作 者 | 九卦姐

來(lái) 源 | 九卦金融圈

從DeepSeek等開(kāi)源大模型的崛起，到銀行自主訓(xùn)練專屬AI，科技與金融的融合加速推進(jìn)。數(shù)字金融百人訪談，聚焦銀行科技實(shí)踐，探討AI如何重塑金融業(yè)務(wù)，描繪未來(lái)智能銀行的藍(lán)圖。

本期嘉賓：

新網(wǎng)銀行副行長(zhǎng)李秀生，西南財(cái)經(jīng)大學(xué)管理科學(xué)與工程學(xué)院計(jì)算金融系主任、教授王俊，和新網(wǎng)銀行風(fēng)控科學(xué)部負(fù)責(zé)人衛(wèi)浩

本期主持人：

任帥

近期，全球 AI 市場(chǎng)迎來(lái)一系列重要變革。蘋(píng)果與阿里展開(kāi)合作、文心一言全面免費(fèi)開(kāi)放，DeepSeek 等開(kāi)源大模型的崛起，正悄然改變行業(yè)競(jìng)爭(zhēng)格局。同時(shí)，全球科技企業(yè)加速 AI 技術(shù)布局，試圖在日益激烈的競(jìng)爭(zhēng)中搶占先機(jī)。在這一背景下，開(kāi)源與閉源模式的取舍、算力與算法優(yōu)化的權(quán)衡，以及 AI 在銀行業(yè)等的深度應(yīng)用，成為業(yè)內(nèi)關(guān)注的焦點(diǎn)。

近日，一場(chǎng)主題為“DeepSeek如何改變AI的游戲規(guī)則？AGI的高門(mén)檻正在消失？”的沙龍順利舉辦。這場(chǎng)沙龍由新網(wǎng)銀行與西南財(cái)經(jīng)大學(xué)管理科學(xué)與工程學(xué)院聯(lián)合主辦。新網(wǎng)銀行副行長(zhǎng)李秀生，西南財(cái)經(jīng)大學(xué)管理科學(xué)與工程學(xué)院計(jì)算金融系主任、教授王俊，新網(wǎng)銀行風(fēng)控科學(xué)部負(fù)責(zé)人衛(wèi)浩為我們揭示了DeepSeek背后的技術(shù)奧秘及其在銀行業(yè)的應(yīng)用潛力。

DeepSeek技術(shù)發(fā)展趨勢(shì)

問(wèn)：DeepSeek的技術(shù)創(chuàng)新和突破體現(xiàn)在哪些方面？

王俊：DeepSeek大模型的發(fā)布是國(guó)產(chǎn)大模型在世界舞臺(tái)的首次亮相，得到了全球認(rèn)同，彰顯了中國(guó)科技的力量。與其他大模型相比，DeepSeek在多個(gè)方面實(shí)現(xiàn)了突破和創(chuàng)新。

在設(shè)計(jì)架構(gòu)上，DeepSeek采用了混合專家架構(gòu)，將大模型拆分為多個(gè)子專家模型，包括細(xì)粒度和通臺(tái)專家模型，這些模型相互協(xié)同工作，提高了訓(xùn)練效率。同時(shí)，該架構(gòu)是動(dòng)態(tài)的，采用路由偏置調(diào)整策略，解決了子專家模型間的負(fù)載不均衡問(wèn)題，減少了參數(shù)，加快了計(jì)算速度，提升了推理能力。

在訓(xùn)練層面中，DeepSeek注重?cái)?shù)據(jù)策略，不僅關(guān)注數(shù)據(jù)量，還注重?cái)?shù)據(jù)質(zhì)量和多樣性，使用大量合成數(shù)據(jù)提升大模型的推理能力和運(yùn)算效率。此外，DeepSeek還運(yùn)用了強(qiáng)化學(xué)習(xí)技術(shù)、知識(shí)蒸餾技術(shù)和多頭潛注意力機(jī)制等技術(shù)，增強(qiáng)了模型的推理能力，實(shí)現(xiàn)了知識(shí)的有效遷移，并大幅減少了資源浪費(fèi)，提升了計(jì)算效率。

