没有花钱建造大模型底座的银行有福了。

今年春节， DeepSeek 以高性能、开源模式，风靡全球， DeepSeek 在 AI 世界和科技圈激起千层浪。本土化的数据库赋予了它极高的遣词造句能力， ChatGPT 低价门槛使其迅速传播，仿佛只是一夜之间， DeepSeek 成为网络时尚单品。

近几年来，做好数字金融大文章，促进数字化转型已经成为银行业的共识。在过去两年的财务报告中，许多上市银行表达了对人工智能大模型发展的积极态度，并披露了人工智能大模型发展的规划或进展。DeepSeek是一款国产AI大型模型，英伟达、阿里云、华为云、腾讯云、百度云等相继宣布推出DeepSeek大型模型。同时，银行业也逐步积极探索AI应用。AI模型可以在包容性金融、风险控制、客户营销、支付、函证、跨境金融、票据融资、供应链金融等场景中看到。

这一次，江苏银行成为上市银行中第一家“吃螃蟹”的机构。据悉，江苏银行依托“智慧小苏”大语言模型服务平台，成功部署了DeepSeek-VL2多模态模型、轻型DeepSeek-R1推理模型，各自应用于智能合同质检和自动估值查账场景。

根据计算，该应用程序将合同审核效率提高300%，差错率降低到0.5%以下。轻量级DeepSeek-R1模型应用于自动估值对账系统。通过对市场数据和交易明细的实时分析，可以动态校正资产估值，将原本需要4小时的人工验证过程压缩至15分钟。实现金融语义理解的准确性和业务效率的双重突破，为市场拓展注入强大动力。

中国银行业协会发布的《2024年中国银行业发展报告》指出，金融与人工智能有着天然的契合点，AI大模型技术可以深入挖掘银行业的海量数据，银行业有着丰富的适用于AI大模型技术的场景。目前，AI大模型正在推动中国银行业服务、营销、商品等方面的全面创新，催化“未来银行”的到来。

私人银行数字化救星？

目前，数字化转型已经成为银行业不可逆转的趋势。在数字化转型过程中，投入产出率是检验银行转型效果的重要指标之一。对于民营银行来说，如何在有限的资源环境下实现转型效益的最大化，一直是其关注的焦点。

伴随着AI技术的不断进步，AI Agent(智能体)在金融场景中的应用越来越普遍。从客户服务到风险控制，从智能投资到反欺诈，AI Agent正逐渐渗透到银行业的每一个角落。然而，AI 没有强大的算率支持，Agent的研发和应用是不可或缺的。对于大银行来说，这可能不是问题，但对于资源有限的民营银行来说，计算率瓶颈已经成为制约其AI技术发展的绊脚石。

图片：银行家与DeepSeek对话

与传统的大模型训练方法相比，DeepSeek显著降低了计算率消耗的要求。这意味着私人银行可以进行AI，而无需投入巨资购买高性能计算设备。 Agent的R&D和应用。这种变化不仅降低了民营银行的转型门槛，也为加快数字化转型提供了新的动力。

DeepSeek的出现，可以说为民营银行的数字化转型提供了新的机遇。民营银行借助其计算率优势，可以更自信地推动AI 在激烈的市场竞争中，Agent的R&D和应用工作占据了有利地位。未来，随着AI技术的不断进步和优化，DeepSeek将在私人银行的数字化转型中发挥更重要的作用。私人银行应该抓住这个机会，加快推进数字化转型的步伐，为自己的可持续发展奠定坚实的基础。

图片：海安农商银行通过DeepSeek进行营销

例如，一些银行在营销过程中使用了DeepSeek的功能。“DeepSeek，您也太了解海安农商银行了！“在海安农村商业银行最近发布的一份文案中，银行通过询问DeepSeek向客户介绍了银行的具体情况。在文案中，DeepSeek分析并总结了海安农村商业银行的资本实力、市场份额、服务质量、金融产品和社会责任。从银行的角度来看，业界认为DeepSeek最直观的使用场景将涵盖智能客户服务、客户需求挖掘、风险评估和管理等方面。

