Gần đây, một buổi hội thảo với chủ đề “DeepSeek làm thay đổi các quy tắc của trò chơi AI? Ngưỡng cửa cao của AGI đang biến mất?” đã diễn ra thành công, được tổ chức bởi Ngân hàng Mạng mới và Học viện Khoa học và Kỹ thuật Quản lý Đại học Tài chính Tây Nam. Phó giám đốc Ngân hàng Mạng mới Lý Tú Sanh, Giám đốc Khoa học và Kỹ thuật Quản lý Tài chính của Học viện Khoa học và Kỹ thuật Quản lý Tây Nam Vương Tuấn, và Trưởng bộ phận Khoa học về Quản lý rủi ro của Ngân hàng Mạng mới Vệ Hào đã cùng thảo luận về bí mật công nghệ đằng sau DeepSeek và triển vọng ứng dụng của nó trong ngành ngân hàng.
Quá trình phát triển của mã nguồn mở và mã nguồn đóng là như thế nào?
Khi OpenAI và Microsoft mở rộng hợp tác gây tranh cãi về "độc quyền sinh thái", khi NVIDIA đang phải đối mặt với việc kiểm soát xuất khẩu chip AI nghiêm ngặt nhất trong lịch sử Mỹ, chiến lược mã nguồn mở của DeepSeek đã mở ra một cánh cửa khác. DeepSeek khác biệt với mô hình AI đóng cửa truyền thống, tính mở của nó cho phép doanh nghiệp sử dụng mô hình lớn tiên tiến với chi phí thấp hơn, nâng cao khả năng của trợ lý thông minh đa tình huống.
Trong ngành phần mềm, hai mô hình mã nguồn mở và đóng nguồn tồn tại song song và đều có các trường hợp thành công. Li Xiusheng lấy Linux và Android làm ví dụ, cho biết cả hai đều là biểu tượng của phần mềm mã nguồn mở, đã thúc đẩy mạnh mẽ sự phát triển trong lĩnh vực hệ điều hành. Ông cũng chỉ ra rằng, Apple là một ví dụ điển hình của mô hình đóng nguồn, luôn giữ vững vị trí dẫn đầu trong ứng dụng điện thoại cao cấp. Mặc dù các tổ chức này có con đường khác nhau, nhưng đều đạt được những thành tựu đáng kể.
"Từ quan điểm của việc thu hút người đóng góp toàn cầu, cá nhân tôi tin tưởng hơn vào mô hình mã nguồn mở, vì nó có thể tập hợp sự thông minh và sức mạnh của nhiều người, cùng đẩy mạnh sự tiến bộ và sáng tạo công nghệ. Trong tương lai, mã nguồn mở và đóng cửa có thể tiếp tục phát triển song song, nhưng tiềm năng của mã nguồn mở đáng được kỳ vọng." Li Xiusheng như vậy biểu thị.
Wang Jun believes that open source and closed source are complementary and competitive. Open source technology is open to the public, attracting many developers to participate, promoting rapid technological iteration, but the profitability and business model are uncertain. Closed source focuses on building its own moat and barriers, with huge investment, unique but less diverse business models. Both have their own advantages and disadvantages, so they may learn from and integrate with each other in practice, forming a competitive situation in some areas.
Từ quan điểm của thị trường chủ thể, DeepSeek, với việc là một mô hình lớn mã nguồn mở, chi phí thấp và hiệu quả, đã tạo ra một sự xáo trộn không nhỏ đối với các công ty công nghệ hàng đầu trên thị trường. "Đối với các công ty mô hình lớn đóng cửa như OpenAI, chiến lược giá cả của DeepSeek buộc họ phải xem xét lại mô hình kinh doanh và hướng tối ưu hóa công nghệ. Đối với các công ty chip như NVIDIA, việc phát hành DeepSeek chứng minh rằng không nhất thiết phải phụ thuộc vào GPU cao cấp để thực hiện suy luận cấp cao, thúc đẩy các công ty này suy nghĩ về cách điều chỉnh logic đầu tư và mô hình phát triển của cơ sở hạ tầng AI," Wang Jun thẳng thắn nói.
Tuy nhiên, điều đáng lưu ý là, mô hình lớn của trí tuệ nhân tạo tổng quát đang đối mặt với thách thức trong việc giải quyết vấn đề rủi ro số hóa. Ôn Hoa cho biết, "Mặc dù mô hình lớn có khả năng rộng lớn như hiểu vấn đề, thực hiện phép tính toán và tạo mã, nhưng trong lĩnh vực rủi ro, hiệu suất của nó không như ý muốn." Lý do chính là mô hình lớn được huấn luyện chủ yếu dựa trên dữ liệu và mã nguồn công cộng trên Internet, thiếu dữ liệu ngôn ngữ chuyên ngành cụ thể cho lĩnh vực rủi ro, do đó, logic của nó có thể không hoàn toàn phù hợp với nhu cầu thực tế của lĩnh vực rủi ro.
