【経済分析】DeepSeekがAIコンピューティングパワーの包囲網を突破：銀行業界の"奇点時刻"が訪れる？

最近、テーマが「DeepSeekがAIのゲームルールを変える方法？AGIの高いハードルが消えつつある？」のサロンが順調に開催され、このサロンは新しいネット銀行と西南財政経済大学経営科学工学院が共催しました。新しいネット銀行副行長の李秀生氏、西南財政経済大学経営科学工学院計算金融系主任の王俊氏、新しいネット銀行リスク管理科学部責任者の卫浩氏がDeepSeekの背後にある技術の秘密と銀行業界での展望について共に討論しました。

オープンソースとクローズドソースの進化はどのようになりますか？

OpenAIとマイクロソフトの深い協力が「生態系の独占」論争を引き起こす中、NVIDIAが史上最も厳しいAIチップ輸出規制に直面しているとき、DeepSeekのオープンソース戦略が意外にも別の扉を開いた。DeepSeekは従来の閉じたAIモデルとは異なり、そのオープン性により、企業は比較的低コストで先進的な大規模モデルを利用し、多様なシーンでのインテリジェントアシスタントの能力を向上させることができます。

ソフトウェア業界では、オープンソースとクローズドソースの両方のモデルが共存し、それぞれ成功したケースがあります。李秀生はLinuxとAndroidを例に挙げ、これらがオープンソースソフトウェアの代表として、オペレーティングシステム領域の発展を大きく促進していると述べています。また、クローズドソースモデルの模範としてのAppleは、常にハイエンドのモバイルアプリケーションの先駆的地位を維持しています。これらの組織は異なる道を歩んでいますが、どちらも著しい成果を上げています。

「世界中の貢献者を吸収する観点から、私は個人的にオープンソースモデルをより好んでいます。なぜなら、それが多くの人々の知恵と力を集め、技術の進歩と革新を共に推進するからです。将来、オープンソースとクローズドソースは並行して発展する可能性がありますが、オープンソースの潜在能力は期待に値します。」と李秀生は述べています。

王俊氏は、オープンソースとクローズドソースは相互に融合し、競争する関係であると考えています。オープンソース技術は公開され、多くの開発者を引き付け、技術の迅速な更新を促進しますが、収益力やビジネスモデルは不確定です。一方、クローズドソースは独自の競争力と敷居を構築し、莫大な投資をしていますが、ビジネスモデルは独特ですが多様性は弱いです。両者にはそれぞれ利点と欠点があり、したがって実践上では相互に参考にしたり融合したりし、一部の分野で競争状況が形成される可能性があります。

市場主体の視点から見ると、DeepSeekはオープンソースで低コストかつ効率的な大規模モデルとして、トップのテクノロジーカンパニーにかなりの衝撃を与えています。 「OpenAIなどのクローズドソースの大規模モデル企業にとって、DeepSeekの価格戦略はビジネスモデルと技術の最適化方向を再評価することを迫られます。そして、NVIDIAなどのチップメーカーにとって、DeepSeekのリリースは、ハイエンドGPUに依存せずにトップレベルの推論を行うことができることを証明し、このような企業にとってAIインフラ投資の論理と開発モデルの調整がどのようにすべきかを考えさせます。」と王俊は言います。

ただし、汎用人工知能の大規模モデルは、デジタルリスク管理の問題に取り組む際に課題に直面しています。卫浩氏は、「大規模モデルは問題の理解、数学的計算、コード生成など、幅広い能力を持っていますが、リスク管理という特定の分野では、そのパフォーマンスが十分ではないことがあります。」と述べています。その理由は、大規模モデルのトレーニングが主に公開されているインターネットデータとコードに依存しており、リスク管理分野に特化したデータコーパスのトレーニングが不足しているため、その論理がリスク管理の実際のニーズと完全に一致しない可能性があるからです。

中小規模の銀行はDeepSeekに依存していますか?

浙商証券の調査によると、DeepSeek-V3のトレーニング全体に使用されたGPU（グラフィックスプロセッサ）時間はわずか280万時間未満であり、これに対し、米国のインターネット巨大企業であるメタ（Meta）がリリースしたLlama3-405Bのトレーニング時間は3080万時間です。DeepSeek-V3のトレーニングコストは約557.6万ドルで、米国のオープンAI（OpenAI）がチャットボットChatGPT用にリリースした言語モデルGPT-4のトレーニングコストは何十億ドルにも上ります。

