深度丨金融业迎来“DeepSeek时刻”

”

当开源AI大模型DeepSeek一夜爆红，硅谷知名投资人马克・安德森将其喻为 “AI的斯普特尼克时刻”。这一隐喻，将人们拉回到上世纪六十年代，那时苏联成功发射斯普特尼克卫星，引发了美国乃至全球的危机感与紧迫感，促使各方全力投入航天领域竞争。如今，DeepSeek的横空出世正驱动着金融机构开展一场新的数字化转型竞赛。

在数字经济蓬勃发展的时代浪潮中，数字金融作为 “五篇大文章” 之一，其战略意义愈发凸显。去年末，中国人民银行等七部门联合印发的《推动数字金融高质量发展行动方案》，为金融机构的数字化转型绘制了清晰蓝图。数字化转型不再是金融机构的可选项，而是关乎生存与发展的 “必答题” 和抢占市场先机的 “抢答题”，以DeepSeek大模型为代表的生成式人工智能（GAI），无疑成为这场转型竞赛中的关键助力。

在这场竞赛中，中小银行率先发力。然而，在DeepSeek为金融业带来提升服务质效、创新业务模式等诸多机遇的同时，也引发了行业内的不同声音。一方面，它被视为金融人的 “上班好搭子”，助力提高生产力；另一方面，也有人担忧它会“砸饭碗”，部分岗位面临被替代风险。此外，AI幻觉、隐私安全等潜在风险也如影随形。如何在拥抱 DeepSeek带来的机遇的同时，有效应对挑战，实现安全、稳健发展，成为金融业亟待解决的重要课题，这其中最为关键的是要重视人在AI中的作用，即“像教小孩一样训练AI”。

在记者追索DeepSeek于金融业的意义时，它回答道：在这场始于技术、终于生态的变革中，DeepSeek既不是起点，更非终点——它只是拉开了金融业智能化跃迁的序幕。

接入DeepSeek是必答题和抢答题

“数字化转型不是金融机构的选择题，而是必答题和抢答题。”招联首席研究员、上海金融与发展实验室副主任董希淼向21世纪经济报道记者表示。他认为，在当下，数字金融作为“五篇大文章”之一，战略意义不言而喻。中国人民银行等七部门联合印发的《推动数字金融高质量发展行动方案》，明确了数字金融发展的总体要求与具体措施，为金融机构的数字化转型指明了方向。

董希淼进一步解释称，金融机构若想在数字金融领域做好文章，就要利用深度运用以大模型为代表的生成式人工智能（GAI），大力推进数字化转型，持续创新产品服务，提升用户体验，走出差异化、特色化发展道路。从这个角度来看，大模型不仅会成为金融业的数字化劳动力，更将成为推动金融机构数字化转型、促进数字金融深度发展的重要引擎。

政策推动与技术革命双重驱动下，金融机构纷纷下场，中小银行率先发力。

江苏银行成为国内首家 “吃螃蟹” 的机构。据公众号 “江苏金融科技” 2月5日披露，江苏银行成功本地化部署微调DeepSeek-VL2多模态模型、轻量DeepSeek-R1推理模型，分别应用于智能合同质检和自动化估值对账场景。

北京银行也不甘落后，基于昇腾系列AI服务器、华为MindIE推理引擎，快速完成了DeepSeek V3和R1满血模型、R1 蒸馏模型和Janus Pro多模态模型推理任务的部署与推理加速调优。针对DeepSeek模型的MoE、MLA 等技术特点，北京银行持续推进并行调度、MTP、融合算子等优化方向，率先实现了DeepSeek全栈国产化金融应用。

“我们科技部门已经准备接入DeepSeek了，先期可能先内部定向开权限使用。”华北地区一家上市城商行普惠金融业务部的人士称。

除城商行外，农商行同样积极参与。2月10日，青岛农商银行正式宣布本地化部署以 DeepSeek大模型为基座的企业级AI 模型服务中台“智慧 Qimi”，应用于网点厅堂数字人、培训教材文本校验等场景。次日，重庆农村商业银行借助腾讯云大模型知识引擎的能力，在企业微信上线基于DeepSeek模型的智能助手应用“AI 小渝”，成为首家通过知识引擎构建基于DeepSeek联网应用的金融机构。

