聲明:本文來自于（ID:ykqsd.com）授權轉載發(fā)布。

近期，銀行正加速推進DeepSeek系列模型的本地化部署工作，"含D量"的比拼愈演愈烈。3月8日，工商銀行正式宣布已完成DeepSeek最新開源大模型的私有化部署，并成功接入"工銀智涌"大模型矩陣體系。據(jù)不完全統(tǒng)計，工行之前已有22家銀行宣布接入DeepSeek系列模型，覆蓋智能客服、信貸審批、智能營銷、風險管理、經營辦公等多個業(yè)務領域。

在這場"含D量"的比拼中，大型銀行的布局明顯快于中小銀行，國有銀行和股份制銀行的入局數(shù)量相對有限。

"宇宙行"入局

銀行布局DeepSeek的步伐從未停歇。3月8日，工商銀行宣布已完成DeepSeek最新開源大模型的私有化部署，并成功接入"工銀智涌"大模型矩陣體系。

據(jù)了解，"工銀智涌"是工商銀行的企業(yè)級金融大模型技術應用體系，集算力、算法、數(shù)據(jù)、工具、安全、應用、生態(tài)于一體，已賦能行內20多個主要業(yè)務領域，落地場景超過200個。

接入DeepSeek的"工銀智涌"在多個領域實現(xiàn)了提升。例如，工行打造了ChatDealing數(shù)智對話交易產品，重塑金融市場交易流程，顯著提升交易規(guī)模。同時，推出了遠程銀行坐席助手"工小慧"，實現(xiàn)了"智能全旅程陪伴"，重點場景通話時長壓降約10%。此外，圍繞信貸全流程，打造了"工小審"，實現(xiàn)對公信貸"智慧審貸"。

北京社科院副研究員王鵬認為，工行的這一部署標志著國有銀行在金融科技領域的進一步突破，彰顯了銀行對金融科技的重視，也預示著DeepSeek技術將在銀行業(yè)務中發(fā)揮更廣泛的潛力。

DeepSeek的開源模式如同樂高積木，具有高度可拼性和靈活性，使得銀行在數(shù)字化轉型中能夠輕松接入，用于豐富自研大模型的應用場景。

在工行之前，郵儲銀行借助自有大模型"郵智"，完成了DeepSeek-V3模型和輕量DeepSeek-R1推理模型的本地部署，并在智能客服"小郵助手"中引入邏輯推理功能，同時進一步探索數(shù)字員工的多模態(tài)交互、產業(yè)鏈產品智能推薦分析、反欺詐風險防控等特色化服務應用。

建設銀行也傳來消息，已開始部署DeepSeek相關應用，計劃引入DeepSeek模型并進行定制化訓練，推進生成式人工智能在集團體系化應用，或將提供AI工具供下屬機構使用。旗下建信理財已初步研究DeepSeek在理財業(yè)務中部分場景的應用。

大中型銀行為何姍姍來遲

DeepSeek憑借其深度搜索與自適應優(yōu)化算法的核心技術，結合機器學習、自然語言處理及大數(shù)據(jù)分析等前沿技術，為數(shù)據(jù)量豐富的銀行業(yè)提供了強大的技術支持。這一優(yōu)勢使得銀行業(yè)在業(yè)務運營中能夠實現(xiàn)更高效的賦能。

從調查情況來看，除中國工商銀行、中國農業(yè)銀行、中國銀行這三家國有大型銀行外，還有20余家銀行已成功接入DeepSeek系列模型。值得注意的是，在這場以"含D量"為主題的大型模型部署比賽中，國有銀行和股份制銀行在這類高端模型的引入數(shù)量有限。

股份制銀行方面，浦發(fā)銀行率先在昇騰服務器上部署了DeepSeek-R1671B千億級大模型，并將其嵌入數(shù)字員工助手應用中，實現(xiàn)了智能問答、指標問答、財務分析、報告寫作等多場景應用的全面智能升級。而興業(yè)銀行則正式接入了DeepSeek-R1大模型。

從各家銀行的布局情況來看，民營銀行和地方銀行占據(jù)了市場發(fā)展的先機。新網銀行、百信銀行、蘇商銀行等多家銀行均在2024年關注并引入了DeepSeek，并計劃在2025年進一步深化其應用。城商行方面，則是在DeepSeek在春節(jié)假期意外走紅后，于2月3日率先宣布將該技術應用于智能合同質檢和自動化估值對賬等場景。北京銀行、江蘇銀行、重慶銀行、成都銀行、北部灣銀行、內蒙古銀行、北京農商行、重慶農商行、四川農商聯(lián)合銀行等也紛紛加入這一部署行列。

針對大中型銀行為何較慢引入DeepSeek技術的現(xiàn)象，中國企業(yè)資本聯(lián)盟副理事長柏文喜指出，國有銀行和股份制銀行的決策流程較為復雜，對新技術的穩(wěn)定性和可靠性要求更高。在引入DeepSeek時，需要經過多輪測試和評估，以確保其不會對現(xiàn)有業(yè)務產生負面影響。此外，這些銀行通常擁有更為復雜的業(yè)務體系和龐大的技術基礎設施，需要投入更多資源進行技術研發(fā)和系統(tǒng)適配。同時，部分國有大行和股份制銀行在早期已投入大量資源自主研發(fā)金融大模型，對開源模型的依賴程度相對較低。再加上，國有銀行和股份制銀行擁有大量敏感客戶數(shù)據(jù)，對數(shù)據(jù)安全和隱私保護的要求極為嚴格，因此在引入新技術時需要更加謹慎。

總體而言，中小銀行傾向于直接接入DeepSeek系列模型或與外部云服務商合作，以優(yōu)化智能客服、信貸審批、智能營銷、風險管理、經營辦公等不同業(yè)務場景。這種做法背后的驅動力在于，DeepSeek等大模型技術的廣泛應用，為縮小中小銀行與大型銀行在大模型領域的技術差距提供了可能。

地方銀行和民營銀行的應用"躁動"背后，是其急于縮小技術差距的核心訴求。新網銀行副行長李秀生表示，低算力要求和低數(shù)據(jù)訓練成本的特性，使中小銀行能夠以更低的成本引入和應用這些先進技術。大模型不再是大型銀行的專屬，而是能夠廣泛應用于中小銀行之中。

雖然DeepSeek開源模型的引入有助于降低銀行在AI相關領域應用的成本和門檻，但其在應用過程中仍面臨諸多挑戰(zhàn)。然而，業(yè)內人士普遍認為，銀行部署DeepSeek的動力依然存在，并且不同類型銀行在布局上可能呈現(xiàn)出一定的差異化趨勢。

隨著工商銀行的成功實踐，其他國有銀行和股份制銀行可能會加速布局DeepSeek技術，這一技術將在銀行業(yè)務場景中發(fā)揮更大的作用。未來，不同類型銀行在布局DeepSeek時將呈現(xiàn)不同趨勢。大型國有銀行和股份制銀行將更加注重DeepSeek在核心業(yè)務領域的應用，并積極探索新的業(yè)務場景。中小銀行則會更加注重成本效益和實用性，在關鍵業(yè)務領域或解決痛點問題上優(yōu)先應用DeepSeek技術。而民營銀行與互聯(lián)網銀行則可能借助DeepSeek的技術優(yōu)勢，拓展新的業(yè)務模式和服務方式，進一步提升競爭力。

據(jù)北京商報報道，記者 李海顏