券商中國
周樂
2025-02-23 20:08
“路漫漫其修遠兮，吾將上下而求索。”
當開源AI大模型DeepSeek一夜爆紅，硅谷知名投資人馬克?安德森將其喻為“AI的斯普特尼克時刻”。這一隱喻，將人們拉回到上世紀60年代，那時蘇聯成功發射斯普特尼克衛星，引發了美國乃至全球的危機感與緊迫感，促使各方全力投入航天領域競爭。如今，DeepSeek的橫空出世正驅動著金融機構開展一場新的數字化轉型競賽。
在數字經濟蓬勃發展的時代浪潮中，數字金融作為“五篇大文章”之一，其戰略意義愈發凸顯。去年末，中國人民銀行等七部門聯合印發的《推動數字金融高質量發展行動方案》，為金融機構的數字化轉型繪制了清晰藍圖。數字化轉型不再是金融機構的可選項，而是關乎生存與發展的“必答題”和搶占市場先機的“搶答題”，以DeepSeek大模型為代表的生成式人工智能（GAI），無疑成為這場轉型競賽中的關鍵助力。
在這場競賽中，中小銀行率先發力。然而，在DeepSeek為金融業帶來提升服務質效、創新業務模式等諸多機遇的同時，也引發了行業內的不同聲音。一方面，它被視為金融人的“上班好搭子”，助力提高生產力；另一方面，也有人擔憂它會“砸飯碗”，部分崗位面臨被替代風險。此外，AI幻覺、隱私安全等潛在風險也如影隨形。如何在擁抱DeepSeek帶來的機遇的同時，有效應對挑戰，實現安全、穩健發展，成為金融業亟待解決的重要課題，這其中最為關鍵的是要重視人在AI中的作用，即“像教小孩一樣訓練AI”。
在記者追索DeepSeek于金融業的意義時，它回答道：在這場始于技術、終于生態的變革中，DeepSeek既不是起點，更非終點——它只是拉開了金融業智能化躍遷的序幕。
接入DeepSeek是必答題和搶答題
“數字化轉型不是金融機構的選擇題，而是必答題和搶答題。”招聯首席研究員、上海金融與發展實驗室副主任董希淼向21世紀經濟報道記者表示。他認為，在當下，數字金融作為“五篇大文章”之一，戰略意義不言而喻。中國人民銀行等七部門聯合印發的《推動數字金融高質量發展行動方案》，明確了數字金融發展的總體要求與具體措施，為金融機構的數字化轉型指明了方向。
董希淼進一步解釋稱，金融機構若想在數字金融領域做好文章，就要利用深度運用以大模型為代表的生成式人工智能（GAI），大力推進數字化轉型，持續創新產品服務，提升用戶體驗，走出差異化、特色化發展道路。從這個角度來看，大模型不僅會成為金融業的數字化勞動力，更將成為推動金融機構數字化轉型、促進數字金融深度發展的重要引擎。
政策推動與技術革命雙重驅動下，金融機構紛紛下場，中小銀行率先發力。
江蘇銀行成為國內首家“吃螃蟹”的機構。據公眾號“江蘇金融科技”2月5日披露，江蘇銀行成功本地化部署微調DeepSeek-VL2多模態模型、輕量DeepSeek-R1推理模型，分別應用于智能合同質檢和自動化估值對賬場景。
北京銀行也不甘落后，基于昇騰系列AI服務器、華為MindIE推理引擎，快速完成了DeepSeek V3和R1滿血模型、R1蒸餾模型和Janus Pro多模態模型推理任務的部署與推理加速調優。針對DeepSeek模型的MoE、MLA等技術特點，北京銀行持續推進并行調度、MTP、融合算子等優化方向，率先實現了DeepSeek全棧國產化金融應用。
“我們科技部門已經準備接入DeepSeek了，先期可能先內部定向開權限使用。”華北地區一家上市城商行普惠金融業務部的人士稱。
除城商行外，農商行同樣積極參與。2月10日，青島農商銀行正式宣布本地化部署以DeepSeek大模型為基座的企業級AI模型服務中臺“智慧Qimi”，應用于網點廳堂數字人、培訓教材文本校驗等場景。次日，重慶農村商業銀行借助騰訊云大模型知識引擎的能力，在企業微信上線基于DeepSeek模型的智能助手應用“AI小渝”，成為首家通過知識引擎構建基于DeepSeek聯網應用的金融機構。
相比而言，大行的動作則較為緩慢。截至2月14日發稿時，六大國有行中，僅郵儲銀行一家正式官宣部署DeepSeek模型。有國有大行華南地區分行人士稱，“剛剛接入DeepSeek，一切還在研究摸索中”；另有國有大行某分行表示：“目前還沒有動作，相比中小銀行，大行決策鏈長，一方面涉及部門多，要論證很久，另一方面還涉及數據安全。”
