DeepSeek 问世后引发了巨大的浪潮。银行、保险、基金、券商以及理财公司等这些金融机构，都对其表现出了积极的态度并进行了布局。
公开信息不完全统计显示，在银行领域，工商银行已宣布引入 DeepSeek，建设银行已宣布引入 DeepSeek，邮储银行已宣布引入 DeepSeek，北京银行已宣布引入 DeepSeek，重庆银行已宣布引入 DeepSeek，江苏银行已宣布引入 DeepSeek，苏商银行已宣布引入 DeepSeek，重庆农商行已宣布引入 DeepSeek，这些银行在原有数字科技布局的基础上进一步提升了数智化能力。目前了解到，DeepSeek 在银行业务链条中能够应用的场景涵盖了智能客服、挖掘客户需求以及风险评估与管理等层面。并且，多家银行还表示，之后将会增强以 DeepSeek 为代表的 AI 模型的应用力度，持续挖掘数字金融的新动力。
分析表明，DeepSeek 具有“低成本、高性能”的特点，有望有针对性地解决金融机构以往在布局 AI 模型时所遭遇的“长周期、高投入”的痛点。并且，DeepSeek 具备的开源性、多模态与多任务处理能力以及风险控制能力等特征，与银行的业务场景和发展趋势高度相符。银行拥有的数据资源以及技术基础等，这使得银行在部署以 DeepSeek 为代表的 AI 大模型时具备优势。未来，AI 数智化转型会成为金融行业内的一个重要趋势。
多位专家同时提醒，金融机构在利用 DeepSeek 提升自身数智能力时，要注意其在 AI 大模型应用过程中存在的一些“通病”，包括数据安全方面的问题、模型可能出现偏离的情况、结果可能产生误差、需要做好风险管控、要满足监管合规要求以及面临人才短缺的状况等。
多家银行宣布引入DeepSeek
DeepSeek 引燃市场热情之时，多家银行陆续公布了自身对 DeepSeek 的部署情况，这些银行包括工商银行、建设银行、邮储银行、北京银行、重庆银行、江苏银行、苏商银行、重庆农商行、青岛农商行。主要做法如下：依托自有大模型基础体系，引入 DS 开源大模型底座，完成本地化部署。将其精准的语义理解能力应用至各类业务场景，将其逻辑推理能力应用至各类业务场景，将其多线任务处理能力应用至各类业务场景。同时，持续优化这些能力的应用方向，不断提升金融服务效能。
邮储银行透露，该行积极迎接 AI 技术的变革。它依托自身的大模型“邮智”，在第一时间进行了本地部署，并且集成了 DeepSeek-V3 模型以及轻量 DeepSeek-R1 推理模型。“邮智”大模型通过引入和运用 DeepSeek 能力，在复杂多模态处理、多任务处理、算力节约以及效能提升等方面将会得到进一步的强化。
邮储银行首先把 DeepSeek 大模型运用到“小邮助手”中，新增了逻辑推理功能，从而提升了精准服务的效能；通过深度分析等功能，能够精准地识别用户的需求，进而提供个性化且场景化的服务方案；借助高效的推理性能，加快了响应速度以及任务处理的效率，给用户带来了更流畅的交互体验。
工商银行近期宣称，其拥有自主研发且全栈自主可控的大模型平台，名为工银智涌。在此平台上，工商银行率先引入了 DS 系列开源大模型底座，并且已面向全行开放使用。
江苏银行称，近日该行凭借“智慧小苏”大语言模型服务平台，顺利地完成了 DeepSeek-VL2 多模态模型以及轻量 DeepSeek-R1 推理模型的本地化部署微调工作。并且，这两个模型分别被应用到了智能合同质检场景和自动化估值对账场景当中。
北京农商银行将浪潮系列服务器与 vLLM 推理引擎成功进行了整合，从而实现了 DeepSeek R1 蒸馏模型的本地化部署，并且对 DeepSeek 在金融领域的应用展开了进一步的探索。
萨摩耶云科技集团首席经济学家郑磊认为，DeepSeek 的应用对银行业可能带来多方面的改变。其一，它能够提升银行业的服务质量与效率，同时降低成本与风险。其二，能够促使银行业实现数字化转型和智能化升级，进而提高其竞争力与创新能力。其三，能够促进银行业的合作与交流，推动该行业的发展与创新。
契合多重智能服务场景
数智化能力的整体提升需要各个业务点位共同努力、一起前进。目前，各银行在智能风控业务环节对 DeepSeek 进行操作试点，在智能客服业务环节对 DeepSeek 进行操作试点，在合规管理业务环节对 DeepSeek 进行操作试点，在精准营销业务环节对 DeepSeek 进行操作试点。
从公开信息总结得知，多家银行在前端推出了智能助手。邮储银行称，首先把 DeepSeek 大模型运用到“小邮助手”中；重庆农商行在企业微信上推出了基于 DeepSeek 模型的智能助手应用“AI 小渝”等。
