DeepSeek 银行部署加速， AI 金融应用迎来跃迁 分析师：闻学臣 执业证书编号： S0740519090007 分析师：王雪晴 执业证书编号： S0740524120003 分析师：苏仪 执业证书编号： S0740520060001 联系人：蒋丹 Email ： jiangdan@zts.com.cn | 证 券 研 究 报 告 | 究 所 n DeepSeek 开源使金融机构能够轻松获得前沿模型能力，且大幅降低部署成本。其通过对训练方式、算法架构和推理方 法 的工程化优化大幅降低了部署成本。近期采用大规模 RL 训练方法的阿里 QwQ-32B 等模型也在缩小规模的同时达到了 DeepSeek R1 671B 的应用效果，有望进一步催生银行落地应用。 n 我们认为金融行业人工智能的应用价值大体可以分为三个层次： with Data and Model Scaling ，中泰证券研究所 11 多模态： Janus-Pro 等开源多模态模型有望进一步提升应用能 力 理解金融应用的“降本增效 - 价值创 造 - 决策赋能”三个层次 2 n 我们认为金融行业人工智能的应用价值大体可以分为三个层次： 降本增效，价值创造与决策赋能。其中当下应用最广 泛的是降本增效， 即 AI 对简单人力的替代，具体场景可能包括

DeepSeek 在金融银行的应用方案 2025 年 02 月 21 日 目 录 1. 引言...............................................................................................................6 1.1 DeepSeek 技术概述................ .......................................7 1.2 金融银行业务挑战................................................................................9 1.3 DeepSeek 在金融银行的应用前景........................................ 2.4 数据挖掘与分析..................................................................................20 3. 金融银行应用场景......................................................................................22 3.1

了中小银行的获客难度，迫使后者加快数 字化转型步伐。 新金融业态冲击 客户需求升级 互联网金融、金融科技公司等新兴业态迅速崛起，凭借灵活的数字化服务模式抢占传统银 行市场份额。 客户对数字化服务的需求日益增长，期望获得更便捷、高效、个性化的金融服务体验，推 动银行必须转型以满足市场需求。 1 2 3 大模型技术为金融业带来前 所未有的变革机遇，通过提 升数据处理能力、优化决策 通过大模型技术，银行可以更高效地评估客户信用状况， 缩短信贷审批周期，提升客户体验。 优化信贷审批 大模型为银行提供智能化的业务解决方案，支持个性 化产品设计和精准营销，增强市场竞争力。 推动业务创新 大模型技术对金融业变革的推动作用 企业架构建模在转型中的核心价值 • 企业架构建模通过将战略目标分解为具体的业务和技术路径，确保银行数字化转型战略的有 效实施。 • 帮助企业明确业务能力和技术需求，推动战略目标与业务执行的紧密结合。 干预措施，有效降低欺诈风险。 自适应模型优化 大模型具备自我学习和优化的能力， 能够根据不断变化的欺诈手段和风 险特征，动态调整风控策略和模型 参数，确保系统始终处于最优状态， 适应复杂的金融环境。 客户行为深度分析 大模型能够基于客户的实时行为和市场变化， 预测其未来的财务需求和投资倾向，为财富管 理顾问提供前瞻性建议，提升客户满意度和忠 诚度。 动态需求预测 智能化资产配置

..............................................................................165 1. 引言 近年来，量化交易在金融市场中的应用日益广泛，其通过数学 模型和计算机算法实现的自动化交易方式，显著提高了交易效率和 准确性。然而，随着市场环境日益复杂，传统量化策略在应对高频 数据、非线性关系以及市场噪音方面的局限性逐渐显现。在这一背 更好地应对市场变化，从而在长期交易中实现更稳定的收益。本文 将详细探讨如何将 DeepSeek 框架引入股票量化交易的具体方案， 包括数据预处理、特征工程、模型训练与优化、策略回测及风险控 制等关键环节，为金融机构和投资者提供一套切实可行的应用方 案。 1.1 股票量化交易概述 股票量化交易是一种通过数学模型和计算机技术来执行交易策 略的方法，旨在通过系统化的方式实现收益的最大化和风险的最小 化 化。量化交易的核心在于利用历史数据和统计分析方法，构建能够 预测市场变化的模型，并基于这些模型自动生成交易信号。与传统 的主观交易相比，量化交易具有更高的执行效率和更低的情绪干 扰，因此在近年来逐渐成为金融市场的主流交易方式之一。 在量化交易中，模型的选择和优化是关键环节。常见的模型包 括基于技术指标的策略、统计套利策略、机器学习模型以及深度学 习模型等。其中，技术指标策略通过分析价格和成交量等市场数据

