DeepSeek如何影响银行业通义智能PPT张鲲content目录01DeepSeek为何一夜之间爆火？02银行拥抱AI的常见误区03DeepSeek如何重塑银行业？04行业影响：缩小技术鸿沟，推动生态变革05挑战与未来展望DeepSeek为何一夜之间爆火？低门槛优势：大幅降低使用/注册门槛，AI平民化使用成本低DeepSeek使用成本极低，网页/APP免费，API费用低，进一步AI平民化。中文友好环境针对中文用户优化，界面与操作指南均支持中文，降低语言障碍，提高使用效率。中文训练数据占比超90%注册无门槛注册流程简便，无需复杂验证，即时注册即时使用，快速融入DeepSeek的智能生态。https://juejin.cn/post/7467164101137416211技术革新驱动：低成本与高性能的突破训练成本革命算法优化如MoE架构、MLA，实现同效能低成本，训练成本10%，推理成本仅同类1%，大幅削减银行算力投入。开源生态赋能开放模型代码与框架，中小银行可二次开发，打破技术垄断壁垒。强大的社区支持，加速功能迭代与问题解决。本地化部署优势多个尺寸开源模型支持私有化部署，满足金融数据安全与合规要求，如江苏银行本地化微调案例。性能与成本双赢DeepSeek在保证高性能的同时，显著降低银行技术成本，加速AI普及。热度传播路径捧上天•拳打ChatGPT，脚踢Gemini，摩擦Claude•颠覆现有AI产品，绕开CUDA，NVDIA完蛋了。•560万美元的训练成本吊打几个亿的训练成本。不能说不好，有点饭圈趋势踩下地•无脑贬低，毫无技术含量，蒸馏抄作业。•甚至拿汉芯来比，又是一地鸡毛•拿一些偶尔出现的幻觉和bug来完全否定之。典型误解银行拥抱AI的常见误区银行拥抱新技术误区——为AI而AI银行拥抱新技术误区人无我有人有我优不管有没有用，先得有解不解决问题先不说，新闻稿先发照猫画虎脱离实际看到他行案例或者供应商方案，直接复制到本地，不考虑适用性未充分评估可能导致资源浪费。只看别人不看自己过于关注在行业里的地位和发声，不考虑解决内部实际问题需精准定位业务需求，选择合适的结合点。只仰望星空不脚踏实地管理层关注快速创新迭代基层疲于提升基础数据质量和完成手工报表DeepSeek如何影响银行业？内容采集与生成：内外AI分离，合规前提下保持数据实时性01自动化尽调报告整合财报与舆情数据，DeepSeek自动生成初步分析框架，显著提升报告编制效率02合规审查智能化针对大量的监管合规要求，批量、快速的审核合同文本、协议条款、用户授权文本等，辅助人工审核，大幅提升审核效率，如江苏银行合同质检场景应用。03舆情监控实时分析社交媒体与新闻，识别潜在风险（如客户投诉趋势预测、企业客户舆情风险预警等）互联网/公有云金融机构内网私有云版DeepSeekor其他AI产品客观数据：内部交易数据、客户数据监管文件公网版DeepSeekor其他AI产品行业标准、规范工商数据&其他公开数据流程数据：流程规范、制度等主观数据：业务知识、经验等其他银行采购数据，如公安司法、风险多头尽调报告生成合规审查舆情监控防火墙防火墙知识管理：从静态数据库到动态知识引擎模型规模最低GPU显存推荐GPU型号纯CPU内存需求适用场景1.5B4GBRTX30508GB个人学习7B、8B16GBRTX409032GB小型项目14B24GBA5000x264GB专业应用32B48GBA10040GBx2128GB企业级服务70B80GBA10080GBx4256GB高性能计算671B640GB+H100集群不可行超算/云计算DeepSeek-R1+ollama+AnythingLLMDeepSeek-R1+ollama+DifyChatBI技术路线图<20152016-20192020-20212023-2021-2022纯学术探索核心技术NL2SQL技术缺陷：精度低检索式BI核心技术：基于检索的NL2SQL技术缺陷：无语义理解第一代对话式BI核心技术：NL2SQL（规则模型）技术缺陷：精度低、配置成本高、意图理解弱第二代对话式BI核心技术：NL2SQL（规则模型+深度模型）技术缺陷：精度低、需要训练模型第三代对话式BI核心技术：NL2DSL（规则模型+大模型）技术优势：数据可信、生成可控、可干预、模糊语义理解BI分析可分为统计型、归因型、预测型、决策型四个层次展现数据，了解现状，发现问题统计型利用体系，以小见大，见微知著预测型拆解指标，建立体系，找到根因归因型直面问题，督办改进，完成闭环决策型4BI分析层次ChatBI——统计型分析统计型归因...