1、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？①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。②训练模式领先。前三代GPT均采取无人参与的预训练机制，ChatGPT新增人类反馈强化训练。③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？①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。②运营成本：ChatGPT运营及训练成本高企，恐将制约未来发展。③道德风险：无法避免ChatGPT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：①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。②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。③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。④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：①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。②系统稳定：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。③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。①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。②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：ChatGPT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。
　　

研究报告全文：证券研究报告ChatGPT如何改变银行业行业评级看好2023年3月7日分析师梁凤洁分析师邱冠华邮箱liangfengjiestockecomcn邮箱qiuguanhuastockecomcn电话021-80108037电话021-80105900证书编号S1230520100001证书编号S1230520010003研究助理赵洋摘要1什么是ChatGPTChatGPT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ChatGPT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116万人占从业总人数的5工行在绝对人数上一枝独秀达35万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ChatGPT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2什么是ChatGPT01是什么强在哪缺陷是如何改变银行业目录02机遇与挑战合规与成本哪些银行有机会CONTENTS03科技人员科技投入04风险提示3是什么什么是强在哪01ChatGPT缺陷是411ChatGPT是具有划时代意义的自然语言处理模型ChatGPT是什么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现长句语义理解困难等问题2017年Transformer模型被提出它是对句子中的所有单词进行计算算出词与词之间的相关度可以同时学习大量文本ChatGPT结尾的T即指Transformer就是将这一模型从理论变为现实的划时代应用模式匹配机器学习神经网络Eliza1966RNNTransformer代表应用SmartChild2001Alice1995广泛应用于翻译软件ChatGPT某些网站客服仍适用SmarterChild是最早RNN与Transformer模型的差别之一可以理解为这一模式例如将集成到即时通讯平台对于同样一个英译中任务Amagazineisstuckinthegun退货设置为关键的聊天机器人之一词绑定回答AOLMSN等示例说明RNN模型需要遵循单词出现的先后顺序逐词理解和计算当gun出现后并迅速引起轰动体magazine才可以被准确理解为弹夹如果句子太长前后关联可能会失败问请问退货该如何验与早期Siri接近办理Transformer答如确认退货请模型关注的是每个单词与句子中其他单词的关系可以同步进行多词多点击退货链接篇学习同时模型