国产大模型DeepSeek：搅动AI格局，重塑银行业未来

国产大模型DeepSeek的横空出世，正以前所未有的速度改变AI技术发展的底层逻辑，其日活跃用户已突破3000万。近日，一场沙龙探讨了DeepSeek如何改变AI游戏规则，以及其在银行业的应用前景。

沙龙中，专家们就DeepSeek的开源模式展开了讨论。与传统闭源模型不同，DeepSeek的开放性降低了企业使用先进大模型的门槛，促进了技术迭代。李秀生认为开源模式更有利于技术进步，而王俊则指出开源与闭源模式将长期并存，相互竞争与融合。DeepSeek的出现对市场头部企业产生了冲击，迫使它们重新审视商业模式和技术发展方向。

尽管DeepSeek在许多领域表现出色，但在风控等垂直领域，由于缺乏特定数据训练，其表现仍有提升空间。

DeepSeek的训练成本远低于其他大型模型，例如Meta的Llama3-40B和OpenAI的GPT-4，其本地化部署成本甚至不足百万元。这使得中小银行也能轻松应用，从而缩小与大型银行的技术差距。DeepSeek已经在多个银行和金融机构部署，并被应用于研发、客服等多个场景。

DeepSeek的出现带来两大理念转变：打破了“大力出奇迹”的算力堆砌模式，以及加剧了开源与闭源之争。这将推动银行业向更加智能化、高效化方向发展。

在银行业数字化风控领域，DeepSeek可以增强语义理解和文本处理能力，提高客户评估准确性和决策效率。DeepSeek R1的深度思考能力，也能够有效处理长上下文和复杂意图。

大模型时代，银行需要构建适配自身智能技术应用的能力，这包括重塑经营管理和流程，构建应用、组织数据、提升数据质量，并应用行外数据。

未来，AI技术在制造业、气候风险预测、计算机、教育、媒体娱乐等领域将有广泛应用。

伴随大模型的广泛应用，银行对人才需求也发生转变，需要具备人工智能思维的金融科技复合型人才。银行需要培养员工的人工智能思维，以适应未来发展。技术人员需要利用AI技术提升自身能力，业务人员则需学习使用AI工具，发挥自身价值。高校也应加强AI+专业领域的复合型人才培养，加强产学研合作，培养符合业界需求的人才。

最后，专家们展望了AI技术在银行业应用的未来趋势：在未来三到五年内，AI和大模型技术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，银行的面貌将焕然一新。