佈局AI未來 銀行“搶灘”DeepSeek

DeepSeek問世掀起狂潮，銀行、保險、基金、券商、理財公司等一衆金融機構也對此積極進行佈局。

根據公開信息不完全統計，在銀行方面，已有工商銀行、建設銀行、郵儲銀行、北京銀行、重慶銀行、江蘇銀行、蘇商銀行、重慶農商行等多家銀行宣佈引入DeepSeek，在原有數字科技佈局的基礎上進一步提升數智化能力。據瞭解，目前DeepSeek在銀行業務鏈條中可應用的場景包括智能客服、客戶需求挖掘、風險評估與管理等層面。多家銀行也同時表示，後續將加大以DeepSeek爲代表的AI模型應用力度，不斷挖掘數字金融新動能。

分析指出，DeepSeek所具備的“低成本、高性能”特點有望針對性解決金融機構以往佈局AI模型所面臨的“長週期、高投入”痛點。此外，DeepSeek具備的開源性、多模態與多任務處理能力、風險控制能力等特徵高度匹配銀行的業務場景和發展趨勢。且銀行所擁有的數據資源、技術基礎等使得其在部署以DeepSeek爲代表的AI大模型方面具備優勢，未來AI數智化轉型將成爲金融行業內的重要趨勢。

與此同時，多位專家也提醒，在金融機構利用DeepSeek提升自身數智能力的同時，也要注意其具備AI大模型應用過程中所擁有的“通病”，諸如數據安全、模型偏離、結果誤差、風險管控、監管合規及人才短缺等。

多家銀行宣佈引入DeepSeek

在DeepSeek引燃市場熱情之際，包括工商銀行、建設銀行、郵儲銀行、北京銀行、重慶銀行、江蘇銀行、蘇商銀行、重慶農商行、青島農商行在內的多家銀行陸續公佈了自身對DeepSeek的部署情況。主要做法可概括爲：依託自有大模型基礎體系，引入DS開源大模型底座，完成本地化部署。將其精準的語義理解、邏輯推理以及多線任務處理能力應用至各類業務場景，同時持續優化應用方向，不斷提升金融服務效能。

郵儲銀行方面透露，該行積極擁抱AI技術變革，依託自有大模型“郵智”，第一時間本地部署並集成DeepSeek-V3模型和輕量DeepSeek-R1推理模型。“郵智”大模型通過引入並應用DeepSeek能力，複雜多模態、多任務處理、算力節約、效能提升等方面將得到進一步增強。

郵儲銀行首先將DeepSeek大模型應用於“小郵助手”，新增邏輯推理功能，增強精準服務效能；通過深度分析等功能，精準識別用戶需求，提供個性化和場景化的服務方案；藉助高效推理性能，加快響應速度和任務處理效率，爲用戶提供更流暢的交互體驗。

工商銀行也在近期宣稱，基於自主研發、全棧自主可控的大模型平臺——工銀智涌，在同業中率先引入DS系列開源大模型底座，並面向全行開放使用。

江蘇銀行表示，近日該行依託“智慧小蘇”大語言模型服務平臺，成功本地化部署微調DeepSeek-VL2多模態模型、輕量DeepSeek-R1推理模型，分別運用於智能合同質檢和自動化估值對賬場景中。

北京農商銀行成功整合浪潮系列服務器與vLLM推理引擎，實現了DeepSeek R1蒸餾模型的本地化部署，對DeepSeek在金融領域的應用進行了進一步的探索。

“DeepSeek的應用可能對銀行業帶來多方面的改變。”薩摩耶雲科技集團首席經濟學家鄭磊認爲，首先，DeepSeek能夠提高銀行業的服務質量和效率，降低成本和風險。其次，能夠推動銀行業的數字化轉型和智能化升級，提高銀行業的競爭力和創新能力。最後，能夠促進銀行業的合作和交流，推動行業的發展和創新。

契合多重智能服務場景

數智化能力的整體提升需要各個業務點位合力共進，目前，各銀行在智能風控、智能客服、合規管理及精準營銷等業務環節對DeepSeek進行操作試點。

從公開信息總結來看，多家銀行在前端推出了智能助手。郵儲銀行表示，首先將DeepSeek大模型應用於“小郵助手”；重慶農商行在企業微信上線基於DeepSeek模型的智能助手應用“AI小渝”等。