Ngân hàng cỡ nhỏ phản công nhờ DeepSeek?
Theo báo cáo nghiên cứu của Chứng khoán Zheshang, quá trình huấn luyện toàn bộ của DeepSeek-V3 chỉ mất chưa đến 2,8 triệu giờ GPU (bộ xử lý đồ họa), trong khi đó, thời gian huấn luyện của Llama3-405B do công ty Meta (công ty công nghệ lớn của Mỹ) công bố là 3080 triệu giờ GPU. Chi phí huấn luyện của DeepSeek-V3 ước tính khoảng 557,6 triệu USD, trong khi chi phí huấn luyện mô hình ngôn ngữ GPT-4 cho robot trò chuyện ChatGPT của OpenAI (Trung tâm Nghiên cứu Trí tuệ Nhân tạo Mỹ) thì lên tới hàng trăm triệu USD.
So với việc đầu tư hàng trăm triệu đến hàng tỷ USD vào các mô hình lớn truyền thống, chi phí triển khai cục bộ của DeepSeek có thể giảm xuống dưới một triệu USD. Theo tin tức mới nhất từ Bộ Công nghiệp và Công nghệ Thông tin, cả ba doanh nghiệp viễn thông cơ bản đều đã kết nối hoàn toàn với mô hình lớn mã nguồn mở của DeepSeek. Hiện tại, trong lĩnh vực tài chính, từ ngân hàng, quỹ đến chứng khoán, nhiều tổ chức đang triển khai DeepSeek một cách chặt chẽ. Từ tháng 5 năm 2024, Ngân hàng Mạng mới đã áp dụng mô hình lớn DeepSeek trong cảnh quay phát triển hệ thống, xây dựng trợ lý trả lời câu hỏi kiến thức và trợ lý viết mã, giảm thời gian mà kỹ sư hàng đầu tốn để tra cứu tài liệu kỹ thuật trong quá trình phát triển.
Li Xiusheng believed that in the field of artificial intelligence, the emergence of DeepSeek has brought about two major changes in ideas. First, the appearance of DeepSeek has broken the obsession with 'great power produces miracles', that is, no longer blindly pursuing extreme computing power. In the past, people often believed that breakthroughs could only be achieved by stacking huge computing power, but DeepSeek has proved that efficient performance can also be achieved with lower computing power through optimized algorithms and models. Second, DeepSeek has further intensified the debate between open source and closed source. OpenAI sparked the concept of large models through ChatGPT, but its closed-source strategy has limited the popularization of the technology. The emergence of open-source models such as DeepSeek has lowered the technical threshold, allowing more institutions to apply large models. This change has far-reaching implications for industries such as banking and financial institutions.
"Đối với tương lai, với sự tiến bộ không ngừng của công nghệ và giảm chi phí tiếp theo, mô hình lớn sẽ không còn là sản phẩm xa xỉ riêng của ngân hàng lớn nữa mà có thể được áp dụng rộng rãi trong các tổ chức tài chính như ngân hàng trung ương và ngân hàng cỡ nhỏ. Điều này sẽ mang đến một xu hướng công nghệ quan trọng cho ngân hàng thương mại, thúc đẩy họ phát triển thông minh và hiệu quả hơn." Li Xiusheng nói.
Trong lĩnh vực kiểm soát rủi ro số hóa ngân hàng, công nghệ mô hình lớn như DeepSeek có triển vọng ứng dụng rộng rãi. Theo chia sẻ của Wèi Hào, việc phát hành DeepSeek khiến cho các nhà kỹ thuật rất phấn khích, bởi vì nó có thể sánh ngang với trình độ của mô hình suy luận hàng đầu của OpenAI, và trọng số được công bố, giấy phép linh hoạt, có thể sử dụng cục bộ và kiểm soát được.
Wei Hao talked about the practical experience of using it, "When dealing with unstructured data, large models like DeepSeek can enhance semantic understanding and text processing capabilities, allowing us to extract information from a wider range of data. In addition, the technology of general intelligent models can also be borrowed by risk control models to improve the accuracy of customer assessment and make better decisions."
卫浩 chỉ ra rằng, khả năng suy nghĩ sâu của DeepSeek R1, thông qua mô hình huấn luyện chuỗi tư duy, đã nâng cao khả năng hiểu ý định và ngữ nghĩa. Khả năng này không chỉ giới hạn trong tiếng Trung, mà cũng có thể thể hiện sự xuất sắc khi xử lý ngữ cảnh dài và ý định phức tạp.
