国庆中秋长假刚过，有消费者可能已经察觉到，以往不堪其扰的各类贷款电话，近几天似乎安静得出奇。 其实不光是骚扰性的来电，以往刷几个短视频就能见到的 “极速放款”“低息贷款”等广告，如今同样少了许多。 “这主要和助贷新规有关。”一名从业者对《每日经济新闻》记者表示，背后的原因便是在10月1日正式落地实施的《关于加强商业银行互联网助贷业务管理提升金融服务质效的通知》（以下简称《通知》）。 除了规范营销宣传行为，该文件还对平台运营机构、增信服务机构等实施了名单制管理。值得注意的是，有媒体称新规明确划出年化利率不超过24%的“红线”，推动全行业进入产品整改与模式调整的深度洗牌期。 深圳一家助贷公司人士对记者表示，以前网贷进行规范时，认定24%以上的利率不合法，现在则是一旦年化利率超过24%就要求银行方面不予合作。该人士表示，虽然年化利率上限降低，但未来网贷抽贷也可能更容易发生，且更难出额（指贷款平台为借款人提供的一种信用额度）。 助贷新规的核心是“收口” 过去几年，各类贷款电话在消费者耳边此起彼伏，甚至还打着银行的名义宣传产品。这也让很多人产生疑惑：到底什么是助贷？为什么能打着金融机构的名号？它和网贷平台有何区别？ “助贷公司和网贷公司有较大的区别：助贷公司没有放款资质，主要做一些辅助性的工作，如收集信息、查看征信、进行获客风险评估等。网贷公司是有贷款资质的，再加之对互联网的应用，就可以称之为网贷公司。”北京财富管理行业协会特约研究员杨海平通过微信对记者表示。换言之，助贷公司是利用自身掌握的获客优势来提供相关服务的机构，通过向借款人推荐资金方，经资金方（商业银行、消费金融公司等）风控终审后完成贷款发放，同时自身获取相关服务费。 不过，虽然助贷公司的合作方都是正规金融机构，但这并不代表助贷行业规范和透明。实际上，风控责任不明、个人信息泄露、资金穿透不清等问题在行业内屡有发生，这些乱象都成为“助贷合作”的灰色地带。 为加强规范和管理，国家金融监督管理总局于今年4月发布《通知》，并于10月1日起正式落地实施。 整体来看，本次新规的核心就是“收口”——商业银行总行应当对平台运营机构、增信服务机构实行名单制管理，通过官方网站、移动互联网应用程序等渠道披露名单，及时对名单进行更新调整。商业银行不得与名单外的机构开展互联网助贷业务合作。此外，平台也不能以合作之名，参与银行自主评审贷款等。 尾部企业生存空间收窄 当借款人因征信问题、有司法记录或者其他原因不能满足银行贷款条件时，通常会转向第三方机构寻求贷款，而助贷公司往往可以通过某种方式来进行弥补，如提供资产证明、找三方担保等，这也是助贷行业存在的意义。 不过在受访人士看来，助贷公司近年来发展迅速，各类业务鱼龙混杂，曾经出现过AB贷、助贷公司自身放贷等情况，目前均已被叫停、禁止。 展开全文 “在商业银行拓展业务过程中，部分助贷机构发挥了作用，但是助贷行业整体而言是泥沙俱下的状态。”杨海平表示。 记者注意到，在《通知》实施后，部分银行已经披露了平台运营机构合作名单。从已披露数据来看，“助贷白名单”涵盖流量巨头、上市金融科技公司及中腰部平台等多类市场主体。其中，持牌金融机构更青睐具备流量优势的互联网巨头、合规性较强的上市金融科技企业以及行业头部平台，比如蚂蚁系、字节系、京东系等。在流量入口争夺加剧的趋势下，互联网巨头通过旗下数十家相关公司渗透助贷产业链，形成“导流—风控—催收”全链条布局。 “目前头部助贷机构由于有较强的合规能力，且本身风险评估、信息加工能力具有优势，能较快适应规定，但尾部企业基本上会面临被淘汰的命运。”杨海平表示，在此次“助贷新规”之后，企业的核心竞争力其实就是数据加工能力，体现在业务上就是获客能力和风控能力。在这种背景下，助贷会从业务主导转向技术主导，行业尾部企业可能会逐步退出市场。 从业者：客户资质问题更为关键 虽然政策“收口”，但在一线从业者眼里，困难并非主要源于此，当下最大的难题其实是客户的资质。 “现在需要钱的人挺多，但很多人的征信已经‘被打成筛子’了。”一名一线的助贷经理对记者表示，对于一位需要用钱但资质又不太好的人来讲，以往找助贷机构是最好的办法。 在这名助贷经理看来，现在助贷业务很难做，主要问题不是平台自身能否和银行合作的问题，而是行业本身的痼疾：一是来找自己做业务的客户征信基本过不了关；二是资质好的客户不会来，他们对助贷公司也缺乏信任。 “现在业务比较好的（人员）都是公司里资历比较老的，大多数公司也就一两个销冠而已。”上述助贷经理表示，只有从业时间长，人脉、圈子优秀的员工才能做出比较好的业绩。 值得注意的是，目前消费者对助贷业务本身就有抵触情绪。杨海平表示，由于行业发展较快，呈现出鱼龙混杂的局面，有一定比例的助贷机构存在收费不公平、信息不透明，甚至进行两头欺诈等问题。 “助贷机构之所以能够发展存在，就是因为商业银行一些能力、队伍建设能力滞后，助贷业务的实质就是非持牌的机构参与到了贷款流程中。”杨海平表示，未来商业银行加速自建互联网信贷团队已是必然趋势。 每日经济新闻返回搜狐，查看更多

