來源：「財經五月花」（ID:Caijing-MayFlower），作者：曲向軍韓峰
圖片來源：由無界AI生成
綜觀2023年上半年國內外各大科技策略趨勢與投資熱點領域榜單，毫無疑問，生成式人工智慧（下稱「生成式AI」）是最引人注目的技術之一。伴隨ChatGPT橫空出世，這項新興技術進入了一個前所未有的熱潮之中，各行各業都在圍繞相關話題展開討論，更不必提科技巨頭和AI廠商紛紛下場，唯恐錯過此番科技盛宴，也有行業翹楚和媒體將生成式AI浪潮類比昔日的行動互聯網機遇，進一步凸顯了其潛在的巨大價值和影響力。
與傳統AI相比，生成式AI具有四個核心優勢，使其備受矚目，包括自動化和效率提升、個人化和客製化、創造性和創新能力以及可解釋性和透明度。這對於金融、醫療等需要可解釋性的領域尤其重要，有助於建立信任、滿足監管要求，並使人們更容易接受和採納系統決策。
簡而言之，生成式AI可透過提高生產效率、推動創新能力和改變競爭格局三大方式，為全球各行各業創造巨大價值。
麥肯錫預測，AI整體將為全球經濟帶來高達25.6兆美元的正面經濟影響，而其中來自生成式AI的貢獻高達7.9兆美元，相當於當前全球經濟總GDP（國內生產毛額）體積的8%。
場景：生成式AI的金融業新變
生成式AI之所以能吸引世界各地人們的注意力和想像力，要歸功於其廣泛的實用性——幾乎任何人都可以使用其理解自然語言和創造內容的“超能力”，這使得生成式AI在提升產業生產效率和促進產品創新方面具有顯著優勢，預期未來將顛覆全球各行各業的現有格局。
從產業來看，生成式AI產生價值最大的三個產業為高科技、銀行業及零售。麥肯錫估計，到2032年，生成式AI每年將為全球銀行業（含資產和財富管理，下文統稱「資管」）帶來約2,000億-3,400億美元的新增價值，佔銀行業年收入的比例高達2.8%-4.7%。加上生成式AI在保險業預期每年帶來的500億-700億美元新增價值（約佔行業年收入比例為1.8%-2.0%），我們預期生成式AI用例在金融業（銀行、保險和資管）的價值礦池約為2500億-4100億美元。
由此可見，無論是絕對價值或相對成長潛力，金融業都是生成式AI用例最具潛力的產業之一。那麼，令人眼花撩亂的生成式AI究竟該如何結合產業特徵創造價值？麥肯錫觀察到，目前有四類最主流的應用方式，將合計貢獻生成式AI在金融業產生的總效益的75%，我們將其總結為“4C”，分別是：內容提煉/虛擬專家（Concision ）、使用者互動（Customer engagement）、內容產生（Content generation）和程式設計加速（Coding）。
分行業來看，銀行業方面，在內容提煉/虛擬專家方面，金融領域重複性和繁瑣的任務能夠透過生成式AI實現自動化，從而提高金融從業人員效率、降低成本，同時釋放員工時間用於更高價值的工作，而透過虛擬專家，銀行一線人員能從非結構化資料中歸納提取洞見、解讀文本，快速存取所有相關信息，例如產品指南和政策，以即時滿足客戶請求，工作效率能提升60 %。
其他典型用例還包括：交易處理：自動化處理金融交易，包括訂單處理、結算和清算等；財務報表產生：自動收集、整理和分析金融數據，產生準確和及時的符合會計準則的財務報表，有助於於減少報表準備時間和降低人工錯誤；風險評估和合規檢查：自動分析大量金融數據，識別潛在風險因素，並進行合規檢查。
在使用者互動方面，生成式AI系統透過學習和分析大量的專業知識和人工經驗，為使用者提供個人化的解決方案和支援。金融企業可以據此提供更個人化、更有效率和滿意度的服務。例如使用聊天機器人完成客戶觸達和資料收集，未來5年-10年至少80%以上的客戶互動可自動化。其他典型用例包括：智慧助理、個人化推薦和客製化服務、情感分析和情緒監測。
