金融-DeepSeek银行部署加速,AI金融应用迎来跃迁等模型也在缩小规模的同时达到了 DeepSeek R1 671B 的应用效果,有望进一步催生银行落地应用。 n 我们认为金融行业人工智能的应用价值大体可以分为三个层次: 降本增效,价值创造与决策赋能。在实际银行落地应用 中,可能包括: 1 )降本增效:智能客服、信贷审批、合同质检; 2 )价值创造: AI 编程、智能风控、智能营销等; 3 ) 决 策赋能: 深度分析和决策辅助。 n 从实际落地应用情况看, ,中泰证券研究所 11 多模态: Janus-Pro 等开源多模态模型有望进一步提升应用能 力 理解金融应用的“降本增效 - 价值创 造 - 决策赋能”三个层次 2 n 我们认为金融行业人工智能的应用价值大体可以分为三个层次: 降本增效,价值创造与决策赋能。其中当下应用最广 泛的是降本增效, 即 AI 对简单人力的替代,具体场景可能包括智能客服、简单的办公文件问答与内容生成等。随着模 型能力提升将展现真正的价值创造能力,即 随着 AI 分析能力进一步提升,将能够为决策层直接赋能,提升决策效率和精确度。 图表:金融行业 AI 应用的三个层次 金融行业人工智能的三层价值创造 资料来源:中泰证券研究所 13 n 降本增效场景通常基于大模型的生成能力,进行人力替代或赋能,在银行业 AI 应用场景中落地最早。 n 商业银行主要通过人工客服和智能客服两种方式为客户提供咨询服务。人工客服工作强度高、处理和响应时间相对较长,10 积分 | 25 页 | 1.44 MB | 2 天前3
抢滩接入Deepseek,教育行业迈入AI深度整合新阶段维”的短板,并开发新AI学习应用,集成自研讲解视频与高频AI学习工具,放大自 身专业内容积累和大模型技术优势。此外,学而思表示还在探索DeepSeek在公司 内部业务场景的应用,如推动客服家教沟通、视频脚本制作等场景的降本提效。 通过引入DeepSeek进行“硬件+软件+内容+运营”的多维智能升级,学而思有望 加速迭代升级产品服务,推动K12教育业务的全面AI化,进一步巩固行业头部地 位。 学而思围绕DeekSeek的AI教育布局情况 截至目前,DeepSeek能力主要落地于智能教育硬件产品、AI教育应用、教育内容 制作、客服家校沟通、教育企业内部业务等方向,通过结合通用大模型的能力优势 与垂直数据,突破AI在部分学科/教育场景中的应用瓶颈,赋能降本增效。预计随行 业进入AI深度整合的新阶段,将有更多阶段性原生AI教育软硬件产品涌现,创新教 育模式、重构学习体验。其中,教育智能硬件赛道有望率先得到突破,值得重点关 注。 行业格局方面,在Dee10 积分 | 6 页 | 1.23 MB | 2 天前3
2025年以计算加速迈进智能化未来-IDC新一代云基础设施实践报告云提供商须为跨行业数据采集、存储和计算需求的大幅增长做好准备。 在AI高速发展和在线业务快速膨胀的时代,企业用户对云基础设施的性能、成本、稳定性、安全 性等方面提出了全新的要求。为适应企业创新、降本增效以及业务出海等需要,云服务商不断通 过协同创新升级全栈服务品质,同时也利用自身融合发展的经验优势,助力企业积极开展国际化 布局。 �� 1.1 技术全面升级,为复杂的企业在线业务提供保障 务,云实例基于新一代处理器的向量指令集、矩阵加速指令集等,能够直接支持相关AI算子 执行,简化系统架构,提升响应性能与可靠性,持续改善搜推广、语音/视频处理以及中小模 型的推理体验。 云原生方案形成整体保障:除了算力层面的降本措施,云服务商还通过持续增强弹性伸缩、 Serverless以及统一运维等云原生解决方案的效能,实现硬件、算法、平台、服务的协同进 化。例如,在强化弹性伸缩能力时,综合运用编排调度(例如Kubernetes)、服务监控、服 可靠性:高品质的硬件组件和先进的散热技术,确保了服务器的低故障率和高可靠性,最大程 度避免故障导致的业务中断和数据丢失。 海量规格智能筛选:在游戏业务高弹性场景下,针对海量规格实现了智能筛选,动态规格供给 模式有效减少了资源碎片,降本幅度可达 20%。 3.2 技术和架构创新,提升 AI 时代的向量数据处理和协同计算效率 1、数据预处理场景 阿里云 ECS g�i 在硬件层面与 SIMD 指令集深度集成,支持英特尔 ® 高级矢量扩展10 积分 | 27 页 | 5.31 MB | 3 月前3
DeepSeek消费电子行业大模型新型应用最佳实践分享内置全系模型,一键精调 多 验证成本高 算力投入大,优化成本长期存 在 配置自主可控,快速验证并发用量 统一资源纳管,灵活切换 启动阶段 痛点 一键多副本,快速线性扩缩容 持续升级推理加速,降本增效 故障多,无法长时间稳定运行 规模扩大,人 / 物料管理难度高 开源资源分散,准备周期长 解决技术问题,体验效果滞后 工具链易上手,快速验证效果 统一资源纳管,灵活腾挪算力 故障感知修复10 积分 | 28 页 | 5.00 MB | 6 月前3
大模型技术深度赋能保险行业白皮书151页(2024)环 节中,其应用仍处于起步阶段,但潜力巨大,值得深入探讨与拓展。 (2)初期选择试错风险低的场景 在初步接触并验证大模型技术时,保险企业普遍采取了谨慎而务实的策略,优先选择 那些能够直接带来降本增效的用例进行试点。保险公司在最开始探索大模型时,可以快速 落地这些用例用于大模型的价值验证,然后探索更复杂的业务场景。这些用例包括但不限 于智能办公助手,它能够帮助员工高效处理日常行政事务;编码辅助工具,加速软件开发 理解及 判断能力,结合具体客户信息及保单,查询代理人数据并解读;基于大模型意图判断,主动 识别并引导代理人线上办理业务,极大提升队伍的服务专业性及合规水平,并有效支持平 安人寿在咨询人力方面的降本。在培训方面,运用GPT理解和对话能力,基于代理人技能 提升的需求,进行拟人化线上智能演练,同时,挖掘并生成个性化演练剧本,并模拟客群进 行对练;针对代理人具体演练情况,实时反馈亮点不足,主动指导能力长短板,给出下一步 在泰康养老在数字化转型过程中,通过引入AI智能训战项目,解决训战效率低下的问 题,从而提升整体业务效率和人才成长速度。 近年来,随着人口红利消失、成本高企,保险产品同质化竞争激烈等相关问题,保险行 业面临着获客营销难、团队增员难、降本增效难等挑战。特别是在线上获客成本高企的情 况下,如何降低成本、提高转化率成为业务发展的关键问题。 传统训战需要现场一对一的通关,然后关主点评,一次通关平均每人需要 2 到 3 个小 时,效率20 积分 | 151 页 | 15.03 MB | 2 天前3
共 5 条
- 1
