银行正加速DeepSeek系列模型本地化部署工作，“含D量”比拼战局愈演愈烈。3月8日，工商银行宣布于近期完成DeepSeek最新开源大模型的私有化部署，并将其接入行内“工银智涌”大模型矩阵体系。据北京商报记者不完全统计，在工商银行之前，已有22家银行官宣接入DeepSeek系列模型，应用领域覆盖智能客服、信贷审批、智能营销、风险管理、经营办公等多个业务场景。

在这场“含D量”比拼战中，相较于中小银行的跃跃欲试，大型银行步伐则稍显缓慢，国有银行、股份制银行官宣布局DeepSeek系列模型的屈指可数，分析人士指出，大型银行接入DeepSeek相对审慎，一方面是因为其已有自主研发金融大模型，另一方面则是出于业务规模、合规风险管理等因素的考量。不过，随着此次工商银行的成功实践，预计将会推动其他国有银行和股份制银行加快布局，不同类型银行部署DeepSeek也将呈现差异化的趋势。

“宇宙行”入局

银行布局DeepSeek的步伐仍未停歇。3月8日，工商银行宣布，已于近期在同业率先完成DeepSeek最新开源大模型的私有化部署，并将其接入行内“工银智涌”大模型矩阵体系。

据了解，“工银智涌”属于工商银行企业级金融大模型技术应用体系，集算力、算法、数据、工具、安全、应用、生态于一体。目前已实现大模型对行内20多个主要业务领域的赋能，落地场景200余个。

接入DeepSeek的“工银智涌”在产品创新、客户服务、风险防控方面实现提升。工商银行介绍，该行在金融市场领域打造了ChatDealing数智对话交易产品，重塑金融市场交易流程，大幅提升交易规模。同时，打造了远程银行坐席助手“工小慧”，实现“智能全旅程陪伴”，推动重点场景通话时长压降约10%。此外，围绕信贷全流程，打造了集信贷制度查询、报告编写、风险评估、数据分析、审贷建议等能力于一体的专属授信审批风控助手“工小审”，实现对公信贷全场景“智慧审贷”。

北京社科院副研究员王鹏认为，随着工商银行宣布完成DeepSeek最新开源大模型的私有化部署，国有银行在金融科技领域的布局再次迈出重要一步。这一举措不仅彰显了银行对金融科技的重视，也预示着DeepSeek技术在银行业务中的广泛应用前景。

DeepSeek的开源模式好似乐高积木具备可拼可改的性能，这也使得身处数字化转型进程中的银行可以将其接入，用于丰富现有自研大模型的可能。

在工商银行之前，邮储银行依托自有大模型“邮智”，本地部署并集成DeepSeek-V3模型和轻量DeepSeek-R1推理模型，首先将DeepSeek大模型应用于智能客服“小邮助手”，新增逻辑推理功能，并将进一步探索在数字员工多模态交互、产业链产品智能推荐分析、反欺诈风险防控等金融场景的特色化服务应用。

建设银行也传出正在部署DeepSeek相关应用，有消息称，该行已引入DeepSeek模型并定制化训练，积极推进生成式人工智能在全集团的体系化应用，或将集成AI工具供下属机构使用，旗下建信理财已开始研究DeepSeek在理财业务部分场景的应用。

大中型银行缘何姗姗来迟

DeepSeek以深度搜索与自适应优化算法为核心，融合机器学习、自然语言处理及大数据分析技术，对于数据丰富的银行业而言，能够进一步赋能业务经营发展。

北京商报记者梳理发现，除上述3家国有银行之外，还有20家银行也已接入DeepSeek系列模型。从银行类型来看，在这场“含D量”大模型部署战中，国有银行、股份制银行布局DeepSeek系列模型的屈指可数。

股份制银行方面，此前浦发银行宣布，在昇腾服务器上部署DeepSeek-R1671B千亿级大模型，嵌入数字员工助手应用，赋能智能问答、指标问答、财务分析、报告写作等多个应用场景，在业内率先实现全栈国产化算力平台+DeepSeek大模型的金融应用。兴业银行则表示，已正式接入DeepSeek-R1大模型。

根据各家银行的布局及官宣节点来看，民营银行、地方银行抢先占据市场声量。新网银行、百信银行、苏商银行均透露自2024年关注并引入DeepSeek，并在2025年进一步深化DeepSeek应用。城商行方面，在DeepSeek春节假期爆火出圈之后，2月3日，江苏银行率先官宣将DeepSeek应用于智能合同质检和自动化估值对账场景；北京银行、江苏银行、重庆银行、成都银行、北部湾银行、内蒙古银行、北京农商行、重庆农商行、四川农商联合银行等也相继布局。