為何本輪競爭中，中小銀行搶先交卷？上海金融與發展實驗室主任曾剛指出，DeepSeek為中小銀行提供了高性價比解決方案。其一，中小銀行可根據自身業務需求，靈活調整模型參數與功能，開發出更貼合自身場景的應用，如區域性特色業務、普惠金融服務等。其二，DeepSeek具備開箱即用的模型能力，中小銀行無需投入大量資源進行技術研發，便可快速實現部署與應用。其三，中小銀行可直接運用DeepSeek的成熟能力，迅速上線智能風控、合同校驗、客戶洞察等功能，有效縮短從技術引入到實際應用的周期。
一位城商行內部人士亦表示，DeepSeek讓中小銀行看到了打破技術壁壘和“彎道超車”的可能，現在正是“決戰前最安靜的時刻”，大家都在埋頭研發基于DeepSeek的相關應用。他預計這些應用將會在今年四五月份涌現并在業務層面落地。
不過中信銀行信息技術管理部創新科學家張然提醒，要警惕“銀行可直接放棄自行搭建設施轉而使用外部服務”這一誤區。他認為，DeepSeek服務收費低也降低了使用成本，但數據安全和隱私要求這一核心約束依然存在，基于數據隱私和安全的考慮，銀行未來仍不會直接放棄自行搭建設施轉而使用外部服務。
除了銀行業外，券商領域也緊密跟進。據本報記者不完全統計，截至目前，已有至少華安證券、東興證券、光大證券等13家券商接入DeepSeek或完成本地化部署，積極探索大模型在證券業務中的應用。金融科技公司中，例如奇富科技日前對自主研發的大模型產品ChatBI完成關鍵升級，通過與DeepSeek-R1大模型的深度融合，在數據分析和決策支持方面實現重大突破。
是工作“好搭子”
還是來“砸飯碗”的？
DeepSeek爆紅后，金融業界喜憂參半。“DeepSeek真是金融人的上班好搭子”與“DeepSeek干翻金融圈，金融‘牛馬’處境極其危險！”兩種論調并存。
在社交媒體上，不少網友分享了DeepSeek搭配其他軟件提高金融行業人士生產力的攻略。例如，有網友在小紅書上表示要把DeepSeek當“超級實習生”用，比如讓它做數據篩選、資料整理，自己再調整執行等，還有人把DeepSeek當隨時隨地的“導師”用，比如問它“銀行人如何做好合規風控”“我是公司客戶經理，想讓客戶年底進點存款，該怎么說”。更有高端選手把不同的AI當助手互相搭配使用，比如撰寫行業報告時，讓DeepSeek先列舉邏輯框架，再拿著邏輯框架讓豆包去生成文字。
除了對個人工作效率的提升，DeepSeek對行業整體的提效也十分顯著。據本報記者綜合了解，DeepSeek在金融業已實現信息檢索、文檔處理、行業研究及市場研判等多個場景的應用，其中DeepSeek-R1還能提供高效的文檔解析與問答系統。
以青島農商銀行的“智慧Qimi”第一批上線的文章校驗為例，傳統人工檢核的工作模式存在工作量大、檢核不全面、準確率不足等問題，而將大語言模型應用于培訓教材等文本校驗，不僅節省了人力，還提高了校驗的準確性。郵儲銀行表示，在特定測評集/任務上，“小郵助手”使用DeepSeek的蒸餾模型，增加了邏輯推理相關階段，處理效率和客戶體驗相較之前有了較大提升。北京銀行表示，其在業務方面利用大模型技術，打造了AIB小京智能體、“京信妙筆”智能報告等工具，已在信貸、營銷、運營、合規、審計等金融場景落地應用90余個，有效減輕一線員工工作量，提升工作效率和服務質量。蘇商銀行還表示，創新應用DeepSeek-VL2多模態模型后，通過構建“多模態技術+混合專家框架”的創新體系，實現對嵌套表格、影像資料等復雜場景材料的精準解析，將信貸材料綜合識別準確率提升至97%以上，該技術使信貸審核全流程效率提升了20%。
光大證券表示，其自主研發的“光小e”智能服務助手，深度整合DeepSeek在證券業務智能辦理、內部知識智能檢索、專業文本智能生成處理、代碼編寫測試智能輔助、智能構建合規知識圖譜等應用場景，有效賦能員工提升工作質效。中泰證券稱，其基于DeepSeek創建了215個知識庫，落地運營助手、制度庫問答等應用場景，為公司員工提供問答服務，問答精確度超95%，為公司業務智能化發展注入了新動力。
