來源 | 零壹智庫

Deepseek正以前所未有的速度滲透到各行各業(yè)，金融領(lǐng)域也不例外。

公開報道顯示，包括工商銀行、建設(shè)銀行、微眾銀行、新網(wǎng)銀行、北京銀行、江蘇銀行等在內(nèi)的約20家銀行宣布完成Deepseek的本地化部署或測試。

例如，工商銀行通過“工銀智涌”大模型平臺引入DeepSeek系列開源模型，并面向全行開放使用，構(gòu)建了財報分析助手、AI財富管家等10余個場景；郵儲銀行在“小郵助手”中集成DeepSeek-V3和R1模型，應(yīng)用于智能客服升級、遠(yuǎn)程銀行優(yōu)化、風(fēng)控與反欺詐等場景；江蘇銀行完成DeepSeek-VL2多模態(tài)模型和輕量DeepSeek-R1推理模型的本地化部署，應(yīng)用于智能合同質(zhì)檢和自動化估值對賬。

此外，上線DeepSeek大模型的保險和券商機(jī)構(gòu)也均超過10家，應(yīng)用場景更加豐富，包括日常管理、銷售支持、理賠質(zhì)檢、代理人培訓(xùn)等，以及投研分析、信息檢索、文檔解析、輿情監(jiān)測、產(chǎn)業(yè)鏈圖譜生成等數(shù)十個業(yè)務(wù)場景。

金融業(yè)，一直都被視為人工智能應(yīng)用落地速度最快、影響程度最大的行業(yè)。這可能與其業(yè)務(wù)屬性有關(guān)，金融業(yè)依靠高流動性、高杠桿的商業(yè)模式運(yùn)營運(yùn)作，新技術(shù)的變革對其競爭環(huán)境、競爭優(yōu)勢、運(yùn)營成本、風(fēng)險控制等關(guān)鍵方面，都有著重大影響。

2月11日，零壹智庫邀請到邀請到兩位在金融行業(yè)深耕多年，且在理論、技術(shù)和實踐方面均具備資深經(jīng)驗的嘉賓，共同深入探討DeepSeek給金融業(yè)帶來的變革，以及金融人如何快速做出反應(yīng)。

兩位嘉賓圍繞多個關(guān)鍵話題，從行業(yè)發(fā)展趨勢、技術(shù)變革走向，到個人應(yīng)用實踐和應(yīng)對沖擊的策略等方面，分享了豐富的觀點(diǎn)和實用的建議。

訪談嘉賓：謝國忠：北京信用學(xué)會 AI 與信用科技的首席專家，歷任埃森哲大中華區(qū)首席數(shù)據(jù)咨詢專家、IBM 全球企業(yè)服務(wù)部大數(shù)據(jù)與分析中國區(qū)總經(jīng)理、陽光保險集團(tuán) CDO，Teradata 中國區(qū)副總經(jīng)理。

劉新海：資深人工智能專家，某金融聯(lián)合實驗室首席研究員，在世界一流的AI實驗室獲得博士學(xué)位，曾擔(dān)任北京大學(xué)金融智能研究中心主任助理，并且從北京大學(xué)成功孵化出AI團(tuán)隊。

主持人：柏亮 零壹智庫CEO

1、DeepSeek帶來技術(shù)普惠，中小金融機(jī)構(gòu)部署AI壓力大減，同時帶來全球 AI 的良性競爭。

柏亮：請兩位老師從金融應(yīng)用視角、行業(yè)市場等方面，談?wù)?DeepSeek 帶來了哪些變化。我們又該如何適應(yīng)和調(diào)整呢？ 

謝國忠：DeepSeek具有低成本、高性能和開源的特點(diǎn)，這帶來了技術(shù)普惠，深刻影響了應(yīng)用變革。對金融行業(yè)而言，這種變革主要體現(xiàn)在親民化、平民化、普及化三個方面。首先，是應(yīng)用的親民化，中小金融機(jī)構(gòu)也能應(yīng)用大模型。過去，大模型價格高昂，讓人望而卻步。但 DeepSeek 出現(xiàn)后，推動了千行百業(yè)快速部署和應(yīng)用大模型，金融機(jī)構(gòu)也不例外。

很多在金融機(jī)構(gòu)負(fù)責(zé)數(shù)據(jù)業(yè)務(wù)的朋友告訴我，在大模型出現(xiàn)及應(yīng)用興起時，中小金融機(jī)構(gòu)非常焦慮。因為按照監(jiān)管要求，大模型部署必須私有化（本地化部署），這就意味著中小金融機(jī)構(gòu)不僅要購買 GPU 算力，還要購買大模型的許可和軟件，同時還需配備高水平的專業(yè)人才，負(fù)擔(dān)非常沉重。而 DeepSeek 價格便宜且開源，使得部署壓力大大減輕。

在DeepSeek 出現(xiàn)之前，AI 應(yīng)用長期被巨頭、大廠和大型金融機(jī)構(gòu)壟斷，現(xiàn)在逐步過渡到全民可部署、可開發(fā)階段。如此一來，AI 應(yīng)用不再高高在上，逐漸走向親民化，這對中小金融機(jī)構(gòu)意義非凡。

第二，是應(yīng)用的平民化，金融行業(yè)從業(yè)人員和普通百姓都能使用。因為 DeepSeek 是一個推理模型，其思維方式與人類相近，并且免費(fèi)，普通老百姓會用，也喜歡用，這促進(jìn)了AI 平民化。就拿我自己來說，之前在手機(jī)上下載了豆包，后來又下載了 kimi。這幾種模型各有特色，普通老百姓都能輕松使用。

第三，是端側(cè)應(yīng)用的普及化。小參數(shù)模型通過蒸餾技術(shù)變小后，未來可以適配于各類端側(cè)設(shè)備，比如手機(jī)、平板電腦、可穿戴設(shè)備、智能眼鏡、智能家居、具身機(jī)器人等邊緣設(shè)備都可以部署。

