文｜WEMONEY研究室，作者｜刘双霞 互联网助贷新规😢的余震尚未消散，WEMONEY研究室获悉，近日，国家金融监督❤️管理总局再度发布《关于加强股份制银行等三类银行合作机构管理的🚀通知》（简称《通知》），针对三类银行合作机构管理系统性“立规🤗矩”，银行与第三方合作业务进入穿透式监管时代。 一、三🤗类银行何以成为监管“风暴眼”？ 在金融生态链中，股份制🚀银行、城商行与民营银行构成了极具张力的中间地带。不同于大行的❤️资源壁垒与风控惯性，也区别于纯互联网机构的敏捷激进，三类银行⭐普遍陷入“能力焦虑”与“规模饥渴”的双重困境。 股份制🔥银行虽具全国牌照，却在零售场景与属地资源上存在短板，对互联网😜平台的流量依赖日益加深；城商行囿于地域限制，亟需通过外部合作🤩突破物理网点瓶颈；民营银行更因“一行一店”模式，几乎将生存命🤯脉系于助贷与联合贷款。 正是这种结构性脆弱，导致三类银😀行成为风险传导的枢纽。 监管指出，这三类银行与第三方机😍构业务合作的广度和深度不断提升，为服务实体经济和金融消费者作😍出了重要贡献，但同时也暴露出银行管理不到位、职责边界不清、金⭐融消费者权益保护不力、风险交叉传染等问题。 不法中介泛😜滥、暴力催收频发、客户数据滥用、监管套利等顽疾，已危及行业稳😡健运行与消费者权益保障。 此次《通知》，是对市场痛点的❤️精准回应。 核心监管要求：聚焦四大领域，全流程闭环监管🌟 监管意图很明确：银行作为风险最终承担者，必须重掌合作🚀主导权。 《通知》明确，合作机构是指在营销获客、担保增😊信、贷后催收、代理销售等领域与商业银行合作，共同为客户提供金💯融产品或金融服务的机构，包括金融机构和非金融机构。 此🙄次《通知》监管聚焦四大领域，精准风险防控。 营销获客领😆域：严控外部渠道依赖，禁止放松风控标准或提供“特殊优惠”；严🙄禁合作机构虚假宣传、诱导借贷、骗贷、滥收费用、泄露信息；佣金😍不得与贷款利率挂钩，禁止分享罚息、禁止合作机构收取息费；规范🤩互联网平台合作，防范共债风险与算法模型风险。 担保增信😊领域：严格审查担保机构资质与能力，建立风险指标监测体系；尊重😜客户自主选择权，禁止强制搭售或指定独家担保机构；担保机构须向⭐借款人清晰披露收费项目、标准及年化费率，代偿后总费用不得超出🥳银行罚息水平。 催收服务领域：制定催收行为规范，严禁暴😜力催收、诱导借新还旧、养高罚息；严格隔离客户敏感信息，按“最💯小必要”原则提供数据；建立银行主导的催收投诉处理机制，不得简👍单交由合作机构处理。 代理销售领域：严禁借“财务顾问”🥳等名义变相代销；不得通过代销为不合规项目提供融；将合作机构投😡诉率纳入准入评价体系。 二、银行三方合作业务进入“强穿😆透、严问责”新阶段 整体来看，三类银行合作业务的监管进👏入“强穿透、严问责”新阶段：“佣金挂钩利率”、“变相代销”、🙄“高返佣诱导”等灰色操作遭明令禁止，套利空间被压缩；合规成本😆将提升，银行需投入资源建立统一准入、动态评估、风险监测和系统😆化管控体系。 展开全文 WEMONEY研究室进一🤗步总结，此次《通知》以下几大核心点值得关注： 核心风控❤️权回归银行：监管明确要求“三类银行不得将授信审批、合同签订等🎉核心风控环节交由合作机构实施”。这一规定直接斩断了部分助贷平😁台以“联合风控”之名行实质风控外包之实的灰色路径。银行必须建🤔立独立的风险定价能力，不能再依赖平台的“黑箱”评分模型批量放🤯贷。 数据“断直连”深化：监管强调“按最小必要原则提供💯信息”与“保障客户信息安全”，与《个人信息保护法》及征信“断😴直连”要求形成闭环。平台再也无法以“风控需要”为由，无限制收😢集、使用甚至转售用户敏感数据。银行与助贷机构间的数据交互必须⭐建立在合法授权和隔离机制之上。 收费透明化：明令禁止“🤗佣金与贷款利率挂钩”、“合作机构收取息费”等操作，击中了助贷👏平台“隐藏收费”的命门。以往通过高额导流费、服务费变相推高实😆际利率的盈利模式宣告终结，平台只能赚取“阳光化”的技术服务费😴。 名单制管理：监管要求银行建立“全行统一准入机制”和😘“名单制管理”。这意味着中小银行将告别“来者不拒”的粗放合作😢模式，对助贷平台的资质、技术能力、合规记录进行穿透式审查，大😂量长尾平台面临淘汰。 三、助贷市场权力结构生变 🤔在强监管框架下，助贷市场的权力结构正在发生深刻转移： 😉银行成为主导者。银行需自建或深度掌控风险评估模型，中小银行或⭐寻求与持牌征信机构、金融科技公司开展合规技术合作。银行将更看👏重平台的技术输出能力（如智能营销、反欺诈系统）而非单纯流量供😅给，合作契约转向“技术服务协议”本质。此外，银行自主渠道战略🤩升级，将加大手机银行、自营场景建设，降低对第三方导流的依赖。👏 助贷平台被迫转型。头部平台加速向B端技术方案提供商转⭐型，输出风控工具、运营系统等模块化服务；部分巨头通过获取征信👏、消金牌照寻求合规身份，但需直面更严格的资本和监管要求。助贷😢机构需聚焦特定客群（如小微、三农）或场景（如供应链、车生态）⭐，以差异化能力绑定银行伙伴。 金融监管总局的三类银行新😜规与互联网贷款监管形成“组合拳”，深度重构助贷市场。这并非扼😍杀创新，而是终结“平台通吃、风险外溢”的扭曲模式。助贷不会消😡失，但它必须褪去光环，回归技术服务本源——银行需要的不再是流😁量霸权，而是真实、可控、合规的科技赋能。 来源钛媒体A😀PP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