伝統的な大規模モデルの数千万から数億の投資に比べ、DeepSeekのローカライズデプロイメントコストは100万ドル未満になることがあります。工業情報化省によると、3つの基幹電気通信企業はすべてDeepSeekオープンソース大規模モデルに完全に接続しています。現在、金融分野では、銀行、ファンド、証券など複数の機関がDeepSeekを緊急展開しています。2024年5月以降、インターネット銀行はシステム開発シーンでDeepSeek大規模モデルを使用し、開発ナレッジQAアシスタントとコード補完アシスタントを構築し、一次エンジニアが開発プロセスで技術情報を参照する時間を短縮しました。

李秀生は、人工知能の領域では、DeepSeekの登場により2つの概念上の変化がもたらされたと考えています。1つ目は、DeepSeekの登場により、「大力出奇迹」の固執心が破られ、極端な計算力を盲目的に追求しなくてもよいということです。過去、人々は巨大な計算力を積み上げることしか突破の道がないと考えていましたが、DeepSeekはアルゴリズムとモデルの最適化を通じて、低い計算力でも高い性能を実現できることを証明しました。2つ目は、DeepSeekはオープンソースとクローズドソースの争いをさらに激化させたことです。OpenAIはChatGPTを通じて大規模モデルの概念を広めましたが、そのクローズド戦略により技術の普及が制限されています。一方、DeepSeekなどのオープンソースモデルの登場により、技術の敷居が下がり、より多くの機関が大規模モデルを利用できるようになりました。この変化は銀行業などの金融機関に深い影響を与えています。

「将来について、技術の進歩とコストのさらなる低下により、大規模なモデルは大手銀行の専売特許ではなく、中小銀行などの金融機関で広く利用されるようになるでしょう。これにより商業銀行に重要なテクノロジーの変革の趨勢がもたらされ、よりスマートで効率的な発展が推進されるでしょう。」と李秀生は述べています。

銀行業のデジタルリスク管理領域では、DeepSeekなどの大規模モデル技術が幅広く応用されています。卫浩によると、DeepSeekのリリースにより、技術者たちは非常に興奮しています。なぜなら、それはOpenAIのトップ推論モデルに匹敵し、重みがオープンソースであり、ライセンスが緩和され、ローカライズおよび制御可能な使用ができるからです。

卫浩は、実践的な使用感を語っています。「非構造化データを扱う際、DeepSeekなどの大規模モデルは意味理解とテキスト処理能力を強化し、より広範囲のデータから情報を取得できます。また、一般的なインテリジェントモデルの技術はリスク管理モデルにも活用され、顧客評価の正確性を向上させ、より良い意思決定を行うことができます。」

卫浩は、DeepSeek R1が持つ深い思考能力は、思考リンクトレーニングモードを通じて意図と意味の理解能力を高めることができると指摘しました。この能力は中国語に限定されるものではなく、長い文脈や複雑な意図を扱う際にも優れた性能を発揮します。

銀行業は情報化度が高い業界であり、そのコンピュータシステムは何度も大きな変革を経験してきました。手作業からコンピュータシステムの導入へ、モバイルインターネットの登場まで、銀行は絶えず経営プロセスを再構築してきました。今日では、人工知能の急速な発展に伴い、銀行は第四次情報システムの進化に直面しており、これには挑戦と機会が伴います。この大規模モデル時代において、銀行はどのようにして自らに適したインテリジェントテクノロジーアプリケーション能力を構築すべきでしょうか？

李秀生は、大規模モデルの時代が到来して、銀行は人工知能を十分に活用する観点から、銀行の経営管理とプロセスをどのように再構築するかを考える必要があると考えています。銀行はまず、どのようにアプリケーションを構築するかを考える必要があり、その後、データの組織化、データ品質の向上、ラベル付け、および外部データの適用を考慮する必要があります。全体として、商業銀行は戦略的なレベルから考える必要があり、同時に計算リソース、データ、アルゴリズム、およびアプリケーションなど、さまざまな要因を考慮する必要があります。

彼は述べた。「新しいインターネット銀行は設立以来、詐欺防止と信用リスク管理分野で人工知能技術を十分に活用し、効率的で大規模な融資処理を実現しています。しかし、大規模なモデルの出現に伴い、銀行はさらなる領域での探索と試行を考え始めています。現在、新しいインターネット銀行はカスタマーサービス分野で大規模なモデルを活用し、一部の人工カスタマーサービスを成功裏に置き換えています。また、マーケティング、ローン後の管理などの分野で大規模なモデルの適用を試みています。」

