DeepSeek席卷金融业,银行、保险、基金、券商等金融机构纷纷接入这款本土大模型,唯恐一步慢,步步慢。
自两年前ChatGPT横空出世,将AI革命从未来拉至眼前,DeepSeek被视为另一个AI革命的奇点。围绕DeepSeek的市场情绪复杂,既高估也轻慢,既亢奋又误读,但相比两年前,市场对于大模型的商业应用前景和“钱景”,更加笃定。在这场时代洪流中,号称半个IT业的金融业,借助以DeepSeek为代表的大模型实现数字化转型,交卷数字金融大文章,是金融高质量发展的题中之义。在这里,差别不是有和无的问题,而是多和少、快和慢的问题。商业命题:弯道超车?
DeepSeek之所以引发瞩目,不是技术上有多么“遥遥领先”,而是开辟了新的技术路线,打破了硅谷公司对AI革命的解释垄断权,AI成本可以大幅下降,而非不断叠加算力,大力出奇迹。开源、便宜的DeepSeek,某种程度上,实现了AI平权,这对中小公司而言,是难得的弯道超车机会。
金融业亦如此。在这轮浪潮里,也是中小金融机构率先抢跑,一方面是由于“船小好掉头”,不像大型金融机构决策链条长,牵一发动全身;另一方面是基于DeepSeek的上述优势,中小金融机构不用投入大量资金资源,可以迅速上手,迅速上线,迅速在远程、投顾等场景上应用,获得先发优势。当然,DeepSeek并没有改变大模型和金融业的核心特征,这就使得在短期内,制约其发展的因素与其他大模型无异。首先,大模型的幻觉并没有消失,虽然DeepSeek更像人的“思考”,但也更有可能一本正经地胡说八道,而因为其表现“卓越”,反而更加难以被识破。归根结底,如果语料和数据出现错误,幻觉问题便不可避免。对于强监管的金融业,对于强调专业性的金融业,AI幻觉是难以容忍的。如果这个问题没有解决,在更纵深场景的应用,比如风控和合规、定价和精算,就会逡巡不前。另一方面,数据和隐私问题也在困扰着监管和个人。金融业海量的个人数据,一旦输入大模型,能否避免信息泄露?在当下日趋“透明人”的互联网世界,因信息泄露带来的损失不胜枚举,电诈只是其中广为人知的一方面。大模型如果在这方面不能实现安全可控,这个量级的个人信息风险,无法言说。但任何发展,如果我们回归第一性原理,便能直抵目标。办法总比困难多,如果我们志在高质量发展,AI幻觉等便只是待解决的问题,而非天堑。如果我们志在创新,就要允许和容忍失序和混乱,DeepSeek便是这样的因果,而弯道超车的中小金融机构,亦需要这样的因果。终极命题:对人的替代?
在商业之外,人们对AI的疑虑,还在于是否最终代替人。所谓智人之上,何以为人。而在可预期的未来,则是工作是否被AI取代。
大模型对于效率的极大提升,毋庸置疑。特别是能够深度思考的DeepSeek,逻辑清晰,显然折射出AI+金融的巨大潜力,分析更精准,输出也更周到和老道。金融业同时兼有资金密集型、技术密集型和人力密集型特点,弯道超车是一方面,同时也直面这样的考问,DeepSeek是否也意味着对部门工作岗位的颠覆和取代。比如对于百万保险代理人而言,两种情绪杂糅,在媒体的采访中,代理人一方面把DeepSeek视为工作搭子,提高工作效率,与此同时也感叹“比我干得好”,针对不同训练和案例,能给出教科书般的建议和方案,好像很长时间以来参差不齐的代理人队伍,有了混一的可能。面对降维的AI革命,不仅是保险业,各行各业都有着或多或少的岗位忧虑。这种“怀璧其罪”的情绪和思潮,历史有之,在工业革命的早期,机器对人的替代就曾甚嚣尘上。用我们一句早已化梗的历史名言来讲,就是“百万槽工衣食所系”。其实,站在时间和历史的角度,机器没有取代人,机器革命创造出更多新的工作岗位,一切问题最后还是复归发展问题。与其考虑智人之上的终极命题,不如保持学习的头脑,保持创新的心态,拥抱DeepSeek,而不是用宏大抽象来抗拒。