新华财经北京3月14日电（记者吴丛司）近期国产大模型DeepSeek广受关注，金融机构加速接入DeepSeek进行业务赋能。新华财经了解到，DeepSeek作为开源模型，不仅免除了高额的授权费用，还大大降低硬件投入成本，中小银行部署DeepSeek积极性高涨。不过，在目前的实践中，银行应用DeepSeek尚处初中级应用阶段，更多为业务流程优化而未涉及决策环节，仍有待切入关键领域为银行创造价值。

成本低至ChatGPT的4%

据新华财经不完全统计，从国有大行到地方城商行、农商行再到民营银行，目前不少于20家银行相继宣布接入或部署该模型，并尝试将DeepSeek应用于实际业务中，先行者多为中小银行。

“DeepSeek的面世为中小银行提供了一个高效、低成本的大模型应用解决方案，有助于缩小其与大银行在技术能力、数据资源和场景覆盖方面的差距。”上海金融与发展实验室首席专家、主任曾刚表示。

新网银行副行长李秀生也认为，开源大模型有着“低成本+本地化部署”优势，使得中小银行也能实现智慧平权，将通用人工智能应用于整体经营活动。

“如果要接入ChatGPT，硬件和软件都要投不少钱。我们测算过，如果我们接入ChatGPT实现7项基础功能，软硬件加起来要花费500万元-600万元。”一位中小银行信息科技部内部人士表示。

按照该行的测算，在实现同样功能的前提下，接入DeepSeek的投入成本为接入ChatGPT的3.33%-4%。上述内部人士表示，DeepSeek推出以后，该行迅速组织讨论。经测算，若使用DeepSeekR1蒸馏模型，实现之前想通过ChatGPT完成的7项基础功能，硬件只需要投入20万元。“在我看来，DeepSeek就是普惠式AI。”

太平洋证券分析师夏芈卬表示，在成本端，DeepSeek-V3/R1的API服务定价为每百万输入tokens 0.5/1元（缓存命中）和2/4元（缓存未命中），每百万输出tokens 8/16元，远低于OpenAI竞品模型的定价，有利于大模型的商业化推广和使用。

在奇富数科总裁周旭强看来，未来银行将陆续引入DeepSeek模型，大型银行将采取本地化部署，小型银行可能会采用混合云架构。

“DeepSeek的成本确实很低，尤其是和ChatGPT比起来，成本低太多。”周旭强表示，从硬件投入来看，机构不一定要买英伟达的芯片，也可以买华为、浪潮的，这块成本可能就降低至1/10了。如果要和OpenAI比的话，成本可能是1/20。

光大信托普惠金融部副总经理、CIC金融科技与数字经济发展专家委员会委员祝世虎表示，DeepSeek等开源大模型的兴起，降低了准入门槛，再次实现了算力、数据与模型的新平衡。

“大模型带来的技术与知识平权让中小金融机构得以迅速弥补能力短板。”百川智能副总裁邓江表示，借助大模型的力量，中小型机构能够快速提升自身在特定领域的能力，同时凭借其业务灵活性快速拓展市场。这种优势使得这类机构有可能在垂直细分领域迅速占据行业领先地位。

尚处于初中级应用

新华财经梳理了DeepSeek在银行业目前已有的应用场景，覆盖了财报分析助手、行业研究；智能客服、网点厅堂数字人、AI财富管家；智能合同质检、报告撰写、培训教材文本校验；精准拓客获客、自动化估值对账、智能信贷、智能风控、智能研发等场景，基本处于初中级应用阶段。

在大型银行中，工商银行自主研发、全栈自主可控的大模型平台——工银智涌，引入DeepSeek，用以提升模型部署效率，压降推理成本，提高吞吐量。此外，将DeepSeek应用在构建财报分析助手、AI财富管家等10余个场景。邮储银行旗下“邮智”大模型集成DeepSeek-V3模型及轻量级的DeepSeek-R1推理模型，复杂多模态、多任务处理、算力节约、效能提升等方面将得到增强。该行在“小邮助手”上应用DeepSeek，实现增强精准服务效能，更准确地识别用户需求，提供个性化和场景化的服务方案等。

在中小型银行中，江苏银行依托“智慧小苏”平台，部署了微调的DeepSeek-VL2多模态模型和轻量DeepSeek-R1推理模型，应用于智能合同质检和自动化估值对账场景，提升金融语义理解的准确率和业务效率；北京银行携手华为实现DeepSeek全栈国产化金融应用，部署了DeepSeek-R1满血模型、DeepSeek-V3模型、R1蒸馏模型和Janus Pro多模态模型，应用于AIB平台的京行研究、京行智库、客服助手、京客图谱等多个业务场景。

此外，重庆银行利用DeepSeek大模型对智能客服知识库进行深度解析，提升了语义理解和逻辑推理能力；青岛农商行则应用于网点厅堂数字人、智能问答、报告撰写、培训教材文本校验等场景；苏商银行通过引入DeepSeek，结合原有大模型能力，提升了模型轻量化与高效推理方面的能力，应用场景包括智能信贷、智能研发和智能风控等。

据了解，苏商银行应用DeepSeek V2多模态模型处理非标材料，如表格、影像资料、文档图片等识别，提升信贷材料综合识别准确率至97%，并将DeepSeek R1推理模型集成到自主研发的“开发助手”，使核心系统迭代周期缩短30%。此外，该行将DeepSeek的蒸馏技术应用于信贷风控、反欺诈等20多个场景，使尽调报告生成效率提升40%，欺诈风险标签准确率提升35%。

金融壹账通总经理唐啸公开表示，在实际应用中，DeepSeek已在多方面显著提升银行业务效率。例如，在对公信贷业务环节，DeepSeek能自动生成企业风险报告与尽职调查报告作为参考，准确性和全面性显著提升，客户经理作业效率提高2.5倍，报告自动填充率达70%，舆情风险分析准确度超90%；在财富管理领域，DeepSeek结合检索增强生成技术（RAG），能更好助力客户经理进行客户财富分析、市场趋势解读与产品推介，提升服务质量与精准度。

不过，部分受访业内人士认为，在目前的实践中，DeepSeek在银行中应用更多为业务流程优化而非决策，DeepSeek有待切入关键领域创造价值，如风险管理、合规管理、客户管理、业务拓展等方面。

中国银河证券分析师张琦表示，实际中，DeepSeek等生成式AI在银行中应用较为基础，更多体现为业务流程优化的探索，例如智能客服、合同质检、估值对账以及办公流程的优化，在财富管理、信贷评估与风控、投资策略与战略制定等决策领域存在一定的局限性，远未达到与银行核心业务深度融合与大范围推广的标准。

“DeepSeek推出时间还较短，部分银行刚刚才完成DeepSeek本地化部署，仍处于基础应用阶段，未来可以触达业务决策层。”周旭强认为。

编辑：幸骊莎

声明：新华财经为新华社承建的国家金融信息平台。任何情况下，本平台所发布的信息均不构成投资建议。如有问题，请联系客服：400-6123115