件、观点和证据组装成细致的叙述或论述。要在如此大粒度的“论据-论据”上实现现场组装，需要高强度的人工训练，排除很多无法正确的路径和分支。这是基于人类反馈的强化学习。

分析师和财务顾问会失业吗？

对于金融行业来说，可以独立撰写研究报告，服务水平相当于中级投资的ChatGPT是否可以取代投资分析师和财务顾问？

对此，ChatGPT给记者的回答是：“它代替不了投资顾问，投资顾问可以根据客户的独特情况提供个性化的投资建议，这是我代替不了的。”风险方面，ChatGPT表示其应用基于客户信息，存在隐私泄露风险。同时，ChatGPT承认其应用也存在一些准确性问题，因为它是基于人工智能技术的，其准确性取悦于所使用的算法和训练数据，无法替代投资顾问的人际关系和投资经验。但ChatGPT表示可以替代投资分析师，因为可以根据公司需求，结合市场趋势分析和数据分析，为公司提供投资决策建议，促进公司利润增长。

财通证券在使用ChatGPT撰写研究报告后指出：“不可否认，ChatGPT在文字表意和标题书写方面具有较高水平，但使用这种直接生成翻译模式形成的报告在标点和术语方面存在明显错误，无法获知引用数据的来源和可靠性，部分复杂句子翻译后表意不清。”

“ChatGPT就像一个优秀的实习生。”某券商债券分析师团队负责人对记者表示，目前这是一个很好的工具，但由于国内培训数据更新不及时，其知识储备仍然不足。

另一家券商的债券分析师告诉记者，ChatGPT目前只能做最基础的科普研究，主观内容还很难替代。每个领域都有自己的研究逻辑，ChatGPT还没有掌握。

在投资领域，目前中国已经在智能客服和智能投资顾问方面展开了探索。

在浙江大学金融科技研究院首席金融科技专家邵会看来，国内网络理财的智能客服往往会识别用户的意图，并匹配到特定的对话模板。

来实现服务。如2017年支付宝的理财客服“支小宝”的前身“安娜机器人”试图将金融知识图谱与客服机器人和闲聊机器人结合，期望通过基于深度学习的自然语言处理模型处理复杂的市场信息，帮助个人客户做出理性投资，但是存在许多问题，其中一个主要问题，是当时的对话模型缺乏多轮对话能力，如今ChatGPT在多轮对话上取得了重大突破，但对于金融理财或投资仍存在问题。

“金融投资需要多样性。”邵辉指出，当投资者向ChatGPT提问时，可能会得到类似的答案，这主要是由于大规模预语言训练模型难以保证出现多样化答案，因此在智能投顾流程中，ChatGPT只能作为重要环节，而非主导环节，个人偏好也应由用户自己决定，而不是由机器决定或诱导。

通联数据智能投研业务中心总经理许丹青则认为，机器人目前难以替代人工投资顾问的情感陪伴价值。她表示，在不同的市场情况下，投资顾问需要对投资者进行情感陪伴与长期投资者教育，但ChatGPT对于回答的真假认定尚不清晰，理财领域需要的专业市场知识、以及资产配置模型等尚有欠缺，另外在情感陪伴方面，暂时无法像真人一样提供场景化、兼具专业与同理性的顾问服务。

ChatGPT在金融领域的落地畅想

在金融领域，ChatGPT以及其代表的AIGC（人工智能技术生成内容）的商业化落地还有多远？

据薛伟介绍，在投研领域，ChatGPT主要应用的大规模预训练语言模型技术已被广泛投入使用。

数据结构化方面，通过在金融领域经过优化的大模型，实现公告和研报等数据的结构化，大幅提高数据生产效率。另类数据挖掘方面，通过大模型在海量的非结构化文本中挖掘投资信号，针对股票、债券等各类标的，生产丰富多样的情绪数据。在搜索引擎中，大模型能够大幅提升语义搜索的能力，面对复杂多变的语言数据，准确的找到满足用户需求的结果。内容生成方面，基于大模型强大的语言生成能力，完全依赖模型或者通过辅助人工的方式，提高内容生成的效率和质量，包括辅助研究员写研报等场景。投顾领域的技术主要在于知识库的结构化整理、智能问答的实体抽取与上下文识别，对答案进行结构化整合等。

若将ChatGPT引入金融业，白硕表示，还需要解决ChatGPT在金融领域落地的“最后一公里”。

白硕告诉记者，如今ChatGPT可以在公网部署，在运营使用中不断迭代，这是基于它这个大模型的原始能力。但当其引入垂直金融领域落地时，其预训练环节还需要调整。一方面需要做加法，用金融领域的私有、专有数据对其进行增强样本的训练，补足通用模型在金融领域的短板；另一方面需要做减法，将超大模型中金融领域用不到的资源摘除。

“未来，需要将专业性的应用系统，如金融领域已有的专业数据库、专业知识图谱及其他资源，与ChatGPT的意图理解能力、语言生成能力以及场景掌控能力进行对接，解决商业化落地的最后一公里。”白硕表示。