Ngành ngân hàng là một trong những ngành có mức độ tin học hóa cao, các hệ thống máy tính của họ đã trải qua nhiều lần biến đổi lớn. Từ việc áp dụng hệ thống máy tính thay thế thao tác thủ công, đến sự xuất hiện của Internet di động, ngân hàng liên tục tái tạo quy trình kinh doanh của mình. Hiện nay, với sự phát triển nhanh chóng của trí tuệ nhân tạo, ngân hàng đang đối diện với thách thức và cơ hội của vòng tiến hóa hệ thống thông tin thứ tư. Vậy trong thời đại mô hình lớn, ngân hàng nên xây dựng khả năng ứng dụng công nghệ thông minh phù hợp với chính họ như thế nào?
Li Xiusheng believes that the advent of the era of large models requires banks to rethink how to reshape the bank's management and processes from the perspective of the full application of artificial intelligence. Banks need to first consider how to build applications, then consider how to organize data, improve data quality, label tagging, and apply external data. Overall, commercial banks need to think from a strategic level and consider multiple factors such as computing power, data, algorithms, and applications.
Theo anh ấy, Ngân hàng Mạng mới từ khi thành lập đã sử dụng công nghệ trí tuệ nhân tạo một cách đầy đủ trong lĩnh vực chống gian lận và kiểm soát rủi ro tín dụng, đạt được xử lý các khoản vay một cách hiệu quả và quy mô lớn. Tuy nhiên, với sự xuất hiện của các mô hình lớn, ngân hàng bắt đầu xem xét khả năng khám phá và thử nghiệm ở nhiều lĩnh vực hơn. Hiện tại, Ngân hàng Mạng mới đã áp dụng mô hình lớn trong lĩnh vực dịch vụ khách hàng, thành công thay thế một phần dịch vụ khách hàng tự động và đang thử nghiệm áp dụng mô hình lớn trong lĩnh vực tiếp thị, quản lý sau cho vay, v.v.
Ngoài lĩnh vực ngân hàng, Wang Jun dự đoán rằng trong các lĩnh vực sản xuất, dự báo rủi ro khí hậu, máy tính, giáo dục, truyền thông và giải trí, sẽ có những cải tiến đáng kể trong các ứng dụng thông minh liên quan đến các mô hình lớn. Wang Jun chỉ ra: "Trong ngành sản xuất, các mô hình lớn có thể theo dõi độ tin cậy của các bộ phận hoặc pin và dự đoán tuổi thọ của chúng; Về mặt dự đoán rủi ro khí hậu, các thuật toán trí tuệ nhân tạo diễn giải các điều kiện thời tiết trong tương lai để đưa ra cảnh báo sớm và tối ưu hóa tuyến đường cho đường cao tốc và các khu vực khác. Trong lĩnh vực máy tính, các mô hình lớn có thể giúp hoàn thành mã, hiểu mã và xây dựng. Trong lĩnh vực giáo dục, dựa trên thói quen học tập và hành vi của học sinh, có thể xây dựng các mô hình lớn được cá nhân hóa để hỗ trợ việc học tập của học sinh. Trong lĩnh vực truyền thông và giải trí, các mô hình lớn có thể được sử dụng để tạo nội dung, xây dựng mô hình và xây dựng cảnh, chẳng hạn như sản xuất hoạt hình, thiết kế trò chơi và sản xuất video ngắn và cũng có thể được tổng hợp thành người kỹ thuật số cho các đề xuất thương mại điện tử. ”
Ngân hàng trong tương lai cần những nhân tài AI như thế nào?
The '2024 China Banking Industry Development Report' released by the China Banking Association states that there is a natural convergence between finance and artificial intelligence. AI large model technology can fully tap into the massive data of the banking industry, and the banking industry has rich scenarios suitable for AI large model technology. Currently, AI large models are driving comprehensive innovation in the fields of service, marketing, and products in China's banking industry, catalyzing the accelerated arrival of the 'future bank'.
Với việc ngân hàng sử dụng mô hình lớn một cách phổ biến, yêu cầu kỹ năng của nhân viên công nghệ cũng cao hơn. Theo Lý Tú Sinh, trong ngành ứng dụng Internet, tư duy Internet đã giúp cho sự thành công của các tập đoàn Internet. Khi thời đại trí tuệ nhân tạo đến, nhu cầu về nhân tài đã chuyển biến thành những nhân tài kết hợp với tư duy trí tuệ nhân tạo trong lĩnh vực tài chính và công nghệ.