虽然Deepseek很好，但是要注意风险控制哦。

如何妥善处理人工智能大模型引入的安全风险问题，是银行经营管理风险的关键。

业内人士认为，金融机构重视大模型技术，积极探索相关应用，有利于更好地发展业务，促进数字金融的深入发展。然而，大语言模型的应用可能会带来数据隐私、信息安全等一些风险和挑战。因此，有必要建立完善的数据保护体系和管理规范。

自ChatGPT问世以来，银行已投入大量资源进行计算储备和自有金融模型开发。随着DeepSeek和未来新的人工智能模型的不断迭代，推理核算成本逐渐降低，这意味着计算率基础设施的产能将逐步提高，这也标志着大型应用从‘技术可行性验证’转变为‘经济可行性落地’的关键转折点。

从长远来看，银行可能会逐步完成基于AI的金融服务生态变革。有业内人士指出，很多银行开发大型金融模型比较早。虽然采用了分层松耦合架构，但接口适应调整和知识库再培训都会影响模型转移。然而，开源技术框架确实引发了全行业的AI军备竞赛。随着更多的云计算平台支持DeepSeek，模型转移将加快。

"大型银行发展模式，基本竞争力来自三个方面。”该人士最终分析指出，“一是公司能否真正形成完善的知识基础，打通知识荒岛、碎片情境和反馈断层，形成企业的向量知识库，如业务和客户反馈；二是能否做好防火墙，即数据的隐私保护和风险隔离，通过数据、模型和网络层的联动，构建模型的整个生命周期管理；第三，生态协同能力要有足够的需求场景反馈，为顾客做减法，以尽可能简洁、核心的信息呈现，解决顾客的问题。”

先锋的破局之路

尽管取得了突破，但江苏银行的探索仍然面临三大挑战:一是模型微调所依赖的行业数据壁垒尚未完全打破，目前40%的可用优质金融标签数据不足。；第二，多模态模型的计算率比纯文本模型高3-5倍，对银行的IT架构提出了新的要求；第三，监管合规的界限还需要明确，尤其是涉及客户隐私数据的模型培训，需要谨慎平衡创新和风险。

当地银行发起的AI革命正在改写金融技术的竞争规则。当技术普遍性遇到行业深度时，中国银行业的智能转型可能会找到自己的最佳解决方案。可以预测，AI能力矩阵将通过限制场景和可控投资的技术试点逐步建立。随着DeepSeek技术生态的完善，银行业可能会迎来从“单点智能”到“系统智能”的跨越式发展。

从提升客户服务体验到创新风险管理机制，大模型在银行业的发展前景似乎是光明的。同时，虽然大型模型可以处理大量数据，但在理解复杂需求场景之前和之后仍然存在局限性。人类的经验和判断在处理结构化融资、新型金融衍生品交易等复杂业务时仍然是不可或缺的。

因此，在实际业务中，合理平衡人工智能与人类决策的关系尤为重要。我们不仅要充分发挥DeepSeek等人工智能工具在数据处理和分析方面的优势，提高业务效率和准确性；我们还应该关注人类决策的独特价值，尤其是当涉及到复杂的情绪、社会道德和创造性决策时，人类的智慧通常更好。

图表：银行大模型应用方向

在应用过程中，DeepSeek面临着数据质量、模型可解释性和市场适应性等诸多挑战。因此，建立完善的数据保护体系和管理规范是很有必要的。伴随着技术的发展和应用场景的不断创新，银行要不断适应新的变化和需求，积极探索新的应用模式和服务模式。

结语

未来三年将是AI腾飞的三年。也将是AI完全重塑金融业的三年。DeepSeek在金融领域的应用正在深刻改变金融业的格局和生态。

为了满足市场形势和客户需求的变化，传统金融机构需要不断提高自身的科技实力和创新能力。而且新兴金融企业可以利用DeepSeek等先进技术实现弯道超车，抢占市场份额。这样可以促进金融企业在科技上的投入和创新，促进金融业的稳定发展和变革。

最后，不可忽视的是，DeepSeek的应用也对金融业的控制提出了新的挑战和要求。监管部门需要加强对金融机构的监督，确保其合规性管理和风险控制。与此同时，监管部门还需要加强对DeepSeek等先进技术的监督和研究，以应对可能出现的风险和问题。这样可以促进金融业管控水平的不断提高和优化。

本文来自微信公众号“楼卓昊Fintech”，作者：楼卓昊，36氪经授权发布。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com