風頭正盛的開源 AI 大模型 DeepSeek 的 “金融朋友圈” 正不斷擴容。
據不完全統計，包括江蘇銀行、蘇商銀行、重慶農商行等中小銀行機構，新華保險等保險機構，中信建投、國泰君安等券商，以及匯添富、富國基金等公募基金公司在內的金融機構紛紛 “嚐鮮” DeepSeek，探索相關應用場景。
在這場接入 DeepSeek 的浪潮中，中小金融機構的身影隨處可見。在部分從業者看來，DeepSeek 可能為中小金融機構提供 “彎道超車” 的契機。“中小金融機構往往面臨資源有限、技術積累不足的問題，DeepSeek 的開源性質為它們提供了快速追趕的可能。通過採用 DeepSeek，中小金融機構能夠以較低的成本獲得先進的 AI 能力，從而在客户服務、風險管理等方面實現顯著提升。” 中國信息協會常務理事、國研新經濟研究院創始院長朱克力在接受《金融時報》記者採訪時表示。
機構爭相佈局 應用多點開花
1 月 20 日，DeepSeek 上線並開源 DeepSeek-R1。基於其在數學、代碼、自然語言推理等任務上的超強性能，以及低成本、開源優勢，DeepSeek-R1 一經發布便引發國內外廣泛關注。隨後，各行各業 “跑步上車”，金融機構亦加緊推進 DeepSeek 系列模型的本地化部署，應用場景多點開花。
例如，郵儲銀行將在 “郵智” 大模型基礎上，藉助 DeepSeek 的技術能力，進一步探索其在金融場景的更多特色化服務應用。比如，在風險防控領域，高效分析並自動生成案件分析報告，提升可疑點識別效率與準確性，增強反欺詐主動防禦能力。
國泰君安表示，已完成 DeepSeek-R1 模型的本地化部署，並應用於 “君弘靈犀” 大模型中，賦能智能問答、智投服務、投教、行業研究、市場分析、合規風控等多個核心業務場景。
北大方正人壽正式上線基於 DeepSeek 大模型的智能展業助手——“方靈”。初期 “方靈” 助手將解鎖 “知識智能檢索” 的基礎功能，作為 E 行銷智能助手，為代理人提供涵蓋保險基礎概念、法律法規、監管政策、保險產品銷售理念、保險行業發展趨勢等內容的全方位解答。
“DeepSeek 之所以能夠迅速吸引金融機構的目光，首先在於其開源的特性。” 上海金融與發展實驗室首席專家、主任曾剛在接受《金融時報》記者採訪時表示，與傳統封閉式 AI 模型不同，DeepSeek 通過開放代碼和模型架構，為用户提供了更大的自由度和可定製性。這種開放性使得金融機構能夠根據自身需求，靈活調整模型的功能和性能，從而開發出更貼合業務場景的解決方案。例如，銀行可以利用 DeepSeek 優化風險評估模型，證券公司可以通過其提升市場預測的精度，而保險公司則可以藉助其改進理賠流程的自動化程度。
從業內反饋來看，DeepSeek 在提升服務效能、升級風控能力、提高運營效率、創新業務模式等多個方面展現出巨大的潛力。
蘇商銀行表示，創新應用 DeepSeek-VL2 多模態模型，通過構建 “多模態技術 + 混合專家框架” 的創新體系，實現對嵌套表格、影像資料等複雜場景材料的精準解析，將信貸材料綜合識別準確率提升至 97% 以上。該技術使信貸審核全流程效率提升了 20%。
朱克力表示，作為開源 AI 大模型，DeepSeek 為金融業帶來前所未有的靈活性，金融機構可根據自身需求進行定製和優化，降低對外部供應商的依賴。同時，DeepSeek 有望解決金融大模型發展面臨的算力、成本等挑戰，通過高效的算法和架構設計，提升運算效率，降低部署成本，使得金融機構能更經濟地利用 AI 技術提升服務質量和風險管理能力，開創新的業務模式。
中小機構迎補短板契機