Ngân hàng Xinwang đã nhấn mạnh tư duy Internet trong những năm gần đây và sẽ chú ý đến tư duy trí tuệ nhân tạo trong tương lai. Tư duy trí tuệ nhân tạo được tích hợp vào thiết kế sản phẩm kinh doanh, tiếp thị khách hàng, hoạt động kinh doanh hàng ngày và xây dựng hệ thống quản lý tổng thể. Do đó, ngân hàng sẽ đánh giá xem đội ngũ nhân viên có khả năng, nền tảng hay tiềm năng này để phát triển tài năng cần thiết cho sự phát triển trong tương lai của ngân hàng hay không.
"Sự tiến bộ không ngừng của công nghệ trí tuệ nhân tạo đang đặt ra thách thức đối với những người làm việc trong ngân hàng, nhưng cũng mang lại cơ hội mới. Đối mặt với sự thay đổi, những người làm việc cần giữ bình tĩnh, liên tục học hỏi, bắt kịp sự thay đổi của thời đại, tìm ra vị trí của mình trong xã hội và doanh nghiệp," Li Xiusheng khích lệ. "Các nhân viên kỹ thuật cần điều chỉnh bản thân, áp dụng công nghệ trí tuệ nhân tạo để nâng cao năng lực của mình. Còn những người làm kinh doanh không cần lo lắng quá nhiều về việc bị thay thế, vì ngưỡng cửa áp dụng công nghệ trí tuệ nhân tạo đã giảm đi, ngay cả những người không biết về máy tính cũng có thể sử dụng công cụ trí tuệ nhân tạo để xây dựng quy trình và ứng dụng, phát huy giá trị của mình. Do đó, chỉ cần dám học hỏi, bắt kịp sự thay đổi về công nghệ, người làm việc trong ngân hàng sẽ không bị loại bỏ, mà ngược lại có thể thích nghi tốt hơn với sự tiến bộ của công nghệ thời đại."
Từ góc độ kinh doanh kiểm soát rủi ro, Wei Hao cho biết, thực hành là yếu tố quan trọng để nắm vững trí tuệ nhân tạo. Trong lĩnh vực kiểm soát rủi ro, việc áp dụng công nghệ trí tuệ nhân tạo đòi hỏi yêu cầu nhân lực cao hơn, không chỉ cần hiểu biết sâu sắc về nguyên lý công nghệ, mà còn cần nhận thức đầy đủ về ưu điểm, ranh giới khả năng và rủi ro của mô hình, để đảm bảo việc áp dụng công nghệ đúng đắn. Do đó, nhân viên kiểm soát rủi ro cần phải có kiến thức chuyên sâu vững chắc và rộng rãi.
Wang Jun also stated that universities are also committed to training compound talents in the field of AI+. "We optimize the curriculum, incorporating courses such as data analysis, data mining, machine learning, deep learning, and multimodal data, so that students can be exposed to AI-related knowledge at the undergraduate level. We have also added practical training projects and laboratory courses, encouraging students to participate in competitions such as financial technology competitions, in order to transform knowledge into practical skills. In addition, we hope to strengthen cooperation with the industry, allowing students to gain a deeper understanding of industry needs and operations through joint laboratories, expert lectures, and other forms, thereby stimulating their learning motivation and cultivating talents that meet industry needs."
Khi thảo luận về xu hướng phát triển tiếp theo của công nghệ trí tuệ nhân tạo (AI) trong ngành ngân hàng, ông Lý Tú Sinh cho biết rằng, với sự phát triển của công nghệ AI và mô hình lớn, ngân hàng thương mại đang trải qua một chu kỳ tái cấu trúc mới. Điều này không chỉ liên quan đến việc nâng cấp hệ thống, mà còn sẽ thay đổi sâu sắc quy trình kinh doanh, hình thái sản phẩm, cơ chế quyết định, sự kết hợp của nhân sự và việc thiết lập các vị trí. "Mặc dù bản chất của quản lý rủi ro tài chính vẫn không thay đổi, nhưng cách phục vụ, hình thái sản phẩm và cơ chế hoạt động sẽ trải qua biến đổi khổng lồ. Quá trình này có thể diễn ra dần dần, nhưng dự kiến sau ba đến năm năm, diện mạo của ngân hàng thương mại sẽ thay đổi hoàn toàn."
Nội dung chỉ mang tính chất tham khảo, không phải là lời chào mời hay đề nghị. Không cung cấp tư vấn về đầu tư, thuế hoặc pháp lý. Xem Tuyên bố miễn trừ trách nhiệm để biết thêm thông tin về rủi ro.