相比而言，大行的动作则较为缓慢。截至2月14日发稿时，六大国有行中，仅邮储银行一家正式官宣部署DeepSeek模型。有国有大行华南地区分行人士称，“刚刚接入DeepSeek，一切还在研究摸索中”；另有国有大行某分行表示：“目前还没有动作，相比中小银行，大行决策链长，一方面涉及部门多，要论证很久，另一方面还涉及数据安全。”

为何本轮竞争中，中小银行抢先交卷？上海金融与发展实验室主任曾刚指出，DeepSeek为中小银行提供了高性价比解决方案。其一，中小银行可根据自身业务需求，灵活调整模型参数与功能，开发出更贴合自身场景的应用，如区域性特色业务、普惠金融服务等。其二，DeepSeek 具备开箱即用的模型能力，中小银行无需投入大量资源进行技术研发，便可快速实现部署与应用。其三，中小银行可直接运用DeepSeek的成熟能力，迅速上线智能风控、合同校验、客户洞察等功能，有效缩短从技术引入到实际应用的周期。

一位城商行内部人士亦表示，DeepSeek让中小银行看到了打破技术壁垒和“弯道超车”的可能，现在正是“决战前最安静的时刻”，大家都在埋头研发基于DeepSeek的相关应用。他预计这些应用将会在今年四五月份涌现并在业务层面落地。

不过中信银行信息技术管理部创新科学家张然提醒，要警惕“银行可直接放弃自行搭建设施转而使用外部服务”这一误区。他认为， DeepSeek服务收费低也降低了使用成本，但数据安全和隐私要求这一核心约束依然存在，基于数据隐私和安全的考虑，银行未来仍不会直接放弃自行搭建设施转而使用外部服务。

除了银行业外，券商领域也紧密跟进。据本报记者不完全统计，截至目前，已有至少华安证券、东兴证券、光大证券等13家券商接入DeepSeek或完成本地化部署，积极探索大模型在证券业务中的应用。金融科技公司中，例如奇富科技日前对自主研发的大模型产品ChatBI完成关键升级，通过与Deepseek-R1大模型的深度融合，在数据分析和决策支持方面实现重大突破。

是工作 “好搭子” 还是来 “砸饭碗” 的？

DeepSeek爆红后，金融业界喜忧参半。“DeepSeek真是金融人的上班好搭子” 与 “DeepSeek干翻金融圈，金融‘牛马’处境极其危险！”两种论调并存。

在社交媒体上，不少网友分享了DeepSeek搭配其他软件提高金融行业人士生产力的攻略。例如，有网友在小红书上表示要把DeepSeek当“超级实习生”用，比如让它做数据筛选、资料整理，自己再调整执行等，还有人把DeepSeek当随时随地的“导师”用，比如问它“银行人如何做好合规风控”“我是公司客户经理，想让客户年底进点存款，该怎么说”。更有高端选手把不同的AI当助手互相搭配使用，比如撰写行业报告时，让DeepSeek先列举逻辑框架，再拿着逻辑框架让豆包去生成文字。

除了对个人工作效率的提升，DeepSeek对行业整体的提效也十分显著。据本报记者综合了解，DeepSeek在金融业已实现信息检索、文档处理、行业研究及市场研判等多个场景的应用，其中DeepSeek-R1还能提供高效的文档解析与问答系统。

以青岛农商银行的“智慧 Qimi”第一批上线的文章校验为例，传统人工检核的工作模式存在工作量大、检核不全面、准确率不足等问题，而将大语言模型应用于培训教材等文本校验，不仅节省了人力，还提高了校验的准确性。邮储银行表示，在特定测评集/任务上，“小邮助手”使用DeepSeek的蒸馏模型，增加了逻辑推理相关阶段，处理效率和客户体验相较之前有了较大提升。北京银行表示，其在业务方面利用大模型技术，打造了AIB小京智能体、“京信妙笔”智能报告等工具，已在信贷、营销、运营、合规、审计等金融场景落地应用90余个，有效减轻一线员工工作量，提升工作效率和服务质量。苏商银行还表示，创新应用DeepSeek-VL2多模态模型后，通过构建“多模态技术+混合专家框架”的创新体系，实现对嵌套表格、影像资料等复杂场景材料的精准解析，将信贷材料综合识别准确率提升至97%以上，该技术使信贷审核全流程效率提升了20%。

光大证券表示，其自主研发的“光小e”智能服务助手，深度整合DeepSeek在证券业务智能办理、内部知识智能检索、专业文本智能生成处理、代码编写测试智能辅助、智能构建合规知识图谱等应用场景，有效赋能员工提升工作质效。中泰证券称，其基于DeepSeek创建了215个知识库，落地运营助手、制度库问答等应用场景，为公司员工提供问答服务，问答精确度超 95%，为公司业务智能化发展注入了新动力。