“DeepSeek為金融業帶來了新的可能性。”張然在接受21世紀經濟報道記者采訪時如是說道。作為長期關注前沿信息創新技術的專家，張然指出，DeepSeek在金融服務優化、風險管控升級、運營效率提升以及業務模式創新等方面展現出了巨大潛力。
他表示，接入DeepSeek后，金融機構能夠在智能客服和智能投顧等服務應用上，提升客戶體驗。同時，在風險管控領域，DeepSeek可以通過海量數據的綜合分析，為金融機構提供了更精準的信用風險評估能力，有效降低了信貸違約率。同時，其強大的數據分析能力還能夠實時監測交易異常，提升反洗錢和欺詐檢測的效率和準確性。
張然還提到，DeepSeek在運營效率提升上也是一把好手。他表示，DeepSeek可以處理和分析大量金融文檔、報表等，減少人工操作和錯誤，提高工作效率；同時還可以通過對市場趨勢、客戶需求等的分析，為金融機構制定營銷策略、產品創新提供依據，加快產品和服務的迭代速度。
更為重要的是，DeepSeek正在催生一系列創新業務模式，如AI+運營、AI+產品、AI+資管等。例如，基于DeepSeek構建的數字化金融服務平臺，能夠整合多種金融服務，為客戶提供一站式解決方案，推動金融業向智能化、數字化轉型。
然而，DeepSeek對金融業的沖擊也不容忽視。有網友列出了一份最容易被DeepSeek取代的銀行崗位清單，包括柜員與基礎操作崗、客服與電話銷售崗、風險控制與信貸審批崗、財務與會計崗、數據分析與報告崗。
值得注意的是，DeepSeek對分析師、經濟學家的沖擊同樣顯著。浙商銀行首席經濟學家殷劍峰在朋友圈表示：“讓DeepSeek做了兩道經濟學題目，給出幾近完美的答案和邏輯清晰的推理思路。然后讓它預測未來的美股、美元和黃金價格，思路也非常清晰全面。作為經濟金融領域的研究者，如果達不到這個水平，甚至只是簡單的收集新聞，就可以說拜拜了。”
“其實，早在DeepSeek爆發之前，開源AI技術就已經在金融領域引起了不小的波動。”張然表示，比如業務流程與風控革新方面，DeepSeek出現之前，許多銀行和金融機構已經開始利用開源AI模型進行智能客服、信貸審批、風險監測和反欺詐等業務，提高了業務處理效率和精準度。通過自動化和智能決策，金融機構能夠降低運營成本并提升服務體驗，這在一定程度上改變了傳統金融業務的運作方式。
張然還表示，數據驅動與數字化轉型方面，開源AI為金融企業提供了更為開放和靈活的技術平臺，使得它們能夠更快地整合內部數據，開發個性化的金融產品。例如，利用自然語言處理和機器學習技術，金融機構可以更好地進行客戶數據分析、市場預測以及風險控制，從而推動數字化轉型。這一趨勢也讓金融業感受到了AI技術帶來的“沖擊波”。
“像教小孩一樣訓練AI”
一位金融技術服務認證機構人士對21世紀經濟報道記者強調，AI應用包括大模型應用面世已不是一兩年了，DeepSeek只是大模型發展到一定階段后的一個產物，如何“訓練”，如何避免倫理和隱私泄露等問題，是需要在發展過程中持續關注的。
“AI和孩子是一樣的。你教他什么，他的內核是什么，在不在法律和倫理的框架范圍內，怎么訓練和控制？這些都很重要。”前述某銀行數字金融部人士對記者說道。而這也說明，務必要重視人類在AI應用中起到的關鍵作用。
以目前較多機構接入的應用場景、能第一點觸達客戶的客服系統為例，該人士進一步稱，目前智能語音系統已能進行簡單的提醒工作，接入DeepSeek可進一步提升交互性。
“假設你有一筆信用卡逾期，晚了兩天還沒還款，再過幾天就要上征信了，這時銀行進行首輪催收，可以用智能語音系統提醒你。如果你想詢問罰息，目前一般的語音應答系統或小機器催收不一定答得出來，但是訓練DeepSeek后就可以，它可以做記錄并與客戶互動。每家銀行罰息規則、免息規則不同，所以需要‘喂’不同的資料。”
這也體現了人的重要性。不少受訪者強調，AI大模型的應用是大勢所趨，但當前尚無法替代人類，應用在哪些場景同樣由人決定。
