春節期間，國產大模型DeepSeek的橫空出世，為科技圈投下了一枚“深水炸彈”。

這也在擁有海量數據和豐富場景的金融業特別是銀行業掀起了波瀾。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差距，并進一步更好地賦能自身業務的發展中，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，天眼查顯示，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。

作為數據密集型的銀行業，此前就是大模型落地的優先行業，如今DeepSeek出現，諸多銀行也紛紛加碼賦能。

2月11日，據騰訊云智能公眾號，重慶農村商業銀行2月10日宣布借助騰訊云大模型知識引擎的能力，該行已經在企業微信上線基于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的聯網應用的金融機構。

“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，重慶農商行還將在智能風控、場景金融和數據決策領域實現突破。

更早傳出部署DeepSeek的是江蘇銀行。

據公眾號“江蘇金融科技”2月5日發布的消息，江蘇銀行成功本地化部署微調DeepSeek-VL2多模態模型、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，通過對海量金融數據的挖掘與分析，重塑金融服務模式，實現金融語義理解準確率與業務效率雙突破。

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、多任務場景處理能力、算力節約、效能等方面得到進一步提升。

同在江蘇的海安農商銀行則利用DeepSeek來了一場營銷秀。在該行發布的《DeepSeek，你也太懂海安農商銀行了吧！》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、金融產品、社會責任等多個維度對海安農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的“開發助手”，使核心系統迭代周期縮短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務場景中進行試點應用。

柒財經還了解到，還有很多中小銀行正悄悄部署DeepSeek或利用DeepSeek開發自己的大模型。

02 中小銀行或迎來新機遇

實際上，在Chatgpt出現后，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，通過自主建設或聯合共建的方式，挖掘大模型在眾多業務場景中的應用潛力。尤其是在智能客服、智能投顧、數字員工、風險管理、合規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節。

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百萬元。而DeepSeek通過算法優化，在保持高性能的同時將訓練成本壓縮至傳統模型的十分之一。

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）架構實現垂直突破。例如在智能合同質檢場景，其多模態模型能同時解析文本、印章、簽名，規避了單一模態模型的誤判風險。

更重要的是，銀行可以基于DeepSeek的開源框架二次開發，快速上線反欺詐、資產估值等定制化應用，研發周期大幅縮短，這種“樂高式”創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AI普惠。大型銀行如工行、建行等繼續加碼自研模型，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競爭規則，實現同臺競技。

另外，在數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務流程，更催化了其組織形態的深層變革，打破了傳統部門壁壘，在人力上進一步提升了效率。那DeepSeek的出現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，即數據安全、隱私泄露、合規挑戰等風險。正如招聯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，隨著數據利用安全性需求的改善，真正觸及銀行業核心業務的大模型應用將逐步實現。

銀行業“快而精準”的AI競技，已然由DeepSeek開啟。