银行业：ChatGPT如何改变银行业？-230307（27页）.pdf

1、分析师梁凤洁分析师邱冠华邮箱邮箱电话021-80108037电话021-80105900证书编号S1230520100001证书编号S1230520010003研究助理赵洋证券研究报告行业评级：看好2023年3月7日ChatGPT如何改变银行业？摘要21、什么是ChatGPT？ChatGPT是什么？是将神经网络算法中的Transformer模型从理论变为现实的划时代应用。ChatGPT强在哪？算力强数据多。近4年，GPT历代模型的开发和训练得到了微软在资金（110亿美元）和算力（打造世界第五超级计算机）上的强力支持，目前能够处理千亿级参数，训练百TB级数据。训练模式领先。前三代GPT均采取无人

2、参与的预训练机制，ChatGPT新增人类反馈强化训练。开生成式先河。以算力和训练数据为支撑，ChatGPT能够准确理解各类问题，给予具有一定逻辑的开放式回答；还能够与提问者进行连续对话，不断修正给出的答案，这是前所未有的语言理解和表达能力。潜在价值巨大，未来ChatGPT技术与其他人工智能技术耦合，彻底改变人工智能生态的可能性极大。ChatGPT缺陷是？语料来源：语料不够充分或完全未覆盖的空白领域，ChatGPT很可能会给出误导性内容；与Bing搜索引擎耦合后，回答问题的准确性是否收到搜索引擎数据的干扰有待观察。运营成本：ChatGPT运营及训练成本高企，恐将制约未来发展。道德风险：无法避免C

3、hatGPT故意提供虚假或提供带有攻击性的答案。2、如何改变银行业？机遇与挑战：银行客服，对于客服、催收等人工的替代，与ChatGPT关联最直接，或将开启深度智能化阶段。业务前端：对于财富管理、小微客户、个人消费贷款等标准化产品，客户识别有望进一步细化，产品匹配有望更加精准。业务中端：诸如授信报告、审批报告、贷后管理报告等强格式性案头工作，如能以ChatGPT替代，可有效提高运营效率。科技基础：银行投入人工智能相关研究需要持续投入资源，特别是要投入支持模型运转及数据计算的算力资源。合规与成本：数据隐私：银行数据的特殊性决定了应用第三方技术的审慎性，应用技术须考虑本地化、私有化部署模式。系统稳定

4、：银行不掌握ChatGPT核心技术，很难控制内容输出的正确性，也很难确保系统稳定运行，这在经营中存在很大风险。成本投入：无论是接入ChatGPT，还是自主开发类似功能，均须较大成本投入，是否能够实现预期收益，存在不确定性。3、哪些银行有机会？在金融科技持续投入资源的银行。科技人员：披露数据的21家上市银行科技队伍总人数11.6万人，占从业总人数的5%；工行在绝对人数上一枝独秀达3.5万人以上，浦发、招行、工行科技人员占比最高。科技投入：披露数据的24家上市银行中科技投入近1600亿元，占营收的3%。四大行在科技投入绝对规模占有优势；长沙、平安、招行科技投入营收占比最高。4、风险提示：ChatG

5、PT相关技术理念及技术路径出现质变，或被新技术替代；银行科技投入产出效能或不及预期。fY9WfVbZfYeZbZfVaQbP6MmOnNtRmPeRqQnOfQoPnN7NmMvMwMpMnPvPmQrQ目录C O N T E N T S什么是ChatGPT？是什么？|强在哪？|缺陷是？0102如何改变银行业？机遇与挑战|合规与成本03哪些银行有机会？科技人员|科技投入304风险提示什么是ChatGPT？01是什么？强在哪？缺陷是？41.15ChatGPT是具有划时代意义的自然语言处理模型数据来源：浙商证券研究所整理。自然语言处理，是人工智能最基础的领域。“图灵测试”作为人工智能的理论开端，其

6、所提出的验证标准，即在人与机器的问答中，如果人无法判断对方是人还是机器，则可判定机器具有人类智能。为了通过“图灵测试”，人类的探索大致可分为三个阶段：模式匹配：（1960s-90s）设置关键词与答案之间的线性匹配关系，如果提问者触发关键词，则向其提供已经预设好的答案。机器学习：（2000s）不再预先设置关键词与标准答案，而是向机器提供大量历史资料，由机器自主总结规律、进行会话。神经网络：（2010s至今）属于机器学习的进化分支。原理上是通过建模来模拟人类大脑100亿个神经元的结构。在2017年以前，主流模型为循环神经网络模型（RNN），处理语言时需要严格遵循语言的先后顺序，无法并行计算且容易出