證券時報網
阮潤生
2025-02-07 21:22
“最近我們都在討論DeepSeek，雖然還沒到應用層面，但都在想怎樣跟上這波浪潮。”一位銀行人士對《國際金融報》記者感慨道。
近日，DeepSeek在全球迅速走紅。《國際金融報》記者注意到，目前，江蘇銀行已引入了新模型，也有銀行將之用于宣傳，而該新工具在銀行大模型應用方面的技術突破價值更是引發業內人士深思。
受訪專家指出，隨著DeepSeek及今后人工智能（AI）模型不斷迭代，單次推理計算成本逐步降低，算力基礎設施產能將逐步提升，這標志著大模型應用從“技術可行性驗證”轉向“經濟可行性落地”的關鍵拐點。
銀行下場“吃螃蟹”
2025年初，總部位于杭州的幻方量化旗下AI公司深度求索（DeepSeek）研發的DeepSeek-R1模型橫空出世，迅速成為春節期間的大爆款。只需點開深度思考和聯網功能，再簡單輸入指令，一位博文廣識的“賽博好友”便出現網絡另一端。本土化的數據庫賦予其極高的遣詞造句能力，較ChatGPT更低的價格門檻使其飛速傳播，仿佛只是一夜之間，DeepSeek就成為了網絡時尚單品。
也有銀行借DeepSeek的火爆，趁熱打鐵地做了場別樣的宣傳。《國際金融報》記者注意到，在近日的一則推送中，海安農商銀行通過與DeepSeek對話的形式，從資本實力、市場份額等多維度做了深度、全面的自我介紹，十分吸引眼球。
而在娛樂大眾的功能之外，DeepSeek還引發了行業人士更深層次的思考。記者在采訪中發現，DeepSeek模型的技術突破價值成為多位專家的關注點。
近年來，做好數字金融大文章、推進數字化轉型已成為銀行業的共識。在近兩年的財報中，有多家上市銀行針對人工智能大模型的發展表達了積極態度，并披露了發展人工智能大模型的規劃或進展。
此次，江蘇銀行成為上市銀行中第一家“吃螃蟹”的機構。據公眾號“蘇銀數字金融”披露的消息，江蘇銀行依托“智慧小蘇”大語言模型服務平臺，成功本地化部署微調DeepSeek-VL2多模態模型、輕量DeepSeek-R1推理模型，分別運用于智能合同質檢和自動化估值對賬場景中。
“DeepSeek模型所具備的應用能力多元，擁有強大的邏輯推理和自然語言處理水平，能夠實現高性價比的部署。”素喜智研高級研究員蘇筱芮對記者指出。
浙商證券研報顯示，DeepSeek-V3整個訓練過程僅用了不到280萬GPU（圖形處理器）小時，相比之下，美國互聯網巨頭元宇宙平臺公司（Meta）發布的Llama3-405B的訓練時長是3080萬GPU小時。DeepSeek-V3的訓練成本約為557.6萬美元，而OpenAI（美國開放人工智能研究中心）為聊天機器人ChatGPT發布的語言模型GPT-4的訓練成本則高達數億美元。
為何此次新模型的發布引發金融界的廣泛關注？蘇筱芮認為，除物美價廉的因素外，DeepSeek與其他一些AI大模型有所不同的是，其母公司專長于私募基金，擁有更強的金融基因。
國金證券計算機首席分析師孟燦在接受采訪時分析，DeepSeek具備客戶視角思維和上下文理解的核心優勢，從經營角度來看，AI思考的路徑呈現與人工審核結合，可以提高銀行決策的嚴謹性和專業性。
須重視安全性與準確性
中國銀行業協會在此前發布的《2024年度中國銀行業發展報告》指出，金融與人工智能有天然的契合點，AI大模型技術能夠充分挖掘銀行業的海量數據，而銀行業具有適用AI大模型技術的豐富場景。當前AI大模型正推進我國銀行業服務、營銷、產品等領域的全面革新，催化“未來銀行”加速到來。
隨著生成式AI技術加速滲透金融業，銀行業對大模型的探索已從早期技術驗證邁向規模化應用階段。當前AI大模型在銀行業的落地路徑為何？有何風險與挑戰？
“自ChatGPT問世以來，銀行就已經投入了大量資源進行算力儲備和自有金融大模型的開發。在DeepSeek以及今后新的人工智能模型不斷迭代的過程中，單次推理計算成本逐步降低，意味著算力基礎設施產能將逐步提升，這也標志著大模型應用從‘技術可行性驗證’轉向‘經濟可行性落地’的關鍵拐點。”一位銀行業資深人士告訴記者，“前期Kimi、豆包的營銷熱潮和此次DeepSeek傳播熱度，也在全社會實現了AI的普及教育，公眾對金融行業AI應用的接受度會進一步提升，而國家對人工智能產業的戰略扶持與規劃，也將對后繼產業人才培養帶來很大幫助。”
銀行是經營管理風險的機構，如何妥善處理人工智能大模型引入的安全風險問題非常關鍵。
“在AI當前應用中，我們面臨的較大困擾是AI幻覺，即AI對輸入數據的誤解、過度泛化或在推理過程中的錯誤。可以說AI‘想象’出了某些不存在的事物或信息，就像人類在夢中或幻覺中看到的事物一樣。”上述銀行業人士向記者進一步介紹道，“這就要求我們對錯誤信息進行識別，一方面，借助DeepSeek開源的可解釋性工具鏈，使模型決策路徑透明度提升；另一方面，對企業的知識庫進行隔離，避免產生信息污染，并導致惡性循環。”
孟燦也指出，在大模型的使用過程中，銀行需要重點注意數據安全問題，把握好關鍵數據的邊界。“AI大模型與客戶的每次對話都涉及客戶隱私。此外，數據被動收集可能涉及知識產權等問題”。
“從長遠來看，銀行或將逐步完成基于AI應用的金融服務生態變革。”孟燦指出，“從生產力角度來看，過往基于問答的模式將轉變為信息的全面服務，服務效率、服務準確性和客戶滿意度會提升，銀行決策的風險性會降低。從生產關系來看，銀行自身的組織結構或將變化，與客戶的關系會更融洽。生產資料方面，銀行服務的軟硬件適配也會發生改變。”
蘇筱芮在采訪中表示，人工智能大模型的應用在智能營銷、智能風控等多個細分場景具備長遠的應用潛力。后續或將有更多持牌機構加入到AI升級的浪潮中來，在提升傳統金融業務質效的同時，為金融安全、用戶資金賬戶安全保駕護航。
為何目前使用DeepSeek工具的銀行尚少？上述業內人士指出，許多銀行開發金融大模型較早，雖然采用了分層的松耦合架構，但接口適配調整、知識庫的再訓練都會影響模型遷移。但開源技術框架真正觸發了全行業的AI軍備競賽，隨著更多云計算平臺支持DeepSeek，會加速模型遷移。
“銀行發展大模型，根本競爭力來自于三個方面。”該人士最后分析指出，“其一是企業能否真正形成完善的知識基座，打通知識孤島、碎片場景和反饋斷層，將業務及客戶反饋等形成企業的向量知識庫；其二是能否做好防火墻，即數據的隱私保護和風險隔離，通過數據、模型和應用層聯動，構建模型全生命周期管理；其三是生態協同能力，要在擁有足夠業務場景反饋的基礎上，為客戶做減法，以盡可能簡潔、核心的信息呈現，解決客戶的問題。”
