国产AI大模型DeepSeek崛起：颠覆技术市场，助力银行业数字化转型

在当今全球AI芯片竞争加剧的背景下，国产大模型DeepSeek如一颗新星迅速崛起，正悄然重塑技术进程的底层逻辑。自发布以来，DeepSeek的用户规模迅速增长，目前已突破3000万日活跃用户，表明其在市场上引起了广泛关注和应用。这一现象不仅引发了技术和行业的深度思考，更让人们对人工智能未来的发展潜力充满了期待。

最近，由新网银行与西南财经大学管理科学与工程学院联合举办了一场主题为“DeepSeek如何重塑AI格局？AGI门槛正逐渐消失？”的沙龙活动，活动聚集了多位业内专家，共同探讨DeepSeek的技术秘密及其对银行业的影响。新网银行副行长李秀生、计算金融系主任王俊教授以及风控科学部负责人卫浩悉数登场，为我们揭示了AI技术的新动态。

当今，关于开源与闭源的讨论愈加热烈。在OpenAI与微软的合作引发“生态垄断”争议的背景下，DeepSeek的开源策略被视为技术领域的一股新鲜空气，英伟达面临的史上最严格的AI芯片出口管制也对行业产生了深远影响。DeepSeek以较低的使用成本为企业提供了应用先进大模型的可能性，有效提升了多场景智能助手的能力。

李秀生以Linux和安卓为例，阐述了开源与闭源在软件行业的共存现象。他指出，这两种模式虽然在路径上各有不同，但在实现技术突破方面都有显著的成就。他个人更倾向于开源模式，认为其能够汇集全球智慧，共同推动技术进步。王俊在此基础上补充道，开源与闭源之间的相互融合也在不断进行，各自的优势与局限性让两者在实际应用中相得益彰。

DeepSeek的崛起对市场上的头部科技公司产生了强有力的冲击。王俊指出，DeepSeek不仅挑战了诸如OpenAI等闭源大模型公司的定价策略，同时也促使英伟达等芯片公司重新思考AI基础设施的投资逻辑与发展模式。尽管DeepSeek拥有开源的优势，但其在金融行业尤其是风险控制领域的表现仍需进一步提升。卫浩强调，大模型的训练依赖于公开数据，未必具备针对风控领域的专门训练，因此其应用逻辑可能与实际需求存在差距。

DeepSeek以惊人的训练成本与效率脱颖而出。与传统大模型动辄千万级别的投资相比，DeepSeek的训练成本仅为557.6万美元，而且所需GPU时间不到280万小时，这意味着在本地化部署时，成本可低至十万级别，极大降低了企业的技术门槛。

目前，银行、基金及证券等金融机构纷纷部署DeepSeek。自2024年5月起，新网银行便在多个系统中引入DeepSeek大模型，成功开发了研发知识问答助手与代码续写助手，显著缩短了工程师查阅技术资料的时间。

李秀生认为，DeepSeek的问世带来了两个重要变化。它打破了“大力出奇迹”的信念，证明了通过优化算法与模型也可以用较少的计算能力实现优秀的性能。DeepSeek加剧了开源与闭源之间的竞争，降低了技术入门门槛，让更多企业能够利用大模型。这些变化将对银行等金融机构产生深远的影响。

卫浩进一步探讨了DeepSeek在银行业数字化风控领域的应用前景。通过Enhanced语义理解和文本处理能力，DeepSeek能够从更广泛的数据中提取信息，提高客户评估的准确性与决策能力。同时，在处理复杂意图和长上下文的情况下，DeepSeek也展现出良好的深度思考能力，帮助银行在风控领域实现突破。

面对大模型时代的到来，李秀生呼吁各大银行从战略高度进行思考，构建适合自身的智能技术应用能力。他强调，银行需要关注如何构建应用、组织数据、提高数据质量及应用行外数据等方面. 目前，新网银行已经在客服领域探索大模型应用，并计划在营销、贷后管理等领域进行更深入的尝试。

王俊则展望未来，认为在制造业、气候预测、计算机科学、教育和媒体等领域，相关大模型智能应用将显著提升。他提到，大模型能够监控机器部件的可靠性、进行天气预测、增强编程理解、构建个性化学习模型等，显示出其广泛的应用潜力。

随着AI与大模型技术的不断发展，商业银行迎来了新一轮的重塑。李秀生坦言，尽管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都将发生巨大的变革。他鼓励银行从业者保持冷静，不断学习，与时俱进，以适应时代发展带来的挑战与机遇。DeepSeek的崛起不仅是在技术层面的突破，更是在理念与模式上的创新，开启了中国金融业数字化转型的新篇章。