2025年春节以来，DeepSeek横空出世，并迅速被应用到政务、民生、产业等社会各层面。人工智能技术正以惊人的速度重塑各行各业，金融领域也不例外。近日，浙江财经大学盈阳金融科技学院院长、人工智能研究院院长张文宇教授先后接受文汇报、金融时报等媒体专访，从DeepSeek的崛起看中国AI的发展趋势，并探讨DeepSeek如何驱动金融行业变革，以及从业者应当如何应对等。经张文宇教授同意，本报记者对近期专访内容进行了整理，以飨读者。

　　记者：曾有媒体把DeepSeek的大胆创新盛赞为中国大模型一夜之间实现了对美国的“弯道超车”，是小作坊干翻了大资本的胜利，对这个观点您怎么看？

　　张文宇：我并不认同“弯道超车”的说法。科技领域的创新不可能一蹴而就，而是需要长期的孵化后才能厚积薄发。其实，DeepSeek并不是什么小作坊。虽然DeepSeek是2023年7月才成立公司，但它的母公司幻方量化早在2019年就花费2亿元人民币打造“萤火一号”超算集群了。到了2022年，幻方量化更是囤了万张A100显卡，是ChatGPT3.5发布之后第一波手握万卡入场券的少数模型公司。有人说DeepSeek仅花费560万美元就搞成功了，但那仅仅是最后的大模型训练成本，前期的软硬件成本与人力成本其实都未被计算在内。资本与技术的共生关系，体现了科技金融模式中“大资本推动技术、技术反哺资本增值”的逻辑。因此，DeepSeek的成功，本质上是科技金融模式的胜利。

　　此外，我们也不能因为DeepSeek的成功，就要鼓励社会资本一拥而上地研发通用大模型，再造一批“DeepSeeks”。我们能做的，是去培育一个能产生出DeepSeek的科创环境，包括构建创新土壤、培育科技型企业家、推动“政产学研用”的深度融合等。

　　记者：DeepSeek的崛起对中国AI的发展，带来哪些启示？

　　张文宇：DeepSeek不惧个别国家发起的“芯片禁令”和构筑的“小院高墙”，在算力资源受限环境下另辟蹊径，通过对人工智能三要素（数据、算力、算法）进行一系列的系统级协同创新与工程优化，并选择向全世界开源，这无疑走出了与OpenAI等国外公司不同的技术路线，可谓是用一个“筋斗云”实现了AI产业的“换道超车”，堪称是一场AI技术革命。DeepSeek的启示在于——中国AI的崛起，本质上是一场大规模系统级工程创新的胜利，它证明了在既有技术框架下，通过工程优化与路径创新，完全可能实现局部超越。

　　我们不仅要用AI赋能传统产业实现转型升级，更要用AI赋能战略性新兴产业与未来产业。不要沉溺于一个赛道的资本竞争，唯有通过另辟蹊径的赛道转换，中国企业才能获得更多领跑世界的契机。

　　记者：DeepSeek作为新一代人工智能技术，其在自然语言处理、机器学习等方面的突破，将如何具体应用于金融行业？例如，在风险评估、投资决策、客户服务等方面，DeepSeek将带来哪些变革性的应用场景？

　　张文宇：DeepSeek作为国产开源AI大模型，凭借其低成本、高性能及多模态能力，直接把之前像原子弹一样宝贵的大模型资源干到了人人都用得起的“茶叶蛋”。整个金融行业都在深度拥抱DeepSeek，涵盖了银行、证券、基金、保险与财富管理、金融科技公司等机构。

　　比如说风险评估，过去银行主要看表格数据，但DeepSeek更聪明。它能分析客户在社交媒体的动态、手写的合同文件，甚至电话录音里的情绪，把这些零散信息拼成完整的风险画像。

　　再来看投资决策。以前分析师看几百份报告要花好几天，现在DeepSeek能秒读海量资料，还能从微博、新闻里抓取市场情绪。DeepSeek对普通投资者也很实用——你告诉它“想要收益高又稳妥”，它就能结合你的存款、投资历史，推荐量身定制的理财方案。

　　在客户服务方面变化更大。现在手机银行的智能客服不再是从数据库里匹配历史答案，因为DeepSeek让对话更接近真人。它能记住你上次咨询的内容，甚至预判需求：比如发现你经常境外消费，可能会因此主动推荐适合的信用卡给你。这种“大模型+金融”的组合，正在让金融服务从“你有需求来找我”变成“我懂你要什么”的深度个性化推荐模式。

　　记者：DeepSeek 的普及应用，将对金融行业的产业链、商业模式、竞争格局产生哪些影响？是否会催生新的金融业态？传统金融机构将如何应对挑战？

　　张文宇：作为开源大模型，DeepSeek正在深刻重构金融行业的产业链、商业模式与竞争格局。其影响可概括为五个维度：

　　1、DeepSeek从算力依赖到生态共建重构了金融行业的产业链。过去金融行业的数字化高度依赖国外技术，而DeepSeek通过国产化技术路径，正在改变这种格局。这种突破不仅降低了运营成本，更重要的是形成了从芯片、服务器到应用场景的国产技术链条。

　　2、传统金融服务如同“标准化流水线”，而在AI驱动下，金融服务正在向“大规模个性化定制”转型。DeepSeek从“功能服务”到“智能伙伴”实现了商业模式革新。

　　3、技术门槛的降低带来了行业竞争格局的洗牌。即使是中小金融机构也能通过引入DeepSeek的开源模型，用极低成本实现智能投顾服务，服务质量直追头部机构。这就像智能手机时代，小厂商也能通过安卓系统挑战行业巨头。但同时，数据安全和算法伦理成为新的竞争壁垒。

