今年，大語言模型的崛起引發(fā)了各行各業(yè)對AI技術(shù)的革新與商業(yè)應(yīng)用的思考。尤其在金融行業(yè)，AI有非常多的應(yīng)用場景。以投研領(lǐng)域為例，信息爆炸是長期存在的問題，數(shù)據(jù)統(tǒng)計，2022年線上公開會議的數(shù)量是疫情前的18倍，上市公司調(diào)研數(shù)量較2019年增長了219%。
再加上公募基金費(fèi)率改革方案的正式落地，倒逼機(jī)構(gòu)加大其投研能力的創(chuàng)新建設(shè)，從而實(shí)現(xiàn)降本增效。在此過程中，以大語言模型為代表的AI技術(shù)，或許是解開投研行業(yè)困局的核心密鑰。
那么，投研行業(yè)機(jī)構(gòu)轉(zhuǎn)型的趨勢是什么？在以AI為代表的金融科技的賦能下，投研行業(yè)數(shù)字化轉(zhuǎn)型的痛點(diǎn)和機(jī)遇分別在哪里？圍繞投研行業(yè)的諸多話題，藍(lán)鯨財經(jīng)獨(dú)家采訪到了訊兔科技的創(chuàng)始人兼CEO李羅丹。
【資料圖】
訊兔科技是面向金融行業(yè)的智能信息服務(wù)公司，而其創(chuàng)始人李羅丹曾任嘉實(shí)基金Data Lab兼研究部副總監(jiān)，擁有豐富的投研業(yè)務(wù)及管理經(jīng)驗。于2020年榮登“福布斯中國30歲以下精英榜”，擁有普渡大學(xué)工業(yè)工程本科以及芝加哥大學(xué)公共政策碩士學(xué)位。2021年，李羅丹與幾名志同道合的合伙人一起創(chuàng)立了訊兔科技。
藍(lán)鯨財經(jīng)：上述政策背景下，于整個投研行業(yè)而言的機(jī)遇和挑戰(zhàn)分別在哪里？
李羅丹：從政策層面看，此次費(fèi)率改革給行業(yè)格局帶來多重影響，無論對于資管還是券商，均可能出現(xiàn)頭部與中尾部機(jī)構(gòu)分化的可能。頭部機(jī)構(gòu)會持續(xù)投入加強(qiáng)競爭壁壘，而中長尾機(jī)構(gòu)則傾向于優(yōu)化配置以降本，應(yīng)對收入挑戰(zhàn)。其中，對于頭部券商，綜合機(jī)構(gòu)內(nèi)能力形成差異化競爭是將是趨勢。不斷加劇的行業(yè)競爭，也將倒逼市場數(shù)字化研究服務(wù)、數(shù)字化系統(tǒng)建設(shè)的進(jìn)程加速。
從技術(shù)發(fā)展層面看，近期以大模型為代表的 AI 技術(shù)突破為投研信息服務(wù)帶來了新范式，當(dāng)前大語言模型具備了基礎(chǔ)的思維框架能力，隨著技術(shù)發(fā)展和開源，基座大模型的能力可能會趨同，影響模型能力的是行業(yè)內(nèi)優(yōu)質(zhì)的數(shù)據(jù)。
藍(lán)鯨財經(jīng)：從市場環(huán)境來看，投研機(jī)構(gòu)已經(jīng)積極擁抱數(shù)字化轉(zhuǎn)型，在轉(zhuǎn)型過程中痛點(diǎn)和抓手分別在哪里？
李羅丹：首先我們堅定數(shù)字化是為了更好的助力業(yè)務(wù)，賦能業(yè)務(wù)。我們能看到，越是以業(yè)務(wù)做驅(qū)動的數(shù)字化轉(zhuǎn)型，其轉(zhuǎn)型的投入產(chǎn)出比會更高，效果更好。而數(shù)字化在具體的業(yè)務(wù)應(yīng)用過程是要分階段解決問題的。
第一步是業(yè)務(wù)的線上化，將之前傳統(tǒng)線下操作的流程逐步移到線上，用線上系統(tǒng)進(jìn)行管理，才能將所有數(shù)據(jù)進(jìn)行搜集和管理。第二步，當(dāng)擁有龐大的數(shù)據(jù)基礎(chǔ)后，企業(yè)可以從業(yè)務(wù)的數(shù)據(jù)化向數(shù)據(jù)的業(yè)務(wù)化推進(jìn)。比如，通過這些數(shù)據(jù)，可以分析每個基金經(jīng)理的擅長項及薄弱項，復(fù)盤也將更加具有數(shù)據(jù)依據(jù)。第三步就是智能化。智能化的過程本質(zhì)上是把數(shù)據(jù)從生產(chǎn)資料變成生產(chǎn)力。作為生產(chǎn)力可以把一些最基礎(chǔ)的重復(fù)性動作替代掉。從長期看，這對行業(yè)是很有益處的，可以將人在大量重復(fù)性的工作中釋放，從而聚焦在創(chuàng)造更多認(rèn)知層面的價值輸出上。
