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

【 AI 金融新纪元】系列报告（三） —— 赋能金融， AI 开启新时代 证券分析师：胡 翔 执业证书编号： S0600516110001 联系邮箱： hux@dwzq.com.cn 二零二四年五月七日 证券研究报告 l 2009 年移动应用市场兴起， 财经类移动 APP 开始出现； 2010 年代后半段 -2020 年初， 财经类移动 APP 开始致力于满 足用户多元化的财富管理需 等技术的快速发展， AI 金融技术 持续完善。 2023 年 ChatGPT 引发 广泛关注，大模型与金融的结合赋 能财富管理及金融科技行业。 2023 年 3 月彭博发布金融大模型 BloombergGPT ，开启金融 AI 大 模型的数字金融新时代。东方财富、 同花顺、恒生电子引领金融科技 前沿。 l 互联网在中国迅速发展， 2008 年牛市下 PC 端金融网络门户 兴起，新浪、搜狐、网易等传 兴起，新浪、搜狐、网易等传 统门户财经频道日益成熟，和 讯网、金融界、证券之星等垂 直财经网址厚积薄发。但是受 限于时代条件，互联网金融领 域仍处于起步阶段。东方财富 后来居上，成为该阶段的集大 成者。 l 中国金融与技术的融合始于 20 世 纪 80 年代，互联网及数字技术 出现，传统金融机构受到提高 工作效率等需求推动，开始通 过传统 IT 软硬件实现办公自 动 化、电子化，实现业务升级。 IT 部门、银行卡、

金融贷款评估引入 DeepSeek 应用方 案 目 录 1. 引言...............................................................................................................5 1.1 金融贷款评估的背景与挑战.............................. ....13 2.2 DeepSeek 在金融领域的应用现状....................................................16 2.3 DeepSeek 与机器学习的关系............................................................17 3. 金融贷款评估的传统方法.............. ..................................................................................28 4. DeepSeek 在金融贷款评估中的应用方案.................................................30 4.1 数据收集与预处理........................

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

技术的未来属于善问者，而提问的艺术，终将定义人类的不可替代性 DeepSeek 金融审计应用场景 1000 问 发布单位 发布时间 南京审计大学金融学院 江苏省金融大数据审计信息工程研究中心 2025 年 3 月 16 日 写在前面的话 在数字经济与智能技术深度融合的今天，金融以及金融审计行业正经历前所 未有的变革。以 DeepSeek 为代表的大语言模型（LLM）作为人工智能领域的突 破性技术，不仅重塑了信息交互方式，更通过其强大的语义理解与生成能力，为 金融审计领域带来了新的发展机遇与挑战。如何借助大模型工具挖掘审计线索、 优化工作流程、提升风险预判能力，成为行业亟需探索的课题。本手册基于对银 行、证券及保险业审计场景的调研，结合大语言模型技术，系统梳理了金融机构 1000 个左右审计通用场景应用问题（侧重内部审计），并给出简要提示与典型 案例，旨在为金融审计领域的学习者及工作人员提供实用性的操作指南。以下是 本手册编写的核心逻辑与框架说明。 一、精准化问题拟定：用技术激活大模型价值的关键 “ 大模型的价值并非源于其 全知全能 ”，而在于使用者能否通过精准提问引 导其聚焦业务痛点。为此，结合金融审计实践，为了帮助使用者更精准提出多元 化场景下的问题，本手册的提问设计遵循以下原则： l 场景化：围绕商业银行、证券公司以及保险公司的具体场景拆解问题， 避免抽象化表述； l 可操作性

适用的法律法规情况下， 本报告亦 ÿ 能由中信建投 ÿ 国际 Ā 证券 p 限公 ø 在香港提供 2 请务必阅读正文之后的免 责条款和声明 2 证券研究报告 行业深度 DeepSeek 如何加速金融业数字化转型 ? —— 数字金融系列深度之一 分析师：赵然 zhaoran@csc.com.cn 021-68801600 SAC 编 ÷ ： S1440518100009 SFC 编 ÷ ： BQQ828 DeepSeek 的出现对于国内金融业数字化转型的价值与意义 ? 一、低成本、高性能。 DeepSeek 通用及推理模型在性能不输头部同类大模型的基础上，成本相较于头部大模型下降至数十 分之一以 下，同时开源、本地化部署特性和蒸馏技术使金融机构无需重资本投入底层模型研发，降低试错成本和二次开发难度，对创新 更加友好。 二、适配国产 GPU 。为金融机构基础设施信创改造提供了可落地的 三、推动生态重构。通过技术普惠加速 AI 落地，将竞争焦点从技术壁垒转向金融数据价值挖掘，推动 AI 能力与金融场景深 度融合， 以数据闭环体系巩固金融领域的场景化优势。 金融机构如何应用好大模型 ? 不断动态沉淀的本地数据及业务逻辑是金融机构利用大模型加速数字化转型的核心胜负手 ; “AI+ 金融”竞争力将取决于能否持续积累吸收高质量业务数据、深化垂直场景认知，并通过迭代形成“数据

