银行业正在拥抱DeepSeek。

据公众号“江苏金融科技”，近日，江苏银行成功本地化部署微调DeepSeek-VL2多模态模型、轻量DeepSeek-R1推理模型，分别运用于智能合同质检和自动化估值对账场景中，通过对海量金融数据的挖掘与分析，重塑金融服务模式，实现金融语义理解准确率与业务效率双突破。

据该公众号介绍，江苏银行于2023年研究并开发出大语言模型服务平台“智慧小苏”，此次通过引入DeepSeek大语言模型，“智慧小苏”在复杂多模态、多任务场景处理能力、算力节约、效能等方面得到进一步提升。

这并非业内唯一部署DeepSeek的银行。苏商银行高级研究员孙扬对澎湃新闻介绍，目前，苏商银行已开始应用DeepSeek，比如应用DeepSeek VL2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，苏商银行将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%。

“我们有部门在研究部署的事情。”另有银行业内人士对澎湃新闻表示，其所在的银行正在研究DeepSeek的应用，可能的应用包括客户尽职调查、风险判断、报表的自动化统计等。与此前使用的系统相比，DeepSeek更加智能，可以节约银行收集、整理信息的精力和时间。

数据安全亦是银行需要考虑的问题。上述业内人士表示，本地部署DeepSeek可以将相关数据留在银行内部，不会使数据流至DeepSeek公司，避免了数据安全方面的问题。

孙扬指出，DeepSeek相关模型和系统支持本地化部署，银行要构建完善的数据治理、数据安全、隐私保护体系，建立完善的数据授权和使用的管控流程，加强数据安全管理制度，提升数据安全管理意识。

部署DeepSeek有何影响？

银行业发展金融科技已有数年。艾瑞咨询发布的《2024年中国金融科技（FinTech）行业发展洞察报告》显示，2019年国内金融机构对于金融科技投入的整体规模突破2200亿元，未来国内金融科技市场将以约12%的复合增长率于2027年超过5800亿元。DeepSeek的上线将如何影响银行业金融科技的发展？目前银行业金融科技面临哪些难点？

孙扬表示，DeepSeek将能够帮助银行在服务、决策、管理的智能化水平上做出较大的突破，由于DeepSeek特别适合于小数据、数据匮乏的强化学习场景，非常适合银行场景应用，对增强银行数字银行业务水平将会有较大的促进作用。

不过，孙扬认为，目前具备较强创新能力的金融科技人才依然匮乏，具备金融科技和业务知识的复合型人才的培养比较困难，且培养周期很长。此外，金融科技需要大量数据，但是相比平台企业，银行的数据资源还比较匮乏。

招联首席研究员、上海金融与发展实验室副主任董希淼对澎湃新闻分析称，DeepSeek等生成式人工智能等大模型技术会加速银行数字化转型的效率和质量，是商业银行高度重视的发展方向。不过，大模型等加快应用可能产生隐私权、著作权等方面问题。如何发挥积极作用、降低负面影响，助推数字金融高质量发展，是金融业人工智能技术运用方面应严肃面对的重大问题。

中国邮政储蓄银行研究员娄飞鹏对澎湃新闻表示，银行业本身发展对数据收集分析等有较大依赖，大模型等具有较强的数据处理能力，银行积极加以采用可以更加精准地分析客户需求，针对性的开展产品创新，提高业务处理效率，并且提高风险管理精准度。DeepSeek的出现，有助于加快银行业数字化转型，推动数字金融深度发展。

娄飞鹏认为，银行业在强化对大模型运用的同时，需要强化对数据信息等的管理，维护好客户信息安全。同时，也要根据业务发展需要，合理运用数据。