春節(jié)期間，國產(chǎn)大模型 DeepSeek 的橫空出世，為科技圈投下了一枚 " 深水炸彈 "。
這也在擁有海量數(shù)據(jù)和豐富場景的金融業(yè)特別是銀行業(yè)掀起了波瀾。不少銀行率先 " 吃螃蟹 "，將 DeepSeek 大模型布局到智能合同管理、智能風控、資產(chǎn)托管與估值對賬、客服助手等多個應用場景中。
值得一提的是，此前，限于成本過高和技術水平，開發(fā)大模型往往是大行的 " 專利 "。而 DeepSeek 這一開源、低成本、高性能的 AI 工具，似乎讓中小銀行在彌合與大行的研發(fā)差距，并進一步更好地賦能自身業(yè)務的發(fā)展中，看到了機會。
01
多家銀行擁抱 DeepSeek 賦能
忽如一夜春風來，千樹萬樹梨花開。
在 DeepSeek 上線短短幾天就重創(chuàng)美國股市之后，眾多科技巨頭卻開啟 " 真香 " 策略，包括 NVIDIA、AMD、微軟、亞馬遜網(wǎng)絡服務（AWS）、英特爾等，不約而同地宣布支持 DeepSeek 模型服務。
國內也不例外，華為云、騰訊云、天翼云、阿里云、百度智能云、火山引擎等領先的云計算公司也紛紛宣布上線 DeepSeek 接口。
作為數(shù)據(jù)密集型的銀行業(yè)，此前就是大模型落地的優(yōu)先行業(yè)，如今 DeepSeek 出現(xiàn)，諸多銀行也紛紛加碼賦能。
2 月 11 日，據(jù)騰訊云智能公眾號，重慶農(nóng)村商業(yè)銀行 2 月 10 日宣布借助騰訊云大模型知識引擎的能力，該行已經(jīng)在企業(yè)微信上線基于 DeepSeek 模型的智能助手應用 "AI 小渝 "。這也是首家通過知識引擎構建基于 DeepSeek 的聯(lián)網(wǎng)應用的金融機構。
"AI 小渝 " 智能助手應用將為該行 1.5 萬名員工提供更高效、便捷、智能的工作支持。而利用 DeepSeek，重慶農(nóng)商行還將在智能風控、場景金融和數(shù)據(jù)決策領域實現(xiàn)突破。
更早傳出部署 DeepSeek 的是江蘇銀行。
據(jù)公眾號 " 江蘇金融科技 "2 月 5 日發(fā)布的消息，江蘇銀行成功本地化部署微調 DeepSeek-VL2 多模態(tài)模型、輕量 DeepSeek-R1 推理模型，分別運用于智能合同質檢和自動化估值對賬場景中，通過對海量金融數(shù)據(jù)的挖掘與分析，重塑金融服務模式，實現(xiàn)金融語義理解準確率與業(yè)務效率雙突破。
該公眾號還介紹，江蘇銀行于 2023 年研究并開發(fā)出大語言模型服務平臺 " 智慧小蘇 "，此次通過引入 DeepSeek 大語言模型，" 智慧小蘇 " 在復雜多模態(tài)、多任務場景處理能力、算力節(jié)約、效能等方面得到進一步提升。
同在江蘇的海安農(nóng)商銀行則利用 DeepSeek 來了一場營銷秀。在該行發(fā)布的《DeepSeek，你也太懂海安農(nóng)商銀行了吧！》的文章中，該行通過詢問 DeepSeek 的方式向用戶介紹銀行的情況，DeepSeek 從資本實力、市場份額、服務質量、金融產(chǎn)品、社會責任等多個維度對海安農(nóng)商銀行進行分析并做出總結。