“DeepSeek为金融业带来了新的可能性。”张然在接受21世纪经济报道记者采访时如是说道。作为长期关注前沿信息创新技术的专家，张然指出，DeepSeek在金融服务优化、风险管控升级、运营效率提升以及业务模式创新等方面展现出了巨大潜力。

他表示，接入DeepSeek后，金融机构能够在智能客服和智能投顾等服务应用上，提升客户体验。同时，在风险管控领域，DeepSeek可以通过海量数据的综合分析，为金融机构提供了更精准的信用风险评估能力，有效降低了信贷违约率。同时，其强大的数据分析能力还能够实时监测交易异常，提升反洗钱和欺诈检测的效率和准确性。

张然还提到，DeepSeek在运营效率提升上也是一把好手。他表示，DeepSeek可以处理和分析大量金融文档、报表等，减少人工操作和错误，提高工作效率；同时还可以通过对市场趋势、客户需求等的分析，为金融机构制定营销策略、产品创新提供依据，加快产品和服务的迭代速度。

更为重要的是，DeepSeek正在催生一系列创新业务模式，如AI+运营、AI+产品、AI+资管等。例如，基于DeepSeek构建的数字化金融服务平台，能够整合多种金融服务，为客户提供一站式解决方案，推动金融业向智能化、数字化转型。

然而，DeepSeek对金融业的冲击也不容忽视。有网友列出了一份最容易被DeepSeek取代的银行岗位清单，包括柜员与基础操作岗、客服与电话销售岗、风险控制与信贷审批岗、财务与会计岗、数据分析与报告岗。

值得注意的是，DeepSeek对分析师、经济学家的冲击同样显著。有经济学家在朋友圈表示：“让 DeepSeek 做了两道经济学题目，给出几近完美的答案和逻辑清晰的推理思路。然后让它预测未来的美股、美元和黄金价格，思路也非常清晰全面。作为经济金融领域的研究者，如果达不到这个水平，甚至只是简单的收集新闻，就可以说拜拜了。”

“其实，早在DeepSeek爆发之前，开源AI技术就已经在金融领域引起了不小的波动。”张然表示，比如业务流程与风控革新方面，DeepSeek出现之前，许多银行和金融机构已经开始利用开源AI模型进行智能客服、信贷审批、风险监测和反欺诈等业务，提高了业务处理效率和精准度。通过自动化和智能决策，金融机构能够降低运营成本并提升服务体验，这在一定程度上改变了传统金融业务的运作方式。

张然还表示，数据驱动与数字化转型方面，开源AI为金融企业提供了更为开放和灵活的技术平台，使得它们能够更快地整合内部数据，开发个性化的金融产品。例如，利用自然语言处理和机器学习技术，金融机构可以更好地进行客户数据分析、市场预测以及风险控制，从而推动数字化转型。这一趋势也让金融业感受到了AI技术带来的“冲击波”。

“像教小孩一样训练AI”

一位金融技术服务认证机构人士对21世纪经济报道记者强调，AI应用包括大模型应用面世已不是一两年了，DeepSeek只是大模型发展到一定阶段后的一个产物，如何“训练”，如何避免伦理和隐私泄露等问题，是需要在发展过程中持续关注的。

“AI和孩子是一样的。你教他什么，他的内核是什么，在不在法律和伦理的框架范围内，怎么训练和控制？这些都很重要。”前述某银行数字金融部人士对记者说道。而这也说明，务必要重视人类在 AI 应用中起到的关键作用。

以目前较多机构接入的应用场景、能第一点触达客户的客服系统为例，该人士进一步称，目前智能语音系统已能进行简单的提醒工作，接入DeepSeek可进一步提升交互性。

“假设你有一笔信用卡逾期，晚了两天还没还款，再过几天就要上征信了，这时银行进行首轮催收，可以用智能语音系统提醒你。如果你想询问罚息，目前一般的语音应答系统或小机器催收不一定答得出来，但是训练DeepSeek后就可以，它可以做记录并与客户互动。每家银行罚息规则、免息规则不同，所以需要‘喂’不同的资料。”

