DeepSeek 的浪潮蔓延至消費金融領(lǐng)域，其創(chuàng)新性、科學(xué)性和革命性受到業(yè)內(nèi)認(rèn)可，同時展現(xiàn)出顯著的技術(shù)優(yōu)勢和應(yīng)用潛力。但也有從業(yè)者指出，部分金融機構(gòu)接入 DeepSeek 更多是出于追逐熱點，而非實質(zhì)性提升科技能力，實際落地充滿挑戰(zhàn)。

一位從業(yè)者表示，DeepSeek 在消費金融領(lǐng)域現(xiàn)階段最常見的方向是客服和營銷，其它環(huán)節(jié)仍需人工輔助，“一方面因為金融數(shù)據(jù)還沒有打通；另一方面受準(zhǔn)確性等因素限制?！?/p>

關(guān)于在消費金融領(lǐng)域的挑戰(zhàn)，DeepSeek App 回答：主要體現(xiàn)在數(shù)據(jù)安全、模型可靠性、算力經(jīng)濟性、合規(guī)適配及人才資源等方面。

據(jù)統(tǒng)計，目前，中郵消費金融、中原消費金融、樂信、宜人智科、信也科技、奇富科技等十余家金融科技類公司已經(jīng)接入 DeepSeek。目前，接入的主要版本是 DeepSeek - R1、DeepSeek V2、DeepSeek V3 等。

據(jù) DeepSeek 官網(wǎng)介紹，DeepSeek - R1 - Zero 和 DeepSeek - R1 是第一代推理模型。DeepSeek - R1 在數(shù)學(xué)、代碼和推理任務(wù)上的表現(xiàn)與 OpenAl - o1 相似。DeepSeek - V2 是一個強大的專家混合 Mixture - of - Experts，即 MoE 語言模型，其特點是經(jīng)濟高效的訓(xùn)練和推理。DeepSeek - V3 則是一個強大 MoE 語言模型，總參數(shù)為 671B，每個標(biāo)記激活 37B。

當(dāng)前，金融業(yè)對大模型的應(yīng)用基本上為兩種模式：一種是自行開發(fā)模式，如多家銀行先后披露了其在大模型領(lǐng)域的探索及應(yīng)用；另一種是合作模式，如一些銀行選擇與科技公司合作，利用科技公司大模型為自身業(yè)務(wù)賦能。

現(xiàn)階段，金融公司接入 DeepSeek 的模式主要包括協(xié)同模式、全云端部署、全本地化部署以及分層調(diào)用。其中，協(xié)同模式是指本地處理實時低風(fēng)險任務(wù)，云端處理高價值分析，如中原消費金融采用的是 “本地輕量化模型 + 云端大模型” 協(xié)同模式。

中原消費金融首席信息官許志鋒表示，采用協(xié)同模式基于效率與成本平衡；數(shù)據(jù)隱私與合規(guī)；資源彈性擴展；模型迭代靈活性等方面的考量。

宜人智科相關(guān)負(fù)責(zé)人稱，接入 DeepSeek 將為公司帶來顯著的降本增效成果?！巴ㄟ^智能化手段，在營銷、客服、風(fēng)險管理等業(yè)務(wù)領(lǐng)域的效率將進(jìn)一步提升，包括提升語音交互效率，加強客戶轉(zhuǎn)化率，顯著降低運營成本等。”

中郵消費金融科技發(fā)展部負(fù)責(zé)人朱威認(rèn)為，DeepSeek 為消費金融領(lǐng)域智能化建設(shè)長期存在的痛點與瓶頸提供了創(chuàng)新解決方案，同時也為業(yè)務(wù)創(chuàng)新帶來了眾多新機會。

據(jù)樂信相關(guān)負(fù)責(zé)人介紹，DeepSeek 的融合為樂信的運營和業(yè)務(wù)帶來效率提升和體驗優(yōu)化。如在研發(fā)提效方面，公司大模型已實現(xiàn)研發(fā)人員 100% 落地應(yīng)用，2024 年月均輔助生成代碼 86 萬次、全年提出質(zhì)量改進(jìn)建議 21 萬次，有效助力研發(fā)人員編碼效率提升約 35%。

