财联社 8 月 4 日讯 （记者 彭科峰）今年 1 月 20 日，DeepSeek 发布了媲美 OpenAI o1 的 R1 模型，引发市场高度评价并带动国内众多行业追捧。
如今半年时间刚刚过去，银行业对昔日爆火的 DeepSeek 态度有什么变化吗？目前应用的状况如何？连日来，财联社记者就此进行了深入调研。
「整体来看，不如预期。银行业有其自身特点，过去还是普遍高估了 DeepSeek 的作用。」 多名大行金融科技从业者、上市银行相关负责人士向财联社记者表示，目前银行业并未诞生基于 DeepSeek 的杀手级应用，后续影响还需观察。
受访业内人士称，近半年来 DeepSeek 在银行业应用中遇到的问题可归为三大障碍。其中最主要的，在于银行业金融数据的复杂性，DeepSeek 暂无法有效处理。而从本质上，DeepSeek 是面向所有领域的通用大模型，而非专门面向金融领域开发的专用大模型，这导致和银行原有的技术路线适配性不高。
不过，在众多业内人士看来，尽管 DeepSeek 能够在银行业发挥多大作用、是否会产生颠覆式应用目前还不好判断。但肯定的一点是，这一轮拥抱人工智能的趋势不会像去年金融 「元宇宙」 那样昙花一现。受访人士坦言，面对当前诸多压力，银行业持续加大金融科技的投入依然会是大趋势。
从热议到平静，DeepSeek 已归于 「众多大模型中的那一个」
仅仅半年，DeepSeek 已经走完了从 「最独特的那一个」 到 「众多大模型中的那一个」 的历程。
「应该说，DeepSeek 的突然走红，是出乎之前银行业的意料的。DeepSeek 爆火是在春节前后，当时银行基本来不及反应。年后上班后领导才关注这个事情。」 某国有大行内部人士向财联社记者表示，DeepSeek 的出圈纯属意外，但银行对于金融科技的重视一如既往，近年来一直在服务器、算法等方面加大投入。
以时间线来看，业内最早宣布拥抱 DeepSeek 的银行——早在 2 月 5 日，江苏银行就官宣已经落地 DeepSeek 大模型的应用。此后，北京银行、工商银行、邮储银行等多家银行跟进宣布，已接入 DeepSeek。
「中小银行比大银行更喜欢关注热点，也更加注重营销和宣传。这是当前银行业的压力所决定的。」 江浙沪某上市银行内部人士杨磊 （化名） 向财联社记者表示，小银行率先跟进 DeepSeek 不意外。
但在 3 月底各大上市银行发布 2024 年年报数据的关口，银行业尤其是大型商业银行对于 DeepSeek 的态度开始转变，热情明显减少。在数十家上市银行年报发布会上，公开宣传本行在 DeepSeek 方面的成果和应用的银行基本都是中小银行，且数量也不多。
依据财联社记者此前独家报道，这是因为有关部门对于银行尤其是大型商业银行作出了相关要求——不得大规模宣传 DeepSeek 的应用情况，金融大模型要突出强调自主研发。
此后半年内，年报季后银行业对于 DeepSeek 的宣传进一步弱化，几乎没有国有大行、股份行发布相关和 DeepSeek 进展的通告或文章。
「抱歉，对于 DeepSeek 目前行内还是很敏感，不能说。」 一名头部股份行金融科技部负责大模型的处长近日对财联社记者表示，由于 「种种原因」，不能就 DeepSeek 进行公开沟通。
「大型银行对于金融大模型早有积累和应用，尤其是在 OpenAI 走红后，国内百度、阿里等很多互联网巨头也及时跟进发布了自家的大模型。并且，当时不少银行都和这些国内巨头进行合作，引进了一些外部大模型。」 某全国性商业银行金融科技部人士王敏 （化名） 向财联社记者表示，目前在业内看来，DeepSeek 已基本归于 「众多大模型中的那一个」，并不是 「大明星」。
