《金融行業：DeepSeek銀行部署加速AI金融應用迎來躍遷-250313（25頁）.pdf》由會員分享，可在線閱讀，更多相關《金融行業：DeepSeek銀行部署加速AI金融應用迎來躍遷-250313（25頁）.pdf（25頁珍藏版）》請在三個皮匠報告上搜索。

1、中 泰 證 券 研 究 所專 業 領 先 深 度 誠 信證券研究報告2 0 25.0 3.1 3DeepSeek銀行部署加速，AI金融應用迎來躍遷分析師：聞學臣執業證書編號：S0740519090007分析師：蘇儀執業證書編號：S0740520060001分析師：王雪晴執業證書編號：S0740524120003聯系人：蔣丹Email：2核心觀點核心觀點 DeepSeek開源使金融機構能夠輕松獲得前沿模型能力，且大幅降低部署成本開源使金融機構能夠輕松獲得前沿模型能力，且大幅降低部署成本。其通過對訓練方式、算法架構和推理方法的工程化優化大幅降低了部署成本。近期采用大規模RL訓練方法的阿里QwQ-3

2、2B等模型也在縮小規模的同時達到了DeepSeek R1 671B的應用效果，有望進一步催生銀行落地應用。我們認為金融行業人工智能的應用價值大體可以分為三個層次：降本增效，價值創造與決策賦能我們認為金融行業人工智能的應用價值大體可以分為三個層次：降本增效，價值創造與決策賦能。在實際銀行落地應用中，可能包括：1）降本增效：智能客服、信貸審批、合同質檢；2）價值創造：AI編程、智能風控、智能營銷等；3）決策賦能：深度分析和決策輔助。從實際落地應用情況看，大行發力更早，中小銀行正在快速追趕從實際落地應用情況看，大行發力更早，中小銀行正在快速追趕。如工商銀行、建設銀行、招商銀行等大行布局更早，郵儲銀行

3、、浦發銀行、江蘇銀行等也有較為領先布局應用。AI一體機的出現為機構提供了全新的解決方案，憑借其開箱即用、軟硬件一體化設計等優勢，正在成為很多中小銀行智能化轉型的重要選擇。建議關注建議關注：宇信科技、京北方、天陽科技、長亮科技、百融云等。風險提示風險提示：AI技術落地不及預期、競爭加劇、信息更新不及時等。NBnZoOsNzRvMqNsMaQaO9PoMpPpNsPlOoOsRfQnMpQ7NrRzQMYmMuMvPoOqN3CONTENTS目錄CCONTENTS專 業 領 先 深 度 誠 信專 業 領 先 深 度 誠 信中 泰 證 券 研 究 所中 泰 證 券 研 究 所1DeepSeek開源、

4、低成本、強推理助推銀行業應用4圖表：隨步數提升R1-Zero的AIME任務準確度資料來源：DeepSeek-R1:Incentivizing Reasoning Capability in LLMs via Reinforcement Learning，中泰證券研究所性能：后訓練階段大規模應用強化學習，表現推理能力擴展性能：后訓練階段大規模應用強化學習，表現推理能力擴展 DeepSeek模型在Post-Train階段大規模應用了強化學習方法。R1使用了冷啟動+大規模強化學習方法，R1-Zero版本模型使用純強化學習方法。隨訓練過程推進，模型展現出了推理能力的擴展（高準確率和long-CoT能力

5、涌現等）。圖表：深度思考能力提升資料來源：DeepSeek-R1:Incentivizing Reasoning Capability in LLMs via Reinforcement Learning，中泰證券研究所DeepSeek-R1-Zero的能力隨步數提升DeepSeek-R1-Zero自然涌現long-CoT能力5圖表：DeepSeek R1架構圖資料來源：DeepSeek，中泰證券研究所性能：性能：DeepSeek推理架構優化，可適配銀行高并行、高響應的業務場景推理架構優化，可適配銀行高并行、高響應的業務場景 DeepSeek通過優化訓練方法顯著降低了算力消耗，使其在大規模數據

6、處理中的成本更具優勢通過優化訓練方法顯著降低了算力消耗，使其在大規模數據處理中的成本更具優勢。它在MoE架構的基礎上，通過多頭潛注意力機制（Multi-Head Latent Attention，MLA）進行優化；在后訓練階段采用冷啟動+大規模強化學習方式，不再使用傳統SFT做大規模監督微調，甚至繞過了一些CUDA，采用PTX匯編來提升能力；在推理場景下通過大規?？绻濣c專家并行（Expert Parallelism，EP）來優化通信開銷，盡可能實現負載均衡。圖表：DeepSeek R1訓練方法資料來源：木堯，中泰證券研究所6圖表：DeepSeek DAU快速增長資料來源：AI產品榜，中泰證券研

7、究所圖表：閉源模型與開源模型的差距正在縮小資料來源：Epoch AI，中泰證券研究所開源易獲得：開源易獲得：DeepSeek使私有化部署模型也能夠追平前沿閉源模型水平使私有化部署模型也能夠追平前沿閉源模型水平 以DeepSeek R1為代表的優秀開源模型的能力離閉源模型越來越近。行業普遍認為如果開源軟件達到閉源80%以上能力，就足以壓縮閉源的生存空間。DeepSeek能力能夠比肩OpenAI o1，開源使各行業機構能夠輕松獲取前沿模型能力，且可直接進行私有化部署或商業化開發。7圖表：DeepSeek R1成本與理論收入資料來源：DeepSeek，中泰證券研究所成本：成本：DeepSeek低價策

8、略下理論成本利潤率依舊可達低價策略下理論成本利潤率依舊可達545%，部署成本極低，部署成本極低 DeepSeek理論成本利潤率極高，成本還有優化空間理論成本利潤率極高，成本還有優化空間。通過優化，能夠在白天負荷高的時候，用所有節點部署推理服務。晚上負荷低的時候，減少推理節點，以用來做研究和訓練。以2025年2月27-28日數據為例，DeepSeek V3 和 R1 推理服務占用節點總和，峰值占用為 278 個節點，平均占用 226.75 個節點（每個節點為 8 個 H800 GPU）。假定 GPU 租賃成本為 2 美金/小時，總成本為$87,072/天。如果所有 tokens 全部按照 Dee

9、pSeek R1 的定價計算，理論上一天的總收入為$562,027，成本利潤率 545%。圖表：DeepSeek服務負荷統計資料來源：DeepSeek，中泰證券研究所8圖表：QwQ-32B模型表現資料來源：阿里，中泰證券研究所性能：開源性能：開源QwQ-32B性能比肩滿血性能比肩滿血R1，再次降低部署成本，再次降低部署成本 阿里近期開源的QwQ-32B模型基于320億參數規模，在數學推理、代碼生成及通用任務中表現亮眼，綜合性能對標DeepSeek-R1（6710億參數，激活量370億）。該模型大幅降低部署成本，支持在消費級顯卡（如英偉達RTX 4090）上本地運行，滿足快速響應及數據安全需求。

10、同