DeepSeek之后，金融大模型将迎哪些变化？(3)

桂林银行方面告诉记者，Deepseek-R1是一款优秀的国产大模型，对该行大模型策略产生了比较重要的影响。尤其是Deepseek-R1显著降低了研发成本，使得中小型城商行能够以更低的成本投入大模型的研发与应用。

“以往研发金融大模型需要购买大量的GPU卡来搭建高算力的基础设施，成本高昂。而Deepseek-R1低操作成本特点，让我行在金融大模型应用研发方面的投入产出比有望进一步上升。Deepseek-R1在基础设施方面带来的降本增效，有助于我们投入更多资源到大模型应用方面，能够更好地专注于自身业务特点，开发有针对性的垂直应用。”该负责人称。

桂林银行方面认为，Deepseek-R1的出现有望缩小中小型城商行与大型银行在大模型应用研发方面的差距。中小型城商行由于资源有限，在大模型研发上的投入相对较少，而Deepseek-R1的低数据训练成本和高性能，为中小型城商行提供了一个新的突破口。

“原来各机构的技术差异可能比较大，有的土壤肥沃，有的贫瘠，投入产出比差异明显；如今Deepseek-R1实现了通过较低的成本来获得比较好的产出，相当于大家在同一片肥沃的土壤上种植，整体拉高了投入产出比，技术差异有望缩小。”周城雄亦表示。

但对于中小型机构而言，困难依然重重。“包括数据量相对有限，能承担多少算力，人才问题，等等。”周城雄补充称。

另一方面，技术门槛的降低也并不意味着消弭差距，甚至可能拉大差距。“如果机构懂得如何借力低成本的技术平台，相信能产生更好的效益，而对于不会利用的机构而言，则会带来负面影响。”周城雄谈及。

在周城雄看来，中小金融机构需要在自主开发和外部力量之间寻找一个平衡：如果完全用外部的大模型，可能不是那么好用，并不适合自身业务；如果完全自主开发，成本也会太高。

展望未来，周城雄认为竞争格局将取决于AI与业务的深度融合能力，而非仅仅成本的高低问题。“就像信息化浪潮的时候，信息化与业务的融合水平也拉开了机构之间的竞争差距。”

但无论如何，在各个领域，大模型成本降低都是喜闻乐见的事情。

王耀南谈及，以消费金融为例，作为与人们日常消费联系紧密的金融业态，消费金融具有量大、小额、分散等鲜明特点，业务风险和运营成本较高，实现“普”与“惠”的平衡存在公认难度。大模型技术的发展将进一步推动金融服务的颠覆式创新，在高效解决风控、运营、服务等领域存在巨大应用空间和显著优势。   

着眼生态发展，“DeepSeek在Nvidia CUDA技术体系之外，以其良好的原生生态支撑了包括华为昇腾在内的一系列国产GPU技术栈，DeepSeek的‘破圈’及优异的性能让更多人认识到国内人工智能信创生态将会快速完善。未来，充分的市场竞争一定会带来投入产出比的上升。”王耀南表示。