在蘇商銀行特約研究員武澤偉看來，DeepSeek 兼顧了低成本和高性能，意味著金融機構(gòu)接入大模型的效益成本比明顯提高，這將激勵更多的金融機構(gòu)積極擁抱大模型。

整體而言，DeepSeek 在消費金融領(lǐng)域的應(yīng)用場景包括營銷、風(fēng)控、客服、貸后以及企業(yè)內(nèi)部運營。其中，營銷場景可利用 DeepSeek 的推理能力，打造智能營銷機器人復(fù)雜場景下的智能化營銷服務(wù)；風(fēng)控則是高效識別業(yè)務(wù)風(fēng)險點，自動生成風(fēng)險分析報告；DeepSeek 可提升智能客服機器人處理復(fù)雜任務(wù)的能力等。

不過，也有從業(yè)者直言，目前 DeepSeek 在消費金融領(lǐng)域的應(yīng)用還是以客服和營銷為主，其它環(huán)節(jié)面臨多重挑戰(zhàn)。

首先是數(shù)據(jù)安全與隱私保護。某金融機構(gòu)相關(guān)負(fù)責(zé)人表示，金融行業(yè)涉及大量敏感數(shù)據(jù)，如何在利用 DeepSeek 的同時確保數(shù)據(jù)安全和用戶隱私，是金融機構(gòu)必須面對的難題。

朱威稱，雖然 DeepSeek 降低了訓(xùn)練和推理成本，但是大模型的資源需求還是較大的，同時由于金融行業(yè)嚴(yán)格的數(shù)據(jù)安全與合規(guī)性要求，消費金融企業(yè)在涉及數(shù)據(jù)安全的場景下需要采用私有部署的方式來降低合規(guī)風(fēng)險。

然后是技術(shù)層面的挑戰(zhàn)。一方面，模型可解釋性不足。DeepSeek 的 “黑盒” 特性使得其決策過程難以解釋，這在金融業(yè)務(wù)中可能影響決策的公信力。

在朱威看來，DeepSeek 推理模型相對于通用模型會產(chǎn)生更大幻覺，也是消費金融企業(yè)在落地過程中需要解決的另一個主要問題?！瓣P(guān)于幻覺，需要通過知識庫檢索增強生成、領(lǐng)域微調(diào)、人工校驗等方式進(jìn)行緩解，從而確保推理結(jié)果的準(zhǔn)確性與可靠性?！?/p>

另一方面，模型需要更新與適配。許志鋒解釋，在金融場景中，政策調(diào)整、用戶行為遷移等變化都要求模型持續(xù)優(yōu)化。

此外，DeepSeek 與消費金融領(lǐng)域融合還面臨計算資源限制，云端大模型推理成本高昂，尤其是長文本、多輪對話場景；本地部署需平衡硬件投入與性能（如 GPU 算力）。

某金融機構(gòu)相關(guān)負(fù)責(zé)人直言，部分金融機構(gòu)的現(xiàn)有系統(tǒng)難以支持 DeepSeek 的部署，需要投入更多資源進(jìn)行技術(shù)升級。

武澤偉表示，DeepSeek 可能只是大模型 “親民化” 的初試啼聲，未來，大模型的接入和使用門檻一定會不斷降低，從而顯著拓展大模型在各個領(lǐng)域的覆蓋范圍和使用深度，很有可能重塑各個領(lǐng)域的思維慣性和經(jīng)營模式，帶來革命性的生產(chǎn)效率提升。

在相關(guān)人士看來，當(dāng)數(shù)字技術(shù)創(chuàng)新不斷涌現(xiàn)，如何實現(xiàn)技術(shù)進(jìn)步和金融、社會安全的平衡，越來越受關(guān)注。人工智能在金融領(lǐng)域的巨大發(fā)展前景，為塑造產(chǎn)業(yè)新業(yè)態(tài)打開大門，有望形成新質(zhì)生產(chǎn)力。

來源：經(jīng)濟觀察報