蛇年春節(jié)前后，DeepSeek公司推出旗下包括V3大模型、R1大模型等一系列大語言模型，較市面上已有的大模型，其訓練成本更低，引起了“狂卷”大模型的銀行機構的注意。第一財經記者發(fā)現(xiàn)，郵儲銀行、北京銀行、重慶銀行、江蘇銀行、蘇商銀行、重慶農商行等多家銀行機構近期紛紛完成了DeepSeek的本地化部署。

業(yè)內人士表示，當下銀行業(yè)對大模型的應用主要是為了建立內部使用的助手，以提高員工的辦公效率。在銀行業(yè)競相接入大模型的當下，將有更多銀行機構探索與DeepSeek公司合作，接入V3大模型、R1大模型等一系列大模型。對于銀行來說，在接入最新大模型提高效率的同時，還要注意數(shù)據(jù)安全、信息泄露、文本幻覺等風險。

銀行探索多場景應用

從智能風控、個性化服務、網(wǎng)點運營，再到多種遠程服務，銀行與DeepSeek的合作正向多場景應用拓展。

郵儲銀行2月8日透露，通過本地部署的方式，旗下“郵智”大模型集成了DeepSeek-V3模型及輕量級的DeepSeek-R1推理模型。郵儲銀行率先將DeepSeek大模型應用于“小郵助手”，實現(xiàn)了以下創(chuàng)新突破：一是新增邏輯推理功能，顯著提升精準服務效能；二是通過深度分析功能，能夠更精準地識別用戶需求，進而提供個性化、場景化的服務方案；三是憑借高效的推理性能，大幅加快響應速度和任務處理效率。

借助DeepSeek的技術能力，郵儲銀行布局多金融場景特色化服務，例如，在遠程銀行服務領域，通過引入多步驟推理優(yōu)化能力，進一步強化手機銀行的陪伴式數(shù)字員工功能，同時對坐席助手和智能陪練系統(tǒng)進行優(yōu)化升級，從而顯著提升客服的專業(yè)性與工作效率。

“我行與華為緊密合作，成功引入并部署了DeepSeek系列大模型。目前，該模型已在AIB平臺的京行研究、京行智庫、客服助手、京客圖譜等多個核心業(yè)務場景中開展試點應用，顯著提升了基于知識驅動的大模型服務質量和效率。”北京銀行人士表示。

江蘇銀行在其數(shù)字金融官微發(fā)布公告稱，該行已應用DeepSeek大語言模型。公告提到，依托“智慧小蘇”大語言模型服務平臺，該行本地化部署微調DeepSeek-VL2多模態(tài)模型、輕量DeepSeek-R1推理模型，分別運用于智能合同質檢和自動化估值對賬場景。

江蘇銀行人士表示，通過應用R1推理模型，結合郵件網(wǎng)關解析處理能力，實現(xiàn)郵件分類、產品匹配、交易錄入、估值表解析對賬全鏈路自動化處理，識別成功率達90%以上，目前已初步實現(xiàn)業(yè)務集中運營，按照平均手工操作水平測算，每天可節(jié)約9.68小時工作量。

重慶農村商業(yè)銀行則宣布在其企業(yè)微信上線基于DeepSeek模型的智能助手應用“AI小渝”，未來將應用在智能風控、場景金融、數(shù)據(jù)決策等場景中，實現(xiàn)構建分鐘級響應的智能客服系統(tǒng)，結合知識庫實現(xiàn)個性化財富管理建議等。

蘇商銀行人士向記者透露，該行憑借對DeepSeek系列模型技術的深度整合，打造了“數(shù)據(jù)算法、算力、場景”四輪驅動的智能決策系統(tǒng)。目前，該系統(tǒng)已在信貸風控、反欺詐監(jiān)測等20多個業(yè)務場景中落地應用，盡調報告生成效率提升40%。

有望縮小“技術鴻溝”

近年來，銀行為自研金融大模型投入了巨大資源，而中小銀行則無法跟上大型銀行接入大模型的步伐，其中的“技術鴻溝”越拉越大。業(yè)內人士認為，憑借DeepSeek較低的算力需求和訓練成本，能為中小銀行帶來機會，有助于縮小與大型銀行的技術差距。

“DeepSeek的大模型技術具備強大的推理能力、高效的計算性能，推理成本又比較低，很適合在特定場景下實現(xiàn)高頻調用和落地應用，為中小銀行在人工智能領域的應用和發(fā)展提供了有力支持。”某城商行人士對記者表示。

根據(jù)浙商證券發(fā)布的研報，DeepSeek-V3大模型整個訓練過程用了不到280萬GPU（圖形處理器）小時，相比之下，美國互聯(lián)網(wǎng)巨頭Meta發(fā)布的Llama3-405B的訓練時長是3080萬GPU小時。從訓練成本來看，DeepSeek-V3約為557.6萬美元，而OpenAI為聊天機器人ChatGPT發(fā)布的語言模型GPT-4的訓練成本則達到數(shù)億美元。

