蛇年伊始，不少金融机构和金融科技企业宣布接入DeepSeek。《中国经营报》记者关注到，一方面有机构连夜加班加点接入模型，另一方面还有不少机构仍选择保守观望股票主力如何操盘，也折射出DeepSeek与金融圈的碰撞带来了许多待解的议题。
在采访中，多位业内人士告诉记者，DeepSeek使金融机构或金融科技企业的AI获得成本降低，且在金融各场景中产生积极效果。不过，基于其开源特性，也给机构或企业的数据安全以及合规运营带来新的要求，与此同时，对于自研大模型的机构或企业，研究方向也需要进行一定调整与变化。
态度分化
记者注意到，金融机构或金融科技企业在面对是否接入DeepSeek的问题上，有着积极拥抱与暂时观望的两种不同态度。
根据公开信息，截至2月13日，已有超过20家金融机构与金融科技企业宣布接入DeepSeek。
连夜加班加点选择接入的机构颇具代表性。中关村科金技术副总裁张杰向记者透露：“DeepSeek V3版本发布后我们迅速应对，春节前就已经启动对R1版本的研究工作，春节期间，经过连日攻坚，公司‘得助大模型平台’已经实现全面支持DeepSeek-V3、DeepSeek-R1、Janus Pro的API接入及企业私有化部署。”
联易融科技集团、恒生电子和奇富科技等方面也都告诉记者，公司在第一时间启动了对DeepSeek的研究和接入，目前已成功接入DeepSeek主流模型（指DeepSeek-V3或DeepSeek-R1，或两者均已接入）。
由于三家金融科技公司业务分别聚焦供应链金融市场、资本市场以及消费金融市场，也显示面向B端和C端市场的机构均高度关注这一技术突破。
另一方面，亦有多家金融机构或金融科技企业向记者表示，公司尚未接入，或尚无接入DeepSeek的计划。
对于这两种不同选择背后，中国（上海）自贸区研究院（浦东改革与发展研究院）金融研究室主任刘斌向记者表示，考虑因素首先来在于技术能力与资源储备，头部机构接入外部模型更多是补充而非依赖。中小机构受限于技术储备，可能面临系统兼容性难题，需评估改造现有系统的成本。
另外，短期内要将原先的业务场景迁移意味着前期投入将成为沉没成本，且效果上的提升不确定。此外有些业务场景适合应用小模型，金融机构也要考虑业务场景与大模型技术的适配度。
也有金融科技企业人士向记者表示，目前尚在考量蒸馏技术（Distillation）的实际效果。蒸馏技术，是DeepSeek能够实现“弯道超车”的重要因素之一。通过这一技术，可以将大型模型的知识迁移到更小、更高效的模型中，使得这些模型能够在资源有限的设备上运行，同时保持较高的准确率。
“我们在评估DeepSeek时，会综合考量其经过蒸馏优化后的模型在金融领域的核心任务，如风险评估、客户需求预测等方面的精准度和稳定性，确保技术应用不会对业务关键指标产生负面影响。”该人士说道。
三方面突破性表现
记者了解到，当前DeepSeek在金融领域的应用场景较为全面，覆盖智能客服、智能营销、金融投研、合规运营等诸多核心业务场景，与此同时也带来了较有突破性的表现。
张杰向记者表示，目前，中关村科金主要将金融技术与DeepSeek融合应用于提升客户连接效率、体验，以及提升员工效能两个场景中。相比此前的大模型，DeepSeek在同等资源下响应速度更快，推理成本更低，例如在智能营销场景中可快速生成自然对话策略。此外，DeepSeek将模型权重、训练框架及数据管道全部开源，采用MIT许可证，允许用户自由使用、修改和商业化，灵活性更强，降低了中小企业和个人开发者的使用成本。
联易融科技集团相关负责人告诉记者，基于自主研发的大模型自动化流程，我们深度融合DeepSeek，助力公司高效应对业务洪峰，保障资金链畅通。在资产业务高峰期，单日资产规模最高超过50亿元的业务场景中，从合同智能解析、发票自动核验到资金匹配放款，实现全流程“零人工介入”，单笔业务处理时间压缩至分钟级，极大提高了业务处理效率。
