金融科技企业深度“拥抱”DeepSeek 加快行业数智化转型

2025年开年，DeepSeek热潮席卷全球，引发各行各业的连锁反应。在金融科技领域，DeepSeek大模型的崛起正掀起一场前所未有的技术革命，为行业带来了深刻变革与重大机遇，不仅为普惠金融的“数智化”开辟了全新路径，更成为驱动金融科技行业提质增效的核心引擎。同时，在金融科技与DeepSeek的深度融合过程中也伴随着一系列新的挑战，如系统适配、复合型人才短缺、数据安全等问题也亟待解决。

金融科技平台纷纷接入DeepSeek，客服、风控环节受益

近期，金融科技公司纷纷接入DeepSeek，探索相关应用场景，并加紧推进DeepSeek系列模型的本地化部署工作，目前，主要在客服、风控、业务运营等环节受益。

恒生电子股份有限公司首席科学家、研究院院长白硕在接受《中国企业报》记者采访时分析，DeepSeek的推出为金融行业的AI应用带来了很多机会。首先，它为完成金融行业复杂推理任务提供了大量高质量的思维链；其次为金融专业业务人员与大模型及其外挂的专业资源提供了更加便利的沟通方式；此外，算力和基础大模型成本将大幅度下降。

据介绍，目前恒生电子的大模型系列应用已全面接入DeepSeek主流模型，覆盖金融投研、投顾、合规、运营、投行等核心业务场景。根据恒生电子实测数据显示，在金融高密度数据处理场景中，DeepSeek新架构展现出更好效果、更少算力、更深思考的突破性优势。

在奇富科技CEO吴海生看来，AI技术需要中间层的赋能，银行和DeepSeek之间需要存在一层金融科技公司。“通用大模型虽然强大，但无法直接与产业结合，需要中间层金融科技公司来整合数据库和调用工具，提供结构化的输出和输入。中间层金融科技公司的作用是将AI技术与具体行业的需求相结合，提供定制化的解决方案。”吴海生表示。

日前，奇富科技自主研发的大模型ChatBI完成关键升级，通过与DeepSeek-R1大模型的深度融合，在数据分析和决策支持方面实现重大突破。据介绍，接入DeepSeek-R1大模型后，可以使问题意图得到成功理解，数据分析变得更加精准和高效。以往处理复杂金融问题时，理解偏差和分析不足的情况得到了极大改善，为分析人员提供更具价值的决策依据。

中邮消费金融已将DeepSeek引入作为基座大模型之一，并提供智能问答和智能编程辅助服务，“后续我们会持续深化DeepSeek与业务场景的结合与应用。DeepSeek为消费金融领域智能化建设长期存在的痛点与瓶颈提供了创新解决方案，同时也为业务创新带来了新机会。”中邮消费金融科技发展部负责人朱威表示。

信也科技自主研发的两个大模型平台也于近日正式接入DeepSeek，完成了一次关键升级。“相较于其他大模型，DeepSeek-R1具备更强的数学逻辑推理能力，擅长以思维链方式拆解复杂问题。通过这一升级，信也科技能够提升大模型对于复杂问题的语义理解和处理能力，扩大大模型服务边界，更有力地支持决策类场景，从而更精准地识别欺诈模式、优化用户交互策略，并提升AI在业务流程中的自动化程度，从而进一步推动智能化金融服务的落地。”信也科技相关负责人表示。

数禾科技则完成了DeepSeek的私有化部署，并正在将DeepSeek的能力封装为智能模块，逐步个性化地应用于智能获客、智能风控、智能客服、贷后管理等核心信贷业务场景。

“这一部署进一步强化了公司AI生态的自主可控能力，为公司在多个金融服务场景中实现AI应用落地奠定了坚实的基础。DeepSeek通过逻辑链（COT）推理技术，将复杂问题拆解为多步骤分析，显著提升决策透明度，在普惠金融业务智能化水平提升方面，DeepSeek的效果也尤为显著，有效提升了用户体验。”数禾科技相关负责人表示。

开鑫科技董事长周治翰分析，DeepSeek的开源架构和极低训练成本，让中小型金融科技公司也能快速部署高性能AI模型，开源生态还促进了技术协作，使得初创企业能以更低成本开发核心产品，打破传统科技巨头的垄断。此外，DeepSeek的文本、图像、语音多模态解析技术，为金融科技公司提供更全面的服务能力，尤其适用于供应链金融、跨境支付等需处理多源数据的场景。