較低的訓練成本為中小銀行跨越“技術鴻溝”帶來機會。上海金融與發(fā)展實驗室主任、首席專家曾剛指出，DeepSeek為中小銀行提供了一種高性價比的解決方案。首先，中小銀行能夠根據(jù)自身業(yè)務需求，靈活調整DeepSeek模型的參數(shù)和功能。其次，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(fā)，即可快速部署并應用大模型。最后，中小銀行可以直接利用DeepSeek的成熟技術，快速上線智能風控、合同校驗、客戶洞察等功能，顯著縮短從技術引入到實際應用的周期。

“未來，預計將有更多持牌金融機構加入AI升級的浪潮，通過提升傳統(tǒng)金融業(yè)務的質效，進一步保障金融安全和用戶資金賬戶的安全。”素喜智研高級研究員蘇筱芮指出，DeepSeek模型具備多元化的應用能力，不僅在邏輯推理和自然語言處理方面表現(xiàn)出色，還能夠實現(xiàn)高性價比的部署。人工智能大模型在智能營銷、智能風控等多個細分場景中展現(xiàn)出廣闊的應用前景。

不過，目前銀行仍處于探索DeepSeek大模型技術應用的初期階段。據(jù)記者了解，銀行業(yè)對大模型的應用主要集中在內部場景，比如智能代碼編寫、內部AI辦公、智能客服等中臺運營管理，以此來提升員工工作效率，但并未涉及賬戶交易等核心業(yè)務的應用。

此外，雖然DeepSeek能夠在一定程度上幫助中小銀行縮小與大型銀行在大模型應用方面的差距，但大型銀行在資源投入、生態(tài)構建以及數(shù)據(jù)積累等方面的優(yōu)勢仍然十分突出。

數(shù)據(jù)風險、“幻覺”挑戰(zhàn)

大模型技術提升銀行工作效率的同時，可能帶來的風險也不容忽視。最受關注的便是數(shù)據(jù)隱私與安全問題。“大模型的應用意味著要處理大量個人和企業(yè)的數(shù)據(jù)，增加了信息泄露的風險，客戶的信息泄露后可能會被非法獲取用于詐騙活動等，導致銀行聲譽受損。”有銀行業(yè)人士對記者表示。

記者注意到，DeepSeek的隱私政策中包含電子郵件地址、電話號碼、擊鍵模式等個人隱私數(shù)據(jù)收集。近日，DeepSeek的ClickHouse數(shù)據(jù)庫因配置錯誤而暴露，導致敏感信息泄露。該數(shù)據(jù)庫暴露了超過100萬條記錄，涵蓋聊天記錄、API密鑰、操作日志等高度敏感的信息，并且由于未配置身份驗證機制，這些數(shù)據(jù)任何人都可以隨意訪問。隨后，DeepSeek遭意大利個人數(shù)據(jù)保護局詢問，并從應用商店下架。

上海段和段律師事務所高亞平律師認為，各國的監(jiān)管機構正在加強對大模型數(shù)據(jù)處理活動的監(jiān)督，但確保管理體系能夠有效應對合規(guī)要求并非易事，在數(shù)據(jù)處理的完整生命周期中，AI算法、爬蟲技術的使用，使得合規(guī)的技術目標變得難以捉摸，給大模型數(shù)據(jù)治理帶來新的挑戰(zhàn)。

“幻覺”問題是另一大挑戰(zhàn)。記者注意到，目前已有使用者發(fā)現(xiàn)DeepSeek存在一本正經地“胡說八道”的情況。例如，在生成學術論文材料時，DeepSeek會生成不存在的材料，或指向無關的論文。業(yè)內人士對記者表示，大模型目前面臨的“幻覺”問題，其主要根源在于訓練數(shù)據(jù)的污染。

清華大學計算機科學與技術系教授孫茂松認為，盡管生成式人工智能在生成流暢文本方面表現(xiàn)優(yōu)異，但由于缺乏真正的理解能力，在數(shù)據(jù)匱乏或信息不明確的情況下，可能會生成不準確甚至虛假的內容。“幻覺”在高精度任務中可能會帶來嚴重的限制。

上述金融業(yè)人士表示，在金融領域，由于對數(shù)據(jù)精度的要求極高，同時需要確保模型的可解釋性以及嚴格的風險控制，金融機構在應用大模型時往往表現(xiàn)得較為謹慎。

在北京大學智能學院教授王立威看來，大模型的“幻覺”現(xiàn)象是一種內在特性。當前的大模型主要通過從海量數(shù)據(jù)中學習來構建其能力，本質是一種基于統(tǒng)計的方法。由于這種方法是基于統(tǒng)計規(guī)律而非邏輯推理，因此無法保證輸出結果100%準確。

“為解決這一問題，一方面需要從軟件工程的角度出發(fā)，優(yōu)化算法，提升數(shù)據(jù)質量，從而提高大模型的精度；另一方面，也需要通過制定行業(yè)規(guī)范和法律法規(guī)，對大模型技術加以約束和引導，使其能夠更加安全、可靠地服務于經濟社會的發(fā)展。”某國有大行金融科技業(yè)務部人士建議。