作者 | 元君

  来源 | 新经济观察团

  随着大模型等基础设施的飞速发展，人工智能实实在在地融入了各行各业，尤其在金融领域，其影响力正日益凸显。在2025年的全国两会上，人工智能成为代表、委员们热议的焦点话题之一。

  作为金融服务的主力军，银行业也在积极落实“人工智能+”战略，一方面加速自身数字化转型，从智能客服到风险防控、从财富管理到信贷审批，AI深度嵌入到银行的各个业务环节，重塑着银行的服务体系和运营逻辑；但另一方面，AI也给数据密集型的银行业带来了新挑战，如何在数据需求与安全合规之间达到平衡，成为整个行业的考量。

  01

  银行加速布局DeepSeek，助力降本增效

  今年初以来，大模型应用领域最火的非DeepSeek莫属。

  特别是相对传统AI，DeepSeek拥有“成本低、性能高、开源”等特征，其在垂直领域进行了深度优化，技术核心从规则匹配转向自我生成，更实现多模态融合，利于处理复杂任务，因此也为银行业带来了新的变革机遇。

  就在近日，工商银行率先在同业完成DeepSeek最新开源大模型的私有化部署。据了解，工行在部署DeepSeek-R1后，信贷审批效率将提升300%，风险识别准确率将达到98.7%，这无疑为降本增效、风控水平提升、用户体验改善等带来新风向。

  无独有偶。除工商银行部署DeepSeek外，据新经济观察团不完全统计，截止3月12日至少已有20多家银行部署应用了DeepSeek大模型。DeepSeek“技术普惠”的特点不仅让大型银行优势地位得以巩固，中小银行也得以借此缩小差距，加速了整个行业的数字化转型。

  国有大行中，邮储银行此前依托自主可控的大模型“邮智”，较早完成了DeepSeek V3模型和轻量DeepSeek R1推理模型的本地部署，将DeepSeek模型应用于“小邮助手”等，增强了服务效能，并提供了个性化和场景化服务方案。此外，建设银行也最新上线了用该行数据训练过的DeepSeek模型，优化了信贷审批流程的同时，显著提升了智能客服系统咨询的响应效率。

  股份行中，浦发银行、华夏银行等也纷纷布局。例如，浦发银行在昇腾服务器上部署DeepSeek R1 671B模型，嵌入数字员工助手应用，赋能问答、财务分析、报告写作等多个场景。

  城农商行中，北京银行、江苏银行、重庆银行、中原银行、北京农商行、青岛农商行、江苏农商行等十余家银行已有布局。以江苏银行为例，该行依托“智慧小苏”大语言模型服务平台，本地化部署了微调DeepSeek VL2多模态模型和轻量DeepSeek R1推理模型，并利用识别结果结合外部数据等方式智能检测校验合同信息，防范潜在信贷风险，识别及预警响应速度提升20%。

  作为国内首家互联网银行，微众银行如今已构建起AI基础设施、AI应用、AI治理三个层次的AI系统化能力。随着DeepSeek-R1的正式发布并开源，微众银行同样于今年2月初完成了满血版模型部署，成为业内首批成功部署DeepSeek-R1满参数模型的机构之一。

  苏商银行特约研究员薛洪言表示，银行引入DeepSeek大模型一方面可以替代重复性人力密集型工作实现降本增效，另一方面作为智能超级助手赋能员工，系统性提升决策智能化水平。他进而表示，“DeepSeek大模型还有效弥合了中小银行与大型金融机构的技术鸿沟，使区域性银行能够依托灵活机制与属地化优势，在精准服务实体经济过程中培育特色竞争力，进而重塑银行业生态格局。”

  02

  AI热潮背后，数据安全迎挑战

DeepSeek模型的引入，显著降低了银行使用人工智能技术的门槛，使得更多银行能够快速部署和应用先进的AI能力。这不仅提升了银行的服务质量和效率，还推动了整个银行业的智能化转型。

在日常运营中，银行通过DeepSeek等模型实现了业务流程的自动化和智能化。以信贷审批为例，传统的人工审批流程往往耗时较长，且存在一定的主观性和风险，借助人工智能技术，银行能够快速收集和分析借款人的多维度数据，包括信用记录、消费行为、社交网络等，从而更准确地评估其信用风险，提高审批效率和准确性。

  在客户服务领域，智能客服系统借助DeepSeek的自然语言处理能力，实现了从简单问答到复杂金融产品推荐的升级；在内容创作方面，银行还可以利用DeepSeek生成高质量的金融资讯、研究报告和营销文案，不仅提高了内容生产效率，还能提升客户体验和营销效果。

