在现有大模型矩阵引入DeepSeek的银行，数量还在增加。截至记者发稿前，除了工行、邮储、建行、招行、浦发等大中型银行，一些地方中小银行、互联网银行也在加快部署DeepSeek大模型，推进其在智能客服、业务流程优化、智能风控等场景的应用。此外，在银行理财领域，也有机构宣布接入，并实现本地化部署。

　　事实上，大模型在金融业务场景的应用还在由浅入深地推进过程中。多位受访业内人士认为，金融机构在探索AI大模型的应用时，通常是“由内而外”的，即先从内部工作提效逐渐拓展至对外客户服务。也有研究人士建议，银行在应用DeepSeek等大模型的同时，更应从战略、技术、人才等多方面完善配套，尤其是中小银行。

　　银行丰富大模型矩阵

　　近段时间以来，DeepSeek模型的“大火”快速席卷至金融行业。以国有大行为例，券商中国记者近日从建设银行获悉，该行已引入DeepSeek模型并定制化训练，积极推进生成式人工智能在全集团的体系化应用，或将集成AI工具供下属机构使用。

　　除了建行，工行近日宣称，该行基于自主研发、全栈自主可控的大模型平台“工银智涌”，在同业中率先引入DeepSeek系列开源大模型底座，并面向全行开放使用。该行在重点领域率先试点，构建财报分析助手、AI财富管家等10余个典型场景。

　　邮储银行(5.270, -0.04, -0.75%)则表示，该行依托自有大模型“邮智”，本地部署并集成DeepSeek-V3模型和DeepSeek-R1推理模型。应用于智能客服“小邮助手”后，新增逻辑推理功能，可精准识别用户需求，提供个性化和场景化的服务方案，加快响应速度和任务处理效率。

　　上述大型银行对DeepSeek模型的布局模式，共性是基于自主研发、全栈自主可控的大模型平台基础上引入并部署，相当于对已有大模型矩阵的丰富。而一些中小银行则受益于开源模型，自主搭建例如办公助手等多场景应用，面向员工体验；而一些银行则更深度探索内部知识库搭建、研发提效、甚至信贷风控模型。

　　券商中国记者了解到，作为互联网银行之一的新网银行，早在2024年5月就在系统研发场景中应用DeepSeek大模型，分别构建了研发知识问答助手与代码续写助手，缩短一线工程师在研发过程中查阅技术资料的耗时。

　　“随着技术的不断进步和成本的进一步降低，大模型将不再是大银行的专属奢侈品，而是能够广泛应用于中小银行等金融机构中。”新网银行副行长兼首席信息官李秀生近日表示，新网银行已在客服领域应用大模型，成功替代了部分人工客服，并正在营销、贷后管理等领域尝试大模型的应用。

　　理财公司“闻风而动”

　　除了在银行、证券、基金、保险、消费金融等金融领域，银行理财公司目前也已经实质性推进了对DeepSeek大模型的应用。

　　据券商中国记者获悉，建行旗下建信理财已开始研究DeepSeek在理财业务部分场景的应用。此外，近期光大理财表示，在风险中台完成了对DeepSeek蒸馏模型的本地化部署。

　　光大理财表示，经过数轮实践应用检验，发现DeepSeek蒸馏模型在合同信息比对、决议信息校验等方面展现出了强大的智能检索、校验能力，提升了审核人员的信息识别和数据比对效率。该公司称，后续将进一步推进DeepSeek全尺寸模型的部署，探索其在内容比对、信息披露、行业研究等多个关键业务场景中的创新应用。

　　还有一些理财公司，其尚未正式引入DeepSeek大模型基座，但宣称ds引起了其对中国科技资产战略价值的重新审视。包括中邮理财、招银理财、兴银理财、渤银理财在内的多家机构已布局科技主题理财产品。

　　中邮理财表示：作为人工智能领域的新晋顶流，DeepSeek也让科技投资的热度再次飙升。科技行业虽然充满机遇，但也伴随着高波动性。如何在抓住科技红利的同时，有效控制风险？其相关产品创新采用红利科技轮动策略，为投资者打造科技投资产品。

　　也就是说，银行理财正试图从系统的部分场景（风控）和资产端，瞄准DeepSeek带来的发展机遇。

　　某AI大模型厂商金融业务负责人此前对券商中国记者介绍，在资管领域，AI大模型可应用于多种场景，例如提供资产配置方案建议，分析组合资产特点、分析收益与风险；提供个性化财务规划，推荐合适的金融产品；根据市场实时动态，优化投资策略等。

　　应用场景由浅及深

　　国内一家云计算厂商金融业务总经理对券商中国记者表示，金融行业对于大模型的应用需求，从原来仅用于知识库搭建和写代码等内部提效场景，逐渐扩展到应用于对外业务中，例如投资研究、投资者教育、投资顾问等。在银行领域例如贷款审批、尽职调查，帮助银行科技部门或业务部门搭建自身业务所需的智能体，实现工作流程半径缩短甚至重构。

　　目前DeepSeek的应用场景，邮储银行的介绍具有一定代表性。据该行介绍，在远程银行服务领域，利用多步骤推理优化能力，增强手机银行陪伴式数字员工能力，优化坐席助手与智能陪练，提升客服专业性和工作效率；在公司金融领域，探索产业链场景，完成复杂的业务推理流程、产品推荐、产品组合推荐、股权分析及财务分析等功能；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等。

　　腾讯云副总裁胡利明观察到，目前多家金融机构在探索DeepSeek应用场景时，通常是“由内而外”的。即先从内部部分场景试点，起到提高效率的作用，再开始对外开展客服，而不是直接跨到对外客服领域。

　　“目前对大模型的应用，暂时都还没有涉及对精确性、准确性特别高的交易领域，现在没有到这个阶段。因为目前其精确性还需要再提升，相应的法律法规也要继续完善。” 胡利明对券商中国记者说。

　　胡利明总结，目前DeepSeek在代码助手、知识引擎、智能客服助手、风控领域的应用，相对来说较多，包括保险领域的营销和产品咨询、证券领域的投研和舆情分析、信贷领域的信审报告撰写、远程尽调等场景，都已经有不同程度的试点应用。

　　警惕“技术依赖”

　　金融业快速应用AI大模型等技术，助力其数字化转型的同时，信息安全、自身体制机制的变革等问题也受到关注。

　　上海交大深圳行业研究院首席科学家蒋炜赞表示，以大模型为代表的AI能力，目前仅适用于流程化和标准化较突出的业务场景。即便已经在风控场景已有较为成熟应用的银行业数据操作系统，依旧不能脱离人的经验独立操作。他强调，基于银行业务流程性和合规性两大特性，大模型在扩展应用场景的过程中，信息安全变得尤为重要，相关应用主体需构筑数据隔离墙。

　　招联首席研究员董希淼认为，金融机构在应用大模型过程中，应将强化数据信息安全和隐私权保护的理念，以最严格的标准和最严密的措施确保数据信息和隐私安全。

　　此外，董希淼认为，部署应用DeepSeek等大模型，对农商银行等中小银行来说并非“一招鲜”，更难以“一键复制”，银行在数字化转型过程中，应该避免形成“技术依赖”“模式依赖”。而更应该从战略、技术、人才等多方面完善配套，应从自身资源禀赋出发，聚焦发展方向和业务重点，走出一条差异化之路。

　　新网银行副行长李秀生也认为，大模型时代的来临，要求银行从人工智能的充分应用角度，思考如何重塑银行的经营管理和流程。整体来看，商业银行需从战略层进行思考，同时考虑算力、数据、算法以及应用等多方面因素。