在硬件適配方面，DeepSeek表現(xiàn)出色，能夠在國(guó)產(chǎn)芯片、GPU和云平臺(tái)上得到應(yīng)用，打破了高端范例的壟斷，降低了相關(guān)門(mén)檻。這一特性使得DeepSeek在未來(lái)的應(yīng)用場(chǎng)景中，包括端測(cè)應(yīng)用，都能得到更好的深化和發(fā)展。

問(wèn)：DeepSeek感覺(jué)更有文采，是否僅針對(duì)中文優(yōu)化？

王俊：DeepSeek在中文處理上確實(shí)表現(xiàn)出色，因?yàn)樗捎昧酥形恼Z(yǔ)料庫(kù)進(jìn)行訓(xùn)練，對(duì)中文的理解更為深入，能更好地滿足中文需求。

衛(wèi)浩：DeepSeek具備R1的深度搜索功能，通過(guò)思維鏈訓(xùn)練模式，提高了意圖和語(yǔ)義理解能力。這種能力不僅限于中文，也能在處理長(zhǎng)上下文和復(fù)雜意圖時(shí)表現(xiàn)出色。因此，DeepSeek的優(yōu)化不僅針對(duì)中文，還在其他方面有所提升。

問(wèn)：DeepSeek R1對(duì)AI行業(yè)競(jìng)爭(zhēng)格局的影響？

王俊：DeepSeek R1的發(fā)布對(duì)AI市場(chǎng)競(jìng)爭(zhēng)格局帶來(lái)了顯著變化。首先，從市場(chǎng)主體角度看，DeepSeek作為一種開(kāi)源、低成本且高效的大模型，對(duì)市場(chǎng)上的頭部科技公司如OpenAI和英偉達(dá)等產(chǎn)生了沖擊。對(duì)于OpenAI這類(lèi)閉源大模型公司，DeepSeek的定價(jià)策略迫使其重新審視商業(yè)模式和技術(shù)優(yōu)化方向。而對(duì)于英偉達(dá)等芯片公司，DeepSeek的發(fā)布證明了不一定依賴于高端GPU就能進(jìn)行頂級(jí)推理，這促使英偉達(dá)等思考AI基建的投資邏輯和發(fā)展模式應(yīng)如何調(diào)整。

其次，DeepSeek的開(kāi)源模型為大模型創(chuàng)業(yè)公司提供了科技土壤和機(jī)會(huì)，降低了創(chuàng)業(yè)門(mén)檻，吸引了更多參與者加入，加劇了市場(chǎng)競(jìng)爭(zhēng)。同時(shí)，云平臺(tái)如阿里云、騰訊云等也受益于門(mén)檻降低，云服務(wù)的適配性和多樣化得以擴(kuò)展。

從技術(shù)層面看，算法成為技術(shù)變革的焦點(diǎn)。DeepSeek等開(kāi)源模型加速了技術(shù)迭代速度，增強(qiáng)了算法優(yōu)化。在應(yīng)用端，成本降低和門(mén)檻降低使得更多行業(yè)能夠應(yīng)用大模型，拓寬了行業(yè)寬度和適用性。此外，DeepSeek還推動(dòng)了端側(cè)應(yīng)用層面的深度挖掘，如智能玩具、智能家電和智能汽車(chē)等領(lǐng)域。

而在硬件需求方面，DeepSeek的發(fā)布提升了對(duì)中級(jí)GPU的需求，降低了對(duì)頂級(jí)GPU的依賴。這有助于國(guó)產(chǎn)替代和算力協(xié)同優(yōu)化，提高了算力的充分利用率。

問(wèn)：DeepSeek在哪些領(lǐng)域應(yīng)用潛力顯著？

王俊：AI大模型已廣泛應(yīng)用于各個(gè)領(lǐng)域。在計(jì)算機(jī)領(lǐng)域，大模型能助力代碼補(bǔ)全、代碼理解和構(gòu)建。在教育領(lǐng)域，基于學(xué)生的學(xué)習(xí)習(xí)慣和行為，可以構(gòu)建個(gè)性化大模型，輔助學(xué)生學(xué)習(xí)，記錄學(xué)習(xí)進(jìn)度，加強(qiáng)薄弱環(huán)節(jié)，拓展優(yōu)勢(shì)領(lǐng)域。在媒體娛樂(lè)領(lǐng)域，大模型能用于內(nèi)容生成、模型構(gòu)建和場(chǎng)景搭建，如動(dòng)畫(huà)制作、游戲設(shè)計(jì)和短視頻制作，還能合成數(shù)字人，用于電商推薦等。

