銀行正加速DeepSeek系列模型本地化部署工作。據(jù)記者梳理，目前已有包括國有大行、股份制銀行及頭部城商行在內(nèi)的多家銀行啟動DeepSeek系列模型的本地化部署，應用領域覆蓋智能客服、信貸審批、智能營銷、風險管理、經(jīng)營辦公等多個業(yè)務場景。

受訪人士認為，金融科技日新月異，以DeepSeek為代表的前沿大模型，為銀行業(yè)務創(chuàng)新注入活力，為效率提升提供動力，已成為推動銀行業(yè)變革的新引擎。不過，銀行業(yè)在積極部署DeepSeek大模型時，也面臨數(shù)據(jù)安全、模型適配、人才短缺等挑戰(zhàn)。

中小銀行紛紛加入

3月8日，工商銀行宣布于近期完成DeepSeek最新開源大模型的私有化部署，并將其接入行內(nèi)“工銀智涌”大模型矩陣體系。

郵儲銀行則依托自有大模型“郵智”，本地部署并集成了DeepSeek-V3模型和輕量DeepSeek-R1推理模型。目前，這些模型已在智能客服“小郵助手”中應用，新增的邏輯推理功能使其能夠更精準地理解用戶需求，提供個性化服務。

不僅國有大行積極布局，眾多中小銀行也紛紛加入。股份制銀行方面，浦發(fā)銀行此前宣布，在昇騰服務器上部署DeepSeek-R1671B大模型，嵌入數(shù)字員工助手應用。

城商行方面，江蘇銀行率先宣布將DeepSeek應用于智能合同質(zhì)檢和自動化估值對賬場景。此外，北京銀行、重慶銀行、成都銀行、北部灣銀行等也相繼布局DeepSeek應用。

南開大學金融發(fā)展研究院院長田利輝對《證券日報》記者表示，銀行積極布局DeepSeek模型本地化部署的原因是提升服務質(zhì)量與效率、強化風險管理、推動業(yè)務創(chuàng)新和落實數(shù)據(jù)安全與合規(guī)性。通過DeepSeek，銀行可以提供更智能的客戶服務。DeepSeek的大數(shù)據(jù)分析能力也可以幫助銀行更好地評估信用風險、識別欺詐行為。而且，可以利用AI技術開發(fā)新產(chǎn)品和服務，如智能交易系統(tǒng)、自動化審批流程等。此外，本地化部署有助于保護敏感信息，符合嚴格的金融監(jiān)管要求。

上海金融與法律研究院研究員楊海平對《證券日報》記者表示，商業(yè)銀行本地化部署DeepSeek的原因有三方面：一是由于行業(yè)的特殊性，商業(yè)銀行對信息安全有較高要求，本地化部署才能更好地滿足信息安全要求。二是商業(yè)銀行屬于服務行業(yè)，通過本地化部署能更好地滿足其個性化應用模型的訓練，提升服務質(zhì)效。三是商業(yè)銀行通過本地化部署才能在合規(guī)前提下，為核心應用升級預留空間。

此外，以DeepSeek為代表的AI大模型，將成為銀行業(yè)數(shù)字化轉(zhuǎn)型的新引擎。田利輝表示，隨著AI技術的發(fā)展，銀行不僅要在技術層面進行革新，還要在組織結(jié)構(gòu)、企業(yè)文化等方面做出相應調(diào)整，才能真正實現(xiàn)數(shù)字化轉(zhuǎn)型。

形成差異化

在金融科技快速發(fā)展的當下，DeepSeek等大模型為銀行業(yè)務創(chuàng)新與效率提升帶來新機遇，但銀行部署DeepSeek時也面臨諸多挑戰(zhàn)。

田利輝表示，當前銀行部署DeepSeek面臨三方面挑戰(zhàn)：一是技術復雜性，實施和維護大模型需要高水平的技術支持和專業(yè)知識；二是資源整合難，需要整合現(xiàn)有系統(tǒng)與新部署的大模型，這可能涉及復雜的架構(gòu)調(diào)整；三是人才短缺，既懂銀行業(yè)務又掌握AI技術的專業(yè)人才稀缺。應對的策略主要是，加強培訓和技術合作，獲取或提升所需技能；實施逐步遷移策略，采取分階段的方法進行系統(tǒng)集成，以減輕對日常運營的影響；建立跨部門團隊，促進IT部門與其他業(yè)務部門之間的協(xié)作，共同解決部署過程中遇到的問題。

此外，楊海平認為，商業(yè)銀行部署DeepSeek應用可能會遇到數(shù)據(jù)獲取、模型訓練與驗證等方面的難題。同時，AI應用也可能面臨監(jiān)管合規(guī)方面的問題。

未來，不同類型銀行在布局DeepSeek時將呈現(xiàn)不同趨勢。田利輝認為，國有大行由于擁有豐富的資源和技術積累，可能會更加注重DeepSeek在核心業(yè)務領域的深度應用，探索新的業(yè)務模式和服務方式。股份制銀行則需要傾向于選擇成本效益高的方案，可能更側(cè)重于特定領域（如零售銀行）的應用。城商行受限于規(guī)模較小，可能更關注于利用DeepSeek解決具體痛點問題，如提升客戶服務質(zhì)量和降低運營成本。