【财经分析】DeepSeek突破AIKhả năng tính toán围城：银行业的“奇点时刻”到来？
Gần đây, một buổi hội thảo với chủ đề “DeepSeek làm thay đổi các quy tắc của trò chơi AI? Ngưỡng cửa cao của AGI đang biến mất?” đã diễn ra thành công, được tổ chức bởi Ngân hàng Mạng mới và Học viện Khoa học và Kỹ thuật Quản lý Đại học Tài chính Tây Nam. Phó giám đốc Ngân hàng Mạng mới Lý Tú Sanh, Giám đốc Khoa học và Kỹ thuật Quản lý Tài chính của Học viện Khoa học và Kỹ thuật Quản lý Tây Nam Vương Tuấn, và Trưởng bộ phận Khoa học về Quản lý rủi ro của Ngân hàng Mạng mới Vệ Hào đã cùng thảo luận về bí mật công nghệ đằng sau DeepSeek và triển vọng ứng dụng của nó trong ngành ngân hàng.
Quá trình phát triển của mã nguồn mở và mã nguồn đóng là như thế nào?
Khi OpenAI và Microsoft mở rộng hợp tác gây tranh cãi về "độc quyền sinh thái", khi NVIDIA đang phải đối mặt với việc kiểm soát xuất khẩu chip AI nghiêm ngặt nhất trong lịch sử Mỹ, chiến lược mã nguồn mở của DeepSeek đã mở ra một cánh cửa khác. DeepSeek khác biệt với mô hình AI đóng cửa truyền thống, tính mở của nó cho phép doanh nghiệp sử dụng mô hình lớn tiên tiến với chi phí thấp hơn, nâng cao khả năng của trợ lý thông minh đa tình huống.
Trong ngành phần mềm, hai mô hình mã nguồn mở và đóng nguồn tồn tại song song và đều có các trường hợp thành công. Li Xiusheng lấy Linux và Android làm ví dụ, cho biết cả hai đều là biểu tượng của phần mềm mã nguồn mở, đã thúc đẩy mạnh mẽ sự phát triển trong lĩnh vực hệ điều hành. Ông cũng chỉ ra rằng, Apple là một ví dụ điển hình của mô hình đóng nguồn, luôn giữ vững vị trí dẫn đầu trong ứng dụng điện thoại cao cấp. Mặc dù các tổ chức này có con đường khác nhau, nhưng đều đạt được những thành tựu đáng kể.
"Từ quan điểm của việc thu hút người đóng góp toàn cầu, cá nhân tôi tin tưởng hơn vào mô hình mã nguồn mở, vì nó có thể tập hợp sự thông minh và sức mạnh của nhiều người, cùng đẩy mạnh sự tiến bộ và sáng tạo công nghệ. Trong tương lai, mã nguồn mở và đóng cửa có thể tiếp tục phát triển song song, nhưng tiềm năng của mã nguồn mở đáng được kỳ vọng." Li Xiusheng như vậy biểu thị.
Wang Jun believes that open source and closed source are complementary and competitive. Open source technology is open to the public, attracting many developers to participate, promoting rapid technological iteration, but the profitability and business model are uncertain. Closed source focuses on building its own moat and barriers, with huge investment, unique but less diverse business models. Both have their own advantages and disadvantages, so they may learn from and integrate with each other in practice, forming a competitive situation in some areas.
Từ quan điểm của thị trường chủ thể, DeepSeek, với việc là một mô hình lớn mã nguồn mở, chi phí thấp và hiệu quả, đã tạo ra một sự xáo trộn không nhỏ đối với các công ty công nghệ hàng đầu trên thị trường. "Đối với các công ty mô hình lớn đóng cửa như OpenAI, chiến lược giá cả của DeepSeek buộc họ phải xem xét lại mô hình kinh doanh và hướng tối ưu hóa công nghệ. Đối với các công ty chip như NVIDIA, việc phát hành DeepSeek chứng minh rằng không nhất thiết phải phụ thuộc vào GPU cao cấp để thực hiện suy luận cấp cao, thúc đẩy các công ty này suy nghĩ về cách điều chỉnh logic đầu tư và mô hình phát triển của cơ sở hạ tầng AI," Wang Jun thẳng thắn nói.