在內容生成方面，生成式AI透過學習和分析大量文字、圖像和音訊數據，可以產生文字和視覺圖示等新內容，加速金融業企業內容研發流程。例如可以產生金融市場分析報告和個人化投資洞察；可用於擬定合約、招標書等重要文件；還可以用來編寫銀行、保險、資管和券商等的宣傳文案和行銷資料。
金融領域尤其是量化交易以及風險管理方面，高效、準確的程式碼編寫是至關重要的。在程式加速方面，生成式AI能夠解讀並產生程式碼，透過自動產生程式碼片段、模板和演算法，實現軟體開發流程加速和人工失誤減少。
從銀行業務職能部門的角度來看，生成式AI用例對一線分銷，客戶運營，技術以及法律、風險、合規和欺詐部門這四個職能的影響最大，約佔其在銀行整體價值潛力礦池的70%。使用生成式AI工具，能夠增強客戶滿意度，改善決策與提升員工體驗，並透過更好地監控詐欺等行為來降低風險。
從保險業來看，作為金融業的重要部分，依舊按照4C的視角來看，生成式AI對產險和壽險等都將帶來巨大價值。
其中包括：軟體開發速度和品質的提升、保險理賠員效率的大幅提升、保險經紀人的效率和客戶價值主張的提升、保險客戶體驗的顯著改善等。
在用例成效上，麥肯錫觀察到，複雜索賠（例如訴訟索賠）的賠付成本可節省約25%，辨別詐欺騙保的準確率可提高約18%，99%的核保流程可被生成式AI承保解決方案自動化，保險公司的承保成本可望降低10%-20%。
從資管產業來看，麥肯錫也觀察總結了生成式AI的4C應用。如在內容提煉、虛擬專家方面，基於非結構化資料產生見解並推動投資行動，例如尋找投資標的。例如美國某全球商業、金融和財經資訊的供應商，開發了自己的GPT：針對特定金融領域數據和一般數據相結合進行培訓的大模型；圍繞回答財務問題和報告分析。
再如在程式加速方面，美國某跨國投資銀行與金融服務公司在內部使用ChatGPT類型的AI工具來幫助開發人員編寫程式碼；在內容產生上，某北美資管公司利用ChatGPT來加速行銷質押品的內容創建，以及創建數據可視化或篩選工具；在用戶互動上，美國最大的基金管理公司之一推出AI輔助的註冊技術業務，允許金融機構使用專有NLP模型創建，審查和批准公共通信。上述生成式AI用例都是橫跨資管業務功能，且兼顧投資人和資管公司內部員工的需求。
追根究底，生成式AI能夠在金融業發揮巨大價值，是源自於產業長期以來形成的四個特徵，以銀行為例：首先，與傳統的IT架構有關，幾十年來，銀行一直在投資技術，增持了大量的「技術債」以及孤立而複雜的IT架構；其次，從面向客戶的大型員工隊伍角度來看，銀行業依賴大量業務服務代表；第三，銀行方面的文件工作繁重，生成式AI的影響可以跨越整個組織，協助所有員工編寫電子郵件、創建業務簡報和其他任務；另外，作為一個受到嚴格監管的行業，銀行業有大量的風險、合規性和法律需求。
綜上所述，對於金融機構，生成式AI應用能夠透過減少人為錯誤來提高生產效率，節省時間和資源；同時增強創新能力，為終端用戶提供更優秀的產品和更良好的服務體驗。
投資：金融視域下的產業前景
由於生成式AI蓬勃發展，其產業規模也正在快速成長，引來投資者紛紛入局。根據彭博數據顯示，2022年生成式AI市場營收規模為400億美元，預計2027年及2032年將分別達到3,990億美元及13,040億美元。 2022年-2032年複合成長率達42%。