目前，开鑫科技逐步在自研的风险管理、科创金融、电子保函、数据资产等平台中探索DeepSeek应用，主要聚焦于智能数据分析、舆情资讯处理、多模态解

析等方面。

中央财经大学中国互联网经济研究院副院长、教授欧阳日辉在接受记者采访时表示，DeepSeek大模型通过其强大的预训练参数迁移学习能力，显著降低了金融机构在开发智能应用时的成本。此外，在同等算力消耗下实现了5—8倍于传统算法的语义理解准确率，配合云原生架构的自动化管理和运维功能也减少了金融机构的人工运维成本，有效提升了服务效率。在风险防控方面，DeepSeek的动态风险防控体系突破了传统风控边界，能够及时发现可能潜藏的风险点，让金融机构在供应链金融业务开展过程中能够更精准地把控风险，从而保障资金安全。

机遇与挑战并存，人才、数据安全等问题引关注

尽管DeepSeek为金融科技行业带来了诸多机遇，但同时也伴随着一系列新的挑战。

周治翰分析，一是数据安全与隐私泄露风险，开源模型暴露的API漏洞可能成为攻击入口，迫使金融科技公司强化本地化部署；二是模型带来的“幻觉”和决策可靠性问题，例如因模型误读文件生成错误建议，这就需要构建“算法围栏+人工复核”双机制，并且长期持续注入行业知识库。

朱威也同样提出大模型“幻觉”问题，“DeepSeek推理模型相对于通用模型会产生更大的幻觉，也是消费金融企业在落地过程中需要解决的另一个主要问题。”他还提出，虽然DeepSeek降低了训练和推理成本，但是大模型的资源需求仍然较大，同时由于金融行业严格的数据安全与合规性规定，消费金融企业在涉及数据安全的场景下需要采用私有部署的方式来降低合规风险。在GPU资源有限的情况之下，如何使用DeepSeek模型成为各金融企业需要解决的问题。

对于如何应对上述挑战，朱威建议，一是选用尺寸合适的模型，将DeepSeek聚焦在需要复杂推理的应用场景，如数据分析、机器人决策等，并与其他大小模型相互结合，保证智能化服务质量；二是借鉴DeepSeek-R1的训练方式，蒸馏更加细分的垂类模型，以减少对GPU资源的需求；三是期望在合规前提下，行业推出可信的行业大模型金融云，解决各企业的GPU资源瓶颈。对于大模型“幻觉”问题，可通过知识库检索增强生成（RAG）、领域微调、人工校验等方式进行缓解，从而确保推理结果的准确性与可靠性。

欧阳日辉分析，在技术适配性方面，金融机构在应用DeepSeek模型时面临着算力基础设施断层、系统集成复杂等问题。

“人才与组织转型压力也是金融机构面临的一大挑战。目前，金融机构缺乏‘金融+AI’的复合型团队人才。”欧阳日辉表示，监管合规也是金融机构在应用DeepSeek模型时必须考虑的重要因素。金融机构需要确保在利用AI技术提升业务效率的同时，严格遵守相关的法律法规和监管规则，以确保业务的合规性和稳健性。

欧阳日辉建议，对于金融机构而言，一方面要加大技术投入，提升算力基础设施和系统集成能力；另一方面要加强人才培养和引进，建立灵活和创新的组织结构；同时要积极与金融科技公司合作，共同推动AI技术在金融科技领域的广泛应用和创新发展。

吴海生表示，AI技术正在重塑各个行业，企业必须在技术革命面前迅速反应，抓住数字化和AI的机会，通过技术创新、组织调整和人才培养，构建领先的竞争战略，才能在未来的市场竞争中立于不败之地，否则将被淘汰。

“技术的进步还在加速，大语言模型的突破推动了数智化时代的全面到来，为资本市场的结构化转型设定了一个新的数智化时代背景。金融和技术的进一步融合从投资者触达与服务、体系运行与合规、风险计算与配置等三类场景渐次展开，不断体现降本增效、价值创造和风险决策能力提升三种价值，金融科技发展的前景无比广阔。”恒生电子董事长刘曙峰表示。