在全球AI芯片竞争日益激烈的背景下，一款名为DeepSeek的国产大模型横空出世，正悄然改变着技术演进的底层逻辑。凭借其迅猛的发展势头，DeepSeek的访问量急剧攀升，迅速突破3000万日活跃用户大关，成为业界瞩目的焦点。
近日，一场聚焦“DeepSeek如何重塑AI格局？AGI门槛是否正逐渐消失？”的沙龙活动成功举办，该活动由新网银行携手西南财经大学管理科学与工程学院联合呈现。活动中，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教授以及新网银行风控科学部负责人卫浩，共同探讨了DeepSeek背后的技术秘密及其在银行业的应用潜力。
（从左至右）主持人任帅、李秀生、王俊、卫浩在沙龙直播现场
在开源与闭源的抉择中，DeepSeek的开源策略犹如一股清流。与OpenAI和微软的合作引发的“生态垄断”争议，以及英伟达面临的美国史上最严AI芯片出口管制不同，DeepSeek以开放姿态，降低了企业应用先进大模型的门槛，促进了多场景智能助手的能力提升。
李秀生以Linux和安卓为例，阐述了开源与闭源两种模式在软件行业的并存与成功。他指出，尽管苹果作为闭源模式的代表，在高端手机应用领域保持领先，但开源模式如Linux和安卓，同样推动了操作系统领域的巨大发展。李秀生个人更倾向于开源模式，认为它能够汇聚全球智慧，共同推动技术创新。
王俊则认为，开源与闭源是相互依存、相互竞争的关系。开源技术能够吸引大量开发人员参与，加速技术迭代，但商业模式和盈利能力尚不确定。而闭源模式则注重构建自身壁垒，投入巨大，商业模式独特但多样性受限。两者各有千秋，在实践中可能会相互借鉴、融合，形成竞争与合作并存的态势。
DeepSeek作为开源、低成本且高效的大模型，对市场上的头部科技公司构成了挑战。王俊坦言，对于OpenAI等闭源大模型公司，DeepSeek的定价策略迫使其重新评估商业模式和技术优化方向。同时，DeepSeek的发布也证明了顶级推理并不完全依赖于高端GPU，促使英伟达等芯片公司重新思考AI基建的投资逻辑和发展模式。
然而，尽管大模型具备广泛能力，但在风控这一垂直领域，其表现并不尽如人意。卫浩指出，大模型的训练主要基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训练，因此其逻辑与风控实际需求可能存在偏差。
DeepSeek的本地化部署成本相对较低，据浙商证券研报显示，DeepSeek-V3的训练成本仅为557.6万美元，远低于OpenAI GPT-4的数亿美元投入。目前，多家金融机构正在积极部署DeepSeek，新网银行自2024年5月起，已在系统研发场景中应用DeepSeek大模型，构建了研发知识问答助手和代码续写助手，有效提升了研发效率。
李秀生认为，DeepSeek的出现带来了两大理念变革。一是打破了“算力至上”的迷思，证明了通过优化算法和模型，在较低算力下也能实现高效性能。二是加剧了开源与闭源之争，DeepSeek等开源模型降低了技术门槛，使得更多机构能够应用大模型，对银行业等金融机构产生了深远影响。
卫浩分享了DeepSeek在银行业数字化风控领域的应用前景。他表示，DeepSeek等大模型能够增强语义理解和文本处理能力，从更广泛的数据中获取信息，提高客户评估准确性，做出更好决策。同时，DeepSeek R1的深度思考能力，通过思维链训练模式，提高了意图和语义理解能力，在处理长上下文和复杂意图时表现出色。
面对大模型时代的到来，李秀生认为银行需要从战略层面思考如何重塑经营管理和流程，构建适配自己的智能技术应用能力。新网银行已在客服领域成功应用大模型替代部分人工客服，并正在营销、贷后管理等领域尝试大模型的应用。
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将有显著提升。高校也在致力于培养AI+专业领域的复合型人才，通过优化课程设置、增加实训项目和实验课程，以及加强产学研合作，以满足业界对复合型人才的需求。
对于AI技术在银行业应用的未来趋势，李秀生表示，随着AI和大模型技术的发展，商业银行将迎来新一轮重塑，涉及系统升级、业务流程变革、产品形态创新、决策机制优化以及人员组合和岗位设置的调整。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将发生巨变。
