迁移性上相比金融垂类更有优势，而在专业性、针对性、高精度和合规性上，金融垂类模型更胜一筹；在复杂度问题上，通用语言大模 型在结构上更加复杂，影响模型效率，而金融垂类模型则是在更新维护上具有复杂性。 数据来源：东吴证券研究所整理 1.1. 通用 + 金融 VS 金融垂类：优劣势 对比 图表：通用与金融垂类大模型优劣对比 5 使用金融数据对通用大模型进行训练，数据欠缺，成本过高。金融领域的语料应该充 型可能会更 好地满足这些合规性需求。 “ 通用模型难以胜任金融领域任务，金融大模型是大模型落地金融行业的必由之路。” —— 度小满 CEO 许东亮 6 数据来源：度小满，东吴证券研究所 1.2. 通用 + 金融 金融垂类：通用金融训练超越金融垂类可能较 小 VS 国内外通用大模型在金融领域应用表现 2023 年 6 月国内 AI 大模型迎来爆发式增长，技术和应用不断发展，但与国外顶尖 一年内发展迅速，平均水平上与国外差距并不明显。此外，国内开源大模型在中文上的表现要优于 国外 开源大模型。 图表： AI 大模型 2023 年关键进展 数据来源：中文语言理解测评基准 CLUE 、东吴证券研究所 2.1. 国内外通用 AI 大模型发展历程：国外领先，国内紧 追 国内外头部模型差距依然明显 GPT4-Turbo 总分 89.79 分遥遥领 先 图表：国内外大模型综合表现

，可配置化构建个性化应用场景。 四、3000+家信创服务案例 党政机关：外交部、国家税务总局、国家地震局、国家信访局、上海市发改委等 金融单位：中国人民银行、中国邮政储蓄银行、华泰证券、东吴证券、中国人保等 教育厅:吉林省教育厅、辽宁省教育厅、山西省教育厅、陕西省教育厅、宁夏自治区教育厅 医疗机构：河南省人民医院、上海瑞金医院、中山医院、北京天坛医院、协和医院等 50