DeepSeek如何影響銀行業(yè)通義智能PPTcontent目錄01DeepSeek為何一夜之間爆火？02銀行擁抱AI的常見誤區(qū)03DeepSeek如何重塑銀行業(yè)？04行業(yè)影響：縮小技術鴻溝，推動生態(tài)變革05挑戰(zhàn)與未來展望DeepSeek為何一夜之間爆火？01低門檻優(yōu)勢：大幅降低使用/注冊門檻，AI平民化使用成本低DeepSeek使用成本極低，網頁/APP免費，API費用低，進一步AI平民化。中文友好環(huán)境針對中文用戶優(yōu)化，界面與操作指南均支持中文，降低語言障礙，提高使用效率。

中文訓練數據占比超90%注冊無門檻注冊流程簡便，無需復雜驗證，即時注冊即時使用，快速融入DeepSeek的智能生態(tài)。/post/7467164101137416211技術革新驅動：低成本與高性能的突破訓練成本革命算法優(yōu)化如MoE架構、MLA，實現(xiàn)同效能低成本，訓練成本10%，推理成本僅同類1%，大幅削減銀行算力投入。開源生態(tài)賦能開放模型代碼與框架，中小銀行可二次開發(fā)，打破技術壟斷壁壘。強大的社區(qū)支持，加速功能迭代與問題解決。本地化部署優(yōu)勢多個尺寸開源模型支持私有化部署，滿足金融數據安全與合規(guī)要求，如江蘇銀行本地化微調案例。性能與成本雙贏DeepSeek在保證高性能的同時，顯著降低銀行技術成本，加速AI普及。熱度傳播路徑捧上天拳打ChatGPT，腳踢Gemini，摩擦Claude顛覆現(xiàn)有AI產品，繞開CUDA，NVDIA完蛋了。560萬美元的訓練成本吊打幾個億的訓練成本。不能說不好，有點飯圈趨勢踩下地無腦貶低，毫無技術含量，蒸餾抄作業(yè)。甚至拿漢芯來比，又是一地雞毛拿一些偶爾出現(xiàn)的幻覺和bug來完全否定之。典型誤解銀行擁抱AI的常見誤區(qū)02銀行擁抱新技術誤區(qū)——為AI而AI銀行擁抱新技術誤區(qū)人無我有人有我優(yōu)不管有沒有用，先得有解不解決問題先不說，新聞稿先發(fā)照貓畫虎脫離實際看到他行案例或者供應商方案，直接復制到本地，不考慮適用性未充分評估可能導致資源浪費。只看別人不看自己過于關注在行業(yè)里的地位和發(fā)聲，不考慮解決內部實際問題需精準定位業(yè)務需求，選擇合適的結合點。只仰望星空不腳踏實地管理層關注快速創(chuàng)新迭代基層疲于提升基礎數據質量和完成手工報表DeepSeek如何影響銀行業(yè)？03內容采集與生成：內外AI分離，合規(guī)前提下保持數據實時性01自動化盡調報告整合財報與輿情數據，DeepSeek自動生成初步分析框架，顯著提升報告編制效率02合規(guī)審查智能化針對大量的監(jiān)管合規(guī)要求，批量、快速的審核合同文本、協(xié)議條款、用戶授權文本等，輔助人工審核，大幅提升審核效率，如江蘇銀行合同質檢場景應用。03輿情監(jiān)控實時分析社交媒體與新聞，識別潛在風險（如客戶投訴趨勢預測、企業(yè)客戶輿情風險預警等）互聯(lián)網/公有云金融機構內網私有云版DeepSeekor其他AI產品客觀數據：內部交易數據、客戶數據監(jiān)管文件公網版DeepSeekor其他AI產品行業(yè)標準、規(guī)范工商數據&其他公開數據流程數據：流程規(guī)范、制度等主觀數據：業(yè)務知識、經驗等其他銀行采購數據，如公安司法、風險多頭盡調報告生成合規(guī)審查輿情監(jiān)控防火墻防火墻知識管理：從靜態(tài)數據庫到動態(tài)知識引擎模型規(guī)模最低GPU顯存推薦GPU型號純CPU內存需求適用場景1.5B4GBRTX30508GB個人學習7B、8B16GBRTX409032GB小型項目14B24GBA5000x264GB專業(yè)應用32B48GBA10040GBx2128GB企業(yè)級服務70B80GBA10080GBx4256GB高性能計算671B640GB+H100集群不可行超算/云計算DeepSeek-R1+

