风头正盛的开源AI大模型DeepSeek的“金融朋友圈”正不断扩容。
据不完全统计，包括江苏银行、苏商银行、重庆农商行等中小银行机构，新华保险等保险机构，中信建投、国泰君安等券商，以及汇添富、富国基金等公募基金公司在内的金融机构纷纷“尝鲜”DeepSeek，探索相关应用场景。
在这场接入DeepSeek的浪潮中，中小金融机构的身影随处可见。在部分从业者看来，DeepSeek可能为中小金融机构提供“弯道超车”的契机。“中小金融机构往往面临资源有限、技术积累不足的问题，DeepSeek的开源性质为它们提供了快速追赶的可能。通过采用DeepSeek，中小金融机构能够以较低的成本获得先进的AI能力，从而在客户服务、风险管理等方面实现显著提升。”中国信息协会常务理事、国研新经济研究院创始院长朱克力在接受《金融时报》记者采访时表示。
机构争相布局 应用多点开花
1月20日，DeepSeek上线并开源DeepSeek-R1。基于其在数学、代码、自然语言推理等任务上的超强性能，以及低成本、开源优势，DeepSeek-R1一经发布便引发国内外广泛关注。随后，各行各业“跑步上车”，金融机构亦加紧推进DeepSeek系列模型的本地化部署，应用场景多点开花。
例如，邮储银行将在“邮智”大模型基础上，借助DeepSeek的技术能力，进一步探索其在金融场景的更多特色化服务应用。比如，在风险防控领域，高效分析并自动生成案件分析报告，提升可疑点识别效率与准确性，增强反欺诈主动防御能力。
国泰君安表示，已完成DeepSeek-R1模型的本地化部署，并应用于“君弘灵犀”大模型中，赋能智能问答、智投服务、投教、行业研究、市场分析、合规风控等多个核心业务场景。
北大方正人寿正式上线基于DeepSeek大模型的智能展业助手——“方灵”。初期“方灵”助手将解锁“知识智能检索”的基础功能，作为E行销智能助手，为代理人提供涵盖保险基础概念、法律法规、监管政策、保险产品销售理念、保险行业发展趋势等内容的全方位解答。
“DeepSeek之所以能够迅速吸引金融机构的目光，首先在于其开源的特性。”上海金融与发展实验室首席专家、主任曾刚在接受《金融时报》记者采访时表示，与传统封闭式AI模型不同，DeepSeek通过开放代码和模型架构，为用户提供了更大的自由度和可定制性。这种开放性使得金融机构能够根据自身需求，灵活调整模型的功能和性能，从而开发出更贴合业务场景的解决方案。例如，银行可以利用DeepSeek优化风险评估模型，证券公司可以通过其提升市场预测的精度，而保险公司则可以借助其改进理赔流程的自动化程度。
从业内反馈来看，DeepSeek在提升服务效能、升级风控能力、提高运营效率、创新业务模式等多个方面展现出巨大的潜力。
苏商银行表示，创新应用DeepSeek-VL2多模态模型，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%。
朱克力表示，作为开源AI大模型，DeepSeek为金融业带来前所未有的灵活性，金融机构可根据自身需求进行定制和优化，降低对外部供应商的依赖。同时，DeepSeek有望解决金融大模型发展面临的算力、成本等挑战，通过高效的算法和架构设计，提升运算效率，降低部署成本，使得金融机构能更经济地利用AI技术提升服务质量和风险管理能力，开创新的业务模式。
中小机构迎补短板契机
据了解，与传统大模型动辄千万乃至上亿的投入而言，银行本地化部署DeepSeek的成本可以低至不足百万元。在一些金融从业者看来，DeepSeek可能为中小金融机构提供了一次“弯道超车”的机会，更多中小银行将因此受益。
“传统AI模型的训练和部署往往需要巨大的计算资源和资金投入，这对许多中小型金融机构来说是难以承受的。而DeepSeek的出现，为这一问题提供了新的解决方案。”曾刚表示，传统上，金融科技的高门槛让中小机构难以参与竞争，而DeepSeek等工具的普及可能降低技术使用的门槛，使中小机构能够以较低的成本获得先进的技术能力，这种“技术民主化”有助于缩小中小机构与大型机构之间的差距。通过部署DeepSeek等技术工具，中小金融机构可以获得高效的数据挖掘、分析和预测能力，进而能够快速获取市场洞察，优化决策流程，从而在某些细分领域实现突破。
曾刚也指出，DeepSeek作为一种新兴的技术工具，确实可能为中小金融机构弥补短板，并获得一些发展机遇。但“弯道超车”可能并不现实，毕竟大机构使用相同的工具，能力可能更强。另外，中小金融机构在使用这类技术时也面临一些挑战：一方面是数据质量与隐私问题，中小机构的数据积累可能不足，数据质量参差不齐，同时还需应对数据隐私和合规风险；另一方面是技术依赖与竞争压力。过度依赖外部技术供应商可能导致核心竞争力不足，且大型机构也可能迅速采用类似技术，进一步加剧竞争。
当前生成式AI虽然已经有了重大突破，但AI幻觉仍是普遍问题，DeepSeek也不例外。有使用者在社交媒体上晒出了其在向DeepSeek提问“推荐几家新开的网红店”时，得到了“瞎编的谎话”——DeepSeek编造了根本不存在的地方，其推荐的地址和卖点都是假的。
当记者询问“为什么会一本正经的胡说八道时”，DeepSeek给出了这样的回答：DeepSeek作为一个大型语言模型，虽然经过大量数据训练和算法优化，但在生成内容时仍可能出现不准确或错误的情况。这种现象主要由以下几个原因导致：数据依赖特性，语义关联局限，表达机制特点，技术发展阶段。同时，它给使用者提出的使用建议为：对专业领域内容保持验证习惯，提供更明确的上下文约束条件，使用最新知识检索功能辅助判断。
曾刚表示，AI幻觉是指生成式AI在缺乏真实数据支持时，可能生成不准确甚至虚假的信息。在金融领域，这种问题可能带来严重后果。例如，在风险评估中，AI可能基于错误的推断生成虚假的风险预测，导致决策失误；在客户服务中，AI可能提供不准确的金融建议，损害客户利益。这种现象不仅影响金融机构的运营效率，还可能引发法律和声誉风险。应对AI幻觉的技术路径包括引入领域知识约束，多模态数据验证，强化人机协作，以及动态优化与反馈机制。
“尽管生成式AI取得重大突破，但AI幻觉和数据安全、隐私保护问题仍需重视。”朱克力表示，在金融领域应用大模型时，应建立完善的数据验证和纠错机制，确保AI生成的信息准确无误。同时，需加强数据加密和访问控制，确保数据在传输、存储、处理过程中的安全性。此外，金融机构还应遵循相关法律法规，确保客户隐私得到充分保护。通过技术手段与制度建设相结合，金融领域可以在享受AI带来便利的同时，有效应对这些挑战。
来源：金融时报客户端 原文标题《好用吗？金融机构实测DeepSeek！》记者：徐贝贝 编辑：段嘉希风险提示及免责条款
市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。
