將 WEALTH財富管理 設為“星標?”

第一時間獲取最新推送

本文作者為知名券商研究創新部戰略總監

關于DeepSeek背后的技術邏輯、方案模型以及產品優缺點的介紹，市場上已有大量的文章展開闡述，我們用一句話概述，DeepSeek是由杭州深度求索公司推出的高性能、低成本和多品類開源大模型，其最新版本在性能上已接近或者媲美全球領先大模型水平。

追溯2022年底，彼時以百度為代表的文心一言，因代表“國產新勢力”GPT受到追捧，當時也有十余家券商宣布接入，跟目前的Deepseek與證券公司合作有一種“似曾相識”的感覺。

目前市面上GPT類產品層出不窮，上百款的應用模型也有多年的積累和推廣時間，我們在23年初寫過一篇結合證券行業的思考文章，《ChatGPT能否改變證券行業？》，在彼時環境中，我們給出了長路漫漫Or未來可期的雙路徑結論。但這次，我們認為，證券公司搭上DeepSeek為代表的國內高性能、以中文語言為代表的高質量大模型，會成為一個影響證券行業長久的標志性事件，或者是證券行業全面金融大模型AI時代的開端。

一、DeepSeek成功原因：并不是最聰明的私募量化團隊會更了解一切

一般認為，DeepSeek大模型憑借“模型技術安全自主可控、金融應用場景深度契合、成本效率優勢顯著”的優勢，在證券行業在金融智能領域的應用提供了廣闊空間。但為什么是DeepSeek大模型，而不是月之暗面或者豆包其他國內大廠的模型？

1.量化投資跨界到AI和AIG有基因

當其他互聯網大廠的AI都在找場景中，私募量化幻方旗下的DeepSeek因為有自主開發的深度學習平臺“螢火”作為算力場景使用以及“量化投資”的主戰場，顯得更為淡定。因此，無需全市場找市場和客戶去做應用場景的使用，只要大模型服務好“金融”主業，就是最大的場景。此外，幻方在2019年搭建“螢火”場景時候，就購買了1000多張GPU，在后續“螢火”平臺升級的時候，GPU數量高達10000多張。

正是DeepSeek有“量化投資”的主戰場以及“螢火”的算力場景硬件的支持，幻方在場景+算力兩個領域已經是GPT的主要選手，更是了解金融的GPT供應商。

2. AI界的拼多多服務金融降本增效

國內AI大模型的大降價，其“始作俑者”就是DeepSeek。2024年5月，DeepSeek推出第二代MoE模型DeepSeek-V2，輸入/輸出定價分別為每百萬tokens 1元和2元，僅為GPT-4-Turbo價格的近1%，打破原來國內原來近20元每百萬tokens的高價，打響了AI降級浪潮的第一槍，當然，其背后的邏輯就是DeepSeek沒有選擇復刻歐美技術的“復制升級”，而是逆向選擇“改變基礎算法”，采用了 Multi-Head Latent Attention (MLA，一種新的多頭潛在注意力機制） 和DeepSeek MOE（混合專家）架構，把計算量降度進行優化，把訓練成本降低到極致。2025年初發布的DeepSeek-V3和R1模型延續了低價策略，對于之前券商和大模型大廠高達百萬級的定制收費，DeepSeek相對低廉和本地化部署的大模型迎合了國內降本增效的金融大趨勢。

3. 并不是最聰明的私募量化團隊

與大廠“講究”學歷和“海外”背景不同，DeepSeek沒有海龜，也沒有奇才。創始人梁文鋒坦言，團隊“都是一些Top高校的應屆畢業生、沒畢業的博四、博五實習生，還有一些畢業才幾年的年輕人”。

DeepSeek的成功需要金融機構深入思考和反思的一個問題是，并不是最聰明的私募量化團隊如何實現逆襲成功？梁文鋒的多次采訪給了答案，順人性，別逆人性管理。DeepSeek的人才例證就是一個，當金融機構對學歷和文憑趨之若騖，從“內卷”走向“創新”的結果就是，尊重和企業家樹立的文化。正如梁文鋒所述，創新往往都是自己產生的，不是刻意安排的，更不是教出來的。

二、券商躬耕入局：本地化的DeepSeek模型對內地券商更具有吸引力

截至2月13日，根據統計，全市場已經有超20家券商開展了對DeepSeek模型的部署工作。

表1.券商部署DeepSeek模型的統計（截至2月13日）

資料來源：各券商公告、華寶證券

先說結論：DeepSeek作為本地部署的大模型，對合規要求高的內地券商而言，更具有吸引力

1.安全合規的本地化部署及適配性是第一要務

對于國內的證券公司而言，金融數據本地化留存、信息技術安全、系統和交互的安全是做金融人工智能的第一要務。

根據大模型、數據安全相關的法律法規如《生成式人工智能服務管理暫行辦法》《互聯網信息服務深度合成管理規定》《金融數據安全數據安全分級指南》等選擇符合要求的企業和模型，以及根據證券公司《證券基金經營機構信息技術管理辦法》