AI 在端側(cè)的應(yīng)用想象空間巨大，比如保險公司建立了很多康養(yǎng)社區(qū)，關(guān)注大健康和老人護(hù)理。如果在康養(yǎng)社區(qū)里部署能走路、能思考、能做動作的具身機(jī)器人，再灌入大模型后使其具備交流能力，能給老人提供建議、講笑話，還能實時離線服務(wù)，效果跟真人差不多，這極有可能帶動一個產(chǎn)業(yè)的發(fā)展。

柏亮：請劉老師聊一下您這段時間觀測或體驗到的與DeepSeek有關(guān)的新變化，您覺得最大的變化是什么？

劉新海：我主要從三個方面說說它的優(yōu)勢和獨(dú)特之處。

一，DeepSeek 在工程應(yīng)用上的創(chuàng)新，大幅降低了推理模型的成本。這種創(chuàng)新不是技術(shù)方面的，而是把目前很多 AI 大模型最先進(jìn)的技術(shù)，比如 MOE 架構(gòu)、自動強(qiáng)化學(xué)習(xí)進(jìn)行整合，做了很多工程上的優(yōu)化。

推理模型跟前幾年 OPEN AI 推出的生成式（Generative）模型不同，后者主要是生成新的文本、圖像、音頻，依據(jù)是數(shù)據(jù)的分布；而推理（Reasoning）模型則更類似于人，經(jīng)過邏輯推理思考，去解決復(fù)雜問題，進(jìn)而提高模型的智能化水平。

第二，就像謝總所說，DeepSeek帶來 AI 大模型的親民化和群眾普及。國內(nèi)很多人春節(jié)的時候就開始用 DeepSeek 做對聯(lián)，拜年等，特別是一些老齡人士，Deep Seek讓AI的上手門檻很低，只要有基本認(rèn)知能力的人都能玩 AI 了。DeepSeek不僅在企業(yè)端普及，在消費(fèi)者群體中的普及程度也很高；不僅在中國，在印度等新興市場國家，其下載量也很驚人�，F(xiàn)在 DeepSeek 的全球下載量已經(jīng)超出了 ChatGPT，這是非常好的 AI 普及教育。

第三，DeepSeek 帶來全球 AI 的良性競爭，打破了美國硅谷的 AI 壟斷。科技進(jìn)步是不斷迭代和優(yōu)化的過程，AI 大模型時代技術(shù)的后發(fā)優(yōu)勢明顯。如果趕不上這一波，還可以趕下一波，DeepSeek 未來也可能被更具創(chuàng)新的其他AI公司超越，這是行業(yè)發(fā)展的必然趨勢。

最近，得益于 DeepSeek 帶來的活力，DeepSeek開源，將很多技術(shù)細(xì)節(jié)公布于眾，有利于行業(yè)的迭代優(yōu)化，OpenAI 的壟斷地位被打破，整個領(lǐng)域取得了很多新進(jìn)展，很多全球大模型廠商都在不斷推出更好、更便宜、更有潛力的大模型服務(wù)和產(chǎn)品。這是一個激動人心的時代，讓基于 AI 的第四次工業(yè)革命可以繼續(xù)推進(jìn)。

最近圖靈獎得主楊立昆在領(lǐng)英上說，某些圈子存在錯位的優(yōu)越感，喜歡小圈子壟斷所有好生意。雖然DeepSeek 也遭到一些網(wǎng)絡(luò)攻擊，但整體來說，它帶來全球 AI 的良性競爭，激發(fā)了創(chuàng)意創(chuàng)新的活力。

2、DeepSeek在金融C端應(yīng)用尚處于探索期，B端卻有眾多易落地場景，涵蓋智能客服、營銷助手、智能投顧、量化交易助手、投研市場分析等多個領(lǐng)域。

柏亮：結(jié)合現(xiàn)在金融業(yè)端側(cè)的線上線下影響，具體有哪些方面的應(yīng)用可能會因為 DeepSeek 產(chǎn)生變化？

謝國忠：端側(cè)應(yīng)用目前還在想象階段。小參數(shù)模型通過蒸餾適配到手機(jī)端、PC 端、ATM 等還在進(jìn)行中，但這無疑是未來的發(fā)展趨勢。

我覺得可能要分兩步走，第一步是在金融機(jī)構(gòu)內(nèi)部人員的 ipad、手機(jī)上應(yīng)用，先在內(nèi)部使用起來；第二步再面向最終客戶。因為金融機(jī)構(gòu)還面臨很多問題，例如大模型現(xiàn)在還有幻覺問題，如果沒有解決就直接推到用戶端，會有安全和監(jiān)管方面的風(fēng)險。

所以現(xiàn)在大家還在探索過程中，方向是明確的，但可能要分兩個階段。目前銀行內(nèi)部可以先利用這個技術(shù)，等條件成熟，幻覺問題得到控制、監(jiān)管放松后，金融機(jī)構(gòu)直接面客場景也可以使用大模型。

柏亮：像銀行的智能網(wǎng)點(diǎn)，里面的智能設(shè)備呢？

謝國忠：網(wǎng)點(diǎn)的攝像頭、簽到、雙錄等設(shè)備可以利用起來，改善智能對話，還可以給客戶一些產(chǎn)品推薦。但最終用戶側(cè)的設(shè)備大模型應(yīng)用可能在第二個階段。

柏亮：現(xiàn)在很多大一點(diǎn)的銀行數(shù)字化做得比較好，在智能化應(yīng)用上已經(jīng)有一定成果，DeepSeek 會給銀行、保險、證券等金融業(yè)現(xiàn)有的應(yīng)用帶來哪些變化呢？

