中国大模型发展的新突破 - DeepSeek-V3开源模型获全球高度评价，性能与GPT-4o相当，多项表现位列全球前几名，训练成本仅600万美元，远低于GPT-4o的1亿美元 [4] - 算法创新成为核心竞争力，包括MLA多头潜在注意力机制、MoE混合专家架构等，为金融机构提供重要技术支撑 [4] - 昇腾910B芯片实现自主化突破，半精度算力超越英伟达A100，能效比高25%，国内产业链快速适配形成模型即服务等应用模式 [5] AI技术的陷阱与挑战 - 安全风险突出，如Ollama框架存在无鉴权机制、数据窃取和恶意攻击漏洞，影响模型服务的稳定性和数据完整性 [8] - 主流大模型如Grok-3、GPT-4、DeepSeek-V3均存在模型幻觉问题，且尚未解决歧视、算法共振、隐私泄露等技术缺陷 [9][10] - AI智能体首次被用于网络攻击，动态代码生成能力对国家安全防御体系构成新挑战 [10] 数字金融创新的挑战与目标 - 金融行业需实现从"可用"到"好用"的跨越，核心在于构建可信任的数字金融，主动防范AI陷阱并满足监管要求 [12][13] - 垂直模型需聚焦金融场景专业化能力，而非通用复杂问题解决能力，强调模型可信度和解释性 [13] 可信任数字金融的构建路径 - 高可靠性要求：部署AI时需强化防火墙、零信任架构等安全措施，针对不同场景需特别注意模型幻觉、歧视等问题 [15] - 可解释性为关键：需展示完整推理路径，通过可视化工具和注意力机制提升透明度 [15] - 行业级与企业级模型协同发展：预训练行业级模型降低边际成本，科技企业与金融机构合作共建生态圈 [16]

关税政策的经济影响 - 美国近期实施的极限关税政策被经济学理论证明是损人害己的行为，历史上法国经济学家巴斯夏的"无效铁轨理论"指出关税会抵消贸易成本降低的收益[1] - 德国经济学家李斯特在1841年提出关税应适度，过度限制进口会削弱国内生产能力和税收目标[1] - 近两百年来从亚当·斯密到克鲁格曼的经济学家都强调自由贸易的重要性，但当前美国政策已超越专业精神[1] 关税与全要素生产率关系 - 2016年哈佛教授阿吉翁的研究显示：基于中国106万户企业1998-2007年数据，财政补贴和税收优惠与全要素生产率正相关，而关税保护无相关性[2] - 实证研究表明关税保护不会促进经济发展和产业进步[3] - 中国加入WTO前对汽车行业高关税保护仍未能使产业强大，印证关税保护无效性[3] 中国关税政策实践 - 中国加入WTO后平均关税从高位降至2023年的7.3%[4] - 深圳手机、光伏储能、新能源车等产业通过市场竞争而非关税保护实现发展壮大[5] 关税的经济学本质 - 巴菲特指出对外关税实质会转化为对内商品税，属于紧缩性财政政策并抑制经济增长[6] - 历史与实证均证明关税保护既不能促进产业进步，还会造成双输结果[7] 行业动态 - 当前关税政策已影响芯片行业，部分订单停止报价[8] - 京东、拼多多、东方甄选等企业集体采取应对措施[8]