恒生电子首席科学家、恒生研究院院长白硕则告诉记者，恒生电子大模型系列应用全面接入了DeepSeek，已覆盖金融投研、投顾、合规、运营、投行等核心业务场景。白硕表示，根据恒生电子实测数据显示，在金融高密度数据处理场景中，DeepSeek新架构展现出三大突破性优势：首先是能呈现更好的效果，投顾场景的投顾建议生成、安抚话术、基金实体识别等任务上平均F1（机器学习中用于评估分类模型性能的一种指标）提升5%以上，客户需求解析速度较以往大模型加快3倍，账户运营知识库检索、托管/资管合同要素抽取、投行底稿审核等场景的F1提升5%—7%。其次是算力需求更少，本地部署资源消耗降低50%。
“最后是能够实现更深度的思考。”白硕谈道，“在投行业务中，通过DeepSeek-R1的理解能力，可自动解析招股书、尽调报告等复杂文档，实现财务数据校验、合规风险提示的秒级响应。针对账户运营投行合规的知识库问答场景中的大海捞针及复杂问题亦能带来巨大助力。”
此外，奇富科技相关负责人向记者表示，公司自主研发的大模型产品ChatBI入DeepSeek-R1大模型后，显著提升了处理复杂数据分析任务的能力。特别是在贷款风险评估时，不同模块能从用户信用、收入稳定性、行业前景等多维度分析，大幅提升分析的全面性和准确性。而在分析贷款申请增长相关问题时，会按照信息流分析类似的逻辑，层层递进：先明确申请量统计维度，再细分年龄段和职业群体数据，接着探究增长原因及对风险评估的影响。
“以往处理复杂金融问题时，理解偏差和分析不足的情况得到极大改善，接入DeepSeek-R1大模型后能精准把握提问意图，在预测贷款申请趋势、评估风险等方面，为分析人员提供更具价值的决策依据。”前述奇富科技相关负责人表示。
带来新的合规议题
需要指出的是，虽然DeepSeek的开源特性有利于金融业AI的普惠化，但也给内容机构的数据安全和合规运营方面提出新的要求。
张杰告诉记者，DeepSeek的开源特性可能暴露敏感业务逻辑或训练数据，需防范逆向工程攻击。同时，金融机构需确保模型决策可解释性，以满足监管对AI伦理的要求。“针对这些风险，我们通过自研多模态生物防伪与安全平台，运用多种先进身份核验技术（如人脸活体检测、声纹识别等），探索抵御多种攻击手段，保护用户隐私和数据安全。”他表示。
白硕也谈道：“DeepSeek的开源特性，有利于给金融业AI应用提供一个低成本可获得的高起点。但满血版（671B）的DeepSeek对于一些金融机构来说，有需求但部署成本仍过高，公有云上部署的满血版并不符合监管要求，这时就需要呼唤‘可信的’满血版部署和服务体系。如何发挥行业核心机构的公信力，在可信的行业云环境中提供满血版DeepSeek服务，就是一个非常有意义的议题。”
金融大模型的训练一直是效率的追逐战，此次DeepSeek的出现使得更多金融机构或企业能够以更低的成本取得更高的效率。这样的情况下，金融科技的竞争格局是否会产生变化？
对此，白硕坦言，DeepSeek使得金融机构打造垂域落地应用的门槛更低了，一些企业IT团队甚至业务人员都可以基于DeepSeek来搭建垂域落地应用。但以我们为例，聚焦主要是私有化部署、活数据、桩系统、复杂意图理解和执行深度对接的复杂应用场景，和低门槛的应用场景还是有区别的。
在采访中，不少业内人士向记者表示，不可否认DeepSeek的出现给 AI 大模型领域带来了新的竞争态势和技术思路，比如，企业需要避免与DeepSeek在技术路线上的同质化竞争，寻找自身独特的技术优势和应用场景，不过总的竞争格局不会有太大变化。
对此，刘斌也向记者表示，DeepSeek的开源特征和低门槛可以让更多中小金融机构采用，从金融行业来看，技术的应用首先要考虑与业务场景的适配性股票主力如何操盘，并非技术越先进就越能够对业务产生足够的颠覆，主要还是要考虑金融机构从业务场景、数据治理、合规安全、企业文化以及组织机制层面有没有形成一套适应新技术应用的综合性体系。因此，技术在金融领域的应用还要多方面考虑。