DeepSeek 的浪潮蔓延至消費(fèi)金融領(lǐng)域，其創(chuàng)新性、科學(xué)性和革命性受到業(yè)內(nèi)認(rèn)可，同時(shí)展現(xiàn)出顯著的技術(shù)優(yōu)勢(shì)和應(yīng)用潛力。但也有從業(yè)者指出，部分金融機(jī)構(gòu)接入 DeepSeek 更多是出于追逐熱點(diǎn)，而非實(shí)質(zhì)性提升科技能力，實(shí)際落地充滿挑戰(zhàn)。

一位從業(yè)者表示，DeepSeek 在消費(fèi)金融領(lǐng)域現(xiàn)階段最常見(jiàn)的方向是客服和營(yíng)銷，其它環(huán)節(jié)仍需人工輔助，“一方面因?yàn)榻鹑跀?shù)據(jù)還沒(méi)有打通；另一方面受準(zhǔn)確性等因素限制?！?/p>

關(guān)于在消費(fèi)金融領(lǐng)域的挑戰(zhàn)，DeepSeek App 回答：主要體現(xiàn)在數(shù)據(jù)安全、模型可靠性、算力經(jīng)濟(jì)性、合規(guī)適配及人才資源等方面。

據(jù)統(tǒng)計(jì)，目前，中郵消費(fèi)金融、中原消費(fèi)金融、樂(lè)信、宜人智科、信也科技、奇富科技等十余家金融科技類公司已經(jīng)接入 DeepSeek。目前，接入的主要版本是 DeepSeek - R1、DeepSeek V2、DeepSeek V3 等。

據(jù) DeepSeek 官網(wǎng)介紹，DeepSeek - R1 - Zero 和 DeepSeek - R1 是第一代推理模型。DeepSeek - R1 在數(shù)學(xué)、代碼和推理任務(wù)上的表現(xiàn)與 OpenAl - o1 相似。DeepSeek - V2 是一個(gè)強(qiáng)大的專家混合 Mixture - of - Experts，即 MoE 語(yǔ)言模型，其特點(diǎn)是經(jīng)濟(jì)高效的訓(xùn)練和推理。DeepSeek - V3 則是一個(gè)強(qiáng)大 MoE 語(yǔ)言模型，總參數(shù)為 671B，每個(gè)標(biāo)記激活 37B。

當(dāng)前，金融業(yè)對(duì)大模型的應(yīng)用基本上為兩種模式：一種是自行開(kāi)發(fā)模式，如多家銀行先后披露了其在大模型領(lǐng)域的探索及應(yīng)用；另一種是合作模式，如一些銀行選擇與科技公司合作，利用科技公司大模型為自身業(yè)務(wù)賦能。

現(xiàn)階段，金融公司接入 DeepSeek 的模式主要包括協(xié)同模式、全云端部署、全本地化部署以及分層調(diào)用。其中，協(xié)同模式是指本地處理實(shí)時(shí)低風(fēng)險(xiǎn)任務(wù)，云端處理高價(jià)值分析，如中原消費(fèi)金融采用的是 “本地輕量化模型 + 云端大模型” 協(xié)同模式。

中原消費(fèi)金融首席信息官許志鋒表示，采用協(xié)同模式基于效率與成本平衡；數(shù)據(jù)隱私與合規(guī)；資源彈性擴(kuò)展；模型迭代靈活性等方面的考量。

宜人智科相關(guān)負(fù)責(zé)人稱，接入 DeepSeek 將為公司帶來(lái)顯著的降本增效成果。“通過(guò)智能化手段，在營(yíng)銷、客服、風(fēng)險(xiǎn)管理等業(yè)務(wù)領(lǐng)域的效率將進(jìn)一步提升，包括提升語(yǔ)音交互效率，加強(qiáng)客戶轉(zhuǎn)化率，顯著降低運(yùn)營(yíng)成本等?！?/p>

中郵消費(fèi)金融科技發(fā)展部負(fù)責(zé)人朱威認(rèn)為，DeepSeek 為消費(fèi)金融領(lǐng)域智能化建設(shè)長(zhǎng)期存在的痛點(diǎn)與瓶頸提供了創(chuàng)新解決方案，同時(shí)也為業(yè)務(wù)創(chuàng)新帶來(lái)了眾多新機(jī)會(huì)。

據(jù)樂(lè)信相關(guān)負(fù)責(zé)人介紹，DeepSeek 的融合為樂(lè)信的運(yùn)營(yíng)和業(yè)務(wù)帶來(lái)效率提升和體驗(yàn)優(yōu)化。如在研發(fā)提效方面，公司大模型已實(shí)現(xiàn)研發(fā)人員 100% 落地應(yīng)用，2024 年月均輔助生成代碼 86 萬(wàn)次、全年提出質(zhì)量改進(jìn)建議 21 萬(wàn)次，有效助力研發(fā)人員編碼效率提升約 35%。