大模型技术 深度赋能保险行业白皮书 （2024） 阳光保险集团股份有限公司 清华大学五道口金融学院 中国保险学会 科大讯飞股份有限公司 2024年10月 PREFACE 前 言 � 在人类科技发展的历史洪流中，2023年无疑是大模型技术取得突破性进展的元年。 ChatGPT的问世，如同一颗石子投入平静的湖面，激起了全球科技领域的滔天巨浪。它不 仅深刻改变了人机交互的方式，更预 个性化、高效、便捷的保险服务，推动保险行业向更高质量、更高效率、更高附加值的方向 发展。 在全球金融格局深刻调整、中国经济高质量发展的背景下，保险业作为国民经济的重 要支柱和风险管理的重要力量，必须紧跟时代步伐，把握科技革命的历史机遇。我们希望通 过本白皮书的发布，为保险业做好科技金融和数字金融两篇大文章提供有力支持，推动保 险行业从科技赋能向科技引领的转变。同时，我们也呼吁行业同仁和合作伙伴加强交流与 应用：日益广泛深入，多领域齐头并举 1.1.4.1 行业应用日益深入 �� （1）金融行业 在金融领域，大模型的应用逐渐从简单的运营支持向核心业务场景延伸。各大银行和 金融机构纷纷推出自己的AI大模型，如工行的AI大模型技术已实现56个新增业务场景落 地应用。同时，奇富科技、蚂蚁集团等也发布了针对金融行业的专属大模型，如奇富GTP和 AntFinGLM，这些模型在数据整合与分析、风险管理、个性化产品定制、智能投顾等方面展

..................................................................................172 1. 项目概述 在当前金融科技的迅速发展中，银行系统面临着处理大量复杂 数据和提供高效服务的挑战。为了应对这些挑战，本项目旨在部署 Deepseek 大模型，以提升银行系统的智能化水平和处理效 率。Deepseek 大模型，作为一种先进的 据反馈进行必要的调整和优化。 总之，通过部署 Deepseek 大模型，我们期望能够显著提升银 行系统的智能化水平，为客户提供更加个性化、高效和安全的服 务，同时增强银行的风险管理和运营能力。 1.1 项目背景 随着金融科技的迅速发展，银行业务的复杂性和数据量呈现指 数级增长，传统的 IT 系统在处理效率、智能化水平和客户体验方 面已逐渐显现出瓶颈。尤其是在风险管理、客户服务、智能营销等 核心业务领域，银行迫切需要引入先进的人工智能技术来提升业务 定严格的数据安全和隐私保护策略，确保符合金融行业的监管要 求；最后，通过持续的性能监控和优化，保障大模型在实际运行中 的稳定性和效率。 在项目启动前，我们已对多家银行的业务需求和技术现状进行 了深入调研，总结出以下关键问题： - 客户服务场景中，传统客服 系统的响应速度和准确性不足，导致客户满意度下降； - 风险管理 领域，现有模型在复杂金融场景中的预测精度有待提升； - 运营优

过协同创新升级全栈服务品质，同时也利用自身融合发展的经验优势，助力企业积极开展国际化 布局。 �� 1.1 技术全面升级，为复杂的企业在线业务提供保障 企业在线业务的受众范围和功能复杂度在快速增加，在金融交易、电商直播、实时游戏等场景 下，服务端动辄需要支持百万级并发连接和毫秒级响应要求，应对海量的网络协议处理、页面加 载、安全等事务。企业云计算客户不仅对算力密度有极致追求，还期望通过连接性能和存储技术 云计算的安全性与稳定性直接影响用户信任度，任何数据泄露或业务中断均可能导致灾难性后果。 数据安全性⸺信任与合规的双重考验：云计算的多租户架构和分布式存储特性增加了数据 被跨域非法访问的风险，在金融、医疗、零售等场景中，数据泄露可能引发灾难性后果。此 外，跨境数据传输需满足各国严格的法规要求，稍有不慎便可能面临巨大的风险。 应用稳定性⸺AI与线上业务的双重冲击：AI应用的普及加剧了云计算的不确定性。模型训 户解决数字化渠道下实人认证相关的体验和安全问题，应用于金融业务核身、人证核验、人脸登录等 多种场景。 业务痛点： 让金融机构能够快速构建专属的智能体，以“数字员工”的身份处理客户咨询、执行交易、分析报告、 管理风险： 性能瓶颈： 复杂的金融问答、海量报告的即时分析，要求大语言模型具备极低的响应延迟，保障 客户体验和交易机会。 精准度挑战： 金融场景对信息的解析和意图的理解要求“零容错”。智能体必须在纷繁复杂的金