在制造業(yè)中，大模型能監(jiān)測(cè)零件或電池的可靠性，預(yù)測(cè)其壽命。在氣候風(fēng)險(xiǎn)預(yù)測(cè)方面，人工智能算法解讀未來(lái)天氣情況，為高速公路等提供預(yù)警和路線優(yōu)化。這些只是AI大模型應(yīng)用的冰山一角，它已滲透到各行各業(yè)，為人類(lèi)生活帶來(lái)便利和創(chuàng)新。

開(kāi)源與閉源模式的博弈與融合

問(wèn)：開(kāi)源與閉源未來(lái)是競(jìng)爭(zhēng)還是并行？

李秀生：在軟件行業(yè)，開(kāi)源與閉源兩種模式并存且各有成功案例。Linux和安卓作為開(kāi)源軟件的代表，極大地推動(dòng)了操作系統(tǒng)領(lǐng)域的發(fā)展，都取得了顯著成就。然而，我個(gè)人更看好開(kāi)源模式，因?yàn)樗軌騾R聚更多人的智慧和力量，共同推動(dòng)技術(shù)的進(jìn)步和創(chuàng)新。未來(lái)，開(kāi)源與閉源或?qū)⒗^續(xù)并行發(fā)展，但開(kāi)源的潛力值得期待。

王俊：我認(rèn)為開(kāi)源與閉源是相互融合、相互競(jìng)爭(zhēng)的關(guān)系。開(kāi)源技術(shù)公開(kāi)，能吸引眾多開(kāi)發(fā)人員參與，促進(jìn)技術(shù)快速迭代，但盈利能力和商業(yè)模式不確定。閉源則注重構(gòu)建自身護(hù)城河和門(mén)檻，投入巨大，商業(yè)模式獨(dú)特但多樣性較弱。兩者各有優(yōu)勢(shì)與缺陷，因此在實(shí)踐中可能會(huì)相互借鑒、融合，并在某些領(lǐng)域形成競(jìng)爭(zhēng)態(tài)勢(shì)，構(gòu)成一種復(fù)雜的關(guān)系。

AI應(yīng)用門(mén)檻降低的機(jī)遇與挑戰(zhàn)

問(wèn)：降低AI門(mén)檻的利弊？

王俊：AI降低應(yīng)用門(mén)檻帶來(lái)了諸多利處，如激活市場(chǎng)、加速技術(shù)迭代、刺激應(yīng)用領(lǐng)域的寬度和深度發(fā)展，以及促進(jìn)人才培養(yǎng)。然而，同時(shí)也存在一些問(wèn)題和挑戰(zhàn)。首先數(shù)據(jù)隱私保護(hù)是一個(gè)重要關(guān)注點(diǎn)。在開(kāi)源生態(tài)中，很多人會(huì)參與各個(gè)環(huán)節(jié)的優(yōu)化，這可能導(dǎo)致個(gè)人用戶和企業(yè)敏感性信息的泄露。因此，數(shù)據(jù)隱私保護(hù)需得到足夠重視。同時(shí)，開(kāi)源模型的安全性問(wèn)題也不容忽視。如何防止模型被篡改，以及本地化部署后如何防范網(wǎng)絡(luò)攻擊，都是亟待解決的問(wèn)題。

此外，隨著門(mén)檻降低，市場(chǎng)競(jìng)爭(zhēng)將愈發(fā)激烈。如果開(kāi)發(fā)者或創(chuàng)業(yè)者在二次開(kāi)發(fā)或迭代優(yōu)化時(shí)沒(méi)有特色或多樣性，可能導(dǎo)致同質(zhì)性競(jìng)爭(zhēng)壓力增大，甚至引發(fā)價(jià)格戰(zhàn)等不良現(xiàn)象。

