今年春节，国产AI大模型DeepSeek持续火爆，各行各业纷纷抢先接入，其中便包括正在加速拥抱AI技术转型的银行业。
应用方面，目前邮储银行、江苏银行、海安农商银行、乐信等均已部署DeepSeek。比如，海安农商银行近日以对话形式与DeepSeek探讨，从资本实力、市场份额等多维度做深度全面的自我介绍；江苏银行主动融入数字经济发展浪潮，已引入新模型。
对于如何看待银行业接入DeepSeek等AI技术问题，新浪金融研究院利用DeepSeek得到的回答为：“是大势所趋，能够带来显著的效益和竞争优势，但银行在引入AI技术时也需要充分考虑其潜在风险和挑战。”
有机构研报指出，传统金融机构具有丰富的业务场景，AI在降本增效、风险控制、客户服务等方面可能较快取得成效，而能否实现商业模式创新尚需观察。
金融业加速DeepSeek本地化部署，
已有银行尝试应用
公开信息显示，DeepSeek全称杭州深度求索人工智能基础技术研究有限公司，成立于2023年7月17日。近日，DeepSeek接连发布了V3、R1模型，以低成本、高性能等优势，引发国内外资本以及金融、科技等多领域的关注。
现如今，越来越多的机构将DeepSeek用于实际业务当中，今年2月1日以来，包括腾讯云、百度智能云、阿里云等均推出了不同类型的DeepSeek模型应用服务。
与此同时，正在拥抱AI转型的银行业也迅速启动了对DeepSeek的研究测试。经梳理发现，目前邮储银行、江苏银行、海安农商银行、乐信等均已部署DeepSeek，用于营销、客服等相关场景。
邮储银行方面，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。
江苏银行透露，该行依托“智慧小苏”大模型服务平台，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。
从江苏银行提供的数据看，该行应用R1推理模型，结合邮件网关解析处理能力，实现邮件分类、产品匹配、交易录入、估值表解析对账全链路自动化处理，识别成功率达90%以上，目前已初步实现业务集中运营，按照平均手工操作水平测算，每天可节约9.68小时工作量。
据江苏银行介绍，该行引入DeepSeek大模型，使得“智慧小苏”在复杂多模态、多任务场景处理能力、算力节约、效能等方面再次提升。其中，DeepSeek-VL2多模态模型的优势在于，能同时处理文本、图像、语音等多种数据类型，较单一领域模型部署节约了算力成本，为进一步解决金融领域复杂的多模态场景问题（如票据识别、合同解析等）提供了技术基础；DeepSeek-R1模型，则在模型规模和性能上具备优势，为处理复杂任务（如风险评估、投资分析）和生成文本（如报告撰写、合规审查）提供更优解决方案。
另外，海安农商银行近期发布“DeepSeek，你也太懂海安农商银行了吧”，从资本实力、市场份额、服务质量、风险管理、金融产品、社会责任、技术支持、员工素质等多个维度对该行分析，并进行自我宣传。
此外，去年5月，金融科技公司乐信正式引入DeepSeekV2，并在DeepSeek基础上通过乐信金融数据进行预训练和微调，形成乐信专有的金融垂直领域大模型“奇点Al大模型”，目前DeepSeek最新的V3和R1版本已在引入中。
事实上，除了上述机构，近期包括汇添富、富国基金等在内的多家公募基金公司宣布部署DeepSeek大模型；国泰君安、国金证券、兴业证券、国元证券、华福证券等在内的多家券商陆续官宣完成DeepSeek-R1模型本地化部署。
拥抱AI变革将是必选项，
在降本增效等方面可能较快有成效
如此前火爆的ChatGPT，DeepSeek一经推出便受到金融业内的热议。那么，DeepSeek因何受到关注？浙商证券研报显示，DeepSeek-V3整个训练过程仅用不到280万GPU（图形处理器）小时，相比之下，美国互联网巨头元宇宙平台公司（Meta）发布的Llama3-405B的训练时长是3080万GPU小时。DeepSeek-V3的训练成本约为557.6万美元，而OpenAI（美国开放人工智能研究中心）为聊天机器人ChatGPT发布的语言模型GPT-4的训练成本则高达数亿美元。
中国银行业协会在此前发布的《2024年度中国银行业发展报告》显示，金融与人工智能有天然的契合点，AI大模型技术能够充分挖掘银行业的海量数据，而银行业具有适用AI大模型技术的丰富场景。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。
