新华财经北京2月17日电近日，一场主题为“DeepSeek如何改变AI的游戏规则？AGI的高门槛正在消失？”的沙龙顺利举办，沙龙由新网银行与西南财经大学管理科学与工程学院联合主办。新网银行副行长李秀生、西南财经大学管理科学与工程学院计算金融系主任王俊、新网银行风控科学部负责人卫浩共同探讨了DeepSeek背后的技术奥秘及其在银行业的应用前景。

　　开源与闭源如何演进？

　　当OpenAI与微软深化合作引发“生态垄断”争议时，当英伟达正遭遇美国史上最严AI芯片出口管控时，DeepSeek的开源策略意外打开了另一扇门。DeepSeek区别于传统封闭式AI模型，其开放性让企业能够以较低的成本用上较为先进的大模型，提升多场景智能助手的能力。

　　在软件行业，开源与闭源两种模式并存且各有成功案例。李秀生以Linux和安卓为例，表示这两者作为开源软件的代表，极大推动了操作系统领域的发展。他同时也指出，苹果作为闭源模式的典范，一直保持着高端手机应用的领先地位。尽管这些机构路径不同，但都取得了显著成就。

　　“从吸收全球贡献者的角度来看，我个人更看好开源模式，因为它能够汇聚更多人的智慧和力量，共同推动技术的进步和创新。未来，开源与闭源或将继续并行发展，但开源的潜力值得期待。”李秀生如是表述。

　　王俊则认为，开源与闭源是相互融合、相互竞争的关系。开源技术公开，能吸引众多开发人员参与，促进技术快速迭代，但盈利能力和商业模式不确定。闭源则注重构建自身护城河和门槛，投入巨大，商业模式独特但多样性较弱。两者各有优势与缺陷，因此在实践中可能会相互借鉴、融合，并在某些领域形成竞争态势。

　　从市场主体角度看，DeepSeek作为一种开源、低成本且高效的大模型，对市场上的头部科技公司产生了不小的冲击。“对于OpenAI这类闭源大模型公司，DeepSeek的定价策略迫使其重新审视商业模式和技术优化方向。而对于英伟达等芯片公司，DeepSeek的发布则证明了不一定依赖于高端GPU就能进行顶级推理，促使这类公司思考AI基建的投资逻辑和发展模式应如何调整。”王俊坦言。

　　不过值得注意的是，通用人工智能大模型在解决数字化风控问题上面临挑战。卫浩表示，“尽管大模型具备广泛的能力，比如理解问题、进行数学运算和生成代码等，但在风控这一垂直领域，其表现并不尽如人意。”其原因在于大模型的训练主要依赖于公开的互联网数据和代码，缺乏针对风控领域的专门数据语料训练，因此其逻辑可能与风控的实际需求不完全吻合。

　　中小银行逆袭靠DeepSeek？

　　据浙商证券研报，DeepSeek-V3整个训练过程仅用不到280万GPU（图形处理器）小时，相比之下，美国互联网巨头元宇宙平台公司（Meta）发布的Llama3-405B的训练时长是3080万GPU小时。DeepSeek-V3的训练成本约为557.6万美元，而OpenAI（美国开放人工智能研究中心）为聊天机器人ChatGPT发布的语言模型GPT-4的训练成本则高达数亿美元。

　　与传统大模型动辄千万乃至上亿的投入而言，DeepSeek本地化部署的成本可以低至不足百万元。据工业和信息化部最新消息，三家基础电信企业均已全面接入DeepSeek开源大模型。目前在金融领域，从银行、基金到证券，多家机构都在紧锣密鼓部署DeepSeek。自2024年5月起，新网银行就在系统研发场景中应用DeepSeek大模型，分别构建了研发知识问答助手与代码续写助手，缩短一线工程师在研发过程中查阅技术资料的耗时。

　　李秀生认为，在人工智能领域，DeepSeek的出现带来了两大理念上的变化。一是DeepSeek的出现打破了“大力出奇迹”的执念，即不再盲目追求极端的算力。过去，人们常认为只有堆砌巨大的算力才能取得突破，但DeepSeek证明了通过优化算法和模型，也能在较低算力下实现高效性能。二是DeepSeek进一步加剧了开源与闭源之争。OpenAI通过ChatGPT带火了大模型概念，但其闭源策略限制了技术的普及。而DeepSeek等开源模型的出现，降低了技术门槛，使得更多机构能够应用大模型。这一变化对银行业等金融机构产生了深远影响。

　　“对于未来，随着技术的不断进步和成本的进一步降低，大模型将不再是大银行的专属奢侈品，而是能够广泛应用于中小银行等金融机构中。这将为商业银行带来重要的技术变革趋势，推动其更加智能化、高效化地发展。”李秀生说道。

　　在银行业数字化风控领域，DeepSeek等大模型技术有着广泛的应用前景。据卫浩分享，DeepSeek的发布让技术人员非常兴奋，因为它能媲美OpenAI的顶尖推理模型水平，且权重开源、许可宽松、可本地化可控使用。

　　卫浩讲述了实操使用的感受，“在处理非结构化数据时，DeepSeek等大模型能增强语义理解和文本处理能力，让我们从更广泛的数据中获取信息。此外，通用智能模型的技术也可以被风控模型借鉴，提高客户评估准确性，做出更好决策。”