道德倫理問(wèn)題也是一個(gè)重要議題。在開(kāi)源生態(tài)下，從業(yè)者和技術(shù)人員可以進(jìn)行本地化部署訓(xùn)練和優(yōu)化算法，但新產(chǎn)生的大模型是否符合人類(lèi)的道德倫理標(biāo)準(zhǔn)卻難以保證。

問(wèn)：對(duì)銀行業(yè)的主要影響？

李秀生：一方面，對(duì)復(fù)合型人才的需求提高，要求既懂銀行業(yè)務(wù)又懂人工智能，以構(gòu)建更好的AI應(yīng)用。

另一方面，網(wǎng)絡(luò)安全、數(shù)據(jù)安全及金融科技倫理的要求也更為嚴(yán)格，銀行需合法合規(guī)地應(yīng)用新技術(shù)。大型商業(yè)銀行綜合能力較強(qiáng)，而中小銀行在這些方面仍有提升空間。

因此，銀行業(yè)特別是中小銀行在應(yīng)用AI大模型時(shí)，需同步建設(shè)相關(guān)能力，以更好地利用新技術(shù)，確保合法合規(guī)并提升競(jìng)爭(zhēng)力。

DeepSeek在銀行業(yè)的應(yīng)用與變革

問(wèn)：DeepSeek對(duì)銀行業(yè)的理念沖擊？

李秀生：在人工智能領(lǐng)域，DeepSeek的出現(xiàn)帶來(lái)了兩大理念上的變化。首先，它打破了“大力出奇跡”的執(zhí)念，即不再盲目追求極端的算力。DeepSeek證明了通過(guò)優(yōu)化算法和模型，也能在較低算力下實(shí)現(xiàn)高效性能。這一點(diǎn)對(duì)英偉達(dá)等硬件廠商產(chǎn)生了沖擊，導(dǎo)致其股價(jià)下跌。

其次，DeepSeek進(jìn)一步加劇了開(kāi)源與閉源之爭(zhēng)。這一變化對(duì)銀行業(yè)等金融機(jī)構(gòu)產(chǎn)生了深遠(yuǎn)影響。過(guò)去，只有大銀行才能斥巨資構(gòu)建算力、引入模型，但DeepSeek讓中小銀行也看到了應(yīng)用大模型的曙光。

對(duì)于未來(lái)，隨著技術(shù)的不斷進(jìn)步和成本的進(jìn)一步降低，大模型將不再是大銀行的專屬奢侈品，而是能夠廣泛應(yīng)用于中小銀行等金融機(jī)構(gòu)中。這將為商業(yè)銀行帶來(lái)重要的技術(shù)變革趨勢(shì)，推動(dòng)其更加智能化、高效化地發(fā)展。

問(wèn)：銀行如何構(gòu)建智能技術(shù)能力？

李秀生：銀行業(yè)作為信息化程度較高的行業(yè)，其計(jì)算機(jī)系統(tǒng)經(jīng)歷了多次重大變革。如今，隨著人工智能技術(shù)的快速發(fā)展，銀行正面臨第四輪信息系統(tǒng)進(jìn)化的挑戰(zhàn)與機(jī)遇。

以新網(wǎng)銀行為例，自2016年成立起，就在反欺詐和信用風(fēng)險(xiǎn)控制領(lǐng)域充分應(yīng)用了人工智能技術(shù)，實(shí)現(xiàn)了高效、大規(guī)模的貸款處理。然而，隨著大模型的出現(xiàn)，銀行開(kāi)始考慮在更多領(lǐng)域進(jìn)行探索和嘗試。銀行已在客服領(lǐng)域應(yīng)用大模型，成功替代了部分人工客服，并正在營(yíng)銷(xiāo)、貸后管理等領(lǐng)域嘗試大模型的應(yīng)用。

大模型時(shí)代的來(lái)臨，要求銀行從人工智能的充分應(yīng)用角度思考如何重塑銀行的經(jīng)營(yíng)管理和流程。銀行需要首先思考如何構(gòu)建應(yīng)用，再考慮如何組織數(shù)據(jù)、提升數(shù)據(jù)質(zhì)量、進(jìn)行標(biāo)簽標(biāo)注以及應(yīng)用行外數(shù)據(jù)。