謝國忠：金融機(jī)構(gòu)在 AI 應(yīng)用領(lǐng)域有很好的基礎(chǔ)， 20 多年前就有部分 AI 應(yīng)用。DeepSeek有其獨(dú)特之處，它可以處理大量文本數(shù)據(jù)，幫助生成交易策略，分析歷史數(shù)據(jù)并預(yù)測未來趨勢，還能自動生成報告。DeepSeek在金融行業(yè)有很多容易落地的場景，我大概總結(jié)了九個：

第一，智能客服。目前在金融機(jī)構(gòu)落地最多的是智能客服領(lǐng)域，大語言模型能夠支持多人對話、語義理解和情感智能分析，就可以幫助金融機(jī)構(gòu)提升和改善服務(wù)質(zhì)量�，F(xiàn)在很多大模型應(yīng)用都集中在智能客服上，因為大語言模型可以交流、做文本分析，這是目前金融機(jī)構(gòu)最重要的應(yīng)用之一。

第二，營銷助手。利用大模型強(qiáng)大的語言處理和交互能力，對接金融機(jī)構(gòu)業(yè)務(wù)系統(tǒng)，構(gòu)建知識圖譜，以自然語言方式為理財顧問、銷售經(jīng)理提供知識服務(wù)。但它只是助手，不能代替核心業(yè)務(wù)，很多商業(yè)銀行都有這種應(yīng)用。

第三，智能投顧。證券、銀行等金融機(jī)構(gòu)利用大模型強(qiáng)大的自然語言處理能力和高性能推理能力，能更準(zhǔn)確理解客戶意圖，挖掘潛在需求，連接后臺業(yè)務(wù)系統(tǒng)進(jìn)行產(chǎn)品推薦。

第四，量化交易助手。DeepSeek 可以協(xié)助量化投資與交易，通過文本處理、互聯(lián)網(wǎng)搜索洞察市場情緒，構(gòu)建情緒因子輔助交易決策，實時監(jiān)測政策變化、企業(yè)公告等事件，通過語義理解觸發(fā)自動交易信號，還能挖掘關(guān)聯(lián)因子優(yōu)化量化模型。

第五，投研市場分析。DeepSeek 可以進(jìn)行信息檢索、文檔處理、行業(yè)研究和趨勢研判，幫助撰寫投研報告。這是證券行業(yè)廣泛應(yīng)用的場景之一。

第六，語音質(zhì)檢。金融機(jī)構(gòu)的保險公司、銀行等有很多客服接電話，原來通過雙錄（錄音和錄像），把語音轉(zhuǎn)成文本，再依據(jù)預(yù)定的關(guān)鍵詞、敏感詞或規(guī)則來判斷話務(wù)員是否違規(guī)，這就是語音質(zhì)檢�，F(xiàn)在有了大模型，語音質(zhì)檢可以重構(gòu)，因為大模型對自然語言處理、上下文理解以及關(guān)鍵詞篩選更準(zhǔn)確，效果更好，是金融機(jī)構(gòu)客服語音質(zhì)檢能快速落地的重要場景。

第七，風(fēng)險評估。DeepSeek 可以連接后臺數(shù)據(jù)庫，整合客戶多維數(shù)據(jù)，分析非結(jié)構(gòu)化數(shù)據(jù)，構(gòu)建更精準(zhǔn)的風(fēng)險評估模型，對客戶信用風(fēng)險、市場風(fēng)險進(jìn)行更精準(zhǔn)評估，助力風(fēng)控工作，原有風(fēng)控模型也能借此進(jìn)一步增強(qiáng)。

第八，運(yùn)營管理。DeepSeek 具備代碼編寫等功能，金融科技公司和銀行可以利用它進(jìn)行內(nèi)部 AI 辦公，構(gòu)建內(nèi)部知識庫，用于智能客服和中臺運(yùn)營管理，提高員工生產(chǎn)力和工作效率。

第九，合規(guī)管理。很多金融機(jī)構(gòu)要做信息披露，DeepSeek 可以幫助進(jìn)行文件檢查、制度解答、非結(jié)構(gòu)化數(shù)據(jù)核對，確保符合監(jiān)管要求。

但DeepSeek也不是萬能的，在原有機(jī)構(gòu)的一些核心業(yè)務(wù)領(lǐng)域，它還難以介入，主要能力還是在文本內(nèi)容生成方面。這九個大場景是最容易落地、增強(qiáng)、優(yōu)化和重構(gòu)的，這是我的理解。

柏亮：有觀眾提問，我們使用銀行 APP 客服時，經(jīng)常很難得到正確答案，最終不得不呼喚人工服務(wù)。DeepSeek 會對這類服務(wù)有較大改進(jìn)嗎？

謝國忠：應(yīng)該會有改進(jìn)。原來的智能客服是把問題和答案預(yù)先灌在知識庫中，如果問題不在預(yù)設(shè)范圍內(nèi)就無法回答。有了 DeepSeek 這種大模型后，情況會有所不同。它不僅可以理解語義和上下文，還會把知識庫內(nèi)容灌進(jìn)去構(gòu)建知識圖譜，同時進(jìn)行語義理解和智能對話。而且它知識面廣，回答會更流暢、更準(zhǔn)確，未來在語義理解和客戶服務(wù)方面會有很大提升。原來的智能客服受限于預(yù)設(shè)范圍，現(xiàn)在的大模型可以在更大范圍內(nèi)理解文本和語言，還能聯(lián)網(wǎng)搜索，信息范圍和內(nèi)容更廣更準(zhǔn)確。

柏亮：劉老師在數(shù)據(jù)征信風(fēng)控領(lǐng)域經(jīng)驗豐富，DeepSeek 帶來的變革對這些領(lǐng)域有很大改變嗎？現(xiàn)在是否已經(jīng)開始落地應(yīng)用？