“銀行展露給客戶的只是很小的一部分，真正厲害且核心的是底層產品能力、資本運作管理，就是平衡投資和風險收益的能力。”該人士認為，AI的應用將更側重于提高用戶體驗、節約時間和輔助人力，而非替代人類的主觀能動性和復雜決策能力。
前述華北某上市城商行普惠金融業務部的人士也表示，人工智能目前只能在硬數據指標上實現審核，而客戶軟實力，比如信貸的還款意愿方面，還得人為判定。
張然向21世紀經濟報道記者表示了同樣的看法，他表示，“DeepSeek突破了當前大模型能力的上限”“DeepSeek在各項性能指標上均名列前茅”是目前在DeepSeek應用上存在的兩個誤區。張然透露，盡管DeepSeek顯著降低了使用門檻，且中文處理能力較為出色，但它并未突破大模型能力的根本上限。此外，相比于已有較多應用沉淀的系統，DeepSeek在應用場景支持方面尚弱，需要依賴額外開發和長期積累。
由于人工智能并非全能，社交媒體上有網友據此總結不容易被AI取代的銀行崗位：如戰略規劃、高級投顧、危機處理；人際信任類崗位，如私人銀行家、大客戶經理；合規與法律崗，因其需要結合政策與倫理判斷，AI難以完全替代人類的靈活性，相對不易被取代。
“現在DeepSeek還沒有進入信貸核心，信貸核心是不能被挑戰的，我們的應用也還在外圍，做數據分析、整理，為人工信貸提供更多查詢便利。做風控的人對模型是比較保守的狀態。”一家金融科技公司人士稱，大模型還沒有成熟到讓信貸風控、保險精算這些環節感到有安全感。
AI幻覺等安全風險不可忽視
讓風控、精算等部門有“安全感”，就需要提升大模型安全治理。
近日，北京國家金融科技認證中心副總經理李振與國家工業信息安全發展研究中心許一駿聯合撰寫的《大模型技術在金融行業的應用及安全治理初探》一文指出，大模型的安全風險問題不容忽視，其中最為關鍵的是AI幻覺和隱私安全問題。
AI幻覺問題主要體現在大模型在回答問題時，可能出現相關性、上下文語境一致性以及內容真實性方面的錯誤，如答非所問、前后矛盾、肆意杜撰等現象。在強監管的金融行業，服務需滿足合規要求，服務對象難以容忍生成內容的錯誤或謬誤。此外，金融行業專業化程度高，專業數據和訓練模型的專業人士可能存在不足，增加了解決大模型金融應用幻覺問題的難度。
敏感信息泄露引發的隱私安全問題也不容小覷。隨著大模型在金融行業的廣泛應用，大量敏感的個人信息和資產信息被輸入大模型進行處理。在用戶傳輸數據過程中，若存在未加密或傳輸通道存在漏洞的情況，可能導致信息泄露；在模型處理數據及存儲數據過程中，若存在未加密或被攻擊的情況，同樣可能導致信息泄露。敏感信息的過度使用及泄露可能引發詐騙等危及人身財產安全的風險。
中國政法大學光明新聞傳播學院助理教授張璐向21世紀經濟報道記者表示，大模型安全治理，可從以下三個層面細化建議：
制度層面，健全制度是大模型安全治理保障，含政策法規和監管舉措。一方面，人工智能法律問題難“一次性”立法解決，需政策先行、“小步快跑”，依現有經驗完善法規。另一方面，合理配監管資源，創新算法審計等監管手段，引導企業兼顧發展與安全，促監管部門和企業良性互動。
技術層面來看，技術應用是關鍵，可降安全風險。伴隨技術發展，應對大模型內容、隱私安全的技術也在進步，如標識生成內容、引入“紅隊”機制、用可解釋性工具等已成成功實踐。當前，理論和實務界重視大模型價值對齊，相關技術方案是治理重點，仍在探索中。
社會層面上，社會協作是底層邏輯，可為大模型“技術向善”提供長效機制。該層面重視模型開發者、部署者、使用者、監管者等形成有機整體與良好生態，構建多元共治體系。如“基于人類反饋的強化學習”中，公眾數字素養提升是大模型安全治理的重要部分。
面對金融業對DeepSeek的熱潮與追捧，張然表示，DeepSeek對于金融業而言，真正的挑戰在于如何實現自身的“深度挖掘”。這種挖掘不僅是對先進技術的追逐，更是要深度融合技術與行業特性，精準結合自身定位與產品優勢，從而探索出一條獨具特色的發展路徑。
（DeepSeek對此文亦有貢獻）