　　卫浩指出，DeepSeek R1具备的深度思考能力，可以通过思维链训练模式，提高了意图和语义理解能力。这种能力不仅限于中文，也能在处理长上下文和复杂意图时表现出色。

　　银行业作为信息化程度较高的行业，其计算机系统经历了多次重大变革。从应用计算机系统替代手工操作，到移动互联网的出现，银行不断再造其经营流程。如今，随着人工智能快速发展，银行正面临第四轮信息系统进化的挑战与机遇。那么大模型时代，银行应该如何构建适配自己的智能技术应用能力？

　　李秀生认为，大模型时代的来临，要求银行从人工智能的充分应用角度，思考如何重塑银行的经营管理和流程。银行需要首先思考如何构建应用，再考虑如何组织数据、提升数据质量、进行标签标注以及应用行外数据。整体来看，商业银行需从战略层进行思考，同时考虑算力、数据、算法以及应用等多方面因素。

　　据他介绍，新网银行自成立起，就在反欺诈和信用风险控制领域充分应用了人工智能技术，实现了高效、大规模的贷款处理。然而，随着大模型的出现，银行开始考虑在更多领域进行探索和尝试。目前，新网银行已在客服领域应用大模型，成功替代了部分人工客服，并正在营销、贷后管理等领域尝试大模型的应用。

　　除了银行领域，王俊预测在制造业、气候风险预测、计算机、教育、媒体娱乐等领域，大模型相关智能应用都会有较明显的提升。王俊指出，“在制造业中，大模型能监测零件或电池的可靠性，预测其寿命；在气候风险预测方面，人工智能算法解读未来天气情况，为高速公路等提供预警和路线优化；在计算机领域，大模型能助力代码补全、代码理解和构建；在教育领域，基于学生的学习习惯和行为，可以构建个性化大模型辅助学生学习；在媒体娱乐领域，大模型能用于内容生成、模型构建和场景搭建，如动画制作、游戏设计和短视频制作，还能合成数字人，用于电商推荐等。”

　　未来银行需要什么样的AI人才？

　　据中国银行业协会发布的《2024年度中国银行业发展报告》，金融与人工智能有天然的契合点，AI大模型技术能够充分挖掘银行业的海量数据，而银行业具有适用AI大模型技术的丰富场景。当前AI大模型正推进我国银行业服务、营销、产品等领域的全面革新，催化“未来银行”加速到来。

　　伴随银行对大模型的广泛应用，对科技人员的技能也提出了更高的要求。李秀生认为，在互联网应用行业，互联网思维助力了互联网大厂的成功。随着人工智能时代的来临，对人才的需求转变为具备人工智能思维的金融和科技复合型人才。

　　新网银行近年来已强调互联网思维，并将在未来重视人工智能思维。在业务产品设计、客户营销、日常经营活动以及构建整体经营管理体系时，都在融入人工智能思维。因此，银行将评估员工是否具备这一能力、基础或潜质，以培养适应未来银行发展所需的人才。

　　“人工智能技术的不断进步给银行从业者带来了挑战，但也提供了新的机遇。面对变革，从业者需要保持冷静，不断学习，紧跟时代变化，找到自己在社会和企业中的位置。”李秀生勉励道。“技术人员需要调整自己，应用人工智能技术来提升自己的能力。而业务人员则不必过于担心被替代，因为人工智能技术的应用门槛降低了，即使不懂计算机的人也可以利用人工智能工具构建流程和应用，发挥自己的价值。因此，只要勇于学习，紧跟技术变化，银行从业者就不会被淘汰，反而能更好地适应时代技术的进步。”

　　从风控业务角度，卫浩指出，动手实践是掌握人工智能的关键。在风控领域，人工智能技术的应用需要更高的人才要求，不仅需要对技术原理有深入的了解，还需要对模型的优势、能力边界和风险有充分的认识，以确保技术的正确应用。因此，风控人员需要具备深厚的技术功底和广泛的知识面。

　　王俊也表示，高校也在致力于培养AI+专业领域的复合型人才。“我们在课程设置上进行优化，纳入了数据分析、数据挖掘、机器学习、深度学习和多模态数据等课程，让学生在本科阶段就能接触人工智能相关知识。增加了实训项目和实验课程，鼓励学生参加金融科技大赛等比赛，将知识转化为实践能力。此外，我们希望与业界加强产学研合作，通过联合实验室、专家讲座等形式，让学生更深入地了解业界需求和业务，从而激发他们的学习动力和培养符合业界需求的人才。”

　　谈及AI技术在银行业应用的下一步发展趋势，李秀生表示，随着AI和大模型技术的发展，商业银行迎来新一轮重塑。这不仅涉及系统升级，更将深刻改变银行的业务流程、产品形态、决策机制、人员组合及岗位设置。“虽然金融风险管理的本质未变，但服务方式、产品形态和运作机制将发生巨变。这一过程或许渐进，预计三至五年后，商业银行的面貌将焕然一新。”

（文章来源：新华财经）

来源：东方财富网

作者：新华财经