在選擇大模型時(shí)，銀行需基于自身應(yīng)用特點(diǎn)、戰(zhàn)略思考來(lái)選擇合適的模型組合。此外，算力的構(gòu)建也是銀行面臨的重要問(wèn)題。銀行需考慮使用高端英偉達(dá)產(chǎn)品還是國(guó)產(chǎn)算力，搭建私有算力還是在云上進(jìn)行運(yùn)算。這些決策都需基于銀行的戰(zhàn)略需求和實(shí)際情況。

總的來(lái)說(shuō)，商業(yè)銀行在大模型應(yīng)用上需從戰(zhàn)略層面進(jìn)行思考，同時(shí)考慮算力、數(shù)據(jù)、算法以及應(yīng)用等多方面因素。而人才的需求變化也將為銀行帶來(lái)新的思考。銀行需緊跟技術(shù)發(fā)展趨勢(shì)，不斷創(chuàng)新和變革，以適應(yīng)大模型時(shí)代帶來(lái)的挑戰(zhàn)與機(jī)遇。

王俊：大模型的使用存在資源稟賦差異。大型銀行可憑借科研團(tuán)隊(duì)和算力資源，基于DeepSeek等開(kāi)發(fā)核心技術(shù)，解決復(fù)雜任務(wù)。

中小型銀行則可選擇開(kāi)源或本地化部署，甚至調(diào)用API進(jìn)行業(yè)務(wù)分析和推理，縮小與大銀行的鴻溝。銀行需將獨(dú)特業(yè)務(wù)融入AI中，注重行業(yè)適配性、個(gè)性化定制和業(yè)務(wù)特色性。

因此，大型銀行和中小銀行在使用人工智能時(shí)，都應(yīng)結(jié)合自身資源和業(yè)務(wù)特點(diǎn)，進(jìn)行合理規(guī)劃和部署。

問(wèn)：用戶感知到應(yīng)用AI后金融服務(wù)有提升？

李秀生：從用戶角度看，大模型對(duì)銀行業(yè)的影響正逐漸顯現(xiàn)，盡管目前更多體現(xiàn)在銀行內(nèi)部流程的優(yōu)化上，但對(duì)客戶的感知將愈發(fā)明顯，如專屬客戶經(jīng)理和個(gè)性化交互等，大模型將很快帶來(lái)直接且顯著的變化。

在客戶服務(wù)層面，以往商業(yè)銀行的專屬客戶經(jīng)理服務(wù)主要面向高端客戶。然而，隨著大模型的出現(xiàn)及成本降低，未來(lái)每位客戶都有可能擁有自己的專屬客戶經(jīng)理。大模型能夠深入了解客戶需求，與客戶自由溝通，提供個(gè)性化服務(wù)，這一變化預(yù)計(jì)很快就會(huì)實(shí)現(xiàn)。

在產(chǎn)品形態(tài)方面，當(dāng)前商業(yè)銀行的應(yīng)用界面大多采用固定的圖標(biāo)或菜單選擇方式，缺乏個(gè)性化。但大模型能夠快速感知客戶需求，使得用戶與銀行的交互方式不再局限于固定的圖標(biāo)選項(xiàng)。未來(lái)的銀行應(yīng)用可能通過(guò)與用戶的交流過(guò)程，即可完成服務(wù)，提供更加流暢、個(gè)性化的用戶體驗(yàn)。

在智能投顧領(lǐng)域，人工智能已有多年應(yīng)用歷史。大模型的出現(xiàn)將進(jìn)一步提升該領(lǐng)域的能力，為客戶提供更好的體驗(yàn)。然而，智能投顧的結(jié)果不僅與過(guò)去數(shù)據(jù)相關(guān)，還受?chē)?guó)際國(guó)內(nèi)形勢(shì)變化影響，需要綜合考慮多種因素。

