今年1月20日，DeepSeek發布了媲美OpenAI o1的R1模型 ，引發市場高度評價并帶動國內眾多行業追捧。

　　如今半年時間剛剛過去
，銀行業對昔日爆火的DeepSeek態度有什么變化嗎？目前應用的狀況如何？連日來，財聯社記者就此進行了深入調研 。

　　“整體來看 ，不如預期
。銀行業有其自身特點
，過去還是普遍高估了DeepSeek的作用。
”多名大行金融科技從業者、上市銀行相關負責人士向財聯社記者表示，目前銀行業并未誕生基于DeepSeek的殺手級應用 ，后續影響還需觀察 。

　　受訪業內人士稱
，近半年來DeepSeek在銀行業應用中遇到的問題可歸為三大障礙
。其中最主要的，在于銀行業金融數據的復雜性 ，DeepSeek暫無法有效處理。而從本質上
，DeepSeek是面向所有領域的通用大模型，而非專門面向金融領域開發的專用大模型 ，這導致和銀行原有的技術路線適配性不高 。

　　不過，在眾多業內人士看來
，盡管DeepSeek能夠在銀行業發揮多大作用 、是否會產生顛覆式應用目前還不好判斷
。但肯定的一點是，這一輪擁抱人工智能的趨勢不會像去年金融“元宇宙”那樣曇花一現。受訪人士坦言 ，面對當前諸多壓力
，銀行業持續加大金融科技的投入依然會是大趨勢 。

　　從熱議到平靜，DeepSeek已歸于“眾多大模型中的那一個 ”

　　僅僅半年 ，DeepSeek已經走完了從“最獨特的那一個
”到“眾多大模型中的那一個”的歷程
。

　　“應該說
，DeepSeek的突然走紅，是出乎之前銀行業的意料的。DeepSeek爆火是在春節前后 ，當時銀行基本來不及反應 。年后上班后領導才關注這個事情。 ”某國有大行內部人士向財聯社記者表示
，DeepSeek的出圈純屬意外，但銀行對于金融科技的重視一如既往 ，近年來一直在服務器
、算法等方面加大投入
。

　　以時間線來看
，業內最早宣布擁抱DeepSeek的銀行——早在2月5日，江蘇銀行就官宣已經落地DeepSeek大模型的應用。此后 ，北京銀行、工商銀行 、郵儲銀行等多家銀行跟進宣布，已接入DeepSeek 。

　　“中小銀行比大銀行更喜歡關注熱點
，也更加注重營銷和宣傳
。這是當前銀行業的壓力所決定的。
”江浙滬某上市銀行內部人士楊磊（化名）向財聯社記者表示，小銀行率先跟進DeepSeek不意外 。

　　但在3月底各大上市銀行發布2024年年報數據的關口 ，銀行業尤其是大型商業銀行對于DeepSeek的態度開始轉變
，熱情明顯減少
。在數十家上市銀行年報發布會上，公開宣傳本行在DeepSeek方面的成果和應用的銀行基本都是中小銀行 ，且數量也不多。

　　依據財聯社記者此前獨家報道
，這是因為有關部門對于銀行尤其是大型商業銀行作出了相關要求——不得大規模宣傳DeepSeek的應用情況，金融大模型要突出強調自主研發 。

　　此后半年內 ，年報季后銀行業對于DeepSeek的宣傳進一步弱化
，幾乎沒有國有大行
、股份行發布相關和DeepSeek進展的通告或文章
。

　　“抱歉，對于DeepSeek目前行內還是很敏感 ，不能說。”一名頭部股份行金融科技部負責大模型的處長近日對財聯社記者表示
，由于“種種原因 ”，不能就DeepSeek進行公開溝通 。

　　“大型銀行對于金融大模型早有積累和應用 ，尤其是在OpenAI 走紅后，國內百度、阿里等很多互聯網巨頭也及時跟進發布了自家的大模型
。并且
，當時不少銀行都和這些國內巨頭進行合作，引進了一些外部大模型。
”某全國性商業銀行金融科技部人士王敏（化名）向財聯社記者表示 ，目前在業內看來
，DeepSeek已基本歸于“眾多大模型中的那一個”，并不是“大明星 ” 。