據瞭解，與傳統大模型動輒千萬乃至上億的投入而言，銀行本地化部署 DeepSeek 的成本可以低至不足百萬元。在一些金融從業者看來，DeepSeek 可能為中小金融機構提供了一次 “彎道超車” 的機會，更多中小銀行將因此受益。
“傳統 AI 模型的訓練和部署往往需要巨大的計算資源和資金投入，這對許多中小型金融機構來説是難以承受的。而 DeepSeek 的出現，為這一問題提供了新的解決方案。” 曾剛表示，傳統上，金融科技的高門檻讓中小機構難以參與競爭，而 DeepSeek 等工具的普及可能降低技術使用的門檻，使中小機構能夠以較低的成本獲得先進的技術能力，這種 “技術民主化” 有助於縮小中小機構與大型機構之間的差距。通過部署 DeepSeek 等技術工具，中小金融機構可以獲得高效的數據挖掘、分析和預測能力，進而能夠快速獲取市場洞察，優化決策流程，從而在某些細分領域實現突破。
曾剛也指出，DeepSeek 作為一種新興的技術工具，確實可能為中小金融機構彌補短板，並獲得一些發展機遇。但 “彎道超車” 可能並不現實，畢竟大機構使用相同的工具，能力可能更強。另外，中小金融機構在使用這類技術時也面臨一些挑戰：一方面是數據質量與隱私問題，中小機構的數據積累可能不足，數據質量參差不齊，同時還需應對數據隱私和合規風險；另一方面是技術依賴與競爭壓力。過度依賴外部技術供應商可能導致核心競爭力不足，且大型機構也可能迅速採用類似技術，進一步加劇競爭。
當前生成式 AI 雖然已經有了重大突破，但 AI 幻覺仍是普遍問題，DeepSeek 也不例外。有使用者在社交媒體上曬出了其在向 DeepSeek 提問 “推薦幾家新開的網紅店” 時，得到了 “瞎編的謊話”——DeepSeek 編造了根本不存在的地方，其推薦的地址和賣點都是假的。
當記者詢問 “為什麼會一本正經的胡説八道時”，DeepSeek 給出了這樣的回答：DeepSeek 作為一個大型語言模型，雖然經過大量數據訓練和算法優化，但在生成內容時仍可能出現不準確或錯誤的情況。這種現象主要由以下幾個原因導致：數據依賴特性，語義關聯侷限，表達機制特點，技術發展階段。同時，它給使用者提出的使用建議為：對專業領域內容保持驗證習慣，提供更明確的上下文約束條件，使用最新知識檢索功能輔助判斷。
曾剛表示，AI 幻覺是指生成式 AI 在缺乏真實數據支持時，可能生成不準確甚至虛假的信息。在金融領域，這種問題可能帶來嚴重後果。例如，在風險評估中，AI 可能基於錯誤的推斷生成虛假的風險預測，導致決策失誤；在客户服務中，AI 可能提供不準確的金融建議，損害客户利益。這種現象不僅影響金融機構的運營效率，還可能引發法律和聲譽風險。應對 AI 幻覺的技術路徑包括引入領域知識約束，多模態數據驗證，強化人機協作，以及動態優化與反饋機制。
“儘管生成式 AI 取得重大突破，但 AI 幻覺和數據安全、隱私保護問題仍需重視。” 朱克力表示，在金融領域應用大模型時，應建立完善的數據驗證和糾錯機制，確保 AI 生成的信息準確無誤。同時，需加強數據加密和訪問控制，確保數據在傳輸、存儲、處理過程中的安全性。此外，金融機構還應遵循相關法律法規，確保客户隱私得到充分保護。通過技術手段與制度建設相結合，金融領域可以在享受 AI 帶來便利的同時，有效應對這些挑戰。
來源：金融時報客户端 原文標題《好用嗎？金融機構實測 DeepSeek！》記者：徐貝貝 編輯：段嘉希
風險提示及免責條款
市場有風險，投資需謹慎。本文不構成個人投資建議，也未考慮到個別用户特殊的投資目標、財務狀況或需要。用户應考慮本文中的任何意見、觀點或結論是否符合其特定狀況。據此投資，責任自負。