在蘇商銀行特約研究員武澤偉看來(lái)，DeepSeek 兼顧了低成本和高性能，意味著金融機(jī)構(gòu)接入大模型的效益成本比明顯提高，這將激勵(lì)更多的金融機(jī)構(gòu)積極擁抱大模型。

整體而言，DeepSeek 在消費(fèi)金融領(lǐng)域的應(yīng)用場(chǎng)景包括營(yíng)銷、風(fēng)控、客服、貸后以及企業(yè)內(nèi)部運(yùn)營(yíng)。其中，營(yíng)銷場(chǎng)景可利用 DeepSeek 的推理能力，打造智能營(yíng)銷機(jī)器人復(fù)雜場(chǎng)景下的智能化營(yíng)銷服務(wù)；風(fēng)控則是高效識(shí)別業(yè)務(wù)風(fēng)險(xiǎn)點(diǎn)，自動(dòng)生成風(fēng)險(xiǎn)分析報(bào)告；DeepSeek 可提升智能客服機(jī)器人處理復(fù)雜任務(wù)的能力等。

不過(guò)，也有從業(yè)者直言，目前 DeepSeek 在消費(fèi)金融領(lǐng)域的應(yīng)用還是以客服和營(yíng)銷為主，其它環(huán)節(jié)面臨多重挑戰(zhàn)。

首先是數(shù)據(jù)安全與隱私保護(hù)。某金融機(jī)構(gòu)相關(guān)負(fù)責(zé)人表示，金融行業(yè)涉及大量敏感數(shù)據(jù)，如何在利用 DeepSeek 的同時(shí)確保數(shù)據(jù)安全和用戶隱私，是金融機(jī)構(gòu)必須面對(duì)的難題。

朱威稱，雖然 DeepSeek 降低了訓(xùn)練和推理成本，但是大模型的資源需求還是較大的，同時(shí)由于金融行業(yè)嚴(yán)格的數(shù)據(jù)安全與合規(guī)性要求，消費(fèi)金融企業(yè)在涉及數(shù)據(jù)安全的場(chǎng)景下需要采用私有部署的方式來(lái)降低合規(guī)風(fēng)險(xiǎn)。

然后是技術(shù)層面的挑戰(zhàn)。一方面，模型可解釋性不足。DeepSeek 的 “黑盒” 特性使得其決策過(guò)程難以解釋，這在金融業(yè)務(wù)中可能影響決策的公信力。

在朱威看來(lái)，DeepSeek 推理模型相對(duì)于通用模型會(huì)產(chǎn)生更大幻覺(jué)，也是消費(fèi)金融企業(yè)在落地過(guò)程中需要解決的另一個(gè)主要問(wèn)題?！瓣P(guān)于幻覺(jué)，需要通過(guò)知識(shí)庫(kù)檢索增強(qiáng)生成、領(lǐng)域微調(diào)、人工校驗(yàn)等方式進(jìn)行緩解，從而確保推理結(jié)果的準(zhǔn)確性與可靠性?！?/p>

另一方面，模型需要更新與適配。許志鋒解釋，在金融場(chǎng)景中，政策調(diào)整、用戶行為遷移等變化都要求模型持續(xù)優(yōu)化。

此外，DeepSeek 與消費(fèi)金融領(lǐng)域融合還面臨計(jì)算資源限制，云端大模型推理成本高昂，尤其是長(zhǎng)文本、多輪對(duì)話場(chǎng)景；本地部署需平衡硬件投入與性能（如 GPU 算力）。

某金融機(jī)構(gòu)相關(guān)負(fù)責(zé)人直言，部分金融機(jī)構(gòu)的現(xiàn)有系統(tǒng)難以支持 DeepSeek 的部署，需要投入更多資源進(jìn)行技術(shù)升級(jí)。

武澤偉表示，DeepSeek 可能只是大模型 “親民化” 的初試啼聲，未來(lái)，大模型的接入和使用門檻一定會(huì)不斷降低，從而顯著拓展大模型在各個(gè)領(lǐng)域的覆蓋范圍和使用深度，很有可能重塑各個(gè)領(lǐng)域的思維慣性和經(jīng)營(yíng)模式，帶來(lái)革命性的生產(chǎn)效率提升。

在相關(guān)人士看來(lái)，當(dāng)數(shù)字技術(shù)創(chuàng)新不斷涌現(xiàn)，如何實(shí)現(xiàn)技術(shù)進(jìn)步和金融、社會(huì)安全的平衡，越來(lái)越受關(guān)注。人工智能在金融領(lǐng)域的巨大發(fā)展前景，為塑造產(chǎn)業(yè)新業(yè)態(tài)打開(kāi)大門，有望形成新質(zhì)生產(chǎn)力。

來(lái)源：經(jīng)濟(jì)觀察報(bào)