江苏银行模型部署成果
近期，江苏银行通过“江苏金融科技”公众号发布信息，宣布在技术领域取得显著进展。该行成功在本地实施并优化了DeepSeek - VL2多模态模型与轻量DeepSeek - R1推理模型。这些模型已分别应用于智能合同质量检测及自动化账务估值等场景。借助对大量金融数据的深入挖掘与分析，江苏银行在金融语义理解准确性和业务处理效率方面均实现了重大突破。
2023年，江苏银行推出了名为“智慧小苏”的大语言模型服务平台。新引入的DeepSeek大语言模型使得“智慧小苏”在应对复杂多模态和多任务场景方面能力增强，并且实现了在算力节约和效能方面的显著提升。
苏商银行应用成效
苏商银行采纳了DeepSeek的蒸馏技术，广泛运用于信贷风险控制和反欺诈等多个领域。该技术的应用成效显著，使得尽调报告的生成速度提升了40%，欺诈风险标签的准确率也提升了35%。这一事实反映出，DeepSeek的蒸馏技术在银行业务中应用时，能有效提升工作效率和风险识别的精确度。
苏商银行将此技术应用于多个核心业务领域，显著提升了业务处理的速度与质量，从而有效保障了银行的稳健运作及客户资金安全。
业内银行研究动态
银行业内部人士向澎湃新闻透露，他们所在的银行正致力于探索DeepSeek技术的应用。该技术可能被用于客户身份验证、风险评估以及报表自动化的多个领域。这一情况反映出DeepSeek在银行业的应用前景引起了业界的广泛关注。
金融科技的进步促使众多银行认识到采纳尖端技术增强自身竞争力的必要性。通过本地部署DeepSeek模型，银行能够确保关键数据存储在内部系统，防止其外泄至外部企业，从而有力地维护了数据的安全性。
专家看好前景突破
孙扬提到，DeepSeek有望显著提升银行在服务、决策与管理方面的智能化能力。特别是在小数据或数据稀缺的强化学习领域，DeepSeek展现出其独特的优势，非常适合银行业务需求。这一技术有望显著推动银行数字银行业务的发展。
银行业发展态势表明，智能化与数字化转向成为不可逆转的趋势。DeepSeek模型的问世，为银行提供了一种高效手段，助力其达成转型目标。该模型能对金融数据实施精确分析，进而辅助银行作出更为明智的决策。
面临人才数据困境
孙扬指出，当前银行业正遭遇挑战。金融科技领域的高创新人才短缺，复合型人才的培养面临诸多障碍，且所需时间较长。同时，银行在数据资源方面与平台企业相比存在不足，而金融科技的发展则依赖于大量数据的支持。
这些问题限制了银行充分利用DeepSeek等创新技术的潜力，而如何克服人才和数据的难题，已成为银行在数字化进程中所面临的关键挑战之一。
业内建议谨慎发展
董希淼，招联首席研究员，指出DeepSeek等生成式人工智能大模型技术能够提升银行数字化转型的速度与水平，成为商业银行关注的重点发展方向。然而，大模型的快速推广可能引发隐私、版权等问题。如何充分发挥其正面效应、减少消极影响，成为金融界在人工智能技术应用中必须认真思考的关键议题。
娄飞鹏，中国邮政储蓄银行的研究员，指出银行业借助大模型能够更精确地把握客户需求、推动产品创新、增强业务处理及风险管理的精确性。然而，在增强大模型应用的同时，银行亦需加强数据和信息管理，确保客户信息安全得到妥善保护。关于银行业如何更有效地协调大模型应用带来的机遇与挑战，您有何见解？
