3月27日，中国银行研究院发布2025年第二季度经济金融展望报告。其中就DeepSeek赋能银行业数字化转型进行了专题研究。

长期以来，以银行为代表的金融部门以其大规模、高质量的数据资源和多维度、多元化的应用场景，被视为最适合大模型应用的行业之一。2025年1月，中国人工智能公司深度求索（DeepSeek）发布推理模型DeepSeek-R1，不仅在性能上逼近甚至超越了OpenAI的o1系列产品，并且推理成本仅需o1的3%左右。这一里程碑式进展被硅谷科技媒体、德意志银行等誉为中国人工智能领域的“斯普特尼克时刻”(SputnikMoment)。当前，以DeepSeek为代表的人工智能大模型持续赋能银行等金融相关领域，有望为金融行业数字化转型提供关键助力。

DeepSeek通过应用于精准营销、理财顾问、贷前风控、信用评估等核心领域，带动银行各类业务效率明显提升。例如，在精准营销环节，DeepSeek构建的对话式AI引擎，采用意图识别（NLU）与对话状态跟踪（DST）双引擎架构，多轮对话管理系统支持上下文感知的个性化服务，结合情感计算模块实现客户体验的量化评估。基于DeepSeek的智能客服系统，能够实现全天候不间断服务，快速响应客户的咨询和问题。通过自然语言处理技术，智能客服可以理解客户的意图，根据客户的历史记录和偏好，为客户提供个性化的服务推荐，提升客户满意度。此外，DeepSeek基于客户消费习惯和金融资源应用状态、所处行业特征、产品特性等生成的各类营销方案，也将为客户经理提供多维度的参考。

在投资决策环节，DeepSeek可以通过对客户的资产状况、风险偏好、投资目标等信息的分析，为客户制定个性化的投资组合方案。同时，DeepSeek也可以实时监测全球金融市场动态，包括股票、债券、外汇等各类金融市场的价格波动、交易量变化等，通过对历史数据和实时数据的分析，捕捉到市场趋势的细微变化，提前发出风险预警。在智能风控环节，DeepSeek基于实时风险决策引擎和整合流式计算框架与复杂事件处理（CEP）技术，能够实现毫秒级风险决策响应。从目前已完成或计划完成DeepSeek本地化部署的商业银行来看，其多元化业务为DeepSeek赋能提供了丰富场景。

报告指出，DeepSeek在赋能银行业数字化转型中面临一系列挑战。如DeepSeek引起的颠覆式创新对行业监管体系跟进完善提出较高要求；大模型幻觉问题无法根治，影响相关业务生产力潜能释放；商业银行部署过程中对算力、数据、IT基础设施要求不断提升，转型压力依然较大等。

对于上述问题，中银研究院提出三点建议：首先，推动完善银行业AI大模型监管体系。商业银行应积极参与监管政策的研讨与制定，与监管机构保持密切沟通，及时了解监管动态。同时，建立内部合规审查机制，对DeepSeek模型的开发、训练和应用进行全流程合规审查。

其次，加强系统性优化，缓解大模型幻觉问题。商业银行应加强数据治理，整合内部数据资源，建立统一的数据平台。通过数据清洗、标注、建模等工作，提高数据质量和可用性。加强外部数据的获取和整合，通过推进可信数据空间建设，打通公共数据空间、城市数据空间与金融数据空间互联互通，激发公共数据在金融可信数据空间中的带动效应。

最后，多维度制定优化策略，为AI持续赋能筑牢基础。如，在机构内部构建“AI+业务”的思维体系，鼓励职工以数据沟通业务和技术，加快形成人机协同工作新模式；加大对云计算、大数据等基础设施的投入，提高算力水平等。

责任编辑：方杰