還有蘇商銀行，目前，該行已開始應用應用 DeepSeek VL2 多模態(tài)模型處理非標材料，如表格、影像資料、文檔圖片等識別，提升信貸材料綜合識別準確率至 97%，并將 DeepSeek R1 推理模型集成到自主研發(fā)的 " 開發(fā)助手 "，使核心系統(tǒng)迭代周期縮短 30%。此外，蘇商銀行將 DeepSeek 的蒸餾技術應用于信貸風控、反欺詐等 20 多個場景，使盡調報告生成效率提升 40%，欺詐風險標簽準確率提升 35%。
北京銀行則攜手華為，在 AIB 平臺京行研究、京行智庫、客服助手、京客圖譜等多個關鍵業(yè)務場景中進行試點應用。
柒財經(jīng)還了解到，還有很多中小銀行正悄悄部署 DeepSeek 或利用 DeepSeek 開發(fā)自己的大模型。
02
中小銀行或迎來新機遇
實際上，在 Chatgpt 出現(xiàn)后，過去一年多的時間里，以國有大行、股份制銀行為代表的金融機構，通過自主建設或聯(lián)合共建的方式，挖掘大模型在眾多業(yè)務場景中的應用潛力。尤其是在智能客服、智能投顧、數(shù)字員工、風險管理、合規(guī)審查以及反欺詐等方面展開深入實踐，探索范圍覆蓋了銀行的前中后臺各個環(huán)節(jié)。
那為何越來越多的銀行正紛紛上馬 DeepSeek？
一方面，這是因為 DeepSeek 性價比更高。過去，銀行自研大模型需斥巨資購買 GPU 設備，單次訓練費用動輒數(shù)百萬元。而 DeepSeek 通過算法優(yōu)化，在保持高性能的同時將訓練成本壓縮至傳統(tǒng)模型的十分之一。
另一方面，不同于通用大模型的 " 廣而不精 "，DeepSeek 通過混合專家（MoE）架構實現(xiàn)垂直突破。例如在智能合同質檢場景，其多模態(tài)模型能同時解析文本、印章、簽名，規(guī)避了單一模態(tài)模型的誤判風險。
更重要的是，銀行可以基于 DeepSeek 的開源框架二次開發(fā)，快速上線反欺詐、資產(chǎn)估值等定制化應用，研發(fā)周期大幅縮短，這種 " 樂高式 " 創(chuàng)新大幅降低了技術門檻。
這樣的條件下，也有望推動 AI 應用下沉，實現(xiàn) AI 普惠。大型銀行如工行、建行等繼續(xù)加碼自研模型，中小銀行則由依賴外部大模型服務商轉向 " 開源 + 微調 " 模式，或者組建 "AI" 聯(lián)盟，共享 DeepSeek 衍生模型。這將縮小中小銀行與大行之間的技術差距，改寫 " 大行通吃 " 的 AI 競爭規(guī)則，實現(xiàn)同臺競技。
另外，在數(shù)字化轉型的進程中特別是金融大模型部署，讓不少銀行不僅改變了業(yè)務流程，更催化了其組織形態(tài)的深層變革，打破了傳統(tǒng)部門壁壘，在人力上進一步提升了效率。那 DeepSeek 的出現(xiàn)將會進一步催化這一變革。
盡管 DeepSeek 帶來曙光，但目前來看仍跳脫不出大模型面臨的共性問題，即數(shù)據(jù)安全、隱私泄露、合規(guī)挑戰(zhàn)等風險。正如招聯(lián)首席研究員董希淼所表示的，" 如何平衡技術進步與風險防控，已成為金融機構在運用人工智能技術過程中不得不正視的關鍵議題。"
浙商證券報告還顯示，盡管 DeepSeek 推理能力已達國際一線水平，但模型幻覺問題仍未完全解決。
但可預見的是，在技術狂飆的時代，隨著數(shù)據(jù)利用安全性需求的改善，真正觸及銀行業(yè)核心業(yè)務的大模型應用將逐步實現(xiàn)。
銀行業(yè) " 快而精準 " 的 AI 競技，已然由 DeepSeek 開啟。
聯(lián)系我們
