DeepSeek，這一在2025年初迅速走紅的AI大模型，正引領(lǐng)銀行業(yè)邁向智能化轉(zhuǎn)型的新篇章。
自1月10日DeepSeek推出推理模型DeepSeek-R1及移動(dòng)端聊天機(jī)器人應(yīng)用以來(lái)，其熱度持續(xù)攀升。僅17天后，該聊天機(jī)器人應(yīng)用在蘋果美國(guó)應(yīng)用商店的下載量便榮登榜首。此前，DeepSeek發(fā)布的開源大模型DeepSeekV3，在百科知識(shí)、代碼及數(shù)學(xué)能力評(píng)測(cè)中表現(xiàn)卓越，成績(jī)甚至超越了阿里云Qwen2.5-72B和meta的Llama-3.1-405B兩大開源模型，與頂尖閉源模型如GPT-4o及Claude-3.5-Sonnet不相伯仲。尤其在數(shù)學(xué)領(lǐng)域，DeepSeek在美國(guó)數(shù)學(xué)競(jìng)賽（AIME2024）和中國(guó)全國(guó)高中數(shù)學(xué)聯(lián)賽（2024）中的表現(xiàn)，遠(yuǎn)超其他所有模型。更令人稱奇的是，其成本僅為ChatGPT-O1模型的5%和Llama3.1的10%。
DeepSeek的崛起，不僅激發(fā)了AI大模型應(yīng)用的熱潮，也讓銀行業(yè)看到了智能化轉(zhuǎn)型的新機(jī)遇。多家銀行已積極引入DeepSeek技術(shù)，并取得了顯著成效。
郵儲(chǔ)銀行依托自有的“郵智”大模型，迅速集成了DeepSeek-V3和輕量級(jí)的DeepSeek-R1推理模型，在多模態(tài)、多任務(wù)處理方面展現(xiàn)出卓越能力。這些模型被應(yīng)用于“小郵助手”中，通過(guò)深度分析等功能，精準(zhǔn)識(shí)別用戶需求，提供個(gè)性化服務(wù)方案，同時(shí)加快了任務(wù)響應(yīng)速度，提升了用戶體驗(yàn)。
江蘇銀行則利用“智慧小蘇”大語(yǔ)言模型服務(wù)平臺(tái)，成功部署并微調(diào)了DeepSeek-VL2多模態(tài)模型及DeepSeek-R1推理模型。在合同質(zhì)檢工作中，引入DeepSeek技術(shù)的智能合同質(zhì)檢系統(tǒng)，能夠快速掃描合同內(nèi)容，準(zhǔn)確找出風(fēng)險(xiǎn)點(diǎn)和錯(cuò)誤，大幅提高了質(zhì)檢效率和準(zhǔn)確性，降低了潛在風(fēng)險(xiǎn)。在托管資產(chǎn)估值對(duì)賬環(huán)節(jié)，DeepSeek技術(shù)也實(shí)現(xiàn)了自動(dòng)化處理，減少了人工誤差，提高了業(yè)務(wù)處理速度。
北京銀行與華為攜手，全面啟動(dòng)“allinAI”戰(zhàn)略，實(shí)現(xiàn)了DeepSeek全棧國(guó)產(chǎn)化在金融領(lǐng)域的應(yīng)用。該應(yīng)用已在多個(gè)業(yè)務(wù)場(chǎng)景中展開試點(diǎn)，包括AIB平臺(tái)、京行研究、京行智庫(kù)、客服助手等，顯著提升了服務(wù)質(zhì)量與效率。
除了DeepSeek，其他AI大模型也在銀行業(yè)得到了廣泛應(yīng)用。工商銀行通過(guò)大模型與大數(shù)據(jù)技術(shù)，打造了智能客服助手，不僅為客服人員提供客戶背景信息，輔助解答疑問(wèn)，還能精準(zhǔn)總結(jié)客戶訴求，降低遠(yuǎn)程銀行高頻場(chǎng)景客服通話時(shí)長(zhǎng)，提升客服滿意度。建設(shè)銀行則提升了文生圖功能，使?fàn)I銷內(nèi)容更具吸引力，助力客戶營(yíng)銷工作。浦發(fā)銀行啟動(dòng)“愛客計(jì)劃”，通過(guò)模型識(shí)別客戶潛在需求，結(jié)合內(nèi)外部數(shù)據(jù)構(gòu)建模型，開展?fàn)I銷活動(dòng)。中信銀行結(jié)合AI大模型，對(duì)小信智能機(jī)器人進(jìn)行迭代升級(jí)，提升了客戶服務(wù)效能。
然而，AI大模型在銀行業(yè)的應(yīng)用也面臨著諸多挑戰(zhàn)。數(shù)據(jù)質(zhì)量是首要問(wèn)題。數(shù)據(jù)的準(zhǔn)確性、完整性和一致性直接影響模型的性能和決策的準(zhǔn)確性。許多銀行尤其是中小銀行，缺少足夠的有效數(shù)據(jù)資產(chǎn)來(lái)支持AI大模型的需求。同時(shí)，數(shù)據(jù)隱私及安全問(wèn)題也讓銀行難以將私有數(shù)據(jù)提供給大模型企業(yè)進(jìn)行預(yù)訓(xùn)練與微調(diào)。中小銀行在數(shù)字化轉(zhuǎn)型過(guò)程中還受制于資源有限、技術(shù)力量薄弱等困境。
信息安全同樣不容忽視。大模型在面向公眾提供服務(wù)前，需依據(jù)國(guó)家網(wǎng)信部門的規(guī)定進(jìn)行安全評(píng)估，并完成備案流程。在此基礎(chǔ)上，還需借助金融科技創(chuàng)新監(jiān)管工具進(jìn)行測(cè)試，確保在風(fēng)險(xiǎn)可控的真實(shí)市場(chǎng)環(huán)境中打磨成熟后再正式對(duì)外提供服務(wù)。
盡管面臨諸多挑戰(zhàn)，但AI大模型無(wú)疑為銀行業(yè)帶來(lái)了智能化轉(zhuǎn)型的新機(jī)遇。只要各銀行積極應(yīng)對(duì)挑戰(zhàn)，充分發(fā)揮AI大模型的優(yōu)勢(shì)，并及早防范可能出現(xiàn)的問(wèn)題，就能在金融智能化的浪潮中取得更大成就。