劉新海：先補(bǔ)充一下剛才謝總說的客服問題�？头�在金融領(lǐng)域很重要，一直在探索改進(jìn)。我經(jīng)常遇到有人問征信和信貸問題，用 DeepSeek 等大模型回答會輕松很多，能給出 60% - 70% 準(zhǔn)確或有用的信息。

當(dāng)然，大模型回答也存在不夠準(zhǔn)確的問題，但它至少能節(jié)省一部分人力工作，目前的初期可以采用人機(jī)協(xié)作的模式。比如，簡單的問題由機(jī)器回答，復(fù)雜的問題讓人來回答。相比之前，一個客服可以同時處理多個問題的接待，特別是在征信和信貸問題處理上。這不僅能節(jié)省人力，還能提升服務(wù)質(zhì)量，是很好的應(yīng)用場景。

再講講其他變革和影響，主要有三點(diǎn)。

第一，金融領(lǐng)域是 AI 最好的應(yīng)用場景之一，數(shù)字化程度高，IT 和業(yè)務(wù)相對標(biāo)準(zhǔn)清晰，金融機(jī)構(gòu)也愿意為有效果的技術(shù)買單。從歷史上看，先進(jìn)技術(shù)往往先在金融領(lǐng)域應(yīng)用。在金融領(lǐng)域的各個環(huán)節(jié)，包括銀行、證券、保險、理財、信托等，都會用到 AI，都會因 AI 發(fā)生改變。

DeepSeek 和其他AI 大模型就像操作系統(tǒng)，不能單一完成目前的工作，還需要具體的軟件和中間件來構(gòu)建生態(tài)，每個環(huán)節(jié)都要進(jìn)行 AI 改造和流程優(yōu)化，使其標(biāo)準(zhǔn)化。比如，在我們團(tuán)隊，研究助理往往把工作流程化后，研發(fā)團(tuán)隊就可以用 DeepSeek 的模型實現(xiàn)自動化。目前，圍繞AI大模型，有很多現(xiàn)成的軟件和解決方案，但這是一個生態(tài)系統(tǒng)，不能只依賴大模型解決所有實際問題。

第二，金融細(xì)分領(lǐng)域在對 AI大模型的應(yīng)用情況不同，差別很大。銀行信貸是 AI 應(yīng)用最廣泛的領(lǐng)域，場景豐富、規(guī)模大、市場主體多，但監(jiān)管問題也多；證券是 AI 應(yīng)用最深入的領(lǐng)域，算法交易很早就開始應(yīng)用，量化基金也有很好的應(yīng)用場景（例如Deep Seek的母公司幻方科技就是一個量化投資公司）；保險是 AI 應(yīng)用最具潛力的領(lǐng)域，雖然數(shù)字化進(jìn)展相對較慢，但未來后發(fā)優(yōu)勢會很明顯。

第三，AI 在金融領(lǐng)域的應(yīng)用可以分為三個層次：第一個層次提高工作效率，目前 DeepSeek 在這方面有進(jìn)展，在金融研發(fā)、管理、業(yè)務(wù)等方面都有多種用法；第二個層次是改善產(chǎn)品和服務(wù)，這不僅需要深入理解業(yè)務(wù)，還涉及數(shù)據(jù)隱私、合規(guī)、倫理等問題；第三個層次是打造新的商業(yè)模式，這非常難，需要在熟練應(yīng)用 AI、提高效率、改善產(chǎn)品服務(wù)、技術(shù)進(jìn)步以及用戶增多、理解加深等多方面條件成熟后才有可能實現(xiàn)。

目前 AI 雖然發(fā)展不錯，但在金融領(lǐng)域目前還沒有出現(xiàn)爆款產(chǎn)品，像自動駕駛、用 AI 研究蛋白質(zhì)等領(lǐng)域那樣的爆款應(yīng)用。AI 在金融領(lǐng)域主要還是處于提升工作效率的階段，其他方面還需要時間積累和深入應(yīng)用來推進(jìn)。

3、DeepSeek 的推理模型達(dá)到中等專家水平，可承擔(dān)大量基礎(chǔ)重復(fù)性工作，但很難替代高級、頂尖研究員和專業(yè)審計員。

柏亮：謝謝劉老師，給出了一個理解和展望 DeepSeek 應(yīng)用的框架。最基礎(chǔ)的層次是提高效率。有觀眾問，用大模型做行研效果怎么樣？會不會快速替代行業(yè)研究員？ 

劉新海：中低水平的行業(yè)研究員被替代的概率比較高。目前AI大模型測試結(jié)果顯示，DeepSeek 的推理模型基本達(dá)到中等專家水平的思考能力，初級行業(yè)研究員的工作基本可以被替代，但高級、頂尖的專家，大模型短時間內(nèi)還很難替代。

謝國忠：我原來有同事在大券商公司，他們正在部署相關(guān)大模型。做行業(yè)報告時，大模型可以完成 50% 以上的基礎(chǔ)性工作，包括資料收集、分析等，能提高效率，在可靠性、全面性和深度方面都有很大提升，但目前還不能完全替代行業(yè)研究員。

柏亮：馬斯克用六個 AI 工程師在一個星期內(nèi)就查出美國很多部門的賬本，以前審計這些部門需要上千人的團(tuán)隊花費(fèi)半年時間。這對審計行業(yè)是不是巨大的替代性沖擊？尤其是 DeepSeek 這樣的大模型應(yīng)用后，審計、會計行業(yè)會不會受到很大影響？

