第一財經(jīng)
呂倩
2025-04-01 08:45
張大偉 制圖
◎記者 溫婷
DeepSeek風(fēng)頭正盛，金融機構(gòu)爭相接入。
截至2月11日，有北京銀行、江蘇銀行、蘇商銀行、重慶農(nóng)村商業(yè)銀行等多家銀行及國泰君安等頭部券商“嘗鮮”DeepSeek。恒生電子、金證股份、星環(huán)科技等金融科技服務(wù)公司的大模型服務(wù)也接入了DeepSeek。
通過部署DeepSeek，一些金融機構(gòu)看到了AI支出“降本增效”的可能性。專家表示，DeepSeek的出現(xiàn)在通用大模型領(lǐng)域產(chǎn)生了很強的“鲇魚效應(yīng)”，但從“好用”到“用好”，仍面臨數(shù)據(jù)安全、惡意訓(xùn)練、模型幻覺等挑戰(zhàn)。
爭相接入DeepSeek
日前，北京銀行宣布全面啟動“all in AI”戰(zhàn)略，攜手華為率先實現(xiàn)DeepSeek全棧國產(chǎn)化金融應(yīng)用。江蘇銀行依托“智慧小蘇”大語言模型服務(wù)平臺，本地化部署微調(diào)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(zhì)檢和自動化估值對賬場景。重慶農(nóng)村商業(yè)銀行借助騰訊云大模型知識引擎的能力，在企業(yè)微信上線基于DeepSeek模型的智能助手應(yīng)用“AI小渝”。
據(jù)公開信息，接入DeepSeek的金融機構(gòu)類型涵蓋銀行、證券、基金、非銀行支付機構(gòu)等。目前，多家銀行已實現(xiàn)DeepSeek系列大模型本地化部署，應(yīng)用場景包括智能合同管理、客服助手等。
作為最早一批本地化部署DeepSeek的非銀行支付機構(gòu)之一，移卡最初選擇DeepSeek的原因就是“好用”，這也成為DeepSeek擁躉眾多的主要原因。
移卡執(zhí)行董事、CTO羅小輝表示，移卡在2024年初就本地化部署了DeepSeek coder，在此基礎(chǔ)上，移卡開發(fā)了編碼助手，其功能包括代碼撰寫、代碼糾錯等?！癉eepSeek是目前開源最徹底的大模型廠商，性能和效率俱佳?！绷_小輝坦言，移卡準(zhǔn)備長期使用以DeepSeek為代表的開源大模型，逐步替換海外AI產(chǎn)品的大模型服務(wù)，這將在保證質(zhì)量的前提下大大降低應(yīng)用成本。
奇安信銀行行業(yè)負(fù)責(zé)人徐懿巍認(rèn)為，訓(xùn)練成本更低，性能更強，完全開源、支持免費商用等優(yōu)勢，使DeepSeek在垂直行業(yè)更容易落地。
對此，優(yōu)智科技創(chuàng)始人兼CEO詹毅頗有感觸。目前優(yōu)智科技與中信建投等頭部券商在大模型應(yīng)用領(lǐng)域完成項目上線，正與數(shù)十家金融機構(gòu)推進(jìn)應(yīng)用落地。其核心AI平臺（智遇文檔、智友Agent）已全面接入DeepSeek，為金融機構(gòu)提供包括DeepSeek私有化部署在內(nèi)的完整解決方案。與此同時，優(yōu)智科技正在DeepSeek上持續(xù)訓(xùn)練面向金融場景的模型版本。
“如果用造車來類比的話，金融機構(gòu)青睞更好用的大模型‘整車’，而DeepSeek提供了更好的引擎?！闭惨惴Q，對大模型應(yīng)用而言，2024年更多是頭部機構(gòu)積極推動大模型落地，2025年在DeepSeek的認(rèn)知普及和更多金融標(biāo)桿案例的推動下，中小機構(gòu)大模型應(yīng)用將提速，市場將大幅擴容。
“以往談到大模型，金融機構(gòu)的目標(biāo)往往是‘爭先’；如今更多是‘恐后’，思維方式發(fā)生了質(zhì)變?！闭惨阏f。
“鲇魚效應(yīng)”持續(xù)強化
重金投入，產(chǎn)出未知，一直是影響金融機構(gòu)大模型規(guī)?；度氲闹匾?，而通過部署DeepSeek，不少金融機構(gòu)看到了AI支出“降本增效”的可能性。
據(jù)悉，恒生電子、星環(huán)科技、金證股份等金融科技服務(wù)商的大模型服務(wù)正加速接入DeepSeek。例如，恒生大模型系列應(yīng)用全面接入DeepSeek主流模型（DeepSeek-V3/DeepSeek-R1），覆蓋金融投研、投顧、合規(guī)、運營、投行等核心業(yè)務(wù)場景；星環(huán)科技大模型運營管理平臺Sophon LLMOps全面支持DeepSeek-R1全參版本及蒸餾版本，可用于智能投研與策略支持、智能運營與流程再造等智能金融場景。其測試數(shù)據(jù)也印證了這一趨勢。