問(wèn)：銀行風(fēng)控條線更看重AI應(yīng)用的什么能力？

衛(wèi)浩：從風(fēng)控角度來(lái)看，通用人工智能大模型在解決數(shù)字化風(fēng)控問(wèn)題上面臨挑戰(zhàn)。盡管大模型具備廣泛的能力，如理解問(wèn)題、進(jìn)行數(shù)學(xué)運(yùn)算和生成代碼等，但在風(fēng)控這一垂直領(lǐng)域，其表現(xiàn)并不盡如人意。原因在于，大模型的訓(xùn)練主要依賴于公開(kāi)的互聯(lián)網(wǎng)數(shù)據(jù)和代碼，缺乏針對(duì)風(fēng)控領(lǐng)域的專門(mén)數(shù)據(jù)語(yǔ)料訓(xùn)練，因此其邏輯可能與風(fēng)控的實(shí)際需求不完全吻合。

對(duì)于銀行而言，首要關(guān)注的是數(shù)據(jù)問(wèn)題。這包括確保在客戶授權(quán)后，能夠從征信公司等渠道獲取足夠?qū)挾鹊漠?huà)像數(shù)據(jù)維度。同時(shí)，銀行需要積累大量的代表性樣本，以供模型后續(xù)訓(xùn)練使用。此外，數(shù)據(jù)治理能力和數(shù)據(jù)質(zhì)量也是關(guān)鍵因素，科技架構(gòu)上的數(shù)據(jù)可用性同樣不可忽視。

在算法層面，大模型提供了一種新的技術(shù)框架和邏輯范式。通過(guò)預(yù)訓(xùn)練和微調(diào)兩個(gè)階段，可以更靈活地適配具體的風(fēng)控任務(wù)。這改變了以往根據(jù)單一任務(wù)構(gòu)建模型的方式，為風(fēng)控模型的技術(shù)構(gòu)建提供了新的思考方向。

當(dāng)然，算力也是不可忽視的因素。在客戶服務(wù)方面，風(fēng)控模型需要在一定時(shí)間內(nèi)做出決策，同時(shí)模型的復(fù)雜度、可解釋性和風(fēng)險(xiǎn)管理的可控性也有嚴(yán)格要求。目前，基于現(xiàn)有的開(kāi)源模型，已經(jīng)能夠滿足一些風(fēng)控上的要求。

總體而言，數(shù)據(jù)、算法和算力在風(fēng)控領(lǐng)域都至關(guān)重要。但相比之下，數(shù)據(jù)可能是最為關(guān)鍵的一點(diǎn)。銀行需要重視數(shù)據(jù)的收集、治理和質(zhì)量，以確保風(fēng)控模型的有效性和準(zhǔn)確性。同時(shí)，也需要不斷探索新的算法和算力解決方案，以應(yīng)對(duì)日益復(fù)雜的風(fēng)控挑戰(zhàn)。

問(wèn)：未來(lái)銀行風(fēng)控模式如何演進(jìn)？

衛(wèi)浩：銀行風(fēng)控經(jīng)歷了從線下人工審批到線上評(píng)分卡輔助決策，再到機(jī)器學(xué)習(xí)自動(dòng)化智能審批的階段。隨著大模型的出現(xiàn)，風(fēng)控將進(jìn)入第三階段。未來(lái)趨勢(shì)包括多模態(tài)數(shù)據(jù)風(fēng)控和領(lǐng)域化智能風(fēng)控。

多模態(tài)數(shù)據(jù)風(fēng)控將利用圖片、視頻、文本等結(jié)構(gòu)化數(shù)據(jù)，在客戶授權(quán)下作為授信審批依據(jù)。領(lǐng)域化智能風(fēng)控則針對(duì)金融領(lǐng)域不能直接應(yīng)用通用大模型的問(wèn)題，嘗試基于金融語(yǔ)料構(gòu)建預(yù)訓(xùn)練模型，再用于下游風(fēng)險(xiǎn)識(shí)別、客戶匹配度識(shí)別等領(lǐng)域。這種兩階段模式已得到驗(yàn)證，且隨著模型參數(shù)增大和數(shù)據(jù)增強(qiáng)，模型性能逐漸增強(qiáng)。因此，領(lǐng)域化智能風(fēng)控模型將成為未來(lái)趨勢(shì)。