从对传统金融机构的影响方面看，中信证券研报显示，DeepSeek推动大模型从闭源走向开源，大幅降低本地部署门槛。相比于过去两年重金投入、能力领先的科技公司，传统金融机构AI能力有望借助开源模型迎头赶上，释放新的发展潜能。
该研报指出，对于传统金融机构，拥抱AI变革将是必选项，预计核心价值包括：一是降本增效，减少重复性人力投入，释放员工专注高价值任务；二是风险可控，实时监控市场与操作风险，避免重大损失；三是体验升级，提供个性化、即时化服务，增强客户粘性；四是创新驱动，通过AI技术打造差异化竞争优势，抢占市场先机。
金融由于行业的特殊性，往往对于数据的安全性要求高于其他行业，在国泰君安分析师李博伦看来，本地部署大模型或将成为金融企业的普遍选择。DeepSeek-R1发布后，金融企业用相对较低的成本即可在本地部署一流能力的大模型，可以将本地数据与大模型结合，打造企业专有模型，更有针对性赋能各个场景。
此外，对于金融IT公司而言，李博伦认为，金融IT公司具备服务能力，助力金融企业将业务中积累的海量数据进行清洗和归类，向量化后投喂给本地大模型做微调，为客户定制专有模型。同时，金融IT公司深耕金融行业多年，积累大量行业Know-How，有助于将客户的业务与专有模型能力进行结合，打造属于客户自身的AI工作流、RAG（检索增强生成）管道，以及定制专属Agent（代理人）等。
而DeepSeek的横空出世，对“金融打工人”有何影响？在问及DeepSeek代表的AI技术是否会取代“金融打工人”问题时，DeepSeek给出了自己的解答：“AI更可能是‘增强’而非‘取代’金融从业者的工作。未来的金融行业可能会是人机协作的模式，AI负责处理大量数据和自动化任务，而人类则专注于战略决策、客户关系和复杂问题的解决。”
实现商业模式创新尚需观察，
多家银行探索大模型多场景应用
不过，虽然DeepSeek等AI技术像是一名可以提供完整解决方案的专家，但实际上也并非在各个方面都绝对完美。
中信证券研报表示，传统金融机构具有丰富的业务场景，AI在降本增效、风险控制、客户服务等方面可能较快取得成效，而商业模式创新尚需观察，但未来值得期待。
谈及风险因素时，该研报则提及“大模型带来的合规风险、传统公司AI落地能力不足、未能预期到颠覆性创新可能、部分金融科技公司估值偏高”相关问题。
对于如何看待银行业接入DeepSeek问题，DeepSeek解读为：“银行业接入像DeepSeek的AI技术，可以视为行业数字化转型的重要一步。是大势所趋，能够带来显著的效益和竞争优势，但银行在引入AI技术时也需要充分考虑其潜在风险和挑战，确保技术的应用符合伦理和法律要求，同时积极培养和吸引相关人才，以实现可持续发展。”
近年来，各大银行乘着数字技术快速发展的东风，加快业务线上化发展，在数字化转型方面，积极将人工智能、大数据、云计算、物联网等信息技术与金融业务深度融合，数字化运营能力不断提升。
比如，农业银行在2024半年报中指出，该行积极应对技术变革加速演进，加快推进新一代技术体系转型，打造面向未来的数字新基建与IT架构底座，深化金融科技应用，赋能业务经营高质量发展。大数据技术应用方面，该行投产首批13个数据湖场景试点，实现大数据底座的存储、计算、批量服务和实时服务的统一上云入湖；人工智能技术应用方面，加快以AI技术为驱动的智慧银行建设，密切跟踪大模型技术趋势，持续完善AI软硬件支撑体系，稳妥推动AI+应用场景落地；云计算应用方面，持续推进云原生能力建设，基于PaaS部署的应用比例达到88.7%；物联网应用方面，持续推进线上、线下数据融合，稳步拓展物联网金融场景创新应用。
工商银行围绕“五化”转型整体布局，深入推进数字金融服务与经营体系建设，去年上半年数字化业务占比98.9%。在持续推进网络金融业务全面风险管理方面，该行依托大数据、人工智能等数字化手段提升线上平台智能风控水平，增强风险管理的精准性和有效性；应用大模型、大数据等智能技术打造企业经营智慧管家。
在公司金融领域，中国银行则积极应用大数据、人工智能、RPA（机器人流程自动化）、OCR（光学字符识别）等技术手段提升业务处理效率，助力基层减负增效，优化客户体验，助力客户规模稳定增长。