以恒生電子為例，實測數(shù)據(jù)顯示，在金融高密度數(shù)據(jù)處理場景中，依托DeepSeek-R1的千億級參數(shù)壓縮和蒸餾技術(shù)，本地部署算力資源消耗降低50%；基于DeepSeek獨創(chuàng)的MoE（混合專家）架構(gòu)，客戶需求解析速度加快3倍。
“在一些強推理的業(yè)務(wù)場景，DeepSeek提升了訓(xùn)練實效?！毙黔h(huán)科技金融行業(yè)助理副總裁張曉明近期在與客戶的對接測試中發(fā)現(xiàn)，一些有大模型應(yīng)用基礎(chǔ)、算力和人才資源儲備的銀行和頭部券商正積極接入DeepSeek，DeepSeek在通用大模型領(lǐng)域產(chǎn)生了很強的“鲇魚效應(yīng)”。
當(dāng)然，DeepSeek優(yōu)勢突出并不意味著其他大模型被放棄。張曉明坦言，整個大模型市場還是一個多元需求的市場，目前已有金融客戶用星環(huán)科技大模型運營管理平臺Sophon LLMOps適配了70多個主流模型，可適應(yīng)不同業(yè)務(wù)場景的需求，“DeepSeek熱浪下，應(yīng)該思考如何將大模型轉(zhuǎn)化為生產(chǎn)力”。
恒生電子首席科學(xué)家、恒生研究院院長白碩稱，DeepSeek擅長慢思考，在需要快慢思考結(jié)合的具體應(yīng)用場景中，通義千問和DeepSeek可以相得益彰，發(fā)揮更大的效果。
對于未來DeepSeek的應(yīng)用場景，羅小輝提出了兩方面設(shè)想：“一是面向企業(yè)內(nèi)部員工的效率工具；二是面向用戶或客戶的產(chǎn)品開發(fā)。”在應(yīng)用模式上，除當(dāng)作問答助手外，將大模型植入具體的應(yīng)用場景能讓其發(fā)揮更大的作用。
不容忽視的挑戰(zhàn)
新生事物都是機遇和挑戰(zhàn)并存，DeepSeek應(yīng)用也不例外。專家表示，金融機構(gòu)由于其業(yè)務(wù)性質(zhì)，對數(shù)據(jù)的安全性、隱私保護(hù)及合規(guī)性有著極高要求，因此在部署大模型時也面臨更大挑戰(zhàn)。
徐懿巍表示，金融領(lǐng)域大模型往往包含復(fù)雜的算法和市場分析能力，開發(fā)成本較高，并承載重要業(yè)務(wù)和數(shù)據(jù)，自身安全性的重要性不言而喻。在OWASP發(fā)布的大模型應(yīng)用十大安全風(fēng)險中，“提示注入”位居首位。攻擊者可通過設(shè)計特定的提示詞來誤導(dǎo)大模型產(chǎn)生錯誤的結(jié)果，特別是涉及投資決策、風(fēng)險管理等關(guān)鍵領(lǐng)域時，這種攻擊可能導(dǎo)致重大經(jīng)濟(jì)損失。
金融行業(yè)大模型的幻覺問題也是一大安全隱患。大模型生成的內(nèi)容有時可能與現(xiàn)實不符，這對于高度依賴準(zhǔn)確信息的金融行業(yè)來說，是一個潛在的風(fēng)險，尤其在提供市場預(yù)測、風(fēng)險評估或投資建議時，其危害不容忽視。
徐懿巍表示，金融機構(gòu)在部署大模型時，安全風(fēng)險不僅來自單個大模型服務(wù)，更來自整家公司。因此，金融企業(yè)要做好整個公司風(fēng)險暴露面管理，實施嚴(yán)格的訪問控制措施，如身份驗證和授權(quán)機制，限制對API、數(shù)據(jù)庫的訪問。同時，做好網(wǎng)絡(luò)、終端、云、服務(wù)器、數(shù)據(jù)庫等基礎(chǔ)網(wǎng)絡(luò)安全防護(hù)措施，最大程度減少外部威脅。在具體保障措施方面，應(yīng)圍繞數(shù)據(jù)來源合規(guī)、內(nèi)容安全合規(guī)、敏感數(shù)據(jù)識別過濾、訓(xùn)練數(shù)據(jù)標(biāo)注安全、數(shù)據(jù)分類分級與安全保護(hù)、數(shù)據(jù)訪問控制等，打造體系化的防護(hù)方案。
除安全外，基礎(chǔ)設(shè)施特別是GPU資源也成為大模型部署的一大“掣肘”?！翱紤]到模型對于資源的需求較多，我們大多采用混合部署的方式，即部分本地化、部分外部接口的方式。我們正在密切關(guān)注大模型的小型化方案，期待通過這種方式來緩解資源壓力，同時希望涌現(xiàn)更多GPU資源，本土大模型與計算設(shè)備的結(jié)合是接下來重點研究的事項。”羅小輝說。
張曉明建議，金融機構(gòu)部署DeepSeek要綜合考慮算力、預(yù)算和基礎(chǔ)設(shè)施的投入情況，因“材”施策?！袄?，中大型機構(gòu)可通過部署R1全參版本，發(fā)揮算力、人才等綜合優(yōu)勢，加速大模型的平臺能力部署；中小機構(gòu)可以立足業(yè)務(wù)導(dǎo)入蒸餾版，開發(fā)更適合DeepSeek落地的應(yīng)用和工具，循序漸進(jìn)，真正通過大模型實現(xiàn)降本增效。”張曉明說。