Tuy nhiên, điều đáng lưu ý là, mô hình lớn của trí tuệ nhân tạo tổng quát đang đối mặt với thách thức trong việc giải quyết vấn đề rủi ro số hóa. Ôn Hoa cho biết, "Mặc dù mô hình lớn có khả năng rộng lớn như hiểu vấn đề, thực hiện phép tính toán và tạo mã, nhưng trong lĩnh vực rủi ro, hiệu suất của nó không như ý muốn." Lý do chính là mô hình lớn được huấn luyện chủ yếu dựa trên dữ liệu và mã nguồn công cộng trên Internet, thiếu dữ liệu ngôn ngữ chuyên ngành cụ thể cho lĩnh vực rủi ro, do đó, logic của nó có thể không hoàn toàn phù hợp với nhu cầu thực tế của lĩnh vực rủi ro.
Ngân hàng cỡ nhỏ phản công nhờ DeepSeek?
Theo báo cáo nghiên cứu của Chứng khoán Zheshang, quá trình huấn luyện toàn bộ của DeepSeek-V3 chỉ mất chưa đến 2,8 triệu giờ GPU (bộ xử lý đồ họa), trong khi đó, thời gian huấn luyện của Llama3-405B do công ty Meta (công ty công nghệ lớn của Mỹ) công bố là 3080 triệu giờ GPU. Chi phí huấn luyện của DeepSeek-V3 ước tính khoảng 557,6 triệu USD, trong khi chi phí huấn luyện mô hình ngôn ngữ GPT-4 cho robot trò chuyện ChatGPT của OpenAI (Trung tâm Nghiên cứu Trí tuệ Nhân tạo Mỹ) thì lên tới hàng trăm triệu USD.
So với việc đầu tư hàng trăm triệu đến hàng tỷ USD vào các mô hình lớn truyền thống, chi phí triển khai cục bộ của DeepSeek có thể giảm xuống dưới một triệu USD. Theo tin tức mới nhất từ Bộ Công nghiệp và Công nghệ Thông tin, cả ba doanh nghiệp viễn thông cơ bản đều đã kết nối hoàn toàn với mô hình lớn mã nguồn mở của DeepSeek. Hiện tại, trong lĩnh vực tài chính, từ ngân hàng, quỹ đến chứng khoán, nhiều tổ chức đang triển khai DeepSeek một cách chặt chẽ. Từ tháng 5 năm 2024, Ngân hàng Mạng mới đã áp dụng mô hình lớn DeepSeek trong cảnh quay phát triển hệ thống, xây dựng trợ lý trả lời câu hỏi kiến thức và trợ lý viết mã, giảm thời gian mà kỹ sư hàng đầu tốn để tra cứu tài liệu kỹ thuật trong quá trình phát triển.
Li Xiusheng believed that in the field of artificial intelligence, the emergence of DeepSeek has brought about two major changes in ideas. First, the appearance of DeepSeek has broken the obsession with 'great power produces miracles', that is, no longer blindly pursuing extreme computing power. In the past, people often believed that breakthroughs could only be achieved by stacking huge computing power, but DeepSeek has proved that efficient performance can also be achieved with lower computing power through optimized algorithms and models. Second, DeepSeek has further intensified the debate between open source and closed source. OpenAI sparked the concept of large models through ChatGPT, but its closed-source strategy has limited the popularization of the technology. The emergence of open-source models such as DeepSeek has lowered the technical threshold, allowing more institutions to apply large models. This change has far-reaching implications for industries such as banking and financial institutions.
"Đối với tương lai, với sự tiến bộ không ngừng của công nghệ và giảm chi phí tiếp theo, mô hình lớn sẽ không còn là sản phẩm xa xỉ riêng của ngân hàng lớn nữa mà có thể được áp dụng rộng rãi trong các tổ chức tài chính như ngân hàng trung ương và ngân hàng cỡ nhỏ. Điều này sẽ mang đến một xu hướng công nghệ quan trọng cho ngân hàng thương mại, thúc đẩy họ phát triển thông minh và hiệu quả hơn." Li Xiusheng nói.
Trong lĩnh vực kiểm soát rủi ro số hóa ngân hàng, công nghệ mô hình lớn như DeepSeek có triển vọng ứng dụng rộng rãi. Theo chia sẻ của Wèi Hào, việc phát hành DeepSeek khiến cho các nhà kỹ thuật rất phấn khích, bởi vì nó có thể sánh ngang với trình độ của mô hình suy luận hàng đầu của OpenAI, và trọng số được công bố, giấy phép linh hoạt, có thể sử dụng cục bộ và kiểm soát được.
Wei Hao talked about the practical experience of using it, "When dealing with unstructured data, large models like DeepSeek can enhance semantic understanding and text processing capabilities, allowing us to extract information from a wider range of data. In addition, the technology of general intelligent models can also be borrowed by risk control models to improve the accuracy of customer assessment and make better decisions."