　　新的金融大模型的出現 ，也讓DeepSeek在銀行業不再特殊。7月28日
，中國建設銀行與工商銀行宣布分別接入阿里巴巴AI技術，且工商銀行商戶風控系統正式接入通義千問大模型
。

　　銀行數據的復雜性 、對差錯的容忍度太低 ，DeepSeek遭遇三大應用瓶頸

　　對任何科技應用來說
，時間才是證明一切的最好手段。半年過去，實際應用
、上手DeepSeek的銀行業人士對于它有什么看法呢？

　　“半年前我的預判錯了 。當時我認為半年內會爆發基于DeepSeek的殺手級應用 ，比如在智能風控、AI投顧方面
，但如今看來都沒有兌現
。我行已經部署并深入研究了半年，目前進展不如預期。
”楊磊向財聯社記者表示 ，此前銀行業對于 DeepSeek的判斷過于樂觀 。

　　DeepSeek的實際應用中都有哪些問題？多名業內人士向財聯社記者反饋，最主要的障礙在于銀行業金融數據的復雜性
，DeepSeek暫無法有效處理
。

　　王敏向財聯社記者表示，銀行每天產生的金融大數據可以用海量來形容 ，但是由于轄內有分行 、支行等遍布全國的機構和對公
、零售、財富等不同部門
，基層人員統計 、寫入底層數據的維度有不同，質量也有高低。實際使用來看 ，DeepSeek對于太復雜的底層數據（或者說質量不高的金融數據）處理能力不行
，導致應用起來問題不斷，基于其衍生的判斷也很難說有效果 。“當然 ，對于任何算法、大模型來說
，數據的真實性
、規范性是第一位的
。”

　　“券商部門的數據相對單一，所以他們用DeepSeek可能會好一點。 ”楊磊也表示 ，在使用DeepSeek之前
，銀行技術人員還需要對內部數據進行再處理 。并且DeepSeek的推理能力也不如想象的那么強
。

　　其次，是算力制約問題。盡管DeepSeek號稱低成本 ，但要想處理復雜數據，高性能的芯片和算力依然不可少 。

　　王敏表示
，DeepSeek用于簡單搜索的確消耗算力不多，但如果要想對全行所有員工進行全面推廣 ，并基于其開發智能風控等深度應用
，則依然會遭遇延遲、結果不準確等諸多問題。這對小銀行來說也是一大負擔
。并且，就實際應用來說 ，隨著半年來諸多國產大模型的升級
，目前免費版的DeepSeek相比同行來說，在很多方面“基本沒有明顯優勢”。這也導致一些技術人員并不會專一調用DeepSeek來進行開發 。

　　另外 ，在業內人士看來
，DeepSeek本質上是面向所有領域的通用大模型，而非專門面向金融領域開發的專用大模型 ，這導致和銀行原有的技術路線適配性不高
。

　　某華東地區上市城商行人士向財聯社表示
，上半年他們已經發現了DeepSeek的一些問題，目前技術團隊正試圖將該行原有的單一領域的金融“小模型
”和DeepSeek的通用大模型進行結合 、改造 ，試圖讓后者在智能風控
、內部管理決策等方面發揮更大作用。但是，這一切需要時間 。

　　“金融行業對于差錯的容忍度是非常低的
。一旦發現基于DeepSeek的AI投顧的分析有明顯問題
，那么我們的做法是暫時先不正式上線，而是交給技術人員繼續完善。”楊磊向財聯社記者表示 ，依據該行金融科技部人員的反映
，可能由于數據來源等原因，目前DeepSeek在AI投顧、智能風控方面的初步應用不如人意 ，AI客服也存在誤導性的可能
，出于安全方面的考量，目前該行對于DeepSeek的單項應用研發還在推進中 ，“可以說還在不斷內測
，沒有太大的進展 ” 。

　　“ DeepSeek對于銀行業的最大作用，是拉近了地方中小銀行和大銀行之間在金融大模型方面的技術差距
。原來采購一個大模型動輒上千萬 ，而免費的DeepSeek幫助中小銀行解決了‘有沒有’的問題。目前中小銀行對于DeepSeek的研發熱情還是比較高的 。
”楊磊認為
，就目前的情況來看，很難判斷何時會有基于DeepSeek的殺手級金融應用出現 ，“只能說，上半年銀行業尤其是地方銀行對于DeepSeek的發展太過于樂觀
。”

（文章來源：財聯社）