聲明:本文來自于（ID:ykqsd.com）授權轉載發(fā)布。

銀行正加速推進DeepSeek系列模型的本地化部署工作，"含D量"的競爭愈演愈烈。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。據(jù)初步統(tǒng)計，除工商銀行外，已有22家銀行宣布已接入DeepSeek系列模型，其應用領域涵蓋智能客服、信貸審批、智能營銷、風險管理、經營辦公等多個業(yè)務層面。

在DeepSeek"含D量"的競爭中，與中小銀行積極布局相比，大型銀行和國有銀行的推進步伐顯得 pace較慢。當前，僅工商銀行、郵儲銀行和建設銀行已明確表示正在推進DeepSeek相關技術的本地部署。

"入局"的工銀智涌

銀行本地化部署工作仍在持續(xù)推進。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"是工商銀行企業(yè)級大模型技術應用體系的核心，整合了算力、算法、數(shù)據(jù)、工具、安全、應用、生態(tài)等要素。目前，該系統(tǒng)已賦能工商銀行20多個業(yè)務領域，落地場景超過200個。

深入解讀工行的部署成果。工商銀行在推進DeepSeek應用方面取得了顯著進展，不僅在產品創(chuàng)新、客戶服務、風險防控等方面實現(xiàn)提升，還通過打造"工銀智涌"實現(xiàn)了以下創(chuàng)新：其一是推出了數(shù)智對話交易產品，重塑金融市場交易流程；其二是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%；其三是圍繞信貸全流程打造了專屬授信審批風控助手"工小審"，實現(xiàn)了對公信貸全場景的智慧審貸。

北京社科院副研究員王鵬指出，隨著工商銀行完成DeepSeek最新開源大模型的私有化部署，國有銀行在金融科技領域的布局再次邁出了關鍵一步。這一舉措不僅彰顯了銀行在金融科技領域的重視程度，更預示著DeepSeek技術將在銀行業(yè)務中發(fā)揮更為廣泛的潛力。

DeepSeek的開源模式猶如樂高積木，其模塊化特性使其能夠靈活拆卸和重組，這為處于數(shù)字化轉型進程中的銀行提供了靈活的應用方案。

在工商銀行之前，郵儲銀行基于自身大模型"郵智"完成了DeepSeek-V3模型的本地部署，并成功集成DeepSeek-R1推理模型，率先將DeepSeek技術應用于智能客服"小郵助手"，新增邏輯推理功能。未來，郵儲銀行還將進一步探索數(shù)字員工的多模態(tài)交互、產業(yè)鏈產品智能推薦分析以及反欺詐風險防控等金融場景的服務應用。

建設銀行也透露正在推進DeepSeek相關技術的本地部署。有消息人士稱，該行已引入DeepSeek模型并進行了定制化訓練，正積極推進生成式人工智能在集團層面的全面應用，并計劃將部分AI工具提供給下屬機構使用。其中，旗下建信理財已開始研究DeepSeek技術在理財業(yè)務部分場景的具體應用。

大型銀行為何姍姍來遲

深Seek憑借深度搜索與自適應優(yōu)化算法的整合，融合機器學習、自然語言處理及大數(shù)據(jù)分析技術，為數(shù)據(jù)量豐富的銀行業(yè)提供了更強大的賦能能力。對于大型銀行而言，這一技術優(yōu)勢尤為顯著。

北京商報記者深入調查后發(fā)現(xiàn)，在上述三家國有銀行之外，還有20家銀行已接入DeepSeek系列模型。從銀行類型來看，在這場"含D量"的大型模型部署戰(zhàn)中，國有銀行與股份制銀行布局DeepSeek系列模型的比例極低。

股份制銀行方面，浦發(fā)銀行率先在昇騰服務器上部署DeepSeek-R1671B千億級大模型，將其嵌入數(shù)字員工助手應用，實現(xiàn)了智能問答、指標問答、財務分析、報告寫作等多個應用場景的全棧覆蓋。而興業(yè)銀行則已正式接入DeepSeek-R1大模型。

從各家銀行的布局節(jié)奏來看，民營銀行與地方銀行在市場聲量的爭奪上占據(jù)了主動。新網銀行、百信銀行、蘇商銀行等均表示自2024年便開始關注并引入DeepSeek，并于2025年進一步深化應用。城商行則在DeepSeek春節(jié)假期爆火出圈后，江蘇銀行率先在智能合同質檢和自動化估值對賬場景中應用DeepSeek。隨后，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。

談及大型銀行為何較慢布局DeepSeek技術時，中國企業(yè)資本聯(lián)盟副理事長柏文喜指出，國有銀行與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。引入DeepSeek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。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，因此在技術研發(fā)和系統(tǒng)適配上投入更多資源。此外，國有銀行和股份制銀行對金融大模型的研發(fā)投入較高，對開源模型的依賴程度相對較低。同時，客戶數(shù)據(jù)量大且敏感度高，對數(shù)據(jù)安全和隱私保護的要求更為嚴格，這也是引入新技術時需要更為謹慎評估的因素。

整體來看，中小銀行在引入DeepSeek技術時更傾向于直接接入DeepSeek系列模型或與外部云服務商合作優(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。這一做法背后是中小銀行致力于縮小技術差距的訴求。

地方銀行與民營銀行的"技術躁動"源于他們希望通過廣泛部署DeepSeek技術，縮小與大型銀行在大模型領域的技術差距。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。

DeepSeek開源模型的引入有助于降低銀行在AI相關領域的應用成本及使用門檻。盡管仍面臨諸多挑戰(zhàn)，但業(yè)內人士認為，銀行部署DeepSeek的動力仍然存在。不同類型銀行在布局時將呈現(xiàn)一定的差異化趨勢。

隨著工商銀行的成功實踐，其他國有銀行與股份制銀行可能會加速布局DeepSeek，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。大型國有銀行與股份制銀行將更加注重其在核心業(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，選擇將DeepSeek應用于關鍵業(yè)務領域或解決痛點問題。而民營銀行與互聯(lián)網銀行則可能利用DeepSeek的技術優(yōu)勢，拓展新的業(yè)務模式和服務方式。

完成任務。請稍后重新輸入要改寫的文本。