Wang Jun氏は、銀行部門に加えて、製造、気候リスク予測、コンピューティング、教育、メディア、エンターテインメントの分野では、大規模モデルに関連するインテリジェントアプリケーションが大幅に改善されると予測しています。 Wang Jun氏は、「製造業では、大型モデルで部品やバッテリーの信頼性を監視し、寿命を予測できます。 気候リスクの予測に関しては、人工知能アルゴリズムが将来の気象条件を解釈して、高速道路やその他の地域の早期警報とルート最適化を提供します。 コンピュータ分野では、大規模なモデルがコード補完、コードの理解、および構築に役立ちます。 教育分野では、生徒の学習習慣や行動に基づいて、生徒の学習を支援するためにパーソナライズされた大規模モデルを構築できます。 メディアやエンタテインメントの分野では、アニメーション制作、ゲームデザイン、ショートビデオ制作など、コンテンツ生成やモデル構築、シーン構築に大型モデルを活用できるほか、デジタルヒューマンに合成してECレコメンデーションを行うこともできます。 ”

将来の銀行は、どのようなAI人材が必要ですか？

中国銀行業協会が発表した『2024年度中国銀行業発展報告』によると、金融と人工知能は天然の契合点を持っており、AIの大規模モデル技術は銀行業の大量のデータを十分に活用できます。一方、銀行業はAIの大規模モデル技術に適用できる豊富なシーンを持っています。現在、AIの大規模モデルは中国の銀行業のサービス、マーケティング、製品などの領域を全面的に革新し、『未来銀行』の到来を加速しています。

銀行の大規模なモデルへの適用が広がるにつれて、技術者に対するスキルにもより高い要求が出されています。李秀生氏は、インターネットアプリケーション業界では、インターネット思考がインターネット大手の成功を助けています。人工知能時代の到来に伴い、人材の需要は金融およびテクノロジーの複合型人材に人工知能思考を持つことへと転換しています。

新しいネット銀行は近年、インターネット思考を強調し、将来的には人工知能思考を重視すると述べています。業務の製品設計、顧客マーケティング、日常業務活動、全体的な経営管理体制の構築において、人工知能思考が組み込まれています。そのため、銀行は従業員がこの能力、基盤、または潜在能力を持っているかどうかを評価し、将来の銀行の発展に適応するための人材を育成することになります。

「人工知能技術の進歩は銀行業界のプロフェッショナルに挑戦をもたらしますが、新たな機会も提供しています。変革に直面するプロフェッショナルは冷静さを保ち、絶えず学び続け、時代の変化に遅れずに、自らの社会的・企業的位置を見つけていく必要があります。」と李秀生は励ましました。「技術者は自己を調整し、人工知能技術を活用して能力を向上させる必要があります。一方、業務担当者は置き換えられることを心配する必要はありません。なぜなら、人工知能技術の適用障壁が低くなっており、コンピュータに詳しくない人でも人工知能ツールを利用してプロセスやアプリケーションを構築し、自らの価値を発揮することができるからです。したがって、学び続け、技術の変化に遅れずに進んでいけば、銀行業界のプロフェッショナルは淘汰されることはありません。逆に時代の技術進歩により適応することがより良くできるでしょう。」

リスク管理の観点から、卫浩氏は、実践が人工知能を理解するための鍵であると指摘しています。リスク管理分野では、人工知能技術の適用にはより高度な人材が必要であり、技術原理に深く理解するだけでなく、モデルの利点、能力の限界、リスクについて十分な認識を持つ必要があり、技術の正しい適用を確保するために、リスク管理者は幅広い専門知識と豊富な知識を持つ必要があります。

王俊はまた、大学もAI+専門領域の複合型人材育成に取り組んでいると述べた。「カリキュラムの最適化を行い、データ分析、データマイニング、機械学習、ディープラーニング、マルチモーダルデータなどのコースを導入し、学生が学部レベルで人工知能に関連する知識に触れることができるようにしました。実習プロジェクトや実験コースを増やし、学生が金融テクノロジーコンペなどの競技大会に参加することを奨励し、知識を実践能力に転換するようにしています。さらに、産学連携を強化し、共同研究室や専門家講座などの形式を通じて、学生が業界のニーズや業務をより深く理解し、学習意欲を刺激し、業界の要求に適合した人材を育成できるようにしたいと考えています。」

AI技術を銀行業界に適用する次の展開について話すと、李秀生は、AIと大規模モデル技術の発展に伴い、商業銀行が新たな再構築の時期を迎えていると述べています。これはシステムのアップグレードだけでなく、銀行の業務プロセス、製品形態、意思決定メカニズム、人員構成、およびポジション設定に根本的な変化をもたらすでしょう。金融リスク管理の本質は変わらないものの、サービス方法、製品形態、および運営メカニズムが大きく変化するでしょう。このプロセスは徐々に進むかもしれませんが、3〜5年後には商業銀行の姿が一新されると予想されます。

(記事提供:Xinhua Finance)

出典:Oriental Fortune Network

著者:新華ファイナンス