在这个春节中，DeepSeek在世界各地都很受欢迎。 DeepSeek凭借其高性能和开源模型，在AI和技术界引起了许多波浪。本地化数据库具有使用单词和句子的极高能力，并且比ChatGpt较低的价格阈值使其迅速传播。似乎DeepSeek在一夜之间已成为在线时尚产品。
近年来，在数字融资方面做得很好并促进数字化转型已成为银行业的共识。在过去两年的财务报告中，许多上市银行对人工智能模型的开发表示积极态度，并披露了发展人工智能模型的计划或进展。国内AI Model DeepSeek继续流行，Nvidia，Alibaba Cloud，Huawei Cloud，Tencent Cloud，Baidu Cloud等人依次宣布了DeepSeek模型的推出。银行业也已经开始积极探索AI应用程序。无论是包容性融资，风险控制，客户营销，付款还是确认信，跨境融资，账单融资，供应链融资和其他方案，您都可以看到AI模型。
这次，江苏银行成为第一个“取得最佳”机构的上市银行。据报道，江苏银行已成功部署并进行了微调的DeepSeek-VL2多模式模型和基于“ Smart Xiaosu”大语言模型服务平台的轻量级DeepSeek-R1推理模型，这些模型分别用于智能合同质量检查和自动化估值成对。在帐户场景中。
据估计，该应用程序将使合同审计的效率提高300％，并将错误率降低到0.5％以下。轻巧的DeepSeek-R1模型应用于自动估值对帐系统。通过实时分析市场数据和交易记录，它实现了资产评估的动态校准，并压缩了最初花费4个小时在15分钟内完成的手动验证过程。 。在财务语义理解的准确性和业务效率方面取得双重突破，将强大的动力注入业务发展。
中国银行业协会发布的“ 2024年中国银行开发报告”指出，金融和人工智能具有自然的合适状态。 AI Big Model Technology可以完全利用银行业的大量数据，而银行业有能力应用AI大型模型技术。丰富的场景。当前的AI模型正在促进我国银行业服务，营销，产品和其他领域的全面创新，从而促进了“未来银行业”的加速。
中小型银行数字化的救世主？
目前，数字化转型已成为银行业不可逆转的趋势。在数字转换过程中，输入输出比是衡量银行转换有效性的重要指标之一。对于中小型银行，如何在有限的资源下最大化转型福利一直是他们的重点。
随着AI技术的持续发展，AI代理商（代理商）越来越广泛地用于财务方案。从客户服务到风险管理，从智能投资顾问到反欺诈，AI代理商正在逐渐穿透银行业的每个角落。但是，AI代理的研发和应用不能与强大的计算能力支持分开。对于大型银行来说，这可能不是一个问题，但是对于资源有限的中小型银行来说，计算能力瓶颈已成为限制其AI技术发展的“绊脚石”。
图片：银行家与DeepSeek交谈
与传统的大型培训方法相比，DeepSeek对计算功耗的要求已大大减少。这意味着中小型银行可以在不投资大量资金购买高性能计算设备的情况下进行AI代理的研究和开发和应用。这种转换不仅降低了中小型银行的转换门槛，而且还为它们提供了新的动力来加速数字转换。
可以说，DeepSeek的出现为中小型银行的数字化转型提供了新的机会。凭借其计算能力优势，中小型银行可以更加自信地促进AI代理的研究和开发和应用，从而在激烈的市场竞争中占据优势。将来，随着AI技术的持续发展和改进，我相信DeepSeek将在中小型银行的数字化转型中发挥更重要的作用。中小型银行应抓住这一机会，加快推进数字化转型过程的步伐，并为其可持续发展奠定坚实的基础。
图片：海安农村商业银行通过DeepSeek进行营销
例如，一些银行在营销过程中使用DeepSeek功能。 “ DeepSeek，您非常了解海安农村商业银行！”在海安农村商业银行最近发布的一份副本中，该银行通过询问DeepSeek将银行的具体情况介绍给了用户。在副本中，DeepSeek Hai'an农村商业银行分析并从多个维度（例如资本实力，市场份额，服务质量，金融产品和社会责任）进行了总结。从银行的角度来看，该行业认为，DeepSeek最直接的应用程序方案将涵盖智能客户服务，客户需求挖掘，风险评估和管理的水平。
尽管DeepSeek很好，但您也应该注意控制风险控制
银行是管理风险的机构。正确处理人工智能模型引入的安全风险非常重要。