其次，DeepSeek的本地化部署以及本土化的適配性，與之前的云端接入或者定制化服務而言，降低了券商對外部技術供應商的依賴，業務邊界的安全性和自主選擇的可控性都在券商手中。

2.先卡位、再展業是證券公司布局入場的主旋律

就國內證券公司而言，數字化轉型浪潮是大家的必選題。先卡位，先入局，是證券公司的第一步，從我們梳理的證券公司而言，大券商金融科技迭代能力強，有實力也有技術盈余，因此卡位意識十分突出，截至2月13日，大部分券商都是上市券商以及大中券商開展布局DeepSeek模型。中小券商可能出于各種理由，先觀望，測算成本以及場景更多豐富后再入場，這也是大部分中小券商可預見的方式。

圖1：DeepSeek不同模型版本的要求場景

圖2：DeepSeek不同模型的硬件要求

其次，展業步驟也是相對有序。根據已經披露接入DeepSeek的證券公司公告而言，目前，DeepSeek已經成為公司多個核心業務領域的利器，聚焦在：客服服務、客戶畫像、賦能信息檢索、文檔處理、行業研究、市場研判、輔助軟件研發、輔助制定營銷方案、合規問答、業務辦理指引等多個業務場景。一般而言，我們認為DeepSeek模型，證券公司共性的嘗試方向大概是：

在客戶層面：先對內（員工）、再對外（客戶）；

在業務層面：先試點（部分）、再推廣（全面）；

在服務層面：先投教（個人）、再投研（機構）；

在場景層面：先網點（業務）、再總部（職能）；

在應用層面：先語義（靜態）、再視頻（動態）。

三、AI大模型焦慮：從業人員與證券公司又喜又怕

AI大模型的快速發展正在重塑金融行業，尤其是證券領域。從業人員和機構在享受技術紅利的同時，也面臨多重挑戰，形成了“喜憂交織”的復雜局面

1.從業人員：既要卷，又怕AI搶飯碗

技術迭代更新也成為一些人制造“認知斷層”的一個新故事。未來，AI+客服、AI+經紀、AI+投研、AI+投顧、AI+合規、AI+文檔、AI+一切，技術飛速更迭下人們“怕掉隊”，內卷成為從業人員的常態，但是AI技術帶來了效率革命（喜），無論在客戶服務、投研效率提升，還是在風險管理，流程管理，都帶來了巨大升級。

但同時，AI的成熟應用，對初級程序員、投顧人員、投研人員等職業帶來了巨大的沖擊，職業重構壓力成為大家的新話題，被替代成為焦慮時代的共同話語。一些傳統的標準化的數據處理、基礎報告撰寫等投研、投顧和客服崗位需求下降，高盛研究顯示未來5年券商基礎分析師需求可能縮減40%。此外，掌握金融工程、模型微調等新技能成為必備選項，某頭部券商2023年內部調研顯示僅15%員工自評"具備AI協作能力"

2.證券公司：既要用AI，也要反對全AI替代

面對AI大潮，AI競賽成為新的賽道，頭部券商勢必通過技術儲備、資金儲備碾壓中小券商，因此，跟進AI浪潮既是主動選擇，也是時代要求。另一方面，部分業務不能通過AI的替代，就如同大學的期末考試不能通過AI實現，因為部分業務，需要有人性和溫度實現，有需要差異化的專業去實現。

同時，證券公司也可以用部分手段防止AI的過度濫用：如使用反AI技術（如檢查錯別字、標的符號）、用AI投喂查詢AI純度等。AI在證券公司的業務層，除了沙河監管外，其實也需要進行隔離墻管理。

證券行業正經歷從"人力密集型"向"智力+算力”的范式轉移，面對這一輪的AI大模型時代，監管也會根據全面的時代特征開展新的“游戲規則”，如AI大模型在證券行業的應用中，數據安全和隱私保護問題需要從技術、管理和法規等多個層面綜合解決。但我們有理由相信，DeepSeek的發展當前仍處于初級階段，雖然人工智能可以在特定領域展現出超越人類的能力，但無法完全替代人類獨特的思維和人類獨有能力，證券公司作為鏈接投資者和資本市場的橋梁，具有不可替代的多重因素，正如我問DeepSeek的一個問題，我們會被AI代替嗎？它的回答："AI不是替代人類，而是解放我們去做更富創造性的價值判斷。”