中國市場方面，根據《中國AI數字展望2021-2025》數據，2022年規模約660億元，2020年-2025年Compound成長率將達84%，2025年將佔全球市場規模（2,170億美元）的14%。由此看來，生成式AI不僅在為全球經濟創造龐大價值，其產業本身也擁有龐大的投資機會。
生成式AI價值鏈由六個環節組成，分別是專用硬體、雲端平台、基礎模型、模型中心和MLOps、應用和服務。伴隨著科技的欣欣向榮，整個價值鏈都蘊藏著巨大機會，但研究顯示各環節市場機會存在顯著差異，部分環節的資源投入、專業知識和先發者優勢形成的行業壁壘，成為新進入者和小型企業展業的強大阻力。
2022年到2035年全球市場規模增量主要來自訓練側硬體、廣告應用和軟體。其中，基礎設施服務年複合成長率將達60%，增量達2,448億美元。廣告應用年複合成長率達到125%，增量達1,924億美元。
在生成式AI的價值鏈之上，有以下市場機會值得關注：
一、專用硬體：模型訓練和推理過程所用算力基礎設施，市場壁壘較高，基本為大玩家佔據算力硬體的核心是以GPU和TPU為代表的計算晶片。
二、雲端平台：存取算力基礎設施以及運作生成式AI工作負載的平台，市佔率較為中心化。
三、基礎模型：生成式AI價值鏈的核心環節，依靠專業知識和成本投入驅動，通用大模型賽道趨勢表現為頭部中心化，產業大模型賽道仍有市場空白。
四、模型中心和MLOps：託管、微調和部署模型的工具，巨頭和獨立廠商形成差異化競爭模型中心和MLOps承擔在基礎模型之上構建應用的兩項必須的工作：一是模型倉庫，提供存儲和存取基礎模型的空間；二是專門的MLOps工具用於微調和部署基礎模型至應用。
五、應用：基於大模型微調的終端應用，是新創企業擁有最大機會的賽道，約一半生成式AI獨角獸企業誕生於這個市場，我們預期，在短期內，為垂類產業和特定功能開發，基於精細微調的模型所建立的應用能夠最早脫穎而出。
六、服務：依托模型產品提供加值服務的整體解決方案提供者為大廠壟斷，但垂類領域仍有中小型業者參與的市場空間。
實戰：企業如何部署生成式AI
首先是營運模式的轉變。規模化推廣GenAI，需要企業進行全方位的營運模式轉型，並將AI內嵌到業務的每個環節。在規模化實施GenAI應用時，一個成功的營運模式應涵蓋六大面向：策略路線圖、人才、營運模式、技術、數據以及技術應用與變革管理。
生成式AI正在快速演進，CEO（執行長）們也正在探索其商業價值及潛在風險。 CEO在推動企業關註生成式AI方面發揮重要作用。 CEO在踏上征途時需要熟記的策略，其中許多與過往科技浪潮興起時企業主管應當做出的反應一致。
然而，生成式AI也帶來了獨特的挑戰，這包括其超越以往技術變革的空前發展速度及隨之而來的應對難度。
為此，我們提供一份生成式AI核心概要，供廣大CEO們參考（見上圖）。
在決策應用生成式AI之前，考慮從零開始摸索和反覆試錯的大量時間及資源投入成本，企業也可適當借力專業機構的力量來加快部署生成式AI，利用第三方的技術、知識和經驗，避免繞彎路和踩坑，更快速、經濟地達到價值創造的目標。
此外，值得注意的是，生成式AI為各行各業提供了新的成長動力，卻也存在一定的負面影響，金融機構在應用生成式AI時尤其需要關注模型幻覺、惡意使用、資訊外洩等三大關鍵風險。企業需要高度重視並積極採取措施進行妥善防範和管理，最小化其潛在風險，並最大化釋放其價值。
(作者曲向軍為麥肯錫全球資深董事合夥人、中國區金融機構諮詢業務負責人，韓峰為麥肯錫全球董事合夥人，麥肯錫團隊成員胡藝蓉、方浩翔、方溪源、李靜瑤、宋戈、邱外山、王喆宸、蔣子翔、魯志娟等對此文亦有貢獻；《財經》研究員丁豔對此文亦有貢獻)
資訊來源：由0x資訊編譯自8BTC。版權所有，未經許可，不得轉載