北京市:市辖区:(东城区、西城区、朝阳区、丰台区、石景山区、海淀区、门头沟区、房山区、通州区、顺义区、昌平区、大兴区、怀柔区、平谷区、密云区、延庆区)

天津市:市辖区:(和平区、河东区、河西区、南开区、河北区、红桥区、东丽区、西青区、津南区、北辰区、武清区、宝坻区、滨海新区、宁河区、静海区、蓟州区)

河北省:石家庄市:(长安区、桥西区、新华区、井陉矿区、裕华区、藁城区、鹿泉区、栾城区、井陉县、正定县、行唐县、灵寿县、高邑县、深泽县、赞皇县、无极县、平山县、元氏县、赵县、石家庄高新技术产业开发区、石家庄循环化工园区、辛集市、晋州市、新乐市)

唐山市:(路南区、路北区、古冶区、开平区、丰南区、丰润区、曹妃甸区、滦南县、乐亭县、迁西县、玉田县、河北唐山芦台经济开发区、唐山市汉沽管理区、唐山高新技术产业开发区、河北唐山海港经济开发区、遵化市、迁安市、滦州市)

秦皇岛市:(海港区、山海关区、北戴河区、抚宁区、青龙满族自治县、昌黎县、卢龙县、秦皇岛市经济技术开发区、北戴河新区)

邯郸市:(邯山区、丛台区、复兴区、峰峰矿区、肥乡区、永年区、临漳县、成安县、大名县、涉县、磁县、邱县、鸡泽县、广平县、馆陶县、魏县、曲周县、邯郸经济技术开发区、邯郸冀南新区、武安市)

邢台市:(襄都区、信都区、任泽区、南和区、临城县、内丘县、柏乡县、隆尧县、宁晋县、巨鹿县、新河县、广宗县、平乡县、威县、清河县、临西县、河北邢台经济开发区、南宫市、沙河市)

保定市:(竞秀区、莲池区、满城区、清苑区、徐水区、涞水县、阜平县、定兴县、唐县、高阳县、容城县、涞源县、望都县、安新县、易县、曲阳县、蠡县、顺平县、博野县、雄县、保定高新技术产业开发区、保定白沟新城、涿州市、定州市、安国市、高碑店市)

张家口市:(桥东区、桥西区、宣化区、下花园区、万全区、崇礼区、张北县、康保县、沽源县、尚义县、蔚县、阳原县、怀安县、怀来县、涿鹿县、赤城县、张家口经济开发区、张家口市察北管理区、张家口市塞北管理区)

承德市:(双桥区、双滦区、鹰手营子矿区、承德县、兴隆县、滦平县、隆化县、丰宁满族自治县、宽城满族自治县、围场满族蒙古族自治县、承德高新技术产业开发区、平泉市)

沧州市:(新华区、运河区、沧县、青县、东光县、海兴县、盐山县、肃宁县、南皮县、吴桥县、献县、孟村回族自治县、河北沧州经济开发区、沧州高新技术产业开发区、沧州渤海新区、泊头市、任丘市、黄骅市、河间市)

