借着国内科技和大模型突破的东风，中国银行业正掀起一场以AI大模型为引擎的自我革新浪潮。
在这场变革中，DeepSeek大模型犹如一柄"金融科技手术刀"，被工商银行、邮储银行、浦发银行等大行、股份行纳入技术底座，更成为新网银行、众邦银行等互联网银行的数字化抓手。
从浦发银行全栈国产化部署到桂林银行的"数智魔方"降本增效，从工行积极运用财报分析助手进行复杂推理到青农商行"智慧Qimi"中台的秒级决策。这场由大模型驱动的效率革命，或许有机会在未来重构银行业的服务范式。
工行：统一入口、丰富大模型矩阵
借助Deepseek，国有大行进一步丰富提升了了自主可控的大模型平台。
工商银行称，此前已率先建成全栈自主可控的千亿级金融大模型技术体系，打造“工银智涌”大模型品牌，构建“商用+开源”金融行业大模型矩阵，领跑行业创新应用。
在2024年上半年，工商银行已经开始在行内部署并试点应用DeepSeek系列开源大模型，本次引入的DeepSeek最新开源大模型具备行业领先的复杂推理能力，进一步丰富了工商银行大模型矩阵，以工银智涌为统一入口，为全行员工提供更加高效、便捷、安全的AI生产力工具，实现了AI技术在全行的普及应用。
在DeepSeek最新开源大模型引入过程中，工商银行通过一系列技术创新手段显著提升模型部署效率，压降推理成本，提高吞吐量。工商银行通过在重点领域率先试点，实现应用突破，充分发挥DeepSeek开源大模型在强推理与复杂数据处理等方面的优势，构建财报分析助手、AI财富管家等10余个典型场景，推动业务流程智能化升级，有效提升工作质效。
邮储：第一时间本地部署并集成
邮储银行依托自有大模型“邮智”，第一时间本地部署并集成DeepSeek-V3模型和轻量DeepSeek-R1推理模型。“邮智”大模型通过引入并应用DeepSeek能力，复杂多模态、多任务处理、算力节约、效能提升等方面将得到进一步增强。
邮储银行首先将DeepSeek大模型应用于“小邮助手”，新增逻辑推理功能，增强精准服务效能；通过深度分析等功能，精准识别用户需求，提供个性化和场景化的服务方案；借助高效推理性能，加快响应速度和任务处理效率，为用户提供更流畅的交互体验。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。在远程银行服务领域，在公司金融领域，在风险防控领域，在网点金融服务领域，探索AI端侧创新应用，助力客户体验提升。
浦发银行：率先实现全栈国产化算力平台+DeepSeek大模型
浦发银行在昇腾服务器上部署DeepSeek-R1 671B千亿级大模型，在业内率先实现全栈国产化算力平台+DeepSeek大模型的金融应用。
具体来说，浦发银行基于昇腾Atlas 800T A2算力集群，快速完成DeepSeek-R1 671B大模型的部署，融合“五横六纵”企业级知识库，嵌入数字员工助手应用，赋能智能问答、指标问答、财务分析、报告写作等多个应用场景。对内更好地赋能员工，对外更好地服务客户，全面提升数字金融服务能力。
江苏银行：积极运用大模型重塑金融服务模式
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，分别运用于智能合同质检和自动化估值对账场景中，通过对海量金融数据的挖掘与分析，重塑金融服务模式，实现金融语义理解准确率与业务效率双突破，为业务发展注入强劲动力。
据悉，江苏银行于2023年率先研究并开发出行业级大语言模型服务平台“智慧小苏”。此次通过引入DeepSeek大语言模型，“智慧小苏”在复杂多模态、多任务场景处理能力、算力节约、效能等方面得到进一步提升。DeepSeek-VL2多模态模型，能够同时处理文本、图像、语音等多种数据类型，较单一领域模型部署节约了算力成本，为进一步解决金融领域复杂的多模态场景问题（如票据识别、合同解析等）提供了技术基础；DeepSeek-R1模型，在模型规模和性能上具备显著优势，为处理复杂任务（如风险评估、投资分析）和生成高质量文本（如报告撰写、合规审查）提供更优解决方案。
互联网银行：积极升级智能客服
天生具备技术优势的互联网银行，显然也属于积极拥抱的一批。
中信百信银行自2023年初，便大力推进大模型技术智能客服助手、智能风控等多个场景的落地应用。在DeepSeek系列模型的强大支撑下，中信百信银行智能代码助手能力焕新升级，提升研发效率与质量。此外，根据用户反馈，算法团队持续对模型进行微调，以行内实际业务场景中的问题和解答为样本对模型进行针对性训练，使模型在语言风格、业务逻辑等方面更贴合中信百信银行的研发需求。截至目前，周均提问数突破上千人次，回复准确率高达91%，成为研发人员不可或缺的得力助手。
新网银行积极拥抱DeepSeek等大模型，打造基于大模型的智能服务平台“识卷”，通过深度融合多模态数据处理能力，解决新市民客户个性化授信难、车抵房抵等抵押业务流程复杂的问题，提升服务质效。目前，新网银行通过发展战略、应用场景、模型建设和算力搭建几个方面的努力，快速跟进大模型探索实践。在智能客服、贷后管理、智能营销、智能研发、风险控制等多个领域，新网银行依托DeepSeek等大模型技术，建设了一系列智能化助手，深入应用于多个效率瓶颈环节。
众邦银行于2025年2月6日完成了DeepSeek本地化部署，首期开始在ChatOPS、智能招聘以及问数精灵等场景展开应用。ChatOPS是众邦银行以开源大模型为基座，深度融合运维专业知识库，打造的智能IT服务助手。目前，ChatOPS已升级为DeepSeek R1模型，并集成至企业微信，用户可一键触达高效服务。据介绍，升级后实现效能跃迁，问题解决效率提升50%，响应速度缩短至秒级，人力成本降低30%；而且精准可靠，答案准确率超85%，故障处理周期压缩60%，为业务连续性保驾护航。
农商银行：首批部署多个典型场景
日前，青岛农商银行（以下简称青农商行）深入推进大模型技术在金融领域的创新应用，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”，分别应用于网点厅堂数字人、培训教材文本校验等场景，重塑对外服务和对内管理模式，推动全行数字金融发展进一步智能化升级。
此次通过引入DeepSeek-R1大语言模型，结合原有大模型技术能力，“智慧Qimi”在模型轻量化与高效推理方面取得显著突破，为复杂、高频业务场景提供更优解决方案。基于DeepSeek的模型特性，青岛农商银行“智慧Qimi”第一批已上线智能问答、报告撰写、文章校验等六个场景。
北京农商银行在大模型技术研发与落地应用领域持续深耕，积累了丰富的技术储备和应用经验，并开展了“基于开源大模型应用”课题的研究工作。通过积极探索，将AI技术融入业务及内部管理链条，涵盖智能交互问答、工单信息智能提取、智能化题库构建、代码辅助开发及自动化测试案例生成等多个应用场景，显著提升了业务效率与创新能力。