ollama+AnythingLLMDeepSeek-R1+

ollama+DifyChatBI技術路線圖<20152016-20192020-20212023-2021-2022純學術探索核心技術NL2SQL技術缺陷：精度低檢索式BI核心技術：基于檢索的NL2SQL技術缺陷：無語義理解第一代對話式BI核心技術：NL2SQL（規(guī)則模型）技術缺陷：精度低、配置成本高、意圖理解弱第二代對話式BI核心技術：NL2SQL（規(guī)則模型+深度模型）技術缺陷：精度低、需要訓練模型第三代對話式BI核心技術：NL2DSL（規(guī)則模型+大模型）技術優(yōu)勢：數據可信、生成可控、可干預、模糊語義理解BI分析可分為統(tǒng)計型、歸因型、預測型、決策型四個層次展現(xiàn)數據，了解現(xiàn)狀，發(fā)現(xiàn)問題統(tǒng)計型利用體系，以小見大，見微知著預測型拆解指標，建立體系，找到根因歸因型直面問題，督辦改進，完成閉環(huán)決策型4BI分析層次ChatBI——統(tǒng)計型分析統(tǒng)計型歸因型預測型決策型針對所輸入的問題進行提前閱讀，模糊字段會觸發(fā)聯(lián)想，匹配字段枚舉值若干次優(yōu)解作為推薦問題備選，模糊語義場景下對齊提問意圖基于主題下的模型數據進行問答，提問中可以方便地進行主題和模型的切換劃定范圍模糊匹配業(yè)務黑話笨辦法：做配置表ChatBI——統(tǒng)計型分析統(tǒng)計型歸因型預測型決策型ChatBI——統(tǒng)計型分析統(tǒng)計型歸因型預測型決策型規(guī)則模型，提問精準命中底層數據平臺配置，輔助企業(yè)個性化問題識別語義清晰的問題語義模糊的問題基于大語言模型解析意圖意圖調整：用戶可以直接對解析結果進行干預和調整，以獲得自己最終想要的數據結果意圖解析：通過直觀的展示意圖解析的過程和結果，方便用戶對齊查詢意圖2023年杭州分行存款余額今年對公貸款余額排名第一的客戶經理近三年上海分行的不良率變化情況今年存款做得怎么樣今年的銷售明星是誰近年來上海的壞賬情況可信歸因型分析：維度歸因統(tǒng)計型歸因型預測型決策型統(tǒng)計分析數據解釋下鉆分析歸因型分析：指標歸因統(tǒng)計型歸因型預測型決策型通過歸因分析，發(fā)現(xiàn)線上申請總量過低、筆均交易額降低，需要分析具體線上各渠道申請變化情況，是否有渠道終止合作等；以及筆均交易額的變化情況，是否有渠道或產品設置了交易限額歸因分析結果KPI第一維度：直接影響第二維度：間接影響第三維度：渠道/產品/客群戶均余額同比-5%戶均額度XXX萬戶均額度使用率YY%卡數量同比-8%申請總量XX萬通過率YY%透支余額同比-10%戶均額度XXX萬卡量增長YY%通過率1%轉化率76%申請總量-6%轉化率40%戶均額度使用率-2%使用率XX%戶均額度0.5%戶均額度xxx萬線下申請總量-1%XX萬線上申請總量

