银行正加速DeepSeek系列模型本地化部署工作。据记者梳理，目前已经有包含国有大行、股份制银行及头部城商行在内的多家银行启动DeepSeek系列模型的本地化部署，应用领域覆盖智能客服、信贷审批、智能营销、风险管理、经营办公等多个业务场景。
受访人士认为，金融科技日新月异，以DeepSeek为代表的前沿大模型，为银行业务创新注入活力，为效率提升提供动力，已成为推动银行业变革的新引擎。不过，银行业在积极部署DeepSeek大模型时，也面临 数据安全 、模型适配、人才短缺等挑战。
中小银行纷纷加入
3月8日， 工商银行 宣布于近期完成DeepSeek最 新开源 大模型的私有化部署，并将其接入行内“工银智涌”大模型矩阵体系。
邮储银行 则依托自有大模型“邮智”，本地部署并集成了DeepSeek-V3模型和轻量DeepSeek-R1推理模型。目前，这些模型已在智能客服“小邮助手”中应用，新增的理论推理功能使其能够更精确地理解用户需求，提供个性化服务。
不仅国有大行积极布局，众多中小银行也纷纷加入。股份制银行方面， 浦发银行 此前宣布，在昇腾服务器上部署DeepSeek-R1671B大模型，嵌入数字员工助手应用。
城商行方面， 江苏银行 率先宣布将DeepSeek应用于智能合同质检和自动化估值对账场景。另外， 北京银行 、 重庆银行 、 成都银行 、北部湾银行等也相继布局DeepSeek应用。
南开大学金融发展研究院院长田利辉对《证券日报》记者表示，银行积极布局DeepSeek模型本地化部署的起因是提高服务品质与效率、强化风险管理、推动业务创新和落实 数据安全 与合规性。通过DeepSeek，银行可以提供更智能的顾客服务。DeepSeek的 大数据 分析能力也可以助推银行更好地评估信用风险、识别坑骗行为。而且，可以利用AI技术开发新产品和服务，如智能交易系统、自动化审批流程等。另外，本地化部署有助于保护敏感信息，符合严格的金融监管要求。
上海金融与法律研究院研究员杨海平对《证券日报》记者表示，商业银行本地化部署DeepSeek的原因有三方面：一是由于行业的特殊性，商业银行对信息安全有较高要求，本地化部署才能更好地满足信息安全要求。二是商业银行属于服务行业，通过本地化部署能更好地满足其个性化应用模型的练习，提高服务质效。三是商业银行通过本地化部署才能在合规条件下，为核心应用升级预留空间。
另外，以DeepSeek为代表的AI大模型，将成为银行业数字化转型的新引擎。田利辉表示，随着AI技术的发展，银行不仅要在技术层面进行革新，还要在组织结构、企业文化等方面做出相应调整，才能真正实现数字化转型。
形成不同化
在金融科技快速发展的当下，DeepSeek等大模型为银行业务创新与效率提升造成新机遇，但银行部署DeepSeek时也面临诸多挑战。
田利辉表示，当前银行部署DeepSeek面临三方面挑战：一是技术复杂性，实施和维护大模型需要高水平的技术支援和专业知识；二是资源整合难，需要整合现有系统与新部署的大模型，这可能涉及复杂的架构调整；三是人才短缺，既懂银行业务又掌握AI技术的专业人才稀缺。应对的策略主要是，强化培训和技术合作，获取或提升所需技能；实施逐步迁移策略，采取分阶段的要领进行系统集成，以减轻对日常运营的影响；建立跨部门团队，增进IT部门与其它业务部门之间的协作，共同解决部署进程中遇到的问题。
另外，杨海平认为，商业银行部署DeepSeek应用可能会遇到数据获取、模型训练与验证等方面的困扰。同时，AI应用也有可能面临监管合规方面的问题。
未来，不同类型银行在布局DeepSeek时将显现不同趋势。田利辉认为，国有大行由于拥有丰富的资源和技术积累，可能会更加重视DeepSeek在核心业务领域的深度应用，探索新的业务模式和服务方式。股份制银行则需要倾向于选择成本效益高的方案，可能更偏重于特定领域（如零售银行）的应用。城商行受限于规模较小，可能更关注于利用DeepSeek解决具体槽点问题，如提升客户服务品质和降低运营成本。