根据重要性和相关性程度为词语赋予不同权重使得重要词语能够获得较高权重如此则即使在长文本中也不会将重要信息丢失数据来源浙商证券研究所整理512ChatGPT的强算力与大数据ChatGPT强在哪ChatGPT最终爆火离不开算力和数据量的持续升级模型实质所谓语言模型实质是对词语序列的概率相关性建模即对方说完一句话或一段话后判断大概率继续出现的内容是什么既然是概率相关性自然是大力出奇迹样本越大结果就越准确同时样本越大也自然就意味着对算力和资金的消耗从初代GPT到最终爆火的ChatGPT模型并未发生实质改变改变的是持续增长的资源投入算力支持2019年微软为OpenAIGPT开发公司打造了一台全球排名第五的超级计算机拥有超过285万个CPU核心1万个GPU每个GPU服务器的网络连接能力为400Gbs支持GPT模型从初版的12个Transformer层进化到当下超过96个Transformer层可以理解为有更多的Transformer层就能够在语言与语言之间构建更复杂的逻辑联系数据规模GPT模型处理的参数量从初代的亿级成长到今天的千亿级预训练数据量从GB级上升到百TB级融资情况如此规模的算力与数据必然需要巨额资金的支持近4年OpenAI从微软总计获得融资110亿美元版本发布时间Transformer层数参数量预训练数据量GPT-12018年6月12117亿约5GBGPT-22019年2月4815亿40GBGPT-32020年5月961750亿45TBChatGPT2022年11月96千亿级百TB级数据来源浙商证券研究所根据新浪财经IT技术精华澎湃报道整理612ChatGPT自主人类反馈强化训练ChatGPT强在哪GPT通过自主训练充分发挥模型在效率上的优势同时在ChatGPT版本中增加人类反馈强化机制使其结果更贴近人类想法自主训练GPT-1到GPT-3采用的都是GPT自主训练模式所谓自主训练近似于人类考试中的完形填空题目即把一个完整文本的一部分遮住GPT基于已学习结果进行推测再与正确答案进行拟合的过程自主训练过程配合Transformer模型下强大的并行计算能力能够高效完成超大数据量的学习和训练这也是GPT表现优于其他模型的原因人类反馈GPT-3版本上线时已经颇受业内人士认可但并未出圈ChatGPT此次能够破圈与其采用对话聊天模式不无关系相应地在训练中增加人类反馈强化机制对真实性无害性和有用性进行评估示例训练语料自主训练人类反馈基于语料库自主学习可能会存在两个或多对结果进行判断和调整个矛盾结果模型无法自行判断正误处处闻啼鸟春眠不觉晓处处蚊子咬数据来源浙商证券研究所整理712ChatGPT将语言处理推向生成式时代潜在价值巨大ChatGPT强在哪凭借超强算力基于超大数据的学习和训练ChatGPT首次展示了强大的综合性语言材料生成能力决策式AI所谓决策式AI即根据对历史概率的归纳给出是或否的决策而生成式AI则需要给人力提供综合式的信息输出生成式AIChatGPT是第一个功能如此强大的综合性文字生成式AI它能够准确理解提问者的问题收集材料后转化为具有一定逻辑的信息输出它还能够与提问者进行连续对话根据增量信息给出更准确回答这是前所未有的语言理解和表达能力生成式AIVS决策式AI处理简答题处理选择题逻辑知识信息数据数据来源浙商证券研究所整理812ChatGPT将语言处理推向生成式时代潜在价值巨大ChatGPT强在哪语言即为指令ChatGPT与其他领域人工智能技术的耦合或将完全开启人工智能的新时代ChatGPTWhisperOpenAI已经通过提供ChatGPT和Whisper的收费API接口Whisper是OpenAI开发的语音处理工具如将ChatGPT和Whisper功能进行耦合可以得到无障碍的语言交流工具所谓的语言就是指令体系随着指令体系的智能化一切智能工具之间的边界或将逐渐模糊人类与智能工具的关系或将彻底改变AIGCAI生产内容的时代将加速到来文本虚拟人语言指令打破音频场景边界游戏按技术场景划分图像AIGC内容分为策略视频跨模态数据来源浙商证券研究所整理913ChatGPT有哪些潜在挑战ChatGPT缺陷是ChatGPT风头一时无两其潜在挑战在于语料库的范围及准确性运营成本高及回答的道德风险等问题语料来源ChatGPT本质上仍是一个基于有限语料范围的概率归纳模型它并不能对未知的事情像人类那样做常识性推演与相关领域语料不够充分或完全未覆盖的领域ChatGPT很可能会给出误导性内容另外微软计划将GPT-4与Bing搜索引擎深度耦合搜索引擎庞杂的数据是否会对GPT-4的学习和训练带来负面干扰仍需观察运营成本据报道目前ChatGPT一次模型底座的训练需要500万美元的算力成本在运营过程中需要大量的算力支持其训练和部署GPT-4与Bing耦合后满足来自搜索引擎的搜索需求需要更大量的资源投入如不解决成本问题恐将制约未来发展道德风险即使引入人类反馈也不