重庆农商行于官方渠道表明，“AI 小渝”作为智能助手，具备诸多不可或缺的功能，其中包含智能问答、业务咨询以及交易支持等。并且用户借助企业微信，能够直接同“AI 小渝”展开互动。在询问产品信息以及办理业务的时候，系统能够快速地给出所需的相关数据，还能在极短的时间内回应用户的问题。而在过去，这些可能需要人工客服花费较长的时间去等待。
青岛农商银行近期宣布已将以 DeepSeek 大模型为基座的企业级 AI 模型服务中台“智慧 Qimi”进行本地化部署。该服务中台分别应用于网点厅堂的数字人场景以及培训教材的文本校验等场景，从而推动了该行数字金融发展进一步实现智能化升级。
目前，DeepSeek 在银行业的主要应用场景包含智能风控、智能客服、智能投顾、智能营销等。郑磊进一步介绍说，借助深度学习技术，DeepSeek 能够自动对客户的信用风险进行识别和评估，并且能够提供更为精准的风险预警以及风险控制措施。DeepSeek 的智能客服系统可以为客户提供更智能化的服务，也能提供更个性化的服务，从而提高客户满意度和忠诚度。同时，DeepSeek 的智能投顾系统能够做到这两点。另外，DeepSeek 的智能营销系统能依据客户的个性化需求，给出更精准的金融产品和服务推荐。
经济学家余丰慧举例说，在智能投顾领域，DeepSeek能依据客户的投资偏好和风险承受能力精准地推荐投资产品；在反欺诈领域，它可以迅速识别异常交易行为；在信贷审批上，能够综合更多方面的数据来评估借款人的信用状况。这或许会使行业变得更具智能性和高效性，提升客户服务体验，并且降低运营成本与风险。
AI 大模型在不断发展并且得到深入挖掘，相关技术有希望给更多业务环节赋予能力。上海金融与发展实验室的首席专家以及主任曾刚觉得，AI 大模型在银行业可能的应用场景包含智能合同管理等，还包含智能风控与反欺诈等，也包含资产托管与估值对账等，同时包含智能客服与知识管理等，还有营销与客户洞察等，以及合规与监管报送等，另外有投融资决策支持等，再有供应链金融与贸易融资等。
开源普惠策略降低技术壁垒
积极布局包括 DeepSeek 在内的 AI 大模型以及紧抓其后数字科技迭代更新的浪潮，这是在行业保持竞争优势、实现自身转型升级的关键动能，一直以来都是银行等一众金融机构的关注重点。然而，大型机构与中小型机构之间存在着明显的“数字鸿沟”。分析表明，DeepSeek 具有高性价比且开源，这使得大模型的使用门槛得以降低，有利于中小机构突破技术升级的壁垒。它拥有强大的数据处理能力，并且智能化水平较高，能够切实提升银行业务处理的效率和准确性。与此同时，它在风险防控以及合规管理方面也有着自身的优势。
邮储银行高级副经理张晓蕾针对 DeepSeek 的开源性进行介绍。他表示 DeepSeek 是开源模型，这种模型适合银行内部进行部署。因为它的资源使用量较小，所以适合各种垂直领域的大模型训练。
中国企业资本联盟的副理事长柏文喜表示，DeepSeek 属于开源模型，银行能够依据自身的需求对其进行优化和定制，这使得模型的适用性得到了极大提高。
多位业内人士的观点表明，实际上，DeepSeek 所具备的开源性是其被各类金融机构追捧的关键因素之一。
德勤指出，DeepSeek 正在让 AI 技术“飞入寻常百姓家”。
德勤人工智能研究院主管合伙人范为介绍，DeepSeek 的开源策略给金融机构带来了很大的灵活性。与封闭式的大模型方案相比，开源特性让银行、证券公司、保险机构等能够依据自身的业务特点和监管要求进行私有化部署，从而确保数据的安全性。DeepSeek 因为有创新的技术架构，所以在保证强大计算能力的同时，能显著降低使用成本。这一特点不但使大型金融机构从中受益，还为中小金融机构的数字化转型提供了可行的途径。从德勤的服务经验去看，越来越多的中小金融机构正在通过 DeepSeek 来构建自己的智能化服务体系，这会有力地推动整个金融行业的均衡发展。
DeepSeek 推出不同参数规模的模型版本，这为金融机构提供了更灵活的选择空间。对于需处理复杂决策的场景，机构可选择具有 6710 亿参数的满血版模型；对于日常业务处理，蒸馏版模型（15 亿至 700 亿参数）能在保证性能的同时大幅降低部署成本。这种灵活性让不同规模的金融机构都可以找到与之相适配的 AI 解决方案。 这种灵活性使得各类规模的金融机构都能寻觅到适合自身的 AI 解决方案。 这种灵活性使不同规模的金融机构均能找到契合自己的 AI 解决方案。
