银行也开始用DeepSeek了！
“我行已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。”江苏银行人士说。
除江苏银行外，北京银行、苏商银行等多家银行也成功本地化部署DeepSeek大模型，应用于智能合同管理、智能风控、资产托管与估值对账、客服助手、智库等多个场景。此外，还有股份行表示，正在对DeepSeek系列大模型进行测试，评估其降本增效作用。
更快更准
DeepSeek用得怎么样？多家银行表示，该系列模型有效提升了业务效率与准确性。
“传统资产托管估值对账存在录入工作量大、对账异常回溯困难等问题，需依赖人工处理每日超2000封差异化邮件，对TA信息、交易信息、估值信息等区分后手工录入比对。”上述江苏银行人士表示。
凭借轻量化DeepSeek-R1推理模型引擎的高效计算特性可完成资产托管估值信息自动化解析录入、自动化对账，并结合邮件网关解析处理能力，实现邮件分类、产品匹配、交易录入、估值表解析对账全链路自动化处理，识别成功率超90%。
目前江苏银行表示已初步实现业务集中运营，按照平均手工操作水平测算，每天可减少9.68小时工作量。
“我行携手华为成功引入部署DeepSeek系列大模型，目前已在AIB平台京行研究、京行智库、客服助手、京客图谱等多个关键业务场景中试点应用，大幅提升了知识驱动的大模型服务质量和效率。”北京银行相关人员说。
不过，在DeepSeek大模型应用探索初期，各家银行倾向于审慎行事，通过精选少数场景进行初步试验并逐步扩大应用范围。
有利于缩小技术差距
目前，银行业在应用大模型方面主要采取两种策略：一是资金、技术和数据资源充足的大型银行倾向自主研发金融大模型；二是多数中小银行与外部的大模型服务提供商合作，并根据自身数据进行微调，以打造符合特定业务需求的大模型。
“DeepSeek面世给大型银行与中小银行均带来了积极影响。”上海金融与发展实验室主任、首席专家曾刚说。
对于大型银行来说，DeepSeek可以作为一个高效、可扩展的技术工具。首先，DeepSeek作为一个成熟的AIGC工具，可以提供现成的技术框架和算法支持，减少从零开始研发的时间和成本；其次，DeepSeek的强大自然语言处理（NLP）能力和数据分析能力，可以在合同校验、智能风控、资产估值等场景中快速迭代，不断提升模型的精准性和适用性；最后，可快速开发出更多场景化应用，如智能客服、精准营销、供应链金融等。
