DeepSeek问世掀起狂潮，银行、保险、基金、券商、理财公司等一众金融机构也对此积极进行布局。
根据公开信息不完全统计，在银行方面，已有工商银行、建设银行、邮储银行、北京银行、重庆银行、江苏银行、苏商银行、重庆农商行等多家银行宣布引入DeepSeek，在原有数字科技布局的基础上进一步提升数智化能力。据了解，目前DeepSeek在银行业务链条中可应用的场景包括智能客服、客户需求挖掘、风险评估与管理等层面。多家银行也同时表示，后续将加大以DeepSeek为代表的AI模型应用力度，不断挖掘数字金融新动能。
分析指出，DeepSeek所具备的“低成本、高性能”特点有望针对性解决金融机构以往布局AI模型所面临的“长周期、高投入”痛点。此外，DeepSeek具备的开源性、多模态与多任务处理能力、风险控制能力等特征高度匹配银行的业务场景和发展趋势。且银行所拥有的数据资源、技术基础等使得其在部署以DeepSeek为代表的AI大模型方面具备优势，未来AI数智化转型将成为金融行业内的重要趋势。
与此同时，多位专家也提醒，在金融机构利用DeepSeek提升自身数智能力的同时，也要注意其具备AI大模型应用过程中所拥有的“通病”，诸如数据安全、模型偏离、结果误差、风险管控、监管合规及人才短缺等。
多家银行宣布引入DeepSeek
在DeepSeek引燃市场热情之际，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、青岛农商行在内的多家银行陆续公布了自身对DeepSeek的部署情况。主要做法可概括为：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、逻辑推理以及多线任务处理能力应用至各类业务场景，同时持续优化应用方向，不断提升金融服务效能。
邮储银行方面透露，该行积极拥抱AI技术变革，依托自有大模型“邮智”，第一时间本地部署并集成DeepSeek-V3模型和轻量DeepSeek-R1推理模型。“邮智”大模型通过引入并应用DeepSeek能力，复杂多模态、多任务处理、算力节约、效能提升等方面将得到进一步增强。
邮储银行首先将DeepSeek大模型应用于“小邮助手”，新增逻辑推理功能，增强精准服务效能；通过深度分析等功能，精准识别用户需求，提供个性化和场景化的服务方案；借助高效推理性能，加快响应速度和任务处理效率，为用户提供更流畅的交互体验。
工商银行也在近期宣称，基于自主研发、全栈自主可控的大模型平台——工银智涌，在同业中率先引入DS系列开源大模型底座，并面向全行开放使用。
江苏银行表示，近日该行依托“智慧小苏”大语言模型服务平台，成功本地化部署微调DeepSeek-VL2多模态模型、轻量DeepSeek-R1推理模型，分别运用于智能合同质检和自动化估值对账场景中。
北京农商银行成功整合浪潮系列服务器与vLLM推理引擎，实现了DeepSeek R1蒸馏模型的本地化部署，对DeepSeek在金融领域的应用进行了进一步的探索。
“DeepSeek的应用可能对银行业带来多方面的改变。”萨摩耶云科技集团首席经济学家郑磊认为，首先，DeepSeek能够提高银行业的服务质量和效率，降低成本和风险。其次，能够推动银行业的数字化转型和智能化升级，提高银行业的竞争力和创新能力。最后，能够促进银行业的合作和交流，推动行业的发展和创新。
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合力共进，目前，各银行在智能风控、智能客服、合规管理及精准营销等业务环节对DeepSeek进行操作试点。
从公开信息总结来看，多家银行在前端推出了智能助手。邮储银行表示，首先将DeepSeek大模型应用于“小邮助手”；重庆农商行在企业微信上线基于DeepSeek模型的智能助手应用“AI小渝”等。