新的金融大模型的出现，也让 DeepSeek 在银行业不再特殊。7 月 28 日，中国建设银行与工商银行宣布分别接入阿里巴巴 AI 技术，且工商银行商户风控系统正式接入通义千问大模型。
银行数据的复杂性、对差错的容忍度太低，DeepSeek 遭遇三大应用瓶颈
对任何科技应用来说，时间才是证明一切的最好手段。半年过去，实际应用、上手 DeepSeek 的银行业人士对于它有什么看法呢？
「半年前我的预判错了。当时我认为半年内会爆发基于 DeepSeek 的杀手级应用，比如在智能风控、AI 投顾方面，但如今看来都没有兑现。我行已经部署并深入研究了半年，目前进展不如预期。」 杨磊向财联社记者表示，此前银行业对于 DeepSeek 的判断过于乐观。
DeepSeek 的实际应用中都有哪些问题？多名业内人士向财联社记者反馈，最主要的障碍在于银行业金融数据的复杂性，DeepSeek 暂无法有效处理。
王敏向财联社记者表示，银行每天产生的金融大数据可以用海量来形容，但是由于辖内有分行、支行等遍布全国的机构和对公、零售、财富等不同部门，基层人员统计、写入底层数据的维度有不同，质量也有高低。实际使用来看，DeepSeek 对于太复杂的底层数据 （或者说质量不高的金融数据） 处理能力不行，导致应用起来问题不断，基于其衍生的判断也很难说有效果。「当然，对于任何算法、大模型来说，数据的真实性、规范性是第一位的。「
「券商部门的数据相对单一，所以他们用 DeepSeek 可能会好一点。」 杨磊也表示，在使用 DeepSeek 之前，银行技术人员还需要对内部数据进行再处理。并且 DeepSeek 的推理能力也不如想象的那么强。
其次，是算力制约问题。尽管 DeepSeek 号称低成本，但要想处理复杂数据，高性能的芯片和算力依然不可少。
王敏表示，DeepSeek 用于简单搜索的确消耗算力不多，但如果要想对全行所有员工进行全面推广，并基于其开发智能风控等深度应用，则依然会遭遇延迟、结果不准确等诸多问题。这对小银行来说也是一大负担。并且，就实际应用来说，随着半年来诸多国产大模型的升级，目前免费版的 DeepSeek 相比同行来说，在很多方面 「基本没有明显优势」。这也导致一些技术人员并不会专一调用 DeepSeek 来进行开发。
另外，在业内人士看来，DeepSeek 本质上是面向所有领域的通用大模型，而非专门面向金融领域开发的专用大模型，这导致和银行原有的技术路线适配性不高。
某华东地区上市城商行人士向财联社表示，上半年他们已经发现了 DeepSeek 的一些问题，目前技术团队正试图将该行原有的单一领域的金融 「小模型」 和 DeepSeek 的通用大模型进行结合、改造，试图让后者在智能风控、内部管理决策等方面发挥更大作用。但是，这一切需要时间。
「金融行业对于差错的容忍度是非常低的。一旦发现基于 DeepSeek 的 AI 投顾的分析有明显问题，那么我们的做法是暂时先不正式上线，而是交给技术人员继续完善。」 杨磊向财联社记者表示，依据该行金融科技部人员的反映，可能由于数据来源等原因，目前 DeepSeek 在 AI 投顾、智能风控方面的初步应用不如人意，AI 客服也存在误导性的可能，出于安全方面的考量，目前该行对于 DeepSeek 的单项应用研发还在推进中，「可以说还在不断内测，没有太大的进展」。
「 DeepSeek 对于银行业的最大作用，是拉近了地方中小银行和大银行之间在金融大模型方面的技术差距。原来采购一个大模型动辄上千万，而免费的 DeepSeek 帮助中小银行解决了 『有没有』 的问题。目前中小银行对于 DeepSeek 的研发热情还是比较高的。」 杨磊认为，就目前的情况来看，很难判断何时会有基于 DeepSeek 的杀手级金融应用出现，「只能说，上半年银行业尤其是地方银行对于 DeepSeek 的发展太过于乐观。」