谈及大中型银行布局DeepSeek步伐相对缓慢的原因，中国企业资本联盟副理事长柏文喜指出，国有银行和股份制银行的决策流程相对复杂，对新技术的稳定性和可靠性要求更高，在引入DeepSeek时，需要经过多轮测试和评估，以确保其不会对现有业务产生负面影响，这些银行通常拥有更复杂的业务体系和庞大的技术基础设施，需要投入更多资源进行技术研发和系统适配。同时，部分国有大行和股份制银行在早期已投入大量资源自主研发金融大模型，对开源模型的依赖程度相对较低。此外，国有银行和股份制银行客户数据量大且敏感度高，对数据安全和隐私保护的要求极为严格。因此，在引入新技术时需要更谨慎地评估数据泄露风险和合规压力。

整体来看，相较于大型银行引入DeepSeek赋能已有大模型，中小银行则倾向于直接接入DeepSeek系列模型或与外部云服务商合作对智能客服、信贷审批、智能营销、风险管理、经营办公等不同业务场景进行功能或业务的优化。

而地方银行、民营银行的应用“躁动”背后是急于缩小技术差距的核心诉求。“DeepSeek等大模型技术的广泛应用为缩小中小银行与大型银行在大模型领域的技术差距提供了可能。”新网银行副行长李秀生表示，低算力要求和低数据训练成本的特性，让中小银行能够以更低成本引入和应用这些先进技术。大模型将不再是大型银行的专属，而是能够广泛应用于中小银行之中。

形成差异化应用布局

DeepSeek开源模型有助于减少银行利用AI相关领域的成本及使用“门槛”。

“DeepSeek接入银行自有大模型能够提升业务效率与服务质量，优化风险管理和决策流程，推动服务智能化与个性化，促进银行经营模式变革”，柏文喜表示，DeepSeek能够快速处理复杂文本和数据分析，自动生成财务分析、风险评估等报告，大大缩短银行业务流程时间，同时可以更精准地评估客户信用风险，为信贷审批、反欺诈等提供科学依据。此外，其具备的自然语言处理能力可使智能客服更精准地理解客户需求，提供个性化服务，并将推动银行从传统的人工操作向自动化、智能化转型，进一步打破部门壁垒，提升组织协作效率。

但整体来看，当前银行部署DeepSeek仍属于初级发展阶段，对于像财富管理与投顾服务等精确性专业度较高的领域涉及较少。柏文喜认为，DeepSeek在银行财富管理与投顾服务应用较少的原因，一方面是财富管理和投顾服务涉及大量客户敏感信息，如资产状况、投资偏好等。使用DeepSeek时，数据安全和隐私保护面临更高挑战。另一方面，在财富管理和投顾领域，投资决策需要高度透明和可解释。DeepSeek的“黑盒”特性使得其决策逻辑难以完全透明化，影响其在这些领域的应用。

“财富管理和投顾服务需要高度专业化的知识和经验，DeepSeek需要进一步优化和适配，才能更好地满足这些领域的复杂需求。”柏文喜补充道。

此外，数据安全与隐私保护、模型可解释性、技术整合成本等问题也成为DeepSeek落地银行面临的潜在挑战。柏文喜指出，大模型依赖海量数据训练，银行客户信息敏感度高，数据泄露风险和合规压力较大。同时，DeepSeek的决策逻辑难以透明化，影响其在信贷审批、反欺诈等关键场景的公信力。此外，部分银行的系统相对陈旧，难以支撑大模型的高效部署和运行。而金融科技复合型人才短缺，制约了模型的迭代速度和应用效果。

面对上述挑战，柏文喜建议，银行应建立完善的数据安全管理体系，对客户数据进行脱敏、加密处理，确保数据在使用和传输过程中的安全性。同时，通过技术研发和优化，开发可视化工具，增强DeepSeek决策逻辑的透明度。此外，还应加大对技术基础设施的投入，升级系统架构，提升算力和存储能力，并加强与高校、科研机构的合作，培养和引进金融科技复合型人才。

虽然挑战仍存在，但业内人士认为，银行部署DeepSeek的动力仍然存在，且不同类型银行布局或将呈现一定差异。

王鹏表示，随着工商银行的成功实践，其他国有银行与股份制银行可能会加速布局DeepSeek，这一技术将在银行业务场景中发挥更大作用。未来，不同类型银行在布局DeepSeek时将呈现不同趋势。大型国有银行与股份制银行将更加注重DeepSeek在核心业务领域的应用，并积极探索新业务场景。中小银行可能会更加注重成本效益和实用性，选择将DeepSeek应用于关键业务领域或痛点问题。而民营银行与互联网银行则可能利用DeepSeek的技术优势，拓展新的业务模式和服务方式。

北京商报记者 李海颜