所以數(shù)字化轉(zhuǎn)型對這個行業(yè)有巨大的幫助，但它會經(jīng)歷不同階段。當(dāng)前已經(jīng)有很多機(jī)構(gòu)從業(yè)務(wù)的數(shù)據(jù)化走到了一個數(shù)據(jù)的業(yè)務(wù)化，可是當(dāng)市場認(rèn)為走到了智能化階段時，智能化反而才剛剛開始。
藍(lán)鯨財經(jīng)：從科技發(fā)展層面來看，今年AICG的大爆發(fā)對于投研行業(yè)而言意味著什么？以AICG為代表的科技于投研行業(yè)數(shù)字化轉(zhuǎn)型有何助力？
李羅丹：我認(rèn)為AICG對行業(yè)的助力很大。在生產(chǎn)端層面，成本被大大降低。在以往，開一場兩至三小時的會議，其中大量的會議紀(jì)要是需要人工整理的，這非常耗費(fèi)時間和人力成本。訊兔就通過Alpha派【AI紀(jì)要助理】幫助行業(yè)解決這個問題?；谧匝袑＞珮I(yè)務(wù)處理模型研發(fā)的AI紀(jì)要助理，可以將會議音頻轉(zhuǎn)成文字，并自動提取會議的核心信息，大幅壓縮需閱讀的文字。往常用戶需要閱讀上萬字的翻譯文字再梳理，而經(jīng)過AI紀(jì)要助理處理過的會議紀(jì)要，用戶僅需花費(fèi)十分鐘即可清晰的掌握會議信息。上述例子說明了通過AI可以大大釋放生產(chǎn)力，同時這也是AI+投研垂直領(lǐng)域非常好的實(shí)踐點(diǎn)。
藍(lán)鯨財經(jīng)：訊兔為什么聲稱是最懂投研機(jī)構(gòu)的科技公司？
李羅丹：從訊兔流淌的血液來看，我們整個合伙人團(tuán)隊深耕二級市場多年，從業(yè)務(wù)層面來看，我們了解得比較透徹。此外，我們在初創(chuàng)時期到現(xiàn)在，一直保持著一個習(xí)慣——客戶調(diào)研。訊兔擁有諸多行業(yè)調(diào)研資料，了解客戶不同時期的痛點(diǎn)和需求。從這兩點(diǎn)可以看出，訊兔就是要走以業(yè)務(wù)為驅(qū)動的數(shù)字化轉(zhuǎn)型賦能，我們所有的科技研發(fā)，都緊緊圍繞業(yè)務(wù)的數(shù)字化服務(wù)。
這番堅持，讓我們在AI如何結(jié)合業(yè)務(wù)、以及進(jìn)一步讓這項技術(shù)落地的實(shí)踐之中，更有信心。因為我們了解用戶工作中的行為習(xí)慣、邏輯思路，并用許多的模型去學(xué)習(xí)、調(diào)優(yōu)。例如，在繁忙的中報季，我們關(guān)注到僅8月中下旬日均會議數(shù)量達(dá)三百場，這段期間用戶需要關(guān)注大量的研報信息，我們深入了解用戶的信息關(guān)注點(diǎn)，例如公司的業(yè)績指引，產(chǎn)能產(chǎn)線，訂單預(yù)期等等數(shù)據(jù)，通過AI快速將這些指標(biāo)統(tǒng)統(tǒng)都整理好。用戶對關(guān)心的指標(biāo)與信息還可以一鍵定位到原文查看具體內(nèi)容，大幅減少搜索數(shù)據(jù)時間成本。
藍(lán)鯨財經(jīng)：Alpha派在當(dāng)前階段核心解決了行業(yè)哪些痛點(diǎn)？
李羅丹：首先解決信息不對稱以及信息爆炸問題。據(jù)調(diào)研得知，投研用戶平均每人有450+個微信群、13個資訊類APP、2750+條每日群消息。行業(yè)上公開路演平均每日208場、研報平均每日750+篇、線上路演會議數(shù)量是疫情前的18倍。
用戶每天需要面對的信息太多、太雜、太散，非結(jié)構(gòu)化、多模態(tài)數(shù)據(jù)的占比越來越高。
訊兔將多渠道、多模態(tài)的信息聚合起來，以SaaS形態(tài)形成了Alpha派這款all in one的信息流產(chǎn)品。除了聚合，我們通過用HI+AI模式對信息進(jìn)行深度加工，解放生產(chǎn)力。從結(jié)果上來看，我們?yōu)橛脩羲茉炝诵畔⒌臅r間差、信息的數(shù)量差、以及信息的質(zhì)量差。當(dāng)你知道得比別人快，知道得比別人多，知道得比別人深，那么你的決策理所當(dāng)然也將更科學(xué)與準(zhǔn)確，這也是投資者能實(shí)現(xiàn)超額收益的底層邏輯。
關(guān)鍵詞：
