2025年1月，人工智能公司深度求索（DeepSeek）发布推理模型DeepSeek-R1，因其高性能和开源的特性迅速掀起新一轮对人工智能产业发展的关注。《金融时报》记者了解到，DeepSeek已迅速接入银行业，并带来效率的提升。

在2024年业绩发布会上，多家商业银行谈及已完成DeepSeek大模型在行内的部署运行，在智慧办公、智慧营销等领域进行应用，并取得了良好的效果。

“当前，以DeepSeek为代表的人工智能大模型持续赋能银行等金融相关领域，有望为金融行业数字化转型提供关键助力。”中国银行研究院研究员刘晨表示。在大力发展数字金融的背景下，以人工智能为代表的科技力量，正推动银行业加速变革。

商业银行迅速引入DeepSeek

国产大模型DeepSeek代表的人工智能技术正在银行业掀起一场效率与体验的变革。

业绩发布会上，当被问及“人工智能模型”部署时，工商银行副行长张守川告诉记者，近期工行已率先完成DeepSeek大模型私有化部署，并接入工行自己的“工银智涌”大模型矩阵体系，进一步丰富了工行的新质生产力版图。

农行也在积极跟进。据农业银行行长王志恒介绍，该行已完成DeepSeek全系列大模型在行内的部署运行，并在智慧办公、智慧营销等多个领域进行了深入应用，目前取得了良好效果。

“中国银行完成DeepSeek-R1模型的内部部署，并且用中国银行的数据进行推理和调优。”中国银行副行长蔡钊表示，该模型已向行内员工开放，进行场景探索，并深入推进其在营销助手、远程银行、授信报告生成等场景的应用。

建行也在2月份对该模型在生产环境方面进行私有化部署。“截至目前，建行金融大模型应用已经覆盖全集团一半以上员工、46个业务领域、200多个场景，大幅提高了员工的工作效率和工作质量，并且能够有效控制部分领域的风险。”建设银行首席信息官金磐石表示。邮储银行自有大模型“邮智”通过引入并应用DeepSeek能力，在复杂多模态、多任务处理、算力节约、效能提升等方面得到进一步增强。

国有大行积极推进，股份制银行和城商行也在加速引入DeepSeek。“招行非常重视大模型。R1和V3两个模型推出不久，就在招行私有云上实现了全尺寸模型的部署，并且构建了对模型的后训练能力，可以针对金融场景特殊需求，对模型进行微调。”招商银行首席信息官周天虹表示。

目前，浦发银行、平安银行、北京银行、江苏银行等均已宣布引入DeepSeek大模型并探索开展相关应用。据了解，这些应用场景包含营销领域的智慧员工、客户经营管理领域的工单生成、信用风险管理领域的客户调查报告自动生成、支付结算领域的报文智能翻译、IT研发领域的代码检查等。尤其是在数字化营销和数字化风控领域，正通过数据分析、决策支持等加速实现效率释放与创新突破。

模型应用带来效率显著提升

事实上，以银行为代表的金融行业一直被视为最适合大模型应用的领域之一。尤其是商业银行拥有大规模、高质量的数据资源，其多元化业务也为DeepSeek等模型赋能提供了丰富场景。近年来，银行业对金融大模型的探索与应用已颇有进展。

“2024年，工商银行人工智能替代的工作量已经超过4.2万人/年。”张守川表示，工商银行正推动人工智能大模型规模化应用，已实现大模型在行业20多个主要业务领域规模化应用，落地场景超过200个。交通银行构建了千亿级金融大模型算法矩阵，完成了大小模型场景建设超过100个，全年释放劳动力超过1000人。周天虹介绍称，2024年，招行通过大模型应用创造的生产力相当于超5000人的全职人力，已经形成了有规模的力量。

“生成式AI大模型在银行业的应用场景可以贯穿前、中、后台各个环节，规模化应用有望带来可观的降本增效收益。”刘晨表示。据他观察，DeepSeek通过应用于精准营销、理财顾问、贷前风控、信用评估等核心领域，带动银行各类业务效率明显提升。

例如，工行在结算金融领域引入AI顾问，客户咨询响应时间节省79%。招行研发的大模型助手通过辅助客户经理编写尽调报告、辅助贷款审批等，将每笔贷款的处理时效提升54%。邮储银行通过智能“小邮助手”赋能营销、运营、风控、办公等环节，使业务办理时长缩短约20%。

在风控领域，AI技术的赋能效果十分明显。“例如，在授信审批领域，金融大模型可以根据预设的财会专家思维链，对公司客户的财务状况进行分析，自动生成全面、高质量的财务分析报告，助力客户经理更加专业地进行财务分析，使这项工作从过去的数小时甚至数天，压缩到分钟级别。”金磐石表示。

据平安银行党委书记、行长冀光恒介绍，该行利用大数据和机器学习技术构建智能风控模型，并实时检测可疑交易，识别潜在的欺诈行为。当前，平安银行零售AI风险平台日均处理信贷审批业务400万次，自动化审批率达到91%以上，反欺诈准确率达到99%。

可以预见的是，随着商业银行对金融大模型、GPU新型算力等投入增加，金融大模型能力正在快速迭代，在业务场景的应用效果也将随之得到快速提升。

机遇与挑战 审慎与平衡

在业内人士看来，银行业人工智能技术应用正在步入全面赋能的新周期。尤其是DeepSeek模型低成本、高性能、开源化的特点，符合“轻量化+垂直化+开放协同”的行业探索路径。

“DeepSeek大幅降低了AI大模型的应用门槛。中小银行可以选择与金融科技服务商合作，通过接入DeepSeek开源大模型，运用混合专家系统等降低算力消耗，从而减少研发成本、突破技术门槛，并借助二次开发对接业务场景需求，缩小与大行数字服务能力的差距。”刘晨表示。更为重要的是，DeepSeek的开源模式允许金融部门根据业务需求灵活调用和部署不同参数、功能的模型，使得大型金融机构可以在前期基础上推动业务价值链向高端延伸；中小金融机构可以加快入局，有助于推动AI技术普惠化，助力商业银行降低金融科技成本。

人工智能技术在推动科技生态协同发展方面也大有助益。当前，已有多家银行与科技企业共建联合实验室，加快推动技术落地应用。

值得关注的是，在追求效率提升的同时，AI的局限性也不容忽视。当前，AI幻觉、数据隐私、模型不可解释性等难题仍摆在面前，银行在构建人工智能产业链进程中，也面临着资源投入、技术适配、人才、监管等多方面的挑战。

从畅想到落地，仍然需要小步快走。“实事求是地说，考虑到当前人工智能在应用上还存在一些不确定性，甚至可能会存在一些AI幻觉，所以我们的基本策略是先对内、后对外，先局部、后整体，把降成本和控风险作为优先考虑的事项。”交通银行副行长钱斌表示。

商业银行对AI平台的应用普遍按照“先内后外”策略，在确保安全的前提下，加强开放合作，逐步推动人工智能在金融业的深度应用。

“作为重要的战略方向，建设银行会本着积极、稳慎的原则持续推进金融大模型的建设与应用。”金磐石表示。建行高度重视大模型技术的安全合规与价值对齐，遵循严格的安全规范和科技伦理标准，通过强化学习、检索增强和敏感词过滤机制，确保大模型生成内容可控、可信，通过集成向量知识库、内外部可信搜索等方式最大限度减少大模型“幻觉”等问题。

对银行的考验或许在于，既要在技术探索与安全保障间找到平衡，也要在AI热潮中保持定力，依据自身特点对AI布局作出冷静判断。