开年后，DeepSeek掀起了一场“风暴”。

当前，年轻人开始用DeepSeek算命、算合婚、算财运，还有让DeepSeek帮忙选彩票号码等。

上市公司也于近日纷纷宣布接入这一大模型。如2月4日，万兴科技完成DeepSeek最新推理大模型DeepSeek-R1的深入适配，旗下多产品已融合相关能力。2月5日，奇安信宣布已完成与DeepSeek的全面深度接入，将其引入到威胁研判、安全运营等场景。

金融业赶上了这股热潮，部分银行和金融科技公司密集接入DeepSeek。江苏银行、海安农商银行，乐信等均已接入DeepSeek，并用于营销、客服等场景。

作为开源AI大模型，DeepSeek将为金融业带来哪些新的可能性？大语言模型等在金融领域的应用已从辅助工具阶段迈向核心生产力阶段，从“试验阶段”进入“深度融合阶段”。它不仅为金融业提供了可复用的技术框架，更预示着金融行业将朝着智能化、个性化和高效化的方向发展。

金融机构密集接入DeepSeek

近日，多家银行和金融科技公司迅速启动对DeepSeek的深度研究测试。

江苏银行依托“智慧小苏”大语言模型服务平台，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。

另有银行把DeepSeek用于营销场景。2月2日，海安农商银行微讯公众号显示，“DeepSeek，你也太懂海安农商银行了吧”，DeepSeek从资本实力、市场份额、服务质量、风险管理、金融产品、社会责任等维度对海安农商银行进行分析和总结。

与此同时，为金融机构提供数智化服务的厂商们也摩拳擦掌。

2月4日，大模型独角兽企业中关村科金公众号显示，“得助大模型平台”率先支持DeepSeek三大模型，并升级了大模型应用构建能力，支持企业使用 DeepSeek 系列模型构建大模型应用及Agent，同时适配昇腾、英伟达等多种国内外CPU、GPU，加速企业级DeepSeek模型的快速接入及部署应用。

另有金融科技公司乐信于去年5月正式引入 DeepSeek V2，并在 DeepSeek 基础上通过乐信金融数据进行预训练和微调，形成乐信专有的金融垂直领域大模型“奇点Al大模型”，目前DeepSeek最新的V3和R1版本已在引入中。

据乐信CTO陆勇介绍，乐信“奇点Al大模型”目前已加速在公司多个领域落地应用。业务交互方面，已在电销、客服等主要业务流程中全面落地，提升了公司整体的运营效率和客户体验。

曾刚表示，从目前情况看，合同质检是当下DeepSeek在银行业的主要应用场景之一。在金融行业中，合同质检直接关系到合规性、风险控制和运营效率。过往金融合同里的风险条款和不合规内容以及错误条款，犹如“定时炸弹”，稍有不慎，就可能引发法律纠纷、监管处罚，导致严重财务损失。合同质检的准确率与合规性保障，也直接影响了客户对银行的信任程度。

在运营方面，大语言模型的应用改变了金融业员工的角色定位。员工正从传统的“执行者”向“决策者”和“创新者”转变，从重复性任务执行者变为智能工具管理者；从单一领域专家变为跨领域协作者；从被动执行转变为主动创新。

DeepSeek是一个新趋势，各金融机构都在尝试。长远来说，DeepSeek在金融领域发展的关键在于找到与业务的契合点，从而优化投入产出比。

在小红书等社交媒体上，不少金融从业者都对DeepSeek高度关注。“普通员工怎么用好DeepSeek”“建议所有对公客户经理跟着DeepSeek学逻辑”“DeepSeek教会嘴笨的我怎么在银行做营销”等笔记均有互动，不少用户在评论区交流使用经验。

曾刚认为，当前大语言模型在金融领域的潜力远未被完全挖掘，未来其应用场景也将更加广泛。无障碍服务、智能投顾、欺诈检测与反洗钱、动态定价与利率优化……“脑子快”的大模型还可以参与银行众多的业务环节，成为职员的好帮手。

降本增效是关键

DeepSeek本次引发关注的主要原因之一，是其最新发布的DeepSeek-R1。

招商基金发文称，根据官方介绍，R1在数学、代码、自然语言推理等任务上的性能上已经比肩OpenAI O1正式版。另外DeepSeek还是开源的，代码全部公开，更多的开发者可以使用模型，打破了全球AI巨头的封锁。从训练成本来看，R1的价格相比OpenAI O1显著降低。

DeepSeek降低了模型训练的硬件成本和模型能力的技术门槛，提升了金融机构对大模型技术的自主性。这种模型层面的进步，也凸显了未来在模型训练平台、Agent平台、应用服务平台等工具层面的重要性。

“接入DeepSeek的过程没有特别的难度和门槛，兼容性方面没有出现特殊问题。DeepSeek作为国产的开源模型，可以本地化部署，相较闭源模型，在合规性和数据安全方面具备优势。”他表示。

通过优化技术和少量高质量数据提升模型推理能力，DeepSeek可将此能力传递给小模型，这为多Agent系统提供了低成本、高效的解决方案。张杰认为，可以借鉴DeepSeek的工程方式更好地帮助客户训练出专属的行业大模型及应用，尤其是在金融机构与客户连接的各个关键节点，进一步降低成本和提升效率，加速金融业数智化升级。

在部分从业者看来，DeepSeek可能为中小金融机构提供“弯道超车”的契机。在金融大模型的应用上，大型金融机构通常拥有更多资源和数据优势。中小金融机构长期面临GPU采购成本高、数据量偏少等挑战，DeepSeek训练成本低，其开源特性、低算力需求等降低了中小型机构自研大模型的门槛，有助于其开发更具针对性的金融大模型，快速提升自身的数字化能力。