謝國忠：我覺得這么快查清楚賬本，不太可能只用一個工具，可能是多種工具結(jié)合。大語言模型擅長處理文檔、文件等非結(jié)構(gòu)化數(shù)據(jù)，但審計工作除了處理非結(jié)構(gòu)化數(shù)據(jù)，還需要對接原始數(shù)據(jù)庫和交易記錄，可能還會用到其他工具，如RPA機(jī)器人。DeepSeek 這樣的大模型有幫助，但不是單個模型就能解決所有問題，應(yīng)該是多個工具整合才能達(dá)到這種效果。而且審計涉及很多原始資料和業(yè)務(wù)規(guī)則，實現(xiàn)起來并不簡單。

劉新海：審計場景相比客服和行業(yè)研究更難替代。雖然 AI 可以提升審計效率，實現(xiàn)自動化重復(fù)性工作，優(yōu)化風(fēng)險評估和合規(guī)檢查，但審計工作需要專業(yè)判斷和解釋能力，AI 在這方面還存在不足，對背景的理解也有限。比如讓 AI 寫一些重要工作會議總結(jié)，由于對會議背景缺乏足夠的了解，效果往往不盡人意。所以 AI 完全替代審計工作的可能性較小。

4、隨著 DeepSeek 的出現(xiàn)，個人征信的個性化服務(wù)將會興起，市場潛力巨大。

柏亮：有個和劉老師工作相關(guān)的問題，很多觀眾問征信方面，大模型能不能起到效果？

劉新海：先說企業(yè)征信，企業(yè)征信的數(shù)據(jù)源很多是公開的，數(shù)據(jù)庫有時也可開放。企業(yè)征信的基本版報告，我認(rèn)為大模型基本都能自動化搞定，這樣可以讓征信機(jī)構(gòu)的工作人員可以去深入現(xiàn)場調(diào)查，進(jìn)行更具體的分類和細(xì)化工作。

再看個人征信，未來大模型在信用評分方面會有很大作用。目前開發(fā)信用評分的周期長、成本高，但用 DeepSeek 這類大模型，從數(shù)據(jù)處理、建模到分析，速度會非�？欤�能降本增效。

此外，大模型還能直接處理非結(jié)構(gòu)化的大數(shù)據(jù)，以往我們需要把非結(jié)構(gòu)化數(shù)據(jù)處理成結(jié)構(gòu)化數(shù)據(jù)，現(xiàn)在可以直接將非結(jié)構(gòu)化數(shù)據(jù)輸入到大模型進(jìn)行處理。而且，大模型在欺詐模式識別方面，其非監(jiān)督學(xué)習(xí)能力很強(qiáng)，目前應(yīng)用效果非常好。

還有一點(diǎn)，有了 DeepSeek 等 AI 大模型后，個性化服務(wù)成為可能。我們可以設(shè)想把個人征信報告上傳到類似DeepSeek這樣的模型里，或者通過AI中間軟件/信用助理軟件，就能自動分析個人信用情況，查看是否存在問題。

國內(nèi)的信用體系和美國不同，美國有成熟的面向消費(fèi)者的信用服務(wù)，有公開的信用評分產(chǎn)品，消費(fèi)者能清楚了解自己的信用狀況。國內(nèi)個人征信服務(wù)還在起步階段，面對個人信用報告有一百多項數(shù)據(jù)，消費(fèi)者很難知道問題出在哪里。

現(xiàn)在，類似DeepSeek 這樣的模型有望成為個人信用助理，未來 C 端個性化服務(wù)會越來越好。用戶只需上傳個人征信報告，模型就能分析出問題，還能根據(jù)個人情況給出貸款、理財和風(fēng)險方面的建議。

我覺得這會開辟一個新市場。在中國，面向個人消費(fèi)者的征信業(yè)務(wù)還有很大發(fā)展空間，美國征信市場這部分業(yè)務(wù)占比約 20%。隨著 DeepSeek 的出現(xiàn)，個人征信的個性化服務(wù)將會興起，市場潛力巨大。

我之前從事 AI 工作，后來回國進(jìn)入央行征信中心，當(dāng)時 AI 處于低谷期，但是大數(shù)據(jù)時代到來了，金融領(lǐng)域是大數(shù)據(jù)應(yīng)用的豐富場景。

大數(shù)據(jù)面臨諸多難題，數(shù)據(jù)量龐大且類型繁雜，包含電信、社保、公積金等多種來源的非結(jié)構(gòu)化數(shù)據(jù)，與傳統(tǒng)標(biāo)準(zhǔn)化、結(jié)構(gòu)化的信貸數(shù)據(jù)差異很大，分析難度高，我自己的團(tuán)隊和相關(guān)專家也一直在探索基于大數(shù)據(jù)的相關(guān)信用評估模型。現(xiàn)在有了DeepSeek，這些基于大數(shù)據(jù)的金融信貸分析問題未來會得到很大改善。

其實，本次 AI 的重大進(jìn)展，像 DeepSeek、ChatGPT 等模型的出現(xiàn)，都是因為數(shù)據(jù)量達(dá)到一定程度，技術(shù)進(jìn)步，再加上模型模式的飛躍。這些模型的快速發(fā)展，很好地解決了大數(shù)據(jù)征信的問題，我認(rèn)為這一領(lǐng)域發(fā)展空間巨大，能為征信行業(yè)的大數(shù)據(jù)應(yīng)用帶來新的活力。

謝國忠：我還見到一個案例，國內(nèi)某公司把和客戶相關(guān)的征信報告拿到后，通過大語言模型進(jìn)行解讀，衍生出多個變量，并利用這些變量做風(fēng)險模型。用大模型解讀征信報告，對用戶來說是個很好的途徑，如果用 DeepSeek 可能會更簡單。

柏亮：很多人認(rèn)為用大模型處理征信難度較大，它更多的是個性化問題。但兩位專家都比較樂觀，一方面已有較多應(yīng)用案例；另一方面大模型解決個性化問題的能力也在不斷增強(qiáng)。