  邮储银行研究员娄飞鹏所说，“银行业本身发展对数据信息依赖度较高，以AI为代表的新一轮科技革命将更全面深刻地影响银行业。”

不过，随着DeepSeek的“爆火”，理性的声音也逐渐增多。银行接入DeepSeek大模型后，尽管在智能化转型、效率提升方面成效显著，但数据层面的挑战也日益凸显。

  首先是敏感信息过度采集问题。作为数据密集型行业，银行为构建精准风控模型，需收集用户年龄、职业、收支状况、风险偏好等敏感信息，部分场景甚至涉及行踪轨迹、健康数据等非必要信息。用户在使用手机银行AI服务时，需强制同意隐私政策，否则无法正常使用功能，导致数据采集边界模糊。

  其次，AI“幻觉”可能引发数据可靠性危机。DeepSeek在生成专业材料时可能出现虚假信息，根源在于训练数据污染及统计模型缺乏逻辑推理能力。这对依赖高精度数据的信贷审批、投资建议等场景构成威胁。

  有金融科技平台负责人就表示，随着测试过程的深入，他们发现DeepSeek偶尔会“自说自话”虚构企业某些业务状况，从而影响决策准确性，这也是其强大推理能力带来的“反作用”。

  还有银行工作人员表示，从实操过程来看，“投喂”给DeepSeek模型的数据来源广泛，但数据质量并没有“对齐”，这不仅会造成数据错误、缺失、重复等情况，降低测试效果，还可能引发数据泄露风险，因此如何确保数据准确性、完整性和私密性是一大课题。

  面对上述数据方面的问题，银行该如何应对？行业专家指出，银行应用DeepSeek处理客户敏感金融数据时，可采取数据脱敏技术、数据访问控制技术和数据监控与审计技术确保数据脱敏合规，另外可从访问控制、数据加密、安全监测等多个方面防范数据泄露或非法爬取风险。

  此外，他还建议，银行要强化合规，建立数据分类分级制度，对高风险操作（如跨境数据传输）实施双重审批；在业内推广行业联防与生态共建，推动建立“数据安全联盟”，共享反欺诈模型与黑灰产情报。

  而针对数据安全，监管也升级保护个人信息。2024年12月末，国家金融监督管理总局发布《银行保险机构数据安全管理办法》，明确要求银行保险机构采取有效的管理和技术措施，加强数据安全保护，确保客户信息和金融交易数据的安全。

  03

  从“金融+AI”到“AI产业链孵化”

  除了自身的技术应用，银行还积极发挥金融的赋能作用，推动人工智能相关产业的发展。

  近两年来，具身智能作为人工智能领域的另一大重要分支，逐渐成为科创领域新的热点议题。今年两会上，关于具身智能、人形机器人等话题的讨论热度不减。

  据了解，目前已有多家银行通过为具身智能企业提供信贷支持、股权投资等金融服务，助力其技术研发、产品生产和市场推广。

  例如，中国银行就长期关注初创期企业和成长期企业的金融需求。以“杭州六小龙”为例，中国银行授信覆盖率列所有金融机构首位。

  浙商银行方面，该行针对具身智能产业的特点，创新金融产品和服务模式，为相关企业量身定制融资方案。对于处于初创期的企业，浙商银行提供小额信贷和风险投资资金，帮助企业解决资金短缺问题；而对于成长期和成熟期企业，则通过项目贷款、债券发行等方式，支持其大规模生产和市场扩张。

  中信银行也在这方面做出积极探索，与多家具身智能企业建立了战略合作关系，为其提供综合金融服务。中信银行不仅在资金上给予支持，还利用自身行业资源和专业优势，为企业提供市场调研、技术咨询、财务管理等增值服务，帮助企业提升核心竞争力。

  未来，银行在推动人工智能产业发展方面将发挥更大的作用，为科技创新企业提供更有力的金融支持。在这一进程中，银行也需要加强自身技术研发和人才培养，提升对人工智能技术的理解和应用能力，加码未来新趋势。

  结语：

  整体来说，银行接入DeepSeek大模型的数据挑战本质是效率与安全的博弈。在技术红利释放的同时，需要通过制度革新、技术防御与生态协同的“三重加固”，来实现智能化转型与数据安全的动态平衡。

  而DeepSeek的爆发，对行业来说不仅是技术迭代，更意味着银行业价值逻辑的重构。在“效率提升-风险管控-生态赋能”的三角模型中，银行需平衡技术创新与伦理责任，方能在“AI+金融”的竞合浪潮中占据先机。

  *声明：新经济观察团登载此文出于传递更多信息之目的，不构成任何建议。原创文章未获授权不得转载。