范为补充说，DeepSeek 的开源策略让技术门槛有了很大降低。这样一来，那些传统上难以进行标准化处理的特殊业务场景，也能够享受到 AI 所带来的效率提升。此外，因为 DeepSeek 具有灵活性和高性价比，所以金融机构能够借助 DeepSeek 蒸馏过的小参数模型。这样，金融机构在垂直领域可以实现“quick win”，既能做到成本可控，又能将效益最大化，从而打造出真正符合自身需求的智能化解决方案。
DeepSeek 除了有其他特点外，还有多个特点与以银行为代表的金融机构场景特征相契合。银行在数据资源方面具备优势，能够支持 DeepSeek 的部署；在基础设施方面具备优势，能够支持 DeepSeek 的应用；在技术能力方面具备优势，能够支持 DeepSeek 的拓展；在应用场景方面具备优势，能够为 DeepSeek 提供场景支持；在人才队伍方面具备优势，能够为 DeepSeek 的发展提供人力支持。
郑磊认为，DeepSeek 的特点契合银行业的业务场景和发展趋势，主要体现在以下几个方面：其一，DeepSeek 运用了大规模神经网络模型，此模型具备强大的自然语言处理能力，能够对复杂的银行业务数据进行有效处理，进而提高银行业务处理的效率与准确性。其次，DeepSeek具备很强的可解释性，能够给银行提供清晰且明确的业务分析结果，这对提高银行的决策水平是有帮助的。最后，DeepSeek的自主学习能力可以帮助银行持续优化业务模型，进而提升业务处理的智能化水平。
在降本增效方面，“DeepSeek 可以通过自动化流程来减少人工操作，从而提升效率”，柏文喜补充道。在风险控制方面，“DeepSeek 在风险评估和实时监控方面表现得很出色”，柏文喜补充道。
柏文喜认为，银行拥有丰富的数据资源，也拥有强大的技术基础，还有成熟的业务场景，并且具备严格的合规与安全意识。这些为 AI 模型的训练提供了高质量的数据基础以及技术基础，同时能够更好地应对 AI 技术带来的合规挑战，从而使银行在布局 DeepSeek 时具有优势。余丰慧指出，银行拥有专业的金融人才队伍。他们对金融业务的理解，能够有助于把大模型更好地融入到具体的银行业务流程里。
应注重在数智转型机遇中规避风险
中国银行业协会发布的《2024 年度中国银行业发展报告》表明，当下 AI 大模型正在促使我国银行业在服务、营销、产品等领域实现全面的革新，推动“未来银行”加快到来。
报告显示，在 2023 年年报里，有近 20 家上市银行把大模型领域的技术研发以及应用进展进行了披露。银行业持续完善针对 AI 的战略规划，探索并形成“AI+金融”的中长期规划布局，着力加强 AI 人才梯队的建设；高度重视数据与算力，强化 AI 基础技术底座，提升数据治理的能力，突破数据壁垒，构建起开放共享的数据生态；同时深化与产业界各方的合作，推动双向融合、相互促进，增强技术能力和应用能力；围绕价值创造，着眼于解决金融业务发展过程中的痛点难点，把握好方向与节奏，从风险可控的场景开始稳步推进，打造出适宜的 AI 应用生态；秉持底线思维，加强大模型的安全风险管理，将与 AI 相关的风险纳入全面风险管理框架之中。
曾刚表示，与传统的人工相比，大模型在处理复杂文本、进行数据分析以及做出智能化决策等方面具备显著的优势。未来，伴随 AIGC 技术的进一步发展，像 DeepSeek 这样的大语言模型有望在更多的银行业务场景中起到重要作用，从而推动银行的数字化转型和智能化升级。
AIGC 技术给银行业的数字化转型带来了新的机遇。然而，机遇与挑战是同时存在的。银行在应用 AIGC 技术的过程中，需要正视数据隐私安全方面的挑战，也需要正视技术人才短缺方面的挑战，还需要正视监管合规方面的挑战，这样才能实现可持续发展。
曾刚指出，大模型在银行的应用带来了智能化与效率的提升，同时也存在一定风险。主要体现在以下几个方面：其一，在技术层面存在风险，像模型偏差与误判、“黑箱”问题、数据安全与隐私风险，以及对外部技术的依赖；其二，在业务层面存在风险。决策过程中会出现错误，场景适配性存在不足，还会过度依赖自动化决策而忽视人工干预的重要性；存在三是合规与监管方面的风险；四是操作与管理方面的风险，其中包括人才短缺的问题，以及在模型维护与更新和系统稳定性方面存在风险；五是有潜在的伦理与社会方面的风险。
对于 AI 大模型应用期间或许会有的问题与挑战，柏文喜提出建议，银行能够构建数据安全管理体系，即强化对数据的加密处理，以及对数据存储和传输的保护；提升模型的透明度，借助可视化工具以及局部可解释性模型，来增强模型的透明度；注重人才培养，加大对金融科技人才的培育与引进力度，提升员工的技术水平；保障合规性，在应用 AI 技术时，严格依照监管要求，确保决策过程的透明与公正。
文/王欣宇