5、DeepSeek會大幅降低金融業(yè)數(shù)字化成本，縮小中小金融機(jī)構(gòu)數(shù)字鴻溝，但人才培養(yǎng)和數(shù)據(jù)打通至關(guān)重要。

柏亮：大銀行或盈利好的銀行數(shù)字化投入大、水平高，中小銀行或其他金融機(jī)構(gòu)存在 “數(shù)字化鴻溝”，因為資本、人才門檻高，投入困難。現(xiàn)在 DeepSeek 會不會大幅降低金融業(yè)數(shù)字化成本，縮小中小金融機(jī)構(gòu)與大型金融機(jī)構(gòu)在數(shù)字化和技術(shù)上的差距？

謝國忠：肯定會的。中小金融機(jī)構(gòu)以前根本不敢想象使用大模型，因為要購買英偉達(dá)的算力，哪怕買幾個最基礎(chǔ)的RTX4090，也是一筆不小的投入。比如，搭建一個企業(yè)版的 13B模型，成本也在百萬級以上。而且，買了硬件和軟件后，還需要專業(yè)人才進(jìn)行部署、微調(diào)，并把內(nèi)部的數(shù)據(jù)庫導(dǎo)入進(jìn)去才能使用，周期很長，技術(shù)也復(fù)雜。

對于中小銀行來說，不僅部署困難，還缺乏相關(guān)人才，并且金融機(jī)構(gòu)對數(shù)據(jù)安全要求高，不能使用云端服務(wù)，必須私有化部署，這對他們來說挑戰(zhàn)極大�，F(xiàn)在 DeepSeek 出來后，成本很低，部署推理模型所需的硬件資源和軟件免費(fèi)，開發(fā)也容易，確實實現(xiàn)了普惠，能在很大程度上拉平大型和小型金融機(jī)構(gòu)的差距。當(dāng)然，人才培養(yǎng)還是個問題，必須重視。

劉新海：DeepSeek 確實給中小金融機(jī)構(gòu)帶來很多利好，技術(shù)門檻大幅降低，以前需要很厲害的專業(yè)人才，現(xiàn)在經(jīng)過簡單培訓(xùn)就能上手使用。但原料（數(shù)據(jù)）也很重要，大銀行數(shù)據(jù)多、業(yè)務(wù)多，能基于這些數(shù)據(jù)進(jìn)行建模，利用 DeepSeek 對產(chǎn)品和服務(wù)改進(jìn)、打造商業(yè)模式更有優(yōu)勢。

所以，中小銀行光靠 DeepSeek 還不夠，還需要配套制度層面的改變，比如開放銀行數(shù)據(jù)。不能讓大機(jī)構(gòu)壟斷數(shù)據(jù)和技術(shù)，現(xiàn)在技術(shù)上的壟斷有所打破，但數(shù)據(jù)也要打通，這非常重要。

6、DeepSeek 給金融科技公司帶來沖擊和機(jī)遇，創(chuàng)新、專業(yè)、精細(xì)化路線才是未來生存之道。

柏亮：過去兩年，中小型金融科技公司生存越來越困難，大模型研發(fā)投入大，真正投得起的公司較少。DeepSeek 出現(xiàn)，在人工智能賽道上，小的金融科技公司只要專業(yè)，利用低成本的開源大模型服務(wù)，有沒有可能獲得更多機(jī)會？ 

劉新海：在金融科技領(lǐng)域，DeepSeek 的影響有利有弊。好處是金融科技公司的研發(fā)成本會降低，有了這個好工具，能更好地進(jìn)行創(chuàng)新和技術(shù)迭代。但技術(shù)門檻降低后，很多金融機(jī)構(gòu)可能自己就能完成一些技術(shù)工作，金融科技公司由于不能掌握業(yè)務(wù)和數(shù)據(jù)資源，也會受到?jīng)_擊。

DeepSeek 讓金融科技公司不用在技術(shù)研發(fā)上耗費(fèi)過多精力，可以把重點(diǎn)放在金融業(yè)務(wù)理解上。大模型的跨學(xué)科能力很強(qiáng)，能幫助金融科技公司快速提升對金融業(yè)務(wù)的理解，在此基礎(chǔ)上進(jìn)行真正的創(chuàng)新和技術(shù)迭代。

這意味著金融科技公司如果想在未來生存，就要像歐美發(fā)達(dá)國家的金融科技公司一樣，走創(chuàng)新、專業(yè)、精細(xì)化路線�，F(xiàn)在國內(nèi)很多金融科技公司以營銷為主，業(yè)務(wù)雜而不精，缺乏優(yōu)質(zhì)的產(chǎn)品和服務(wù)。目前在美國，投資 AI 金融科技公司時，投資人會關(guān)注其性能是否比現(xiàn)有技術(shù)提升幾倍以上，否則就不投資。

所以，DeepSeek 給金融科技公司帶來沖擊的同時，也帶來了機(jī)遇，關(guān)鍵在于這些金融科技公司回歸創(chuàng)新的本質(zhì)。

謝國忠：金融科技公司可以分為兩類：一是各國有大行自己成立的金融科技公司，這是體制內(nèi)的金融科技公司；還有一些民營企業(yè)性質(zhì)的、非金融機(jī)構(gòu)所屬的金融科技公司。

體制內(nèi)的金融科技公司在資源和數(shù)據(jù)上占有很大優(yōu)勢，比如招商銀行，科技人員有一萬多，搞人工智能和算法的就有 300 多，再加上外圍人員，實力遠(yuǎn)超普通金融科技公司。目前，一些體制內(nèi)的金融科技公司會對外賦能，幫助中小金融機(jī)構(gòu)提升科技水平，這是個好方向。