卷首语 2025年是《金融科技发展规划（2022-2025年）》的收官之年，标志着我国金融业数智化转型进入全面深化、 系统推进的关键阶段。2024 年 11 月，中国人民银行等七部门联合印发《推动数字金融高质量发展行动方案》， 明确提出以数字化转型为战略引擎，通过“技术驱动 + 数据赋能”双轮联动，全方位推进金融机构在战略布局、 技术应用、数据治理等核心领域的系统性变革，进一步明确了到 2027 2027 年建成“数字金融强国”的路线图—— 以数据要素为关键生产资料，以算法算力为核心生产力，重构金融服务模式。 在数字经济纵深发展时代背景下，数据要素的市场化配置改革持续深化，以 DeepSeek 为代表的大语言 模型等人工智能技术迅猛发展，正在重构金融服务的底层逻辑。如何以数字化转型为核心驱动力，通过体制 机制创新、技术赋能和生态协同，不断做强“五篇大文章”？在人工智能、量子计算等颠覆性技术加速演进 ？…… 为促进金融创新的科技驱动与数据赋能，激发数字化转型新动能，探寻金融机构数智化发展的新路径、 新方法，金科创新社连续 6 年举办“金融机构数字化转型优秀案例评选”活动，在 2025 年的评选中，共计 收到 132 家金融机构 386 个参选案例。 《数字金融专刊暨鑫智奖·第六届金融机构数智化转型优秀案例集》依托“金融机构数字化转型优秀案例 评选”活动，深度聚焦金融业数智化转型的创新

Al 在客服体系的应用实 践 京东金融 ID Fingnce 京东金融定位 服务于金融机构的科技公司 助力金融行业提升效率降低成本增加收入 京东金融 JD Finance 遵从 金融本质 为金融 行业服务 以技术 为手段 以数据 为基础 · 十余年联络中心 建设经验 · 服务京东金融所 有渠道 · 前 Siri 科学家团队， 专注语音算法研 究 · · 国内顶尖 AI 团队 · 专业模型训练师 团 队 京东金融 JD Finance 智能客服团队介绍 北京总部 Al 研究 院 美国硅谷 京东金融客服体系 AI+ 数据 + 语音 动 6 月 客服机器人上线 CRM 上 线 京东金融 JD Finance 2017 年 9 月 智能语音平台上线 2015 年 3 月 在线客服上线 2018 年 5 月 智能质检 上线 2015 年 5 月 语音客服上线 2013 年底 京东金融成立 关于我们 一、客服机器人 —— 如何更好发挥 Al+ 数据优势? 京东金融 JD Finance 核心技术 > 深度神经网络

基于大语言模型的AI Agent架构 及金融行业实践 周健 2024.8.17 企业数智化发展趋势 商业化成熟度 时间 2022.1 1 2023.2 2023.8 2023.5 Llama3 GPT 4o GPT4 GPT4 GPT 3.5 Sora Gemini 2023.1 1 2024.2 闭源模型（文本） 开源模型（文本） 多模态模型 实时模型 Llama2 领域性知识（Domain) 过程性知识（Process) 规则性知识（Rule) 事实性知识（Fact) 知识中心驱动的创新引擎，解放专家智慧，实现五层模型的灵活管理 AI Agent在金融行业如何落地 金融行业建设思路 提升期 专家知识实时运营 建设期 基于规则的知识解构 成熟期 群体智能涌现 • 完成不同业务领域试 点应用封装 • 全单位进行试点应用 推广 应用试点落地 Agent在金融领域的实施方法论 业务信息收集 样例数据梳理 应用场景评估 资源评估 算力评测 SaaS端验证 Workflow设计 实施计划研讨 知识整理 模型部署 AskXBOT部署 验收 优化 压测 监控 评估调研 方案设计 Agent实施 上线验收 项目管理和服务集成 模型效果评测 移交 系统集成设计 算力适配 Agent应用落地实例-某大型国有银行金融交易场景