业内人士认为，银行和其他金融机构对大型模型技术非常重要，并积极探索相关的应用程序将有助于更好地发展自己的业务并促进数字金融的深入发展。但是，大型语言模型的应用可能会带来一些风险和挑战，例如数据隐私，信息安全和其他问题。因此，有必要建立完整的数据保护机制和管理规范。
自Chatgpt出现以来，银行已经在计算电源储量及其自己的财务模型的开发上投入了大量资源。在将来DeepSeek和新的人工智能模型连续迭代的过程中，单个推理计算的成本逐渐下降，这意味着计算能力基础设施的生产能力将逐渐增加，这也标志着Big的应用的转移从“技术可行性验证”到实施经济可行性的关键转折点的模型。
从长远来看，银行可能会逐渐根据AI应用程序完成金融服务生态系统的转型。一些行业内部人士指出，许多银行更早地开发了财务模型。尽管他们采用了一个松散的构建结构，但知识库的接口适应和培训将影响模型迁移。但是，开源技术框架确实触发了整个行业的AI军备竞赛。随着越来越多的云计算平台支持DeepSeek，模型迁移将加速。
“银行发展模式的基本竞争力来自三个方面。”该人最终分析了：“首先是企业是否可以真正形成一个完整的知识库，开放知识岛，零散的场景和反馈故障，并整合业务和客户反馈和其他产品以及其他产品构成企业的矢量知识库；第二是防火墙是否可以做得好，即数据隐私保护和风险隔离，并且模型的全生命周期管理是通过数据，模型和应用程序层的链接来建立的；具有足够的业务方案反馈，应为客户减法以尽可能简洁和核心来解决客户问题。”
开拓者打破僵局的方式
尽管取得了突破，但江苏银行的勘探仍然面临三个挑战：首先，依靠模型微调的行业数据障碍并未完全破坏，并且当前可用的高质量财务标签数据不到需求的40％；其次，与纯文本模型相比，多模型模型的计算力消耗增加了3-5倍，这为银行的IT架构提供了新的要求。第三，需要阐明法规合规性的界限，尤其是涉及客户隐私数据的模型培训，需要与创新和风险仔细平衡。
当地银行发起的这种AI革命正在重写金融技术竞争规则。当技术包容性达到该行业的深度时，中国对银行业的智能转型可能已经找到了自己的最佳解决方案。可以预测，通过限制场景和可控投资的技术试点项目，将逐步构建AI功能矩阵。随着DeepSeek技术生态系统的改善，银行业可能会引入从“单点智能”到“系统情报”的飞跃发展。
从优化客户服务经验到创新的风险管理机制，银行业大型模型的应用前景似乎是光明的。同时，尽管大型模型可以处理大量数据，但在理解复杂业务方案的背景下，它们仍然存在局限性。当与结构化融资和新的金融衍生品交易等复杂业务打交道时，人类的经验和判断仍然是必不可少的。
因此，在实际的业务中，对于银行来说，合理平衡人工智能与人类决策之间的关系至关重要。我们不仅必须全面发挥人工智能工具的优势，例如DeepSeek在数据处理和分析中，以提高业务效率和准确性；我们还必须关注人类决策的独特价值，尤其是当它涉及复杂的情绪，道德和创造性决策时。智慧通常更好。
图：银行业的应用方向大型模型
在应用程序过程中，DeepSeek还面临着多个挑战，例如数据质量，模型可解释性和市场适应性。因此，有必要建立完整的数据保护机制和管理规范。随着技术的发展和应用程序方案的不断扩展，银行需要不断适应新的变化和需求，并积极探索新的应用程序模型和服务方法。
结论
接下来的三年将为AI起飞三年。这也将在金融业完全被AI重塑的三年内。 DeepSeek在金融领域的应用正在深刻改变金融行业的模式和生态。
传统的金融机构需要不断提高其技术实力和创新能力，以适应市场变化和客户需求的变化。新兴金融机构可以使用诸如DeepSeek之类的先进技术来超越并抓住市场份额。这将促使金融机构增加对科学，技术和创新的投资，并促进金融行业的可持续发展和变化。
最后，不容忽视的是，DeepSeek的应用还对金融行业的监管提出了新的挑战和要求。监管机构需要加强对金融机构的监督，以确保其合规行动和风险可控制。同时，监管机构还需要加强对诸如DeepSeek之类的先进技术的监督和研究，以应对可能的风险和问题。这将促进金融行业监管水平的持续改进和改善。
本文来自作者：Lou Zhuohao的微信公共帐户“ Lou Zhuohao Fintech”，并于36KR授权出版。