渗透到各产业领域，区域间的数字经济发展差距却愈发凸显。东部 沿海地区凭借深厚且完备的产业基础、超前的科技创新能力以及发 达的基础设施网络，得以率先深度应用数字化技术，在智能制造、 智慧物流、数字金融等新兴领域取得了显著成效。而中西部地区在 产业数字化转型的道路上相对滞后。尽管国家已出台了多项政策支 持中西部地区的数字经济发展，但由于起步晚、底子薄，这些地区 在人才储备、技术创新以及资金投入等方面仍相对不足。中西部地 综合算力指数 9 大模型技术不断创新，推动应用场景加速向千行百业与垂直场 景渗透延伸，人工智能与实体经济持续深度融合，其催生的经济效 益与社会价值日益凸显。在金融领域，通过大模型技术实现精准分 析海量数据，助力金融机构优化风险评估、提升决策效率，降低运 营成本的同时，为客户提供更个性化的服务体验。在医疗行业，大 模型技术通过深度参与医学影像诊断、疾病预测与药物研发，辅助 医生提 为广东省、江苏省、河北省、 北京市、内蒙古自治区、上海市、贵州省、福建省、山东省、浙江 省，具体情况详见图 10。 综合算力指数 21 存力 Top10 东部地区占八成，仍是数据存力的核心承载区。广 东电子商务、金融科技等产业发达，产生大量数据，企业需提升存 力规模和质量以满足高效存储和快速调用需求。江苏企业数字化转 型程度高，对数据存储需求大且标准高，从而推动了省内存力发展。 河北紧抓京津冀协同发展的机遇，张家口、廊坊等地建设大数据产

和 CCPA 等国际隐私标准。在计算效率方面，采用 量化压缩后的模型可在 NVIDIA T4 显卡上实现每秒处理 45 次并发 查询，推理成本比同类模型降低 62%。这些特性使其特别适合处理 金融、医疗等强监管行业的 CRM 需求。 1.3 项目目标与预期效益 本项目旨在通过将 DeepSeek 大模型深度集成至企业 CRM 系 统，构建智能化客户运营体系，实现从数据驱动到 AI 驱动的战略 2%（支持超过 100 种语 言）。 - 对混合语言文本（如中英混杂）采用分层分词技术，优先匹配高 频语种。 2. 实时双向翻译 o 采用上下文感知翻译引擎，保留行业术语一致性（例如 ” 金融领域的 FICO score” ” ” 统一译为 信用评分 ）。 o 响应延迟控制在 800ms 以内，满足实时对话需求。 性能优化策略 | 指标 | 基准值 | 优化措施 | --> B{CRM 数据 判断} B -->|历史高活跃| C(推送分期方案话术) B -->|新客 户| D(推送试用版邀请话术) - 合规性校验：内置监管规则库（如金融行业话术禁用词），实时 检测并标注风险内容。 - 实战训练模块：通过模拟对话环境，让销售人员进行话术演练， 系统从清晰度、说服力等 5 个维度评分。 落地价值 - 缩短新销售人员的培训周期至

其卓越的语言理解和生成能力，正逐渐成为 SaaS 平台的重要组成 部分。企业通过先进的大模型技术，可以实现更智能的客户服务、 数据分析和决策支持。 在行业应用方面，AI 技术正逐步渗透至金融、医疗、制造等多 个领域。在金融行业，通过智能风控、智能投顾等应用，提升了风 险管理和投资决策能力。在医疗行业，AI 辅助诊断和个性化治疗取 得了显著成效，大幅提升了患者的就医体验。  智能风控提升信贷审批效率 25%的年复合增长率增长，这为大模型 SaaS 平台的开发提 供了广阔的市场空间。 在 AI 行业中，大模型 SaaS 平台的目标客户主要包括但不限于 中小企业、金融机构、医疗健康、教育和电商等各类行业。中小企 业希望通过成本相对较低的 SaaS 服务，降低技术门槛，实现智能 化转型；金融机构和医疗健康行业则需要依赖大模型提升风控、数 据分析与决策支持能力；而教育和电商行业则借助人工智能优化用 户体验及个性化推荐。 争环境及客户特征，从而制定出更为精准的市场策略。在人工智能 行业中，主要可以按照行业用途、企业规模、技术应用和地域特征 来进行细分。 首先，按照行业用途，人工智能可以广泛应用于以下几个细分 领域： 1. 金融服务：包括风险评估、信贷审批、客户服务自动化等，通 过大模型分析交易数据和客户信息，提升服务效率和准确性。 2. 医疗健康：利用大模型进行医学图像识别、基因组学分析、个 性化治疗方案规划等，助力医生提高诊断准确率及治疗效果。