問(wèn)：“AI幻覺(jué)”問(wèn)題！大模型應(yīng)用的風(fēng)險(xiǎn)與應(yīng)對(duì)？

李秀生：AI幻覺(jué)問(wèn)題在當(dāng)前技術(shù)發(fā)展階段仍然存在，是AI研究者和應(yīng)用者共同關(guān)注的問(wèn)題。解決此問(wèn)題主要依賴三方面：一是技術(shù)本身的不斷升級(jí)和優(yōu)化，以提升避免AI幻覺(jué)的能力；二是確保AI獲取足夠的知識(shí)，有時(shí)所謂的AI幻覺(jué)可能僅因數(shù)據(jù)不足或領(lǐng)域知識(shí)空白所致；三是應(yīng)用方需審慎對(duì)待AI輸出，避免盲目接受其答案，尤其是在知識(shí)空白或不確定的領(lǐng)域。

王俊：大模型幻覺(jué)問(wèn)題普遍存在，從技術(shù)方面出發(fā)有幾大避免策略：

首先，數(shù)據(jù)質(zhì)量至關(guān)重要，數(shù)據(jù)的標(biāo)準(zhǔn)化、一致性、代表性、完整性和準(zhǔn)確性有助于大模型在訓(xùn)練時(shí)獲取更多知識(shí)，從而更好回答問(wèn)題。

其次，訓(xùn)練過(guò)程中需尋找合適的訓(xùn)練方法，如正則化等，以確保訓(xùn)練結(jié)果可靠穩(wěn)定。

第三，外掛知識(shí)庫(kù)或約束條件，如知識(shí)圖譜或語(yǔ)義規(guī)則，使大模型在生成文本或講話時(shí)符合約束規(guī)律。最后，人工干預(yù)必不可少，包括人工審核和監(jiān)管生成結(jié)果，以及及時(shí)反饋問(wèn)題。

AI時(shí)代的銀行人才的需求與培養(yǎng)

問(wèn)：銀行需要何種科技人才？

李秀生：在互聯(lián)網(wǎng)應(yīng)用行業(yè)，互聯(lián)網(wǎng)思維助力了互聯(lián)網(wǎng)大廠的成功。隨著人工智能時(shí)代的來(lái)臨，對(duì)人才的需求轉(zhuǎn)變?yōu)榫邆淙斯ぶ悄芩季S的金融和科技復(fù)合型人才。新網(wǎng)銀行作為互聯(lián)網(wǎng)銀行，近年來(lái)已強(qiáng)調(diào)互聯(lián)網(wǎng)思維，并將在未來(lái)重視人工智能思維。在業(yè)務(wù)產(chǎn)品設(shè)計(jì)、客戶營(yíng)銷(xiāo)、日常經(jīng)營(yíng)活動(dòng)以及構(gòu)建整體經(jīng)營(yíng)管理體系時(shí)，都需要融入人工智能思維。

因此，銀行將評(píng)估員工是否具備這一能力、基礎(chǔ)或潛質(zhì)，以培養(yǎng)適應(yīng)未來(lái)銀行發(fā)展所需的人才。

問(wèn)：高校AI人才培養(yǎng)方向？

王俊：在人工智能時(shí)代，高校致力于培養(yǎng)AI加專業(yè)領(lǐng)域的復(fù)合型人才。為此，我們?cè)谡n程設(shè)置上進(jìn)行了改革和優(yōu)化，納入了數(shù)據(jù)分析、數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)和多模態(tài)數(shù)據(jù)等課程，讓學(xué)生在本科階段就能接觸人工智能相關(guān)知識(shí)。

同時(shí)，我們?cè)黾恿藢?shí)訓(xùn)項(xiàng)目和實(shí)驗(yàn)課程，鼓勵(lì)學(xué)生參加金融科技大賽等比賽，將知識(shí)轉(zhuǎn)化為實(shí)踐能力。此外，我們希望與業(yè)界加強(qiáng)產(chǎn)學(xué)研合作，通過(guò)聯(lián)合實(shí)驗(yàn)室、專家講座等形式，讓學(xué)生更深入地了解業(yè)界需求和業(yè)務(wù)，從而激發(fā)他們的學(xué)習(xí)動(dòng)力和培養(yǎng)符合業(yè)界需求的人才。

