《商业观察》记者 王治山

石 破 天 惊 的 DeepSeek 以 其 强 大 的 技 术 能 力 和 广 泛 的应用潜力，正吸引着金融行业的广泛关注与积极布局。 从银行到证券，从基金到保险，众多金融机构纷纷加速 DeepSeek 系列模型的本地化部署，力求在这场 AI 变革中抢 占先机，成为 AI 赋能的引领者。

金融业跑步上车成趋势 

自 DeepSeek 推出以来，其展现出的广阔应用场景促使 各行各业“跑步上车”，金融业更是不甘人后。无论是传统 大型金融机构，还是新兴的金融科技企业，都敏锐地捕捉 到了 DeepSeek 带来的机遇，迅速开启了本地化部署的征程。

在银行业，海安农商银行通过让 DeepSeek 从多个维度 对自身进行分析，实现了一次独特的自我宣传。江苏银行 依托“智慧小苏”大语言模型服务平台，成功本地化部署 微调 DeepSeek-VL2 多模态模型、轻量 DeepSeek-R1 推理 模型，在智能合同质检和自动化估值对账场景中，这些模 型发挥了重要作用，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、 效能等方面得到了显著提升。据 江苏银行提供的数据，应用 R1 推理模型结合邮件网关解析处理 能力，实现了对邮件分类、产品 匹配、交易录入、估值表解析对 账的全链路自动化处理，识别成 功 率 达 90% 以 上， 每 天 可 减 少 9.68 小时的工作量，大大提高了 工作效率。

同时，国有行人士也表示， DeepSeek 的 R1 大模型的开源性 质为银行带来了新机会，行内已 开展相关研究，春节后将加快相 关技术的讨论，预计将其应用在 智能投顾、智慧客服、风险监控、 合规管理等业务领域。

在公募基金行业，包括汇添富、富国基金、诺安基金 等在内的十余家公募基金公司已宣布部署 DeepSeek 大模 型。汇添富基金完成了 DeepSeek 系列开源模型的私有化部 署，并将其应用于投资研究、产品销售、风控合规、客户 服务等多个核心业务场景。诺安基金则完成了 DeepSeek 金 融大模型的本地化部署，推出了自主研发的“诺安 AI 助手”， 并在投研分析、客户服务、风险管控等核心业务场景启动 试点应用。

保险业也不甘落后。中国平安称其目前正在积极研究、 部署相关大数据开源平台的深度融合发展，助力“综合金 融 + 医疗养老”生态圈的建设，赋能金融主业提质增效。

证券业的国泰君安、国金证券、广发证券、兴业证 券、国元证券、华福证券等多家券商也陆续官宣，已完成 DeepSeek-R1 模型的本地化部署。

在金融科技领域，金融壹账通宣布将自主研发的智能 体平台接入 DeepSeek、通义千问等开源大模型，推出面向 银行业的全场景 AI 解决方案。

DeepSeek 具有普适性 

金融行业由于其特殊性，对数据的安全性要求高于其 他行业，一般选择将数据存放在本地。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大模型， 再将本地数据与大模型结合，打造企业的专有模型，更有 针对性地赋能各个场景。

对于金融 IT 公司而言，能够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 公司还能 将客户的业务与专有模型进行结合，打造属于客户自身的 AI 工作流、RAG（检索增强生成）管道，以及定制专属代 理人等。

业界人士表示，DeepSeek 发布的 V3、R1 模型，是具 有优秀通用综合能力的 MoE（多专家）架构大模型，多方 的评测结果显示其在各项能力上都得分领先，普遍适用于 银行业的业务场景。以 DeepSeek-R1 为例，其具备高性能 推理、强化学习驱动、长链推理支持等特点，在数学、编程、 科学领域都有突出表现。在风险评估领域，DeepSeek-R1 可以更好地整合客户多维数据，构建更精准的风险评估模 型，对客户的信用风险、市场风险等进行更为全面和精准 的评估。在智能客服和营销领域，DeepSeek-R1 强大的自 然语音处理和高性能推理能力，可以更精准地理解客户意图，更全面地评估挖掘潜在需求， 智能推荐适合的金融产品。

挑战与机遇并存 

尽 管 DeepSeek 在 金 融 领 域 展现出了巨大的潜力，但随着应 用的深入，其存在的问题也逐渐 显现。比如，在生成学术论文材 料时，DeepSeek 会生成不存在的 材料，或指向无关的论文。若将 其直接应用于严谨的银行业，可 能会产生不可控的后果，比如生 成失真的市场分析，导致客户基 于错误信息作出投资决策。

此外，大模型的应用意味着 要处理大量的个人和企业数据， 增加了信息泄露的风险。但随着 各项技术如 RAG、思维链的发展， 这方面的风险会大大降低。另外， 银行业对安全合规要求比较高，大模型输出有不可控性， 如果直接面对客户则存在隐患。所以当前阶段有些应用场 景还是大模型生成内容，人工进行复核的模式。因此，银 行需要建立严格的数据质量管理体系，确保数据的准确性 和完整性；同时，也要加强对 DeepSeek 模型的理解和解释， 提高模型的可解释性和透明度；此外，还要不断根据市场 变化调整 DeepSeek 的应用策略，确保其能够适应银行的实 际业务需求。目前银行业对大模型的应用主要集中在内部 场景，金融机构在应用 DeepSeek 等大模型时，仍需谨慎对 待，充分发挥人工的监督和复核作用。

金融业加速布局 DeepSeek 本地化，是顺应时代潮流、 拥抱科技变革的重要举措。虽然在应用过程中面临着诸多 挑战，但随着技术的不断发展和完善，以及金融机构和相 关各方的共同努力，DeepSeek 有望成为金融行业智能化变 革的强大赋能者，为金融行业带来更高效的风险管理、更 精准的投资决策和更优质的金融服务。