这也体现了人的重要性。不少受访者强调，AI大模型的应用是大势所趋，但当前尚无法替代人类，应用在哪些场景同样由人决定。

“银行展露给客户的只是很小的一部分，真正厉害且核心的是底层产品能力、资本运作管理，就是平衡投资和风险收益的能力。”该人士认为，AI的应用将更侧重于提高用户体验、节约时间和辅助人力，而非替代人类的主观能动性和复杂决策能力。

前述华北某上市城商行普惠金融业务部的人士也表示，人工智能目前只能在硬数据指标上实现审核，而客户软实力，比如信贷的还款意愿方面，还得人为判定。

张然向21世纪经济报道记者表示了同样的看法，他表示，“DeepSeek突破了当前大模型能力的上限” “DeepSeek在各项性能指标上均名列前茅”是目前在DeepSeek应用上存在的两个误区。张然透露，尽管DeepSeek显著降低了使用门槛，且中文处理能力较为出色，但它并未突破大模型能力的根本上限。此外，相比于已有较多应用沉淀的系统，DeepSeek在应用场景支持方面尚弱，需要依赖额外开发和长期积累。

由于人工智能并非全能，社交媒体上有网友据此总结不容易被AI取代的银行岗位：如战略规划、高级投顾、危机处理；人际信任类岗位，如私人银行家、大客户经理；合规与法律岗，因其需要结合政策与伦理判断，AI难以完全替代人类的灵活性，相对不易被取代。

“现在DeepSeek还没有进入信贷核心，信贷核心是不能被挑战的，我们的应用也还在外围，做数据分析、整理，为人工信贷提供更多查询便利。做风控的人对模型是比较保守的状态。”一家金融科技公司人士称，大模型还没有成熟到让信贷风控、保险精算这些环节感到有安全感。

AI幻觉等安全风险不可忽视

让风控、精算等部门有“安全感”，就需要提升大模型安全治理。

近日，北京国家金融科技认证中心副总经理李振与国家工业信息安全发展研究中心许一骏联合撰写的《大模型技术在金融行业的应用及安全治理初探》一文指出，大模型的安全风险问题不容忽视，其中最为关键的是AI幻觉和隐私安全问题。

AI 幻觉问题主要体现在大模型在回答问题时，可能出现相关性、上下文语境一致性以及内容真实性方面的错误，如答非所问、前后矛盾、肆意杜撰等现象。在强监管的金融行业，服务需满足合规要求，服务对象难以容忍生成内容的错误或谬误。此外，金融行业专业化程度高，专业数据和训练模型的专业人士可能存在不足，增加了解决大模型金融应用幻觉问题的难度。

敏感信息泄露引发的隐私安全问题也不容小觑。随着大模型在金融行业的广泛应用，大量敏感的个人信息和资产信息被输入大模型进行处理。在用户传输数据过程中，若存在未加密或传输通道存在漏洞的情况，可能导致信息泄露；在模型处理数据及存储数据过程中，若存在未加密或被攻击的情况，同样可能导致信息泄露。敏感信息的过度使用及泄露可能引发诈骗等危及人身财产安全的风险。

中国政法大学光明新闻传播学院助理教授张璐向21世纪经济报道记者表示，大模型安全治理，可从以下三个层面细化建议：

制度层面，健全制度是大模型安全治理保障，含政策法规和监管举措。一方面，人工智能法律问题难 “一次性” 立法解决，需政策先行、“小步快跑”，依现有经验完善法规。另一方面，合理配监管资源，创新算法审计等监管手段，引导企业兼顾发展与安全，促监管部门和企业良性互动。

技术层面来看，技术应用是关键，可降安全风险。伴随技术发展，应对大模型内容、隐私安全的技术也在进步，如标识生成内容、引入“红队” 机制、用可解释性工具等已成成功实践。当前，理论和实务界重视大模型价值对齐，相关技术方案是治理重点，仍在探索中。

社会层面上，社会协作是底层逻辑，可为大模型 “技术向善” 提供长效机制。该层面重视模型开发者、部署者、使用者、监管者等形成有机整体与良好生态，构建多元共治体系。如 “基于人类反馈的强化学习” 中，公众数字素养提升是大模型安全治理的重要部分。

面对金融业对“DeepSeek 的热潮与追捧，张然表示，DeepSeek对于金融业而言，真正的挑战在于如何实现自身的“深度挖掘”。这种挖掘不仅是对先进技术的追逐，更是要深度融合技术与行业特性，精准结合自身定位与产品优势，从而探索出一条独具特色的发展路径。

（deepseek对此文亦有贡献）

-END-