體制外的金融科技公司生存空間相對艱難，一些大項目會被體制內(nèi)的金融科技公司拿走。體制外的金融科技公司必須找到垂直領(lǐng)域的應(yīng)用點(diǎn)，實現(xiàn)突破。當(dāng)然也有例外，比如新網(wǎng)銀行，規(guī)模較小，員工三四百人，其中 200 多人是科技人員，是科技驅(qū)動的金融機(jī)構(gòu)，在大模型和算法方面走在前列。這取決于金融機(jī)構(gòu)的基因以及對外部合力和生態(tài)的利用。

7、在解決500-1000萬的銀行對公業(yè)務(wù)方面，DeepSeek潛力很大。銀行對公業(yè)務(wù)方面怎么運(yùn)用 DeepSeek，兩位有什么想法和經(jīng)驗？

謝國忠：銀行對公業(yè)務(wù)可能主要在信貸方面，利用 DeepSeek 進(jìn)行背景調(diào)查、采集外部市場的非結(jié)構(gòu)化資料，協(xié)助建模，在風(fēng)控模型構(gòu)建上也能發(fā)揮作用。

劉新海：目前對公業(yè)務(wù)面臨很多挑戰(zhàn)，對公信貸主要依靠人工，因為企業(yè)情況復(fù)雜，不同規(guī)模、類型的企業(yè)差異大，不符合大數(shù)定理，信用風(fēng)險建模比較困難。

但有了大模型后，可以進(jìn)行精細(xì)化建模，針對不同企業(yè)建立多個定制化信用評級模型。其次對公業(yè)務(wù)涉及的數(shù)據(jù)多元化，非結(jié)構(gòu)化數(shù)據(jù)也多，AI大模型可以自動采集和處理企業(yè)信息。

另外，企業(yè)風(fēng)險維度多，傳統(tǒng)建模方式難以應(yīng)對，大模型能提供更多幫助，對公業(yè)務(wù)在大模型應(yīng)用上后發(fā)優(yōu)勢明顯。比如銀行信貸經(jīng)理主要處理 1000 萬以上的信貸業(yè)務(wù)，500 萬以下按小微企業(yè)用個人信用評分處理，500 萬到 1000 萬之間的對公業(yè)務(wù)比較尷尬，人工處理成本高，用信用評分風(fēng)險大，大模型在解決這類問題上潛力很大，值得深入探討。

8、DeepSeek會促進(jìn)智能體發(fā)展，提升其數(shù)據(jù)處理能力，但最大的挑戰(zhàn)在于監(jiān)管和合規(guī)，尤其是個人數(shù)據(jù)的使用。

柏亮：我們春節(jié)前采訪一些金融科技、人工智能公司，大家都說 2025 年會大力發(fā)展智能體（agent）相關(guān)服務(wù)，智能體成為人工智能領(lǐng)域的熱門話題。智能體在金融領(lǐng)域的應(yīng)用會不會因為 DeepSeek 的工程性變革變得更容易、普及更快？ 

謝國忠：智能體在金融機(jī)構(gòu)中確實很重要。以前金融機(jī)構(gòu)購買通用大模型后，會結(jié)合自身知識庫文檔進(jìn)行微調(diào)。但銀行是流程驅(qū)動的，僅靠大模型無法解決所有問題，需要智能體來串通業(yè)務(wù)流程。比如完成一個任務(wù)分十步，智能體可以連接銀行內(nèi)部各個系統(tǒng)以及外部系統(tǒng)或其他流程，從而完成整個作業(yè)。

像豆包、百度千帆都有智能體開發(fā)平臺，用起來很簡單，底層是大模型，只要把業(yè)務(wù)流程和文檔庫灌進(jìn)去，就能快速生成智能體，幫助完成特定任務(wù)。

不管有沒有 DeepSeek，智能體都是貫穿業(yè)務(wù)流程的重要模塊，并且會發(fā)展得更快，還會通過多個智能體編排來完成更復(fù)雜的作業(yè)流程。

劉新海：2025 年被很多人認(rèn)為是智能體（Agent）元年，DeepSeek 推理模型出來后，成本降低，會促進(jìn)智能體發(fā)展，提升其數(shù)據(jù)處理能力。但我覺得智能體發(fā)展最大的挑戰(zhàn)在于監(jiān)管和合規(guī)，尤其是個人數(shù)據(jù)的使用。

全球?qū)�個人數(shù)據(jù)使用限制都很嚴(yán)格，中國更是如此，美國也不例外。美國有個消費(fèi)者金融保護(hù)局（CFPB），過去幾年對數(shù)據(jù)保護(hù)過度，影響了傳統(tǒng)金融機(jī)構(gòu)和科技公司發(fā)展；罰款較多，得罪了華爾街大佬和硅谷科技權(quán)貴。特朗普上臺后，讓馬斯克成立政府效率部，撤銷了這個機(jī)構(gòu)，還引發(fā)了相關(guān)游行。

這說明個人數(shù)據(jù)監(jiān)管對智能體發(fā)展限制很大，只有解決個人數(shù)據(jù)流通和應(yīng)用問題，智能體才能更好發(fā)展，否則技術(shù)再進(jìn)步、業(yè)務(wù)理解再深入也沒用。

柏亮：數(shù)據(jù)過度流通面臨監(jiān)管壓力和消費(fèi)者保護(hù)問題，不流通業(yè)務(wù)又難以開展。馬斯克撤銷消費(fèi)者保護(hù)局這種極端做法不可取，而歐洲的數(shù)據(jù)監(jiān)管被認(rèn)為過度嚴(yán)格，導(dǎo)致其在金融科技和人工智能發(fā)展上落后于美國。在平衡數(shù)據(jù)流通和保護(hù)方面，有什么建議和觀點(diǎn)？

