時值半年末，機(jī)構(gòu)開始為下半年的投資組合進(jìn)行策略調(diào)整，超跌嚴(yán)重的港股也是機(jī)構(gòu)鎖定的對象?；仡櫠径?，市場對于港股一度抱持樂觀，但現(xiàn)實卻一直未能盡如人意。外資結(jié)構(gòu)性壓力、基本面預(yù)期等多重因素的制約下，港股市場在全球資產(chǎn)表現(xiàn)中墊底，截至本月，港股市場相較于美股的"便宜"程度已經(jīng)觸及到了歷史較高水平。

當(dāng)資產(chǎn)的水位來到高性價比的舒適區(qū)間，均值回歸成為一種必然。市場預(yù)期，受益于個股盈利貢獻(xiàn)及估值修復(fù)，AI會成為此輪港股市場反彈的急先鋒。"港股AI會遲到，但不會缺席。"業(yè)內(nèi)人士如此表示。

(資料圖片僅供參考)

港股逐漸走出底部區(qū)間

二季度，港股市場的疲弱表現(xiàn)誤傷了不少成長型個股，垂直金融AI頭部平臺百融云-W（6608.HK）算是一個典型代表。論業(yè)績，百融云一季度主營業(yè)務(wù)總收入5.66億元，同比增長25%，營收增速超出很多同行，屬于是有業(yè)績兌現(xiàn)的AI公司；論前景，作為服務(wù)金融業(yè)的TO B端機(jī)構(gòu)，百融云的核心付費用戶高斜率上升，近幾年始終維持在90%以上；再論預(yù)期，百融云通過反復(fù)訓(xùn)練，于近期完成行業(yè)大模型BR-LLM的升級。

基本面穩(wěn)健和業(yè)務(wù)發(fā)展前景兼?zhèn)洌绻麑偃谠浦蒙鞟股，或早已乘上價值增長的飛輪。但是由于港股和A股的定價權(quán)和投資者結(jié)構(gòu)不同，該公司的市值一直未能反映其真實價值。

像百融云這樣在港股市場被低估的公司不在少數(shù)。為了提振投資者信心，回購成為了眾多港股上市公司的普遍選擇，數(shù)據(jù)顯示，年內(nèi)已有上百家港股啟動回購，累計回購金額超過去年同期，截至目前，坐擁萬億市值的騰訊控股已經(jīng)進(jìn)行了超百億港元的回購，像百融云這樣的成長股在近40億元現(xiàn)金及等價物的支撐下，年內(nèi)回購額已經(jīng)超過1.1億港元。

進(jìn)入6月之后，港股市場逐漸走出底部行情，市場整體信心有所恢復(fù)，即便在本周市場有所回調(diào)的情況下，恒生指數(shù)本月內(nèi)已經(jīng)累漲超5%。

市場預(yù)計，隨著國內(nèi)大模型軍備競賽如火如荼，AI+產(chǎn)業(yè)趨勢會加速演繹，從算法、算力到AI+應(yīng)用的全產(chǎn)業(yè)鏈正在形成。在這個過程中，高性價比的港股AI更值得聚焦。

大模型訓(xùn)練將催化行情

盡管投資者普遍認(rèn)為，本輪"AI+"與此前的"互聯(lián)網(wǎng)+"在市場表現(xiàn)上存在極高的相似性，但其實從產(chǎn)業(yè)端來看，"互聯(lián)網(wǎng)+"更具C端特性，而AI+更側(cè)重的是生產(chǎn)力的變革，B端/G端屬性更強(qiáng)。

這一趨勢在大模型賽道上體現(xiàn)得淋漓盡致，因為模型部署需要動用的資源量較大，且B端的付費意愿更高，因此，繞過C端用戶，直接研發(fā)面向行業(yè)的開源商用模型成為了不少企業(yè)的選擇。

以百融云為例，該公司的大模型BR-LLM是基于深度學(xué)習(xí)Transformer框架，結(jié)合NLP（自然語言處理）、智能語音等技術(shù)，打造的場景驅(qū)動產(chǎn)業(yè)大模型。

與Bloomberg GPT相一致，百融云大模型的落地場景也是在金融領(lǐng)域。為了提升對于金融場景的理解能力，百融云在自主搭建大模型底層框架基礎(chǔ)上，開源千億tokens的中文預(yù)訓(xùn)練數(shù)據(jù)集來訓(xùn)練模型，并通過深度微調(diào)能支持百億級參數(shù)的訓(xùn)練。

經(jīng)過調(diào)優(yōu)訓(xùn)練，BR-LLM將面對復(fù)雜金融場景下的機(jī)器學(xué)習(xí)能力提升一個數(shù)量級的效率。在信貸評估、金融反欺詐領(lǐng)域，百融云大模型能夠從非結(jié)構(gòu)化標(biāo)簽中抽取和總結(jié)關(guān)鍵信息，將其提煉為有用的特征值，并自動生成風(fēng)險報告和決策推薦。

這些"特征值"通過靈活的模塊設(shè)計，可擴(kuò)展至應(yīng)用判別式AI技術(shù)構(gòu)建的專屬模型之中，不僅可以幫助金融機(jī)構(gòu)優(yōu)化業(yè)務(wù)決策過程、增強(qiáng)智能分析處理能力，同時還可以指數(shù)級縮短識別欺詐風(fēng)險的時間。

另外，在金融智能交互場景中，百融云的大模型BR-LLM也可以實現(xiàn)應(yīng)用效率的大幅度提升。如今，業(yè)內(nèi)普遍認(rèn)為，大模型最大的確定性在于，其將重新定義營銷和客服。在金融領(lǐng)域，BR-LLM基于對于行業(yè)語庫的積累和掌握，不斷進(jìn)行迭代升級，以降低推理成本，提升工程化能力，最終通過MaaS模式拓展到場景應(yīng)用中。

以百融云的智能語音機(jī)器人為例，其能提供"真人級"對話效果，對客戶的語音識別準(zhǔn)確率可達(dá)到99%以上，每日進(jìn)行超過億級規(guī)模的自動交互。

機(jī)構(gòu)分析認(rèn)為，隨著"百模大戰(zhàn)"愈演愈烈，模型泛化的現(xiàn)象將更加明顯，服務(wù)特定場景的垂類公司會顯著受益。百融云因在細(xì)分賽道掌握垂類算法、行業(yè)洞察和多元化金融AI技術(shù)，擁有較高的護(hù)城河壁壘。