　　4、DeepSeek已经在加速催生新的金融业态。例如已有基金公司基于DeepSeek的情绪分析模块，推出实时调整仓位的“舆情指数基金”。

　　5、为了应对大模型时代所带来的新挑战，传统金融机构一定要把AI作为助力金融行业提质增效的辅助手段，将其升级为支撑金融行业转型升级不可或缺的基础设施和核心能力，使其如水、电一样融入数字金融实践中，加快从“+AI”向“AI+”转变。“AI+金融”的本质在于金融机制的创新，如果不清楚金融机制创新在哪里、哪里的金融流程需要再造、哪里的金融价值需要共创，事实上是完成不了“AI+金融”创新的。

　　记者：DeepSeek 在金融行业的应用，可能面临哪些技术、伦理、监管等方面的挑战？如何确保算法的公平性和透明度？如何防范数据安全和隐私泄露风险？

　　张文宇：我们如果把大模型比喻为人类社会又一次钻木取火所产生的星星之火的话，那么用好了会造福人类，用不好就是火灾；用好了会带来人类历史上新一轮生产力的大解放，用不好就会成为人类社会雪崩前的第一片雪花。DeepSeek在金融行业的应用，当然面临着技术、伦理、监管等方面的挑战。

　　DeepSeek和其他大模型一样，有时候难免一本正经胡说八道。某银行用AI审核小微企业贷款，把企业主在朋友圈发的“最近压力大”误判为经营风险，差点错拒优质客户。要避免这个问题的发生，解决方案之一是用本地知识库与知识图谱来增强大模型的推理能力；解决方案之二是采取人机物三元融合智能的方法，重要决策必须由AI初筛加人工复核。例如，浙江财经大学人工智能研究院正与同花顺公司合作研发并形成基于产业大模型、人机物三元融合智能以及知识图谱增强的产业链全域风险监测与预警平台，以提升我国供应链、产业链、价值链的群智融合服务能力，以及跨系统、跨地域、跨业态、跨链联合监测与风险预警能力。

　　我们需要研究AI伦理问题，例如，要防止AI歧视特定群体。有人是这么解决该问题的，即采取定期“道德考试”的方法，用模拟案例测试AI决策是否公平。

　　AI平台算法可能走偏，营造“信息茧房”，让算法沦为算计。这是因为，人工智能的传统三要素——数据、算力、算法，并不能应对人类文明与人工智能之间的新冲突与新融合，未来需要把人性这个要素也考虑进来，缺“心”的机器容易给人类社会带来灾难。因此，要发展以人为本、智能向善、负责任的平台算法变得非常重要。现在的AI就像孩子一样，若再不教化，以后会给人类社会的安全、治理、监管、版权、伦理等多个方面带来越来越大的风险和挑战。

　　防范数据安全和隐私泄露风险需要构建多层级防护体系。例如，在数据预处理阶段，要做数据脱敏与数据清洗。在模型训练阶段，可以采取隐私计算技术，以及数据与模型解耦的模型架构设计方法。在推理阶段，要采用访问控制机制与输出防护技术。

　　记者：目前来看，DeepSeek最先会取代哪些金融岗位？从业者应该怎样高效利用DeepSeek来提升自己的工作效率和能力？

　　张文宇：根据当前金融机构的应用实践和行业分析，有些岗位将率先受到冲击，如基础数据处理与审核类岗位、标准化服务与运营支持岗位、初级投研与报告生成岗位、基础营销与产品推荐岗位等。

　　面对技术冲击，金融从业者可通过高效利用DeepSeek来实现能力升级：

　　1、我们要掌握人机协作的核心技能，学习使用DeepSeek的自动化功能（如财报分析、舆情监控等），将重复性脑力劳动任务交给AI。随着DeepSeek等大模型的普及，很快会实现技术平权。当人人都有AI能力时，想要脱颖而出的人靠的还是自身的高阶思维能力，包括创造力、想象力、情感力、批判性思维、沟通能力等，才能让自己鹤立“机”群、成为人机共生系统中的主角。

　　2、我们要把自己转型为AI增强型人才，通过数据解读与决策验证，强化对AI生成结果的批判性思考。例如某银行将DeepSeek嵌入反洗钱监测系统，但人工核查环节仍然不可缺少。我想起了爱迪生的一句名言：天才来自1%的灵感和99%的汗水。我之前非常奇怪，99%的汗水更重要，为什么不把汗水放在前面呢？现在我懂了，我怀疑爱迪生是穿越来的。那就是，随着生成式人工智能敲开了通用人工智能大门后，99%的搬砖汗水将会逐渐被机器所取代，只有那1%的人类灵感是不容易被机器所取代的。

　　3、我们要聚焦AI难以应对的复杂与高附加值场景，可以利用DeepSeek的多维度数据分析能力来探索交易记录、社交媒体行为等，识别潜在需求并提供主动服务。

　　4、为了防止AI失控或者一本正经说胡话，AI训练师会成为新职业，将参与AI治理与伦理建设，例如，通过数据标注和反馈训练提升模型精准度等。

　　总之，当机器越来越像人，人不能跟机器比拼重复的体力劳动能力与重复的脑力劳动能力，而是应该去发挥蕴含着人类灵感与人性光辉的基础创新、内容创新、平台创新、模式创新，以及文理商工跨学科融合创新能力，要把自己进化得更像人。（本报记者江英华整理）