重庆农商行在官方渠道表示，作为智能助手，“AI小渝”具备多项 indispensable 的功能，包括智能问答、业务咨询、交易支持等。用户通过企业微信，可以直接与“AI小渝”进行互动。在询问产品信息、办理业务时，系统可以迅速提供所需的相关数据，并在最短的时间内回应用户的问题，这在过去可能需要人工客服较长的等待时间。
此外，青岛农商银行于近期宣布已本地化部署以DeepSeek大模型为基座的企业级AI模型服务中台“智慧Qimi”，分别应用于网点厅堂数字人、培训教材文本校验等场景，推动该行数字金融发展进一步智能化升级。
“目前，DeepSeek在银行业的主要应用场景包括智能风控、智能客服、智能投顾、智能营销等”郑磊进一步介绍称：“通过深度学习技术，DeepSeek能够自动识别和评估客户的信用风险，提供更加精准的风险预警和风险控制措施。同时，DeepSeek的智能客服和智能投顾系统能够为客户提供更加智能化、个性化的服务，提高客户满意度和忠诚度。此外，DeepSeek的智能营销系统能够根据客户的个性化需求，提供更加精准的金融产品和服务推荐。”
经济学家、新金融专家余丰慧也举例称，在智能投顾方面，DeepSeek可以根据客户的投资偏好和风险承受能力精准推荐投资产品；在反欺诈领域，能快速识别异常交易行为；在信贷审批上，可以综合更多维度的数据来评估借款人的信用状况。这可能会让行业变得更加智能化、高效化，提高客户服务体验，同时降低运营成本和风险。
随着AI大模型的不断发展与深入挖掘，相关技术有望赋能更多业务环节。上海金融与发展实验室首席专家、主任曾刚认为，AI大模型在银行业的潜在应用场景包括但不限于智能合同管理、智能风控与反欺诈、资产托管与估值对账、智能客服与知识管理、营销与客户洞察、合规与监管报送、投融资决策支持、供应链金融与贸易融资等。
开源普惠策略降低技术壁垒
作为在行业保持竞争优势，实现自身转型升级的关键动能，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一向是银行等一众金融机构的关注重点，但大型机构与中小型机构间存在明显的“数字鸿沟”。分析指出，DeepSeek的高性价比、开源性降低了大模型使用门槛，有助中小机构打破技术升级壁垒。其强大的数据处理能力和智能化水平能够有效提升银行业务处理的效率与准确性。同时，其在风险防控与合规管理方面同样具备优势。
针对DeepSeek的开源性，邮储银行高级副经理张晓蕾介绍称，DeepSeek是开源模型，适合银行内部部署，因其资源使用量小，适合各种垂直领域的大模型训练。
中国企业资本联盟副理事长柏文喜则表示，作为开源模型，DeepSeek允许银行根据自身需求进行优化和定制，大大提高了模型的适用性。
实际上，综合多位业内人士的观点可以看出，DeepSeek具备的开源性或是其被各类金融机构追捧的关键之一。
德勤方面便指出，DeepSeek（深度求索）凭借其高性价比优势和开源普惠策略，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称，DeepSeek的开源策略为金融机构提供了极大的灵活性，相比于封闭式的大模型方案，开源特性使得银行、证券公司、保险机构等可以基于自身的业务特点、监管要求进行私有化部署，确保数据安全性。得益于其创新的技术架构，DeepSeek在保证强大计算能力的同时，显著降低了使用成本。这一特点不仅让大型金融机构受益，也为中小金融机构的数字化转型提供了可行路径。从德勤的服务经验来看，越来越多的中小金融机构正在借助DeepSeek构建自己的智能化服务体系，这将有力推动整个金融行业的均衡发展。
同时，DeepSeek通过推出不同参数规模的模型版本，也为金融机构提供了更灵活的选择空间。对于需要处理复杂决策的场景，机构可以选择具有6710亿参数的满血版模型；而对于日常业务处理，蒸馏版模型（15亿至700亿参数）则能在保证性能的同时大幅降低部署成本。这种灵活性使得不同规模的金融机构都能找到适合自己的AI解决方案。
