價值重塑，DeepSeek是顛覆金融擁抱大模型的開始
自帶金融背景的AI大模型DeepSeek爆火，給業內展現出了這么一種可能：當技術強大到一定程度的時候，機構的“第二增長曲線”自然就出來了。
無論是從剛開年一周就“高調”跑步接入DeepSeepk的公募基金看，還是正在低調又急迫接洽的銀行來看，金融行業顯然求生欲滿滿——那些在互聯網時代沒抓住的東西，在AI時代不想再落下。
并且，從這些迅速的行動中不難窺見，不僅僅是技術圈子，金融業也很快意識到擁抱大模型的姿勢要變了，并且“可變性”提高了：
不少業內人士看來，DeepSeek的橫空出世戳破了過去2年AI大模型的高門檻、大算力“泡沫”，推動模型性能提升、算力成本下降，應用側落地也將進一步加速，由于DeepSeek自身的金融背景與實力，金融+AI大模型則有可能是最早、也最快誕生殺手級應用的領域。
不同于過去觀望、試水、摸索的節奏，此次以公募基金為代表的金融機構在宣布接入DeepSeek后，明確鎖定將直接落地到投研、銷售、風控、運營等核心業務場景。這顯然給后續金融“擁抱”大模型的姿勢，帶來了更多可能性。
可能性1：價值重塑，金融擁抱AI大模型技術、成本門檻降低回首2022年底，ChatGPT正式推出，于2023年初正式進入國內機構的視野并爆火。以此為起點，不少金融機構已經加入大模型投研行列，至今已有2年整。而在此期間，AI大模型對于金融行業來說，始終是一項門檻頗高的投入，和現在接入Deepseek后短時間內即能夠明確宣稱“已經完成私有化部署”的情況截然不同。伴隨著這些變化，金融機構擁抱AI大模型的方法和路徑，顯然已迅速轉變。此前，我們最常見到的操作是買算力、買模型、買服務，然后研究，然后沒有然后。比如，早在2023年3月底，便發布了500億參數的金融大語言模型Bloom?bergGPT，這是全球首個金融大模型，但結果也不了了之，進入2025年之后徹底沒有了聲響。此外，國內的不少金融機構（尤其是銀行）也加入了大模型研發、應用行列，但同時要面對“巨大的投入”和“應用的不確定性”，成果進展一直較為緩慢，不少中小銀行更是望而卻步。比如，作者也曾留意到，招商銀行是業內最早發布大模型相關招投標的銀行，早在2023年10月就披露了“招商銀行預訓練基礎大語言模型（千億級）采購項目”的結果，中選供應商為為MiniMax（上海稀宇科技有限公司）。但一年多過去，除了財報提及“大模型”的次數明顯增加外，公開渠道并未見其有大模型相關的應用成果公布。如果說金融太大，那么細分到零售信貸領域，也只有少數公司公布過大模型對業務提升的相關指標，比如奇富科技、樂信。不少銀行雖也在零售信貸應用提到過大模型，但目前沒有銀行公布過具體效果。而DeepSeek走到臺前，之所以讓業界為之震動，深究來看，其顛覆之處在于，借助強化學習進行算法優化，將模型訓練成本大幅下降，并且展現出了更優的性能，讓模型部署和落地的門檻進一步降低。縱觀過去2年金融行業對大模型的投入、進展，再對比DeepSeek進入公眾視野后的進展，進度條截然不同。 可能性2：戳破AI大模型“無腦狂熱”泡沫，應用半徑縮短隨著模型性能提升、“擁抱”的技術及成本門檻下降，大模型“無腦狂熱”泡沫被戳破后，方向性更易明確，2025年將是金融AI大模型應用爆發年。技術擁抱門檻降低，帶來的結果已經顯現。不少業內人士告訴作者，DeepSeek推出之后機構們的AI大模型選擇困難癥暫時得到了緩解，過去需要在國內AI大模型六小龍（月之暗面、百川智能、智譜AI、Minimax、零一萬物、階躍星辰）、互聯網大廠（阿里、騰訊、字節、百度）和國外的模型之間艱難選擇，“現在無腦選DeepSeek就好，它們目前的好用，是沒有爭議的。”與此形成對照的是，各大云廠商也沒有躺平，火速蹭了一波熱度，阿里云、百度云、騰訊云相繼宣布接入了DeepSeek模型API接口，讓企業可以在云上靈活調用DeepSeek的模型服務。作者還了解到，某華南區域銀行就以此為由，在上周采購了深圳某大廠的云服務。在這個過程中，云廠商所扮演的是中間人的角色——讓企業可以按需租用算力，在云端訓練自己的模型，或者在底座模型基礎上開發更適合自己的垂類應用。成本下降的同時，應用開發的路徑也更短、更快。也正因如此，后續金融機構引入大模型的疊加成本下降，將有更多的時間、精力和資源進行應用端的開發和精進，2025年成為金融AI大模型的應用爆發年已無懸念。QuestMobile的最新數據顯示， DeepSeek在1月28日的日活躍用戶數首次超越豆包，隨后在2月1日突破3000萬大關，成為史上最快達成這一里程碑的應用。既然如此，相信大家也會問：那么金融機構之前的投入會廢掉嗎？綜合業內看法和作者淺見，不完全會。有些銀行的投入尚在“PPT”級，顯然會廢。但，對于少數真正花錢、花資源培養了具備投研團隊的銀行來講，有經驗積攢、有判斷能力就是最好的收獲，也是在為應用實戰攢“底子”。正如小鵬汽車CEO何小鵬最近在《晚點》受訪提到的，“很多東西不是靠錢可以堆積的，是靠長期的摸索、積累和反復。”如果說，過去金融機構是砸錢買經驗、摸索路徑，現在可能要加快進入應用比拼階段了，這恰恰是自身投研團隊的可發揮之處。可能性3：另一個Deepseek可能隨時會來，金融擁抱AI要提速“一直以來，金融機構擁抱大模型不是業務端觸發的東西。”一個長期賣“云”的大廠相關人士對作者聊起自己的觀察，“多數是科技側先‘買’，然后在各種業務側推廣部署，大部分都不是從業務實用側觸發的，而Deepseek卻恰好相反。”而從近兩年多數金融機構的操作看，確實如此。兩年前，作者就曾留意到，要窺見大模型在金融行業的應用情況，只能通過招投標信息。而從2024年中報看，很多銀行也主要還在談“大模型”的技術建設進展，應用方向更多其實是在探索，主要包括零售信貸、財富管理、智能客服三大領域。這種非業務側驅動帶來的最大問題就是，解決不了問題。“比如說，你用一張信用卡，或在銀行做財富管理的過程中，會接觸到智能客服，也許技術上來后智能客服給你的體驗是提升了，但用戶的核心需求是這張卡好用，我的財富管理到底賺不賺錢。”上述人士舉例，并不是說提升服務體驗不重要，而是更應該優先解決核心問題。當然，要解決核心問題，不僅僅是要解決技術問題，除了金融機構自身的決策模式、業務監管等問題，Deepseek目前仍有一些地方有爭議。金融機構，尤其是銀行要像公募基金一樣迅速擁抱Deepseek或許有現實難度，但毫無疑問的是，擁抱AI要提速了，并且要多從業務實用側多提速。畢竟，下一個Deepseek不知道什么時候會到來，互聯網時代沒有抓住的機遇，AI時代不能再落下了。最后，我們來看一下Deepseek自己是怎么回答這個問題的：
且看如今吹的牛逼，未來能否實現？
免責聲明：本文、圖片均轉載網絡，版權歸原作者所有，如有侵權請聯系刪除。