重慶農商行在官方渠道表示，作爲智能助手，“AI小渝”具備多項 indispensable 的功能，包括智能問答、業務諮詢、交易支持等。用戶通過企業微信，可以直接與“AI小渝”進行互動。在詢問產品信息、辦理業務時，系統可以迅速提供所需的相關數據，並在最短的時間內迴應用戶的問題，這在過去可能需要人工客服較長的等待時間。

此外，青島農商銀行於近期宣佈已本地化部署以DeepSeek大模型爲基座的企業級AI模型服務中臺“智慧Qimi”，分別應用於網點廳堂數字人、培訓教材文本校驗等場景，推動該行數字金融發展進一步智能化升級。

“目前，DeepSeek在銀行業的主要應用場景包括智能風控、智能客服、智能投顧、智能營銷等”鄭磊進一步介紹稱：“通過深度學習技術，DeepSeek能夠自動識別和評估客戶的信用風險，提供更加精準的風險預警和風險控制措施。同時，DeepSeek的智能客服和智能投顧系統能夠爲客戶提供更加智能化、個性化的服務，提高客戶滿意度和忠誠度。此外，DeepSeek的智能營銷系統能夠根據客戶的個性化需求，提供更加精準的金融產品和服務推薦。”

經濟學家、新金融專家餘豐慧也舉例稱，在智能投顧方面，DeepSeek可以根據客戶的投資偏好和風險承受能力精準推薦投資產品；在反欺詐領域，能快速識別異常交易行爲；在信貸審批上，可以綜合更多維度的數據來評估借款人的信用狀況。這可能會讓行業變得更加智能化、高效化，提高客戶服務體驗，同時降低運營成本和風險。

隨着AI大模型的不斷髮展與深入挖掘，相關技術有望賦能更多業務環節。上海金融與發展實驗室首席專家、主任曾剛認爲，AI大模型在銀行業的潛在應用場景包括但不限於智能合同管理、智能風控與反欺詐、資產託管與估值對賬、智能客服與知識管理、營銷與客戶洞察、合規與監管報送、投融資決策支持、供應鏈金融與貿易融資等。

開源普惠策略降低技術壁壘

作爲在行業保持競爭優勢，實現自身轉型升級的關鍵動能，積極佈局包括DeepSeek在內的AI大模型以及緊抓其後數字科技迭代更新的浪潮一向是銀行等一衆金融機構的關注重點，但大型機構與中小型機構間存在明顯的“數字鴻溝”。分析指出，DeepSeek的高性價比、開源性降低了大模型使用門檻，有助中小機構打破技術升級壁壘。其強大的數據處理能力和智能化水平能夠有效提升銀行業務處理的效率與準確性。同時，其在風險防控與合規管理方面同樣具備優勢。

針對DeepSeek的開源性，郵儲銀行高級副經理張曉蕾介紹稱，DeepSeek是開源模型，適合銀行內部部署，因其資源使用量小，適合各種垂直領域的大模型訓練。

中國企業資本聯盟副理事長柏文喜則表示，作爲開源模型，DeepSeek允許銀行根據自身需求進行優化和定製，大大提高了模型的適用性。

實際上，綜合多位業內人士的觀點可以看出，DeepSeek具備的開源性或是其被各類金融機構追捧的關鍵之一。

德勤方面便指出，DeepSeek（深度求索）憑藉其高性價比優勢和開源普惠策略，正在讓AI技術“飛入尋常百姓家”。

德勤人工智能研究院主管合夥人範爲介紹稱，DeepSeek的開源策略爲金融機構提供了極大的靈活性，相比於封閉式的大模型方案，開源特性使得銀行、證券公司、保險機構等可以基於自身的業務特點、監管要求進行私有化部署，確保數據安全性。得益於其創新的技術架構，DeepSeek在保證強大計算能力的同時，顯著降低了使用成本。這一特點不僅讓大型金融機構受益，也爲中小金融機構的數字化轉型提供了可行路徑。從德勤的服務經驗來看，越來越多的中小金融機構正在藉助DeepSeek構建自己的智能化服務體系，這將有力推動整個金融行業的均衡發展。

同時，DeepSeek通過推出不同參數規模的模型版本，也爲金融機構提供了更靈活的選擇空間。對於需要處理複雜決策的場景，機構可以選擇具有6710億參數的滿血版模型；而對於日常業務處理，蒸餾版模型（15億至700億參數）則能在保證性能的同時大幅降低部署成本。這種靈活性使得不同規模的金融機構都能找到適合自己的AI解決方案。