能100避免ChatGPT故意提供虚假答案或回答带有攻击性的答案数据来源浙商证券研究所整理10如何改变机遇与挑战02银行业合规与成本1121机遇与挑战主动革新被颠覆该如何理解ChatGPT可能会带来的潜在变革像很多人担心的那样会有大量工作被替代掉吗ChatGPT的颠覆本质上是人类生产力工具的再一次重大升级就像过去三百年先后有蒸汽机和电被发明出来一样固然有被这些新的生产力工具替代掉的人也有更多的人利用新的工具创造了更多的财富驾驭或是被替代只在一念之间银行也是一样ChatGPT是一次机会一次全面升级流程的机会错过则将是挑战看着其他机构提高效率的挑战从银行客服开始无论是业务前台还是中后台各项流程都有用ChatGPT重做一遍的潜力银行客服对于客服催收等人工的替代与ChatGPT关联最直接银行应用最广泛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型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数据来源浙商证券研究所整理1221银行客服与ChatGPT关联最直接或将开启深度智能化阶段机遇与挑战诸如银行客服不良催收等需要与客户进行沟通的内容可预期重复规律性强的客户交流性工作与ChatGPT的特点最为契合适用范围银行客户不良催收等现有实践工商银行2021年利用数字人智能问答语音等交互技术在客户服务前台业务运营后台等领域加大应用机器换人落地600具有数字员工属性的智能应用场景平安银行2022年上半年AI平台新增模型1080个客服机器人场景每日对话量达60万次问题解决率超90招商银行2022年上半年AI智能客服语音质检智能审录海螺RPA机器人流程自动化等共实现人力替代超过10000人未来前景ChatGPT的成功为已经部署人工智能客服的银行提供了优化模型提高智能化水平的方向预计这一类业务都将开启深度使用更加成熟人工智能客户工具的阶段新智能客服基于Transformer模型的架构数据及训练方式升级智能客服数据来源公司公告浙商证券研究所整理1321业务前端客户识别及产品匹配有望进一步细化机遇与挑战诸如财富管理这类标准化程度较高的业务可以利用ChatGPT的数据分析能力细分客户标签提高产品推荐匹配度适用范围财富管理小微客户个人消费贷款等标准化程度较高的业务现有实践平安银行2022年上半年AI客户经理累计上线超1400个场景上半年月均服务客户较2021年月均水平增长632招商银行2021年招商银行推出智能财富助理AI小招基于大数据技术通过知识沉淀与机器训练实现更懂客户和产品为客户提供收益查询涨跌分析市场热点解读产品推荐资产配置建议等财富管理综合服务未来前景将客群更加细分需求挖掘更加细化产品需求匹配更加精准客户顾问端财富资产管理端前台业务管理后台业务用户中台业务产品引流获客用户画像品牌交易执行算法交易评估客户的需求及智能投顾辅助生成营销文案风险偏好机器人客服自动实现最有动态营销推广再平衡宣传稿件等配置提出投资策略资智能推荐系统产配置建议个性化资产配置业务ChatGPT赋能风险管理智能风控数据来源公司公告浙商证券研究所整理1421业务中端案头工作AI替代业务运转效率有望提升机遇与挑战诸如授信报告审批报告等业务中后段强格式性的案头工作ChatGPT潜在替代性较高适用范围授信报告审批报告贷后管理报告等强格式性案头工作现有实践基于语言生成技术的应用目前暂无先例仍有待探索未来前景对于对公营销授信审批等岗位人员来说工作中有很大一块时间被消耗在诸如授信报告审批报告贷后管理报告这些格式性很强案头材料的撰写上占用了本可产生更大价值的客户营销调研等工作时间ChatGPT对于这一类主要可利用外部公开信息完成的强格式性报告具有天然的适配性如果能够实现替代展业效率预计能够实现较大幅度的提高20505080营销案头营销案头数据来源公司公告浙商证券研究所整理1521科技基础基础设施重构算力需持续投入机遇与挑战正如ChatGPT成功的基础一样银行投入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适用范围银行科技基础设施建设现有实践近几年我国主流商业银行大多推动了系统上云计划相应地将原本的主机架构转为有若干服务器组成的云架构在这一转型中大多数银行已经初步具备了算力基础但要在人工智能领域做出突破性创新仍需要在看清方向后对算力资源的持续投入比较具有代表性的银行基础设施转型情况如下建设银行率先实现多专区多地域多技术栈多芯布局提供标准算力规模超20万台云服务器整体规模和服务能力保持同业领先招商银行上云后可支持的应用更多单位算力成本大幅下降以信用卡为例招行信用卡业务上云后业务成本约节省了60算力提升了10倍未来前景人工智能的突破需要强大基础设施支撑仍需持续投入及探索机构科技基础设施建设情况工商银行强化云平台推广实施