問(wèn)：銀行從業(yè)者如何應(yīng)對(duì)AI挑戰(zhàn)？

李秀生：人工智能技術(shù)的不斷進(jìn)步給傳統(tǒng)銀行從業(yè)者帶來(lái)了挑戰(zhàn)，但也提供了新的機(jī)遇。面對(duì)變革，從業(yè)者需要保持冷靜，不斷學(xué)習(xí)，緊跟時(shí)代變化，找到自己在社會(huì)和企業(yè)中的位置。

技術(shù)人員需要調(diào)整自己，應(yīng)用人工智能技術(shù)來(lái)提升自己的能力。

而業(yè)務(wù)人員則不必過(guò)于擔(dān)心被替代，因?yàn)槿斯ぶ悄芗夹g(shù)的應(yīng)用門(mén)檻降低了，即使不懂計(jì)算機(jī)的人也可以利用人工智能工具構(gòu)建流程和應(yīng)用，發(fā)揮自己的價(jià)值。

因此，只要勇于學(xué)習(xí)，緊跟技術(shù)變化，銀行從業(yè)者就不會(huì)被淘汰，反而能更好地適應(yīng)時(shí)代技術(shù)的進(jìn)步。

問(wèn)：風(fēng)控人員如何提升能力？

衛(wèi)浩：人工智能是一門(mén)數(shù)據(jù)驅(qū)動(dòng)的科學(xué)，最重要的是實(shí)踐。動(dòng)手實(shí)踐是掌握這門(mén)技術(shù)的關(guān)鍵，因?yàn)槿斯ぶ悄苄枰诮鉀Q實(shí)際問(wèn)題的過(guò)程中不斷學(xué)習(xí)和優(yōu)化。同時(shí)，要有開(kāi)放的心態(tài)去學(xué)習(xí)新技術(shù)，利用互聯(lián)網(wǎng)和大模型等學(xué)習(xí)工具，不斷提升自己的技術(shù)能力。

在風(fēng)控領(lǐng)域，人工智能技術(shù)的應(yīng)用需要更高的人才要求，不僅需要對(duì)技術(shù)原理有深入的了解，還需要對(duì)模型的優(yōu)勢(shì)、能力邊界和風(fēng)險(xiǎn)有充分的認(rèn)識(shí)，以確保技術(shù)的正確應(yīng)用。因此，風(fēng)控人員需要具備深厚的技術(shù)功底和廣泛的知識(shí)面。

AI與銀行業(yè)的未來(lái)展望

問(wèn)：AI在銀行業(yè)的下一步趨勢(shì)？

李秀生：隨著AI和大模型技術(shù)的發(fā)展，商業(yè)銀行正面臨重塑。這不僅涉及系統(tǒng)升級(jí)，更將深刻改變銀行的業(yè)務(wù)流程、產(chǎn)品形態(tài)、決策機(jī)制、人員組合及崗位設(shè)置。雖然金融風(fēng)險(xiǎn)管理的本質(zhì)未變，但服務(wù)方式、產(chǎn)品形態(tài)和運(yùn)作機(jī)制將發(fā)生巨變。這一過(guò)程或許漸進(jìn)，預(yù)計(jì)三至五年后，商業(yè)銀行的面貌將煥然一新。

王俊：隨著DeepSeek和人工智能的發(fā)展，銀行業(yè)正逐步從邊緣應(yīng)用到核心應(yīng)用轉(zhuǎn)變。未來(lái)，人工智能大模型將更多地參與賬戶交易等核心業(yè)務(wù)，如精準(zhǔn)推薦和智能投顧。

在模型分化方面，閉源與開(kāi)源將并存并競(jìng)爭(zhēng)，但開(kāi)源生態(tài)已逐漸形成，將吸引更多銀行從業(yè)人員加入。在開(kāi)源社區(qū)的環(huán)境下，銀行業(yè)務(wù)的擴(kuò)展、多樣性以及數(shù)據(jù)安全合規(guī)性等問(wèn)題可以得到共同討論和合作。這將促進(jìn)銀行業(yè)與人工智能、大模型的結(jié)合，推動(dòng)更多新產(chǎn)品和新業(yè)務(wù)的產(chǎn)生。未來(lái)銀行業(yè)與人工智能的結(jié)合將更加緊密，前景可期。