中小机构弯道超车窗口来临？DeepSeek开源提供加速度

　　在全球AI芯片博弈升温的节点，国产大模型DeepSeek的横空出世，正在改写技术进化的底层逻辑。如今DeepSeek访问使用量急速上升，已经成为目前最快突破3000万日活跃用户量的应用程序。如何深度理性看待AI热潮？如何评估洞察DeepSeek技术的真正潜力？ 

　　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。这场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、教授王俊，新网银行风控科学部负责人卫浩为我们揭示了DeepSeek背后的技术奥秘及其在银行业的应用前景。 

　　卫浩，李秀生，王俊，主持人任帅（从右至左）在直播现场 

　　开源VS闭源，是继续竞争还是并驾齐驱？ 

　　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？如何构建智能技术应用能力？ 

　　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。