中国大模型，首登Nature封面。 9月17日，在最新😍一期的国际权威期刊Nature（自然）中，DeepSeek-😊R1推理模型研究论文登上了封面。该论文由DeepSeek团队😅共同完成，梁文锋担任通讯作者，首次公开了仅靠强化学习就能激发👏大模型推理能力的重要研究成果。这是中国大模型研究首次登上Na💯ture封面，也是全球首个经过完整同行评审并发表于权威期刊的🙄主流大语言模型研究，标志着中国AI技术在国际科学界获得最高认🎉可。 Nature在其社论中评价道：“几乎所有主流的大🤔模型都还没有经过独立同行评审，这一空白终于被DeepSeek😆打破。” 中国AI大模型的“Nature时刻” 😆自大模型浪潮席卷全球以来，技术发布、性能榜单层出不穷，但始终😘缺乏一个权威的“科学认证”机制。OpenAI、谷歌等巨头虽屡😅有突破，但其核心技术多以技术报告形式发布，未经独立同行评审。🚀 DeepSeek以其公开性和透明性打破了这一局面。D🥳eepSeek-R1模型的研究论文最早于今年年初发布在预印本⭐平台arXiv上。自今年2月14日向Nature投递论文至今😀，历经半年，8位外部专家参与了同行评审，DeepSeek-R🙄1推理模型研究论文终获发表，完成了从预印本到Nature封面🙄的“学术跃迁”。审稿人不仅关注模型性能，更对数据来源、训练方❤️法、安全性等提出严格质询，这一过程是AI模型迈向更高的透明度😀和可重复性的可喜一步。 因此，Nature也对Deep⭐Seek的开放模式给予高度评价，在其社论中评价道：“几乎所有😀主流的大模型都还没有经过独立同行评审，这一空白终于被Deep⭐Seek打破。”全球知名开源社区Hugging Face机器😡学习工程师Lewis Tunstall也是DeepSeek论😊文的审稿人之一，他强调：“这是一个备受欢迎的先例。如果缺乏这🤔种公开分享大部分研发过程的行业规范，我们将很难评估这些系统的🤗潜在风险。” 据了解，DeepSeek本次在Natur🤯e上发表的论文较今年年初的初版论文有较大的改动，全文64页，🙌不仅首次披露了R1的训练成本，而且透露了更多模型训练的技术细🎉节，包括对发布初期外界有关“蒸馏”方法的质疑作出了正面回应，😂提供了训练过程中减轻数据污染的详细流程，并对R1的安全性进行🤩了全面评估。 其中，在训练成本方面，R1-Zero和R🥳1都使用了512张H800GPU，分别训练了198个小时和8💯0个小时，以H800每GPU小时2美元的租赁价格换算，R1的😂总训练成本为29.4万美元（约合人民币209万元）。不到30👏万美元的训练成本，与其他推理模型动辄上千万美元的花费相比，可💯谓实现了极大的降本。 关于R1发布最初时所受到的“蒸馏💯”质疑，DeepSeek介绍，其使用的数据全部来自互联网，虽😂然可能包含GPT-4生成的结果，但并非有意而为之，更没有专门😅的蒸馏环节。所谓“蒸馏”，简单理解就是用预先训练好的复杂模型🎉输出的结果，作为监督信号再去训练另外一个模型。R1发布时，O💯penAI称它发现DeepSeek使用了OpenAI专有模型😂来训练自己的开源模型的证据，但拒绝进一步透露其证据的细节。 🤩 R2何时问世引发关注 自今年年初发布R1以来，D😆eepSeek在全球树立了开源模型的典范，但过去数月，外界对⭐于R2何时发布始终保持高度关注，相关传言一直不断。不过，R2🙄的发布时间一再推迟，外界分析R2研发进程缓慢可能与算力受限有😆关。 展开全文 值得注意的是，今年8月21日，D🙌eepSeek正式发布DeepSeek-V3.1，称其为“迈🎉向Agent（智能体）时代的第一步”。据DeepSeek介绍🤩，V3.1主要包含三大变化：一是采用混合推理架构，一个模型同😆时支持思考模式与非思考模式；二是具有更高的思考效率，能在更短🤩时间内给出答案；三是具有更强的智能体能力，通过后训练优化，新🤯模型在工具使用与智能体任务中的表现有较大提升。 由于R😢1的基座模型为V3，V3.1的升级也引发了外界对于R2“在路😘上”的猜测。V3.1的升级更深刻的意义在于，DeepSeek🙌强调DeepSeek-V3.1使用了UE8M0 FP8 Sc😊ale的参数精度，而UE8M0 FP8是针对即将发布的下一代💯国产芯片设计。这也表明未来基于DeepSeek模型的训练与推😅理有望更多应用国产AI芯片，助力国产算力生态加速建设。这一表🙌态一度带动国产芯片算力股股价飙升。 中国银河证券研报指💯出，DeepSeek从V3版本就开始采用FP8参数精度验证了🤯其训练的有效性，通过降低算力精度，使国产ASIC芯片能在成熟💯制程（12-28nm）上接近先进制程英伟达GPU的算力精度，🥳DeepSeek-V3.1使用UE8M0 FP8 Scale❤️参数精度，让软件去主动拥抱硬件更喜欢的数据格式，“软硬协同”😜的生态技术壁垒逐渐成为AI浪潮下新范式，未来国产大模型将更多😊拥抱FP8算力精度并有望成为一种新技术趋势，通过软硬件的协同😎换取数量级性能的提升，国产算力芯片将迎来变革。 责编：😉万健祎 校对：王朝全 版权声明 " Typ😁e="normal"@@--> 证券时报各平台所有原创😡内容，未经书面授权，任何单位及个人不得转载。我社保留追究相关😀行为主体法律责任的权利。 转载与合作可联系证券时报小助😉理，微信ID：SecuritiesTimes " Ty🤔pe="normal"@@-->返回搜狐，查看更多