-9%XX萬B產品通過率-1%通過率YY%A產品通過率1%通過率YY%B客群戶均額度1%YYY萬A客群戶均額度0%

XXX萬筆均交易額-5%YYY萬戶均交易筆數-1%XXX筆歸因預測型分析：典型場景是投訴預測統(tǒng)計型歸因型預測型決策型投訴傾向背景銀行希望更好地預測客戶行為，了解引起客戶投訴的服務因素發(fā)現(xiàn)確認常見的投訴路徑，在早期預警指導下采取糾正行動影響銀行確認了投訴傾向排名前X%的流程，客戶投訴數減少Y%高高低演亦文化3月3月30日頁面訪問量63次利用交互式語音應答（IVR）系統(tǒng)咨詢電話咨詢：查詢費用3月31日客戶數據匹配BAI調查演亦文化4月4月14日頁面訪問量49次覆蓋檢查4次4月28日電話咨詢：技術支持演亦文化5月5月2日頁面訪問量13次頁面訪問量4次5月5日電話咨詢：升級投訴，覆蓋5月7日頁面訪問量25次，包含“聯(lián)系我們”頁面5月8日頁面訪問量行為準則有所不滿5月8日投訴“我已經和你們公司說明了情況，你們的網站一直顯示已接收了我的即期匯票，但是實際上還在我的賬戶里等待被接收，導致我無法進行網上支付。請抓緊處理這個問題，我付了款，但是你們沒接收，導致我逾期好幾個月了?！鳖A測型分析：同樣可以建立指標樹完成預測統(tǒng)計型歸因型預測型決策型通過歸因分析，發(fā)現(xiàn)電話進件量、功能訪問量、問卷調查評分等因素會導致投訴量變化，進一步分析，技術支持和投訴建議的通話長度和客戶數，以及聯(lián)系我們/在線客服的訪問量，可以有效預測投訴量的變化歸因分析結果KPI第一維度：直接影響第二維度：間接影響第三維度：渠道/產品/客群功能訪問量業(yè)務功能聯(lián)系我們電話進件量技術支持投訴建議投訴量投訴建議電話進件中選擇投訴建議的進件數量技術支持電話進件中選擇技術支持的進件數量聯(lián)系我們訪問量訪問聯(lián)系我們或線上客服的流量業(yè)務功能訪問量訪問正常業(yè)務功能的流量技術支持客戶數XX萬技術支持通話長度XX萬投訴建議客戶數通過率YY%投訴建議通話長度通過率YY%業(yè)務功能跳出率YYY萬業(yè)務功能滲透率XXX萬在線客服訪問量YYY萬聯(lián)系我們訪問量XXX筆問卷調查評分預測型分析：將歸因逆向運用即可預測通過歸因分析，發(fā)現(xiàn)線上申請總量過低、筆均交易額降低，需要分析具體線上各渠道申請變化情況，是否有渠道終止合作等；以及筆均交易額的變化情況，是否有渠道或產品設置了交易限額歸因分析結果KPI第一維度：直接影響第二維度：間接影響第三維度：渠道/產品/客群戶均余額同比-5%戶均額度XXX萬戶均額度使用率YY%卡數量同比-8%申請總量XX萬通過率YY%投訴量通過率1%轉化率76%申請總量-6%轉化率40%戶均額度使用率-2%使用率XX%戶均額度0.5%戶均額度xxx萬線下申請總量-1%XX萬線上申請總量-9%XX萬B產品通過率-1%通過率YY%A產品通過率1%通過率YY%B客群戶均額度1%YYY萬A客群戶均額度0%

XXX萬筆均交易額-5%YYY萬戶均交易筆數-1%XXX筆預測統(tǒng)計型歸因型預測型決策型透支余額同比-10%戶均額度XXX萬卡量增長YY%DeepSeek能做嗎？注意力機制類似指標樹結構，都是尋找變量之間的關系行業(yè)影響：縮小技術鴻溝，推動生態(tài)變革04中小銀行逆襲機會低成本模型賦能D