刚刚发生了什么？
过去两个星期的变化和事件的步伐令人困惑。下面我总结了与更深入见解的社会帖子链接刚刚发生的事情，并描述了金融服务需要如何反应。
DeepSeek推出了LLM，以备受好评。阿里巴巴的新Qwen模型也是如此。但是，DeepSeek抓住了头条新闻
- 他们浏览了数学 – 就像最高的数据科学家
- 他们深入研究了硬件，包括GPU，以提高计算效率 – 例如表现最佳的软件工程师
- 确保数据管理和转移效率，例如顶级数据工程师。
- 通过开放采购该模型，挑战了“专有”业务逻辑，从硅谷技术股票中削减了数十亿美元
为什么要DeepSeek？也许是因为它们是Quant，也许是类似城堡或XTX的结构，所以他们可以解决广泛的问题并深入研究许多领域。
DeepSeek如何改变并且没有改变技术和商业优先事项，尤其是在金融服务方面？
第一的， 代理AI。 尽管在达沃斯举行了麻省理工学院的“想象力”会议，但认为“代理人”是一个出色的描述性术语的受害者 语义漂白，代理是真实的和有用的。从这里重新创建的子弹总结了AI代理技术堆栈，DeepSeek破坏了基础模型层。
- 用户界面层，例如简化，React
- 代理编排层，例如，Langgraph，群
- 核心代理逻辑层，例如Langchain，LlamainDex
- 工具集成层，例如，Zapier，{vectorize}，拥抱脸
- 基础模型层，例如，OpenAi，DeepSeek，人类，Mistral等
- 基础设施层，例如，AWS，SINGLESTORE，NVIDIA，PINECONE
然而，AI代理堆栈比LLM多，其商业价值反过来衍生出比“应用程序层”中的AI代理更多。一位AI技术投资者指出了代理商适用的大量用例，但他说“真正的赢家将在应用层出现”。我同意。
为了实现这一目标，企业和组织将基金会模型和代理与业务逻辑相结合，因为一位投资者发布了有关某些数据驱动的决策情报公司如何与其他AI一起推动未来的业务逻辑的产品，就像其他人一样。这种观察并不是什么新鲜事物，而是传统AI的基础，可以追溯到上个世纪以及当代的Genai。
然而，这绝不会减少DeepSeek的贡献。 AI的一位负责人注意到生产的旅程仍然很困难，但是LLM的计算成本较小（DeepSeek转换）确实有帮助。
总而言之，请尝试此启发式：
信任的AI
=
受信任的数据 +上下文 +模型（例如LLM） +计算。
正如过去两个星期所示，DeepSeek可以很好地解决计算，并且与阿里巴巴一起为客户提供了更多的LLM模型选择，但金融服务公司想要
信任的AI 考虑到他们对透明度的需求，幻觉缓解，准确性和合规性必须
利用信任，上下文化数据来利用其组织和企业数据。换句话说，DeepSeek破坏了计算和LLM层，但是它仍然需要与强大的数据基础和“上下文结构”一起工作，以为金融服务组织提供价值。
那欧洲人工智能呢？
对于那些认为欧洲有监管“障碍”的人AI斗争的人，我发现很多值得积极的态度。法国Mistral AI具有类似的模型和开源方法。别忘了法国科技企业家在拥抱面孔后面，那里的一位高级领导者抨击了湾区人类首席执行官最近的“贸易保护主义”博客。我也为一个专门用于协助FinCrime，监管和其他以决策情报为导向的AI工作流程的英国组织工作，直到最近，我为目前的爱尔兰/英国地区居住的“向量数据库”提供商，该提供商针对前台和资本市场。
但是，是的，已经有几个星期了！
（Tagstotranslate）FineXtra（T）新闻（T）在线（T）银行（T）银行（T）技术（T）财务（T）财务（T）Financial（t）Fin（T）Fin（T）Tech（T）Tech（T）Fintech（T）IT（T）IT（t ）打破（t）最新（t）零售（t）交易（t）贸易（t）执行（t）头条新闻（t）区块链（t）数字（t）投资（t）移动（t）商业（t）业务（t）挑战者（t）付款（t）Regtech（T）Insurtech（T）服务
关键词：