DeepSeek走進銀行

今年春節，DeepSeek火爆全球，憑藉高性能、開源的模型，DeepSeek在AI界與科技圈激起千層浪。在追求高效、精準決策的金融業，DeepSeek的融入也是恰逢其時，這位賽博同事上線後僅需一秒，就能生成一份專業且精準的理財方案，面對堆積如山的數據，也能迅速整合分析。作爲更加聰明的AI大模型，DeepSeek是否將徹底重塑銀行業的未來格局？又存在何種挑戰？

發展數字經濟和數字金融已成爲推動銀行業數字化轉型、擁抱新一輪科技革命的重要途徑，DeepSeek不僅“腦子快”，還擅長“個性化發揮”，作爲超級AI助手，在應用DeepSeek大語言模型方面，已有銀行進行嘗試。

江蘇銀行依託“智慧小蘇”大語言模型服務平臺，成功本地化部署微調DeepSeek-VL2多模態模型、輕量DeepSeek-R1推理模型。結合DeepSeek的模型特性，江蘇銀行“智慧小蘇”實現了合同質檢智能化、託管資產估值對賬自動化的創新。

也有一些銀行將DeepSeek的功能用在了營銷過程中，“DeepSeek，你也太懂海安農商銀行了吧！”在海安農商銀行最近發佈的一則文案中，該行就通過詢問DeepSeek的方式向用戶介紹了銀行的具體情況，在文案中，DeepSeek從資本實力、市場份額、服務質量、金融產品、社會責任等多個維度對海安農商銀行進行分析並做出總結。

從銀行的角度而言，業內多認爲DeepSeek最直接的應用場景將覆蓋智能客服、客戶需求挖掘、風險評估與管理等層面。一方面，DeepSeek具備強大的邏輯推理和自然語言處理能力，能使客服對話更自然、精準，更好地理解客戶問題。另一方面，DeepSeek可以整合客戶多維度數據，包括個人基本信息、財務狀況、交易記錄、信用記錄等，更準確地評估客戶的信用風險，爲貸款審批、信用卡額度調整等業務提供依據。

談及DeepSeek大語言模型的優勢和創新點，中國城市專家智庫委員會常務副秘書長林先平認爲，DeepSeek利用了大規模的自然語言處理和深度學習技術，可以處理海量的文本數據，並進行自動化的分析處理，這大大提高了數據處理和分析的效率。其次，DeepSeek可以利用大規模的語料庫進行訓練，使其模型更加準確和高效，而且可以通過不斷地優化和迭代來提高模型的性能。最後，DeepSeek可以利用大量的數據進行自主學習和自我優化，能夠適應不同的數據環境和應用場景，這是傳統銀行數據處理和分析工具所無法比擬的。

從長遠發展來看，林先平強調，DeepSeek等大語言模型的應用將重塑銀行現有的業務流程和服務模式。

“從長遠來看，DeepSeek等大語言模型的應用將深刻重塑銀行現有的業務流程和服務模式。”在北京社科院副研究員王鵬看來，但銀行在實際業務中合理平衡人工智能與人類決策的關係至關重要。一方面，要充分發揮DeepSeek等人工智能工具的優勢，利用其強大的數據處理和分析能力，提高業務效率和準確性；另一方面，也要重視人類決策的獨特價值，特別是在涉及複雜情感、倫理道德和創造性決策時，人類決策往往更具優勢。

王鵬進一步指出，DeepSeek在應用過程中面臨着數據質量、模型可解釋性和市場適應性等挑戰。銀行需要建立嚴格的數據質量管理體系，確保數據的準確性和完整性；同時，也要加強對DeepSeek模型的理解和解釋，提高模型的可解釋性和透明度；此外，還要不斷根據市場變化調整DeepSeek的應用策略，確保其能夠適應銀行的實際業務需求。

林先平同樣認爲，在實際業務中合理平衡人工智能與人類決策的關係非常重要。人工智能可以幫助銀行更高效、準確地處理大量的數據和業務操作；但人作爲金融行業的決策主體和實施者，不能完全被人工智能取代。所以需要在技術發展和應用過程中始終注重對人類能力的評估與訓練，從而適應和引導這些新興技術的應用發展。此外，在使用DeepSeek的過程中也會面臨一些挑戰，例如模型準確性問題、數據處理和分析速度問題等。這些問題需要通過持續的技術改進和優化來解決。

展望DeepSeek在銀行業的長期發展，林先平坦言，需要保持關注以下幾個問題，大語言模型的發展需要持續的投入和更新，這需要銀行有足夠的資源和技術支持；大語言模型的應用可能會帶來一些風險和挑戰，比如數據隱私、信息安全等問題。因此需要建立完善的數據保護機制和管理規範。隨着技術的發展和應用場景的不斷拓展，銀行需要不斷適應新的變化和需求，積極探索新的應用模式和服務方式。

北京商報記者 宋亦桐