謝國忠：我在個人數(shù)據(jù)流通方面研究不是很多，但現(xiàn)在有個趨勢是通過數(shù)據(jù)空間來解決問題。數(shù)據(jù)空間一方面可以保護(hù)數(shù)據(jù)隱私，另一方面能促進(jìn)數(shù)據(jù)應(yīng)用。國家數(shù)據(jù)局也在進(jìn)行相關(guān)嘗試，也許通過數(shù)據(jù)空間能在數(shù)據(jù)流通和應(yīng)用之間找到平衡，實現(xiàn)數(shù)據(jù)可追溯，保障數(shù)據(jù)安全。

9、金融和金融科技從業(yè)人員要積極擁抱時代，自我學(xué)習(xí)進(jìn)化，善用大模型“利器”。

柏亮：DeepSeek 能做的事情越來越多，如審計、行研、數(shù)據(jù)分析等，對一些人來說工作效率提高了，但對另一些人來說可能面臨失業(yè)。在金融科技和金融行業(yè)變化越來越快的情況下，從業(yè)人員該怎么辦？是學(xué)習(xí)新東西、轉(zhuǎn)變思路還是改變工作模式？

謝國忠：確實沖擊比較大，在金融機(jī)構(gòu)中，客服部門受到的沖擊最大。以前客服主要是接打電話，現(xiàn)在大語言模型能做語義理解、上下文分析，還有龐大的知識庫，很多客服工作可以被替代，客服人員壓力很大。

運(yùn)營部門，比如保險公司的理賠部門也面臨較大壓力。理賠工作一般全國集中處理，所有案子來了后要先預(yù)判，現(xiàn)在通過大模型和算法，80% 的理賠可以自動計算完成，不需要那么多人力。

面對這些挑戰(zhàn)，金融從業(yè)人員要擁抱時代，進(jìn)行自我進(jìn)化和學(xué)習(xí)。

對于業(yè)務(wù)人員，首先要主動學(xué)習(xí)新技術(shù)，比如人工智能基礎(chǔ)知識，掌握 DeepSeek 的最佳使用方法；其次，在日常工作和生活中要積極使用新技術(shù)，通過實踐提高工作效率和全面性，積累經(jīng)驗，提升自身能力；再者，要儲備跨學(xué)科知識，雖然金融業(yè)務(wù)知識很重要，但也要關(guān)注計算機(jī)等科技領(lǐng)域，培養(yǎng)跨學(xué)科思維；最后，要關(guān)心行業(yè)動態(tài)，了解合規(guī)要求，主動適應(yīng)變化，考慮崗位轉(zhuǎn)換的可能性。

對于金融科技人員，要了解大模型的底層邏輯和技術(shù)結(jié)構(gòu)，知識儲備越豐富越好；在項目中要積極使用大模型，比如利用其代碼生成、文本生成、代碼注釋等功能提高效率。最重要的是，要思考如何利用大模型推動金融機(jī)構(gòu)的業(yè)務(wù)創(chuàng)新和改造，為機(jī)構(gòu)發(fā)展做貢獻(xiàn)；也要關(guān)注行業(yè)動態(tài)，滿足安全合規(guī)要求，不斷提升自己。

柏亮：保險代理人會受到什么影響？

謝國忠：目前，大模型在金融領(lǐng)域主要作為金融機(jī)構(gòu)內(nèi)部人員的助手工具，比如理財經(jīng)理、銷售經(jīng)理使用，幫助他們了解客戶、進(jìn)行產(chǎn)品推薦，提高工作效率。但大模型還不能直接面客使用，因為存在監(jiān)管要求和幻覺等問題，責(zé)任重大。對于保險代理人來說，大模型可以作為工具，幫助其了解客戶需求，進(jìn)行產(chǎn)品知識庫整理和產(chǎn)品推薦，提高工作效率，但無法完全替代保險代理人。

劉新海：關(guān)于保險代理人，我也認(rèn)為大模型是個利好消息。保險代理人積累的客戶網(wǎng)絡(luò)和經(jīng)驗是大模型無法替代的，但大模型可以助力代理人提供更好的個性化服務(wù)，幫助代理人更好地了解客戶和保險業(yè)務(wù)，解決客戶問題，只要用好這個工具就能提升服務(wù)質(zhì)量。

對于金融從業(yè)者，大模型的出現(xiàn)確實影響很大。毫不夸張地說，現(xiàn)在一半人的工作大模型都能做，甚至教育體系也面臨挑戰(zhàn)，大學(xué)學(xué)的很多知識都陳舊了，一半的知識對于AI時代是無用的。但我們不用恐慌，要與時俱進(jìn)，擁抱大模型。

首先，要有 AI 素養(yǎng)，了解 AI 的基本邏輯和知識，能做什么不能做什么，存在哪些紅線和倫理問題等；甚至很多機(jī)構(gòu)很多領(lǐng)導(dǎo)在推動機(jī)構(gòu)上大模型項目時，也應(yīng)該先了解這些框架知識和專業(yè)素養(yǎng)。

其次，要把 AI 大模型用起來，目前AI大模型的使用門檻很低，有認(rèn)知能力的人都可以使用，同時根據(jù)自己工作和生活的需要，把相關(guān)的AI工具（AI大模型的下游應(yīng)用層面）也要用起來。我們和謝總、零壹財經(jīng)準(zhǔn)備合作編寫一個《DeepSeek大模型使用指南和基礎(chǔ)素養(yǎng)》，希望能幫助大家更好地使用大模型，做個與時俱進(jìn)、有專業(yè)價值的人。

就像馬車時代到汽車時代的轉(zhuǎn)變，當(dāng)時很多馬車夫恐慌失業(yè)，但后來汽車行業(yè)創(chuàng)造了更多崗位，如維修工、造車工人等，工資更高、工作環(huán)境更好。所以，大家要積極擁抱大模型，讓AI成為我們工作和生活中的利器。

-End-

       原文標(biāo)題 : DeepSeek變革下，金融業(yè)的應(yīng)對