规模持续保持同业领先强化分布式技术体系的日均服务调用量超过150亿次农业银行计算资源云化率达到91邮储银行零售端已完成190个系统的私有云平台部署中信银行基础设施云化率达到997平安银行基础设施云化率和运维自动化率均超过90光大银行业务应用系统上云率接近90数据来源浙商证券研究所根据公开新闻报道公司公告整理1622合规与成本十字路口上的最大考验在当前中美科技竞争大背景下中国商业银行想要直接适用诸如ChatGPT这样高度依赖大数据支撑的技术存在较大障碍和风险从成本和收益的角度来看无论是接入API还是自主开发类似功能均存在成本与收益的不确定性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数据来源浙商证券研究所整理1722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合规与成本银行拥有的数据具有高度的隐私性和敏感性直接应用开源第三方技术存在一定隐患主要障碍客户隐私使用ChatGPT可能会涉及个人信息的收集使用和披露需要遵守相关法律法规的规定并获得客户的授权银行隐私银行的数据不仅涉及客户隐私还涉及自身的商业秘密在使用开源第三方技术处理内部数据时存在核心商业机密被泄露酿成商业损失的隐患地缘风险中美之间在技术安全数据安全领域的争端愈演愈烈今年2月中方发布美国的霸权霸道霸凌及其危害报告在此背景下境内银行直接应用ChatGPT前景并不乐观实践案例据报道美国银行花旗集团德意志银行高盛集团富国银行等银行最近纷纷对使用ChatGPT发布了禁令微软和亚马逊因担心泄露机密信息禁止公司员工向ChatGPT分享敏感数据埃森哲也警告员工不要将客户信息透露给ChatGPT改进前景同为人工智能技术服务商的科大讯飞此前可以为客户提供本地化私有化部署的产品以解决技术应用和数据隐私之间的矛盾或可为解决数据隐私与技术应用的矛盾提供思路但地缘风险的影响仍有待观察本地化部署思路训练本地化私有化服务器运行ChatGPT本地数据私有数据输出数据来源浙商证券研究所根据公开新闻报道整理1822系统稳定内容输出正确性及系统运行稳定性受制于人合规与成本银行不掌握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主要障碍由于在经济金融活动中的关键地位监管对银行科技系统有着较高要求诸如ChatGPT这一类外接应用银行不具备技术自主性一方面无法保证其输出内容的准确性另一方面也无法保证不对其他系统运行稳定性造成影响存在较大风险另外ChatGPT本质仍是依赖语料库的语言概率统计系统对于语料库不涵盖的内容极易给出错误答案实践案例据报道2021年7月15日某行突发系统故障业务中断20多分钟引发故障的原因可能与系统更新有关改进前景投产前需要对内容和系统稳定性进行周密验证与ChatGPT具有相同内核的Bing问答功能一本正经地给出了鸡兔同笼问题的错误答案正确答案应为鸡80只兔20只数据来源Bing浙商证券研究所根据公开新闻报道整理备注Bing问答功能内核为GPT-35与ChatGPT具有相同内核1922成本投入自主与合作投入与收益之间的取舍合规与成本无论是接入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接入成本目前ChatGPTAPI接口收费标准为每百万Tokens收费27美元约18元人民币同属OpenAI公司开发的Whisper语音转文本工具API每分钟收费0006美元约人民币4分钱以建行为例假设文本转语音成本与语音转文本成本相同推算建行仅智能客服一项每年成本需要额外投入约3亿元不含开发成本和对ChatGPT模型进行专属训练的成本建行2021年人均薪酬为3371万元如智能客服实际可替代人力少于890人则效能并不显著自主成本ChatGPT初始投入成本在8亿美元左右每年电费约1825万美元考虑到中美电费差异国内开发与ChatGPT同等功能的资金投入约为人民币初始投入56亿17亿电费年不含开发人员薪酬和维护成本但在开发环境人才能力种种因素制约下自主开发的类似工具能够收获与ChatGPT的同等效果存在极大不确定性2023年3月5日科技部王志刚部长在两会部长通道表示ChatGPT是个大模型大计算很好的计算方法同一种原理但做的质量还是不一样的未来前景大多数银行已有AI技术储备建议根据业界前沿修正技术方向在既有成果上继续探索达成成本与收益的平衡数据来源浙商证券研究所根据公开新闻报道公司公告整理备注2021年建行客服受理客户咨询1808亿人次推算平均单次受理时长为2分钟每分钟产生中文字数约150字每Token约等于4字节ChatGPTAPI成本180815018488万元WhisperAPI成本18080042145亿元Whisper仅负责语音转文字还需要引入文字转语音功能20