卫浩 chỉ ra rằng, khả năng suy nghĩ sâu của DeepSeek R1, thông qua mô hình huấn luyện chuỗi tư duy, đã nâng cao khả năng hiểu ý định và ngữ nghĩa. Khả năng này không chỉ giới hạn trong tiếng Trung, mà cũng có thể thể hiện sự xuất sắc khi xử lý ngữ cảnh dài và ý định phức tạp.
Ngành ngân hàng là một trong những ngành có mức độ tin học hóa cao, các hệ thống máy tính của họ đã trải qua nhiều lần biến đổi lớn. Từ việc áp dụng hệ thống máy tính thay thế thao tác thủ công, đến sự xuất hiện của Internet di động, ngân hàng liên tục tái tạo quy trình kinh doanh của mình. Hiện nay, với sự phát triển nhanh chóng của trí tuệ nhân tạo, ngân hàng đang đối diện với thách thức và cơ hội của vòng tiến hóa hệ thống thông tin thứ tư. Vậy trong thời đại mô hình lớn, ngân hàng nên xây dựng khả năng ứng dụng công nghệ thông minh phù hợp với chính họ như thế nào?
Li Xiusheng believes that the advent of the era of large models requires banks to rethink how to reshape the bank's management and processes from the perspective of the full application of artificial intelligence. Banks need to first consider how to build applications, then consider how to organize data, improve data quality, label tagging, and apply external data. Overall, commercial banks need to think from a strategic level and consider multiple factors such as computing power, data, algorithms, and applications.
Theo anh ấy, Ngân hàng Mạng mới từ khi thành lập đã sử dụng công nghệ trí tuệ nhân tạo một cách đầy đủ trong lĩnh vực chống gian lận và kiểm soát rủi ro tín dụng, đạt được xử lý các khoản vay một cách hiệu quả và quy mô lớn. Tuy nhiên, với sự xuất hiện của các mô hình lớn, ngân hàng bắt đầu xem xét khả năng khám phá và thử nghiệm ở nhiều lĩnh vực hơn. Hiện tại, Ngân hàng Mạng mới đã áp dụng mô hình lớn trong lĩnh vực dịch vụ khách hàng, thành công thay thế một phần dịch vụ khách hàng tự động và đang thử nghiệm áp dụng mô hình lớn trong lĩnh vực tiếp thị, quản lý sau cho vay, v.v.
Ngoài lĩnh vực ngân hàng, Wang Jun dự đoán rằng trong các lĩnh vực sản xuất, dự báo rủi ro khí hậu, máy tính, giáo dục, truyền thông và giải trí, sẽ có những cải tiến đáng kể trong các ứng dụng thông minh liên quan đến các mô hình lớn. Wang Jun chỉ ra: "Trong ngành sản xuất, các mô hình lớn có thể theo dõi độ tin cậy của các bộ phận hoặc pin và dự đoán tuổi thọ của chúng; Về mặt dự đoán rủi ro khí hậu, các thuật toán trí tuệ nhân tạo diễn giải các điều kiện thời tiết trong tương lai để đưa ra cảnh báo sớm và tối ưu hóa tuyến đường cho đường cao tốc và các khu vực khác. Trong lĩnh vực máy tính, các mô hình lớn có thể giúp hoàn thành mã, hiểu mã và xây dựng. Trong lĩnh vực giáo dục, dựa trên thói quen học tập và hành vi của học sinh, có thể xây dựng các mô hình lớn được cá nhân hóa để hỗ trợ việc học tập của học sinh. Trong lĩnh vực truyền thông và giải trí, các mô hình lớn có thể được sử dụng để tạo nội dung, xây dựng mô hình và xây dựng cảnh, chẳng hạn như sản xuất hoạt hình, thiết kế trò chơi và sản xuất video ngắn và cũng có thể được tổng hợp thành người kỹ thuật số cho các đề xuất thương mại điện tử. ”
Ngân hàng trong tương lai cần những nhân tài AI như thế nào?
The '2024 China Banking Industry Development Report' released by the China Banking Association states that there is a natural convergence between finance and artificial intelligence. AI large model technology can fully tap into the massive data of the banking industry, and the banking industry has rich scenarios suitable for AI large model technology. Currently, AI large models are driving comprehensive innovation in the fields of service, marketing, and products in China's banking industry, catalyzing the accelerated arrival of the 'future bank'.
Với việc ngân hàng sử dụng mô hình lớn một cách phổ biến, yêu cầu kỹ năng của nhân viên công nghệ cũng cao hơn. Theo Lý Tú Sinh, trong ngành ứng dụng Internet, tư duy Internet đã giúp cho sự thành công của các tập đoàn Internet. Khi thời đại trí tuệ nhân tạo đến, nhu cầu về nhân tài đã chuyển biến thành những nhân tài kết hợp với tư duy trí tuệ nhân tạo trong lĩnh vực tài chính và công nghệ.
