DeepSeek来了，金融拥抱大模型姿势要变了

文|周观新金融

#DeepSeek热潮全面席卷金融业#自带金融背景的AI大模型DeepSeek爆火，给业内展现出了这么一种可能：当技术强大到一定程度的时候，机构的“第二增长曲线”自然就出来了。

无论是从刚开年一周就“高调”跑步接入DeepSeepk的公募基金看，还是正在低调又急迫接洽的银行来看，金融行业显然求生欲满满——那些在互联网时代没抓住的东西，在AI时代不想再落下。

并且，从这些迅速的行动中不难窥见，不仅仅是技术圈子，金融业也很快意识到拥抱大模型的姿势要变了，并且“可变性”提高了：

不少业内人士看来，DeepSeek的横空出世戳破了过去2年AI大模型的高门槛、大算力“泡沫”，推动模型性能提升、算力成本下降，应用侧落地也将进一步加速，由于DeepSeek自身的金融背景与实力，金融+AI大模型则有可能是最早、也最快诞生杀手级应用的领域。

不同于过去观望、试水、摸索的节奏，此次以公募基金为代表的金融机构在宣布接入DeepSeek后，明确锁定将直接落地到投研、销售、风控、运营等核心业务场景。这显然给后续金融“拥抱”大模型的姿势，带来了更多可能性。


可能性1：

价值重塑，金融拥抱AI大模型技术、成本门槛降低

回首2022年底，ChatGPT正式推出，于2023年初正式进入国内机构的视野并爆火。以此为起点，不少金融机构已经加入大模型投研行列，至今已有2年整。而在此期间，AI大模型对于金融行业来说，始终是一项门槛颇高的投入，和现在接入Deepseek后短时间内即能够明确宣称“已经完成私有化部署”的情况截然不同。伴随着这些变化，金融机构拥抱AI大模型的方法和路径，显然已迅速转变。

此前，我们最常见到的操作是买算力、买模型、买服务，然后研究，然后没有然后。比如，早在2023年3月底，便发布了500亿参数的金融大语言模型Bloom⁃bergGPT，这是全球首个金融大模型，但结果也不了了之，进入2025年之后彻底没有了声响。

此外，国内的不少金融机构（尤其是银行）也加入了大模型研发、应用行列，但同时要面对“巨大的投入”和“应用的不确定性”，成果进展一直较为缓慢，不少中小银行更是望而却步。比如，周观也曾留意到，招商银行是业内最早发布大模型相关招投标的银行，早在2023年10月就披露了“招商银行 $招商银行(SH600036)$ 预训练基础大语言模型（千亿级）采购项目”的结果，中选供应商为为MiniMax（上海稀宇科技有限公司）。但一年多过去，除了财报提及“大模型”的次数明显增加外，公开渠道并未见其有大模型相关的应用成果公布。

如果说金融太大，那么细分到零售信贷领域，也只有少数公司公布过大模型对业务提升的相关指标，比如奇富科技 $奇富科技-S(HK|03660)$ 、乐信 $乐信(NASDAQ|LX)$ 。不少银行虽也在零售信贷应用提到过大模型，但目前没有银行公布过具体效果。

而DeepSeek走到台前，之所以让业界为之震动，深究来看，其颠覆之处在于，借助强化学习进行算法优化，将模型训练成本大幅下降，并且展现出了更优的性能，让模型部署和落地的门槛进一步降低。

纵观过去2年金融行业对大模型的投入、进展，再对比DeepSeek进入公众视野后的进展，进度条截然不同。

可能性2：

戳破AI大模型“无脑狂热”泡沫，应用半径缩短

随着模型性能提升、“拥抱”的技术及成本门槛下降，大模型“无脑狂热”泡沫被戳破后，方向性更易明确，2025年将是金融AI大模型应用爆发年。

技术拥抱门槛降低，带来的结果已经显现。不少业内人士告诉周观，DeepSeek推出之后机构们的AI大模型选择困难症暂时得到了缓解，过去需要在国内AI大模型六小龙（月之暗面、百川智能、智谱AI、Minimax、零一万物、阶跃星辰）、互联网大厂（阿里、腾讯、字节、百度）和国外的模型之间艰难选择，“现在无脑选DeepSeek就好，它们目前的好用，是没有争议的。”