範爲還補充道，DeepSeek的開源策略極大地降低了技術門檻，使得那些傳統上難以標準化處理的特殊業務場景也能享受到AI帶來的效率提升。此外，得益於DeepSeek的靈活性和高性價比，金融機構將得以藉助DeepSeek蒸餾過的小參數模型，在垂直領域實現“quick win”，成本可控的同時還可將效益最大化，打造真正符合自身需求的智能化解決方案。

除此之外，DeepSeek還有多個特點與以銀行爲代表的金融機構場景特徵相契合。另一方面，銀行在數據資源、基礎設施、技術能力、應用場景、人才隊伍方面具備多重優勢，能夠有效支持DeepSeek的部署、應用與拓展。

鄭磊認爲，DeepSeek的特點契合銀行業的業務場景和發展趨勢主要體現在以下幾個方面：首先，DeepSeek採用了大規模神經網絡模型，具有強大的自然語言處理能力，能夠有效地處理複雜的銀行業務數據，提高銀行業務處理的效率和準確性。其次，DeepSeek具有高度的可解釋性，能夠爲銀行提供清晰、明確的業務分析結果，有助於提高銀行的決策水平。最後，DeepSeek的自主學習能力能夠幫助銀行不斷優化業務模型，提高業務處理的智能化水平。

而在降本增效與風險控制方面，“DeepSeek能夠通過自動化流程減少人工操作，提升效率，同時在風險評估和實時監控方面表現出色”柏文喜補充道。

柏文喜同時認爲，銀行具備豐富的數據資源、強大的技術基礎、成熟的業務場景以及嚴格的合規與安全意識。這爲AI模型的訓練提供了高質量的數據基礎與技術基礎，也能夠更好的應對AI技術帶來的合規挑戰，使得銀行在佈局DeepSeek時具備優勢。此外，餘豐慧指出，銀行有着專業的金融人才隊伍，他們對金融業務的理解有助於將大模型更好地融入到具體的銀行業務流程中。

應注重在數智轉型機遇中規避風險

中國銀行業協會發布的《2024年度中國銀行業發展報告》中指出，當前AI大模型正推進我國銀行業服務、營銷、產品等領域的全面革新，催化“未來銀行”加速到來。

報告顯示，2023年年報中，近20家上市銀行披露了大模型領域的技術研發和應用進展。銀行業不斷完善關於AI的戰略佈局，探索形成“AI+金融”的中長期規劃佈局，加強AI人才梯隊建設；重視數據和算力，做強AI基礎技術底座，提升數據治理能力，打破數據壁壘，構建開放共享的數據生態，同時深化與產界各方合作，促進雙向融合互促，增強技術能力和應用能力；圍繞價值創造，着眼於解決金融業務發展中的痛點難點，把握好方向和節奏，從風險可控的場景出發穩步推進，打造適宜的AI應用生態；堅持底線思維，加強大模型安全風險管理，將AI相關風險納入全面風險管理框架之中。

“相對於傳統的人工，大模型在處理複雜文本、數據分析和智能化決策方面具有顯著優勢。”曾剛表示，未來，隨着AIGC技術的進一步發展，以DeepSeek爲代表的大語言模型有望在更多銀行業務場景中發揮重要作用，推動銀行數字化轉型和智能化升級。

AIGC技術爲銀行業的數字化轉型帶來了新的機遇，但機遇與挑戰並存，銀行在應用過程中也需要正視數據隱私安全、技術人才短缺和監管合規等方面的挑戰，以實現可持續發展。

曾剛便指出，大模型在銀行的應用雖然帶來了智能化和效率的提升，但也伴隨着一定的風險。主要體現在以下幾方面：一在技術層面的風險。諸如模型偏差與誤判、“黑箱”問題、數據安全與隱私風險，對外部技術的依賴；二是業務層面的風險。包括決策過程中出現錯誤、場景適配性不足以及過度依賴自動化決策，忽視人工干預的重要性；三是合規與監管風險；四是操作與管理風險。其中包含人才短缺問題，以及模型維護與更新與系統穩定性方面的風險。五是潛在的倫理與社會風險。

針對AI大模型應用過程中可能存在的問題與挑戰，柏文喜建議，銀行可建立數據安全管理體系——加強對數據的加密、存儲和傳輸保護；提升模型透明度—通過可視化工具和局部可解釋性模型，增強模型的透明度；加強人才培養—加大對金融科技人才的培養和引進，提升員工的技術水平；確保合規性—在應用AI技術時，嚴格遵守監管要求，確保決策過程的透明和公正。

文/王欣宇

編輯/徐楠

翻譯

搜索

複製

(編輯：王欣宇)