范为还补充道，DeepSeek的开源策略极大地降低了技术门槛，使得那些传统上难以标准化处理的特殊业务场景也能享受到AI带来的效率提升。此外，得益于DeepSeek的灵活性和高性价比，金融机构将得以借助DeepSeek蒸馏过的小参数模型，在垂直领域实现“quick win”，成本可控的同时还可将效益最大化，打造真正符合自身需求的智能化解决方案。
除此之外，DeepSeek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。另一方面，银行在数据资源、基础设施、技术能力、应用场景、人才队伍方面具备多重优势，能够有效支持DeepSeek的部署、应用与拓展。
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：首先，DeepSeek采用了大规模神经网络模型，具有强大的自然语言处理能力，能够有效地处理复杂的银行业务数据，提高银行业务处理的效率和准确性。其次，DeepSeek具有高度的可解释性，能够为银行提供清晰、明确的业务分析结果，有助于提高银行的决策水平。最后，DeepSeek的自主学习能力能够帮助银行不断优化业务模型，提高业务处理的智能化水平。
而在降本增效与风险控制方面，“DeepSeek能够通过自动化流程减少人工操作，提升效率，同时在风险评估和实时监控方面表现出色”柏文喜补充道。
柏文喜同时认为，银行具备丰富的数据资源、强大的技术基础、成熟的业务场景以及严格的合规与安全意识。这为AI模型的训练提供了高质量的数据基础与技术基础，也能够更好的应对AI技术带来的合规挑战，使得银行在布局DeepSeek时具备优势。此外，余丰慧指出，银行有着专业的金融人才队伍，他们对金融业务的理解有助于将大模型更好地融入到具体的银行业务流程中。
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》中指出，当前AI大模型正推进我国银行业服务、营销、产品等领域的全面革新，催化“未来银行”加速到来。
报告显示，2023年年报中，近20家上市银行披露了大模型领域的技术研发和应用进展。银行业不断完善关于AI的战略布局，探索形成“AI+金融”的中长期规划布局，加强AI人才梯队建设；重视数据和算力，做强AI基础技术底座，提升数据治理能力，打破数据壁垒，构建开放共享的数据生态，同时深化与产界各方合作，促进双向融合互促，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中的痛点难点，把握好方向和节奏，从风险可控的场景出发稳步推进，打造适宜的AI应用生态；坚持底线思维，加强大模型安全风险管理，将AI相关风险纳入全面风险管理框架之中。
“相对于传统的人工，大模型在处理复杂文本、数据分析和智能化决策方面具有显著优势。”曾刚表示，未来，随着AIGC技术的进一步发展，以DeepSeek为代表的大语言模型有望在更多银行业务场景中发挥重要作用，推动银行数字化转型和智能化升级。
AIGC技术为银行业的数字化转型带来了新的机遇，但机遇与挑战并存，银行在应用过程中也需要正视数据隐私安全、技术人才短缺和监管合规等方面的挑战，以实现可持续发展。
曾刚便指出，大模型在银行的应用虽然带来了智能化和效率的提升，但也伴随着一定的风险。主要体现在以下几方面：一在技术层面的风险。诸如模型偏差与误判、“黑箱”问题、数据安全与隐私风险，对外部技术的依赖；二是业务层面的风险。包括决策过程中出现错误、场景适配性不足以及过度依赖自动化决策，忽视人工干预的重要性；三是合规与监管风险；四是操作与管理风险。其中包含人才短缺问题，以及模型维护与更新与系统稳定性方面的风险。五是潜在的伦理与社会风险。
针对AI大模型应用过程中可能存在的问题与挑战，柏文喜建议，银行可建立数据安全管理体系——加强对数据的加密、存储和传输保护；提升模型透明度—通过可视化工具和局部可解释性模型，增强模型的透明度；加强人才培养—加大对金融科技人才的培养和引进，提升员工的技术水平；确保合规性—在应用AI技术时，严格遵守监管要求，确保决策过程的透明和公正。
文/王欣宇
编辑/徐楠
