春节期间，国产大模型 DeepSeek 的横空出世，为科技圈投下了一枚 " 深水炸弹 "。
这也在拥有海量数据和丰富场景的金融业特别是银行业掀起了波澜。不少银行率先 " 吃螃蟹 "，将 DeepSeek 大模型布局到智能合同管理、智能风控、资产托管与估值对账、客服助手等多个应用场景中。
值得一提的是，此前，限于成本过高和技术水平，开发大模型往往是大行的 " 专利 "。而 DeepSeek 这一开源、低成本、高性能的 AI 工具，似乎让中小银行在弥合与大行的研发差距，并进一步更好地赋能自身业务的发展中，看到了机会。
01
多家银行拥抱 DeepSeek 赋能
忽如一夜春风来，千树万树梨花开。
在 DeepSeek 上线短短几天就重创美国股市之后，众多科技巨头却开启 " 真香 " 策略，包括 NVIDIA、AMD、微软、亚马逊网络服务（AWS）、英特尔等，不约而同地宣布支持 DeepSeek 模型服务。
国内也不例外，华为云、腾讯云、天翼云、阿里云、百度智能云、火山引擎等领先的云计算公司也纷纷宣布上线 DeepSeek 接口。
作为数据密集型的银行业，此前就是大模型落地的优先行业，如今 DeepSeek 出现，诸多银行也纷纷加码赋能。
2 月 11 日，据腾讯云智能公众号，重庆农村商业银行 2 月 10 日宣布借助腾讯云大模型知识引擎的能力，该行已经在企业微信上线基于 DeepSeek 模型的智能助手应用 "AI 小渝 "。这也是首家通过知识引擎构建基于 DeepSeek 的联网应用的金融机构。
"AI 小渝 " 智能助手应用将为该行 1.5 万名员工提供更高效、便捷、智能的工作支持。而利用 DeepSeek，重庆农商行还将在智能风控、场景金融和数据决策领域实现突破。
更早传出部署 DeepSeek 的是江苏银行。
据公众号 " 江苏金融科技 "2 月 5 日发布的消息，江苏银行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，通过对海量金融数据的挖掘与分析，重塑金融服务模式，实现金融语义理解准确率与业务效率双突破。
该公众号还介绍，江苏银行于 2023 年研究并开发出大语言模型服务平台 " 智慧小苏 "，此次通过引入 DeepSeek 大语言模型，" 智慧小苏 " 在复杂多模态、多任务场景处理能力、算力节约、效能等方面得到进一步提升。
同在江苏的海安农商银行则利用 DeepSeek 来了一场营销秀。在该行发布的《DeepSeek，你也太懂海安农商银行了吧！》的文章中，该行通过询问 DeepSeek 的方式向用户介绍银行的情况，DeepSeek 从资本实力、市场份额、服务质量、金融产品、社会责任等多个维度对海安农商银行进行分析并做出总结。
还有苏商银行，目前，该行已开始应用应用 DeepSeek VL2 多模态模型处理非标材料，如表格、影像资料、文档图片等识别，提升信贷材料综合识别准确率至 97%，并将 DeepSeek R1 推理模型集成到自主研发的 " 开发助手 "，使核心系统迭代周期缩短 30%。此外，苏商银行将 DeepSeek 的蒸馏技术应用于信贷风控、反欺诈等 20 多个场景，使尽调报告生成效率提升 40%，欺诈风险标签准确率提升 35%。
北京银行则携手华为，在 AIB 平台京行研究、京行智库、客服助手、京客图谱等多个关键业务场景中进行试点应用。
柒财经还了解到，还有很多中小银行正悄悄部署 DeepSeek 或利用 DeepSeek 开发自己的大模型。
02
中小银行或迎来新机遇
实际上，在 Chatgpt 出现后，过去一年多的时间里，以国有大行、股份制银行为代表的金融机构，通过自主建设或联合共建的方式，挖掘大模型在众多业务场景中的应用潜力。尤其是在智能客服、智能投顾、数字员工、风险管理、合规审查以及反欺诈等方面展开深入实践，探索范围覆盖了银行的前中后台各个环节。
那为何越来越多的银行正纷纷上马 DeepSeek？
一方面，这是因为 DeepSeek 性价比更高。过去，银行自研大模型需斥巨资购买 GPU 设备，单次训练费用动辄数百万元。而 DeepSeek 通过算法优化，在保持高性能的同时将训练成本压缩至传统模型的十分之一。
另一方面，不同于通用大模型的 " 广而不精 "，DeepSeek 通过混合专家（MoE）架构实现垂直突破。例如在智能合同质检场景，其多模态模型能同时解析文本、印章、签名，规避了单一模态模型的误判风险。
更重要的是，银行可以基于 DeepSeek 的开源框架二次开发，快速上线反欺诈、资产估值等定制化应用，研发周期大幅缩短，这种 " 乐高式 " 创新大幅降低了技术门槛。
这样的条件下，也有望推动 AI 应用下沉，实现 AI 普惠。大型银行如工行、建行等继续加码自研模型，中小银行则由依赖外部大模型服务商转向 " 开源 + 微调 " 模式，或者组建 "AI" 联盟，共享 DeepSeek 衍生模型。这将缩小中小银行与大行之间的技术差距，改写 " 大行通吃 " 的 AI 竞争规则，实现同台竞技。
另外，在数字化转型的进程中特别是金融大模型部署，让不少银行不仅改变了业务流程，更催化了其组织形态的深层变革，打破了传统部门壁垒，在人力上进一步提升了效率。那 DeepSeek 的出现将会进一步催化这一变革。
尽管 DeepSeek 带来曙光，但目前来看仍跳脱不出大模型面临的共性问题，即数据安全、隐私泄露、合规挑战等风险。正如招联首席研究员董希淼所表示的，" 如何平衡技术进步与风险防控，已成为金融机构在运用人工智能技术过程中不得不正视的关键议题。"
浙商证券报告还显示，尽管 DeepSeek 推理能力已达国际一线水平，但模型幻觉问题仍未完全解决。
但可预见的是，在技术狂飙的时代，随着数据利用安全性需求的改善，真正触及银行业核心业务的大模型应用将逐步实现。
银行业 " 快而精准 " 的 AI 竞技，已然由 DeepSeek 开启。
联系我们