Ngân hàng Xinwang đã nhấn mạnh tư duy Internet trong những năm gần đây và sẽ chú ý đến tư duy trí tuệ nhân tạo trong tương lai. Tư duy trí tuệ nhân tạo được tích hợp vào thiết kế sản phẩm kinh doanh, tiếp thị khách hàng, hoạt động kinh doanh hàng ngày và xây dựng hệ thống quản lý tổng thể. Do đó, ngân hàng sẽ đánh giá xem đội ngũ nhân viên có khả năng, nền tảng hay tiềm năng này để phát triển tài năng cần thiết cho sự phát triển trong tương lai của ngân hàng hay không.
"Sự tiến bộ không ngừng của công nghệ trí tuệ nhân tạo đang đặt ra thách thức đối với những người làm việc trong ngân hàng, nhưng cũng mang lại cơ hội mới. Đối mặt với sự thay đổi, những người làm việc cần giữ bình tĩnh, liên tục học hỏi, bắt kịp sự thay đổi của thời đại, tìm ra vị trí của mình trong xã hội và doanh nghiệp," Li Xiusheng khích lệ. "Các nhân viên kỹ thuật cần điều chỉnh bản thân, áp dụng công nghệ trí tuệ nhân tạo để nâng cao năng lực của mình. Còn những người làm kinh doanh không cần lo lắng quá nhiều về việc bị thay thế, vì ngưỡng cửa áp dụng công nghệ trí tuệ nhân tạo đã giảm đi, ngay cả những người không biết về máy tính cũng có thể sử dụng công cụ trí tuệ nhân tạo để xây dựng quy trình và ứng dụng, phát huy giá trị của mình. Do đó, chỉ cần dám học hỏi, bắt kịp sự thay đổi về công nghệ, người làm việc trong ngân hàng sẽ không bị loại bỏ, mà ngược lại có thể thích nghi tốt hơn với sự tiến bộ của công nghệ thời đại."
Từ góc độ kinh doanh kiểm soát rủi ro, Wei Hao cho biết, thực hành là yếu tố quan trọng để nắm vững trí tuệ nhân tạo. Trong lĩnh vực kiểm soát rủi ro, việc áp dụng công nghệ trí tuệ nhân tạo đòi hỏi yêu cầu nhân lực cao hơn, không chỉ cần hiểu biết sâu sắc về nguyên lý công nghệ, mà còn cần nhận thức đầy đủ về ưu điểm, ranh giới khả năng và rủi ro của mô hình, để đảm bảo việc áp dụng công nghệ đúng đắn. Do đó, nhân viên kiểm soát rủi ro cần phải có kiến thức chuyên sâu vững chắc và rộng rãi.
Wang Jun also stated that universities are also committed to training compound talents in the field of AI+. "We optimize the curriculum, incorporating courses such as data analysis, data mining, machine learning, deep learning, and multimodal data, so that students can be exposed to AI-related knowledge at the undergraduate level. We have also added practical training projects and laboratory courses, encouraging students to participate in competitions such as financial technology competitions, in order to transform knowledge into practical skills. In addition, we hope to strengthen cooperation with the industry, allowing students to gain a deeper understanding of industry needs and operations through joint laboratories, expert lectures, and other forms, thereby stimulating their learning motivation and cultivating talents that meet industry needs."
Khi thảo luận về xu hướng phát triển tiếp theo của công nghệ trí tuệ nhân tạo (AI) trong ngành ngân hàng, ông Lý Tú Sinh cho biết rằng, với sự phát triển của công nghệ AI và mô hình lớn, ngân hàng thương mại đang trải qua một chu kỳ tái cấu trúc mới. Điều này không chỉ liên quan đến việc nâng cấp hệ thống, mà còn sẽ thay đổi sâu sắc quy trình kinh doanh, hình thái sản phẩm, cơ chế quyết định, sự kết hợp của nhân sự và việc thiết lập các vị trí. "Mặc dù bản chất của quản lý rủi ro tài chính vẫn không thay đổi, nhưng cách phục vụ, hình thái sản phẩm và cơ chế hoạt động sẽ trải qua biến đổi khổng lồ. Quá trình này có thể diễn ra dần dần, nhưng dự kiến sau ba đến năm năm, diện mạo của ngân hàng thương mại sẽ thay đổi hoàn toàn."
（Nguồn bài viết: Tài chính Nhân dân）
Nguồn: Đông Phương Tài Chính Mạng
Tác giả: Tài chính và Kinh doanh Xinhua