与此形成对照的是，各大云厂商也没有躺平，火速蹭了一波热度，阿里云、百度云、腾讯云相继宣布接入了DeepSeek模型API接口，让企业可以在云上灵活调用DeepSeek的模型服务。

周观还了解到，某华南区域银行就以此为由，在上周采购了深圳某大厂的云服务。在这个过程中，云厂商所扮演的是中间人的角色——让企业可以按需租用算力，在云端训练自己的模型，或者在底座模型基础上开发更适合自己的垂类应用。成本下降的同时，应用开发的路径也更短、更快。

也正因如此，后续金融机构引入大模型的叠加成本下降，将有更多的时间、精力和资源进行应用端的开发和精进，2025年成为金融AI大模型的应用爆发年已无悬念。

QuestMobile的最新数据显示， DeepSeek在1月28日的日活跃用户数首次超越豆包，随后在2月1日突破3000万大关，成为史上最快达成这一里程碑的应用。

既然如此，相信大家也会问：那么金融机构之前的投入会废掉吗？

综合业内看法和周观浅见，不完全会。有些银行的投入尚在“PPT”级，显然会废。但，对于少数真正花钱、花资源培养了具备投研团队的银行来讲，有经验积攒、有判断能力就是最好的收获，也是在为应用实战攒“底子”。

正如小鹏汽车CEO何小鹏最近在《晚点》受访提到的，“很多东西不是靠钱可以堆积的，是靠长期的摸索、积累和反复。”

如果说，过去金融机构是砸钱买经验、摸索路径，现在可能要加快进入应用比拼阶段了，这恰恰是自身投研团队的可发挥之处。

可能性3：

另一个Deepseek可能随时会来，金融拥抱AI要提速

“一直以来，金融机构拥抱大模型不是业务端触发的东西。”一个长期卖“云”的大厂相关人士对周观聊起自己的观察，“多数是科技侧先‘买’，然后在各种业务侧推广部署，大部分都不是从业务实用侧触发的，而Deepseek却恰好相反。”

而从近两年多数金融机构的操作看，确实如此。两年前，周观就曾留意到，要窥见大模型在金融行业的应用情况，只能通过招投标信息【详情请点击《银行招投标透露了金融大模型落地的哪些信号？》】。而从2024年中报看，很多银行也主要还在谈“大模型”的技术建设进展，应用方向更多其实是在探索，主要包括零售信贷、财富管理、智能客服三大领域。

这种非业务侧驱动带来的最大问题就是，解决不了问题。

“比如说，你用一张信用卡，或在银行做财富管理的过程中，会接触到智能客服，也许技术上来后智能客服给你的体验是提升了，但，客户的核心需求是这张卡好用，我的财富管理到底赚不赚钱。”上述人士举例，并不是说提升服务体验不重要，而是更应该优先解决核心问题。

当然，要解决核心问题，不仅仅是要解决技术问题，除了金融机构自身的决策模式、业务监管等问题，Deepseek目前仍有一些地方有争议。金融机构，尤其是银行要像公募基金一样迅速拥抱Deepseek或许有现实难度，但毫无疑问的是，拥抱AI要提速了，并且要多从业务实用侧多提速。毕竟，下一个Deepseek不知道什么时候会到来，互联网时代没有抓住的机遇，AI时代不能再落下了。

最后，我们来看一下Deepseek自己是怎么回答这个问题的：

且看如今吹的牛逼，未来能否实现？

—THE END—



原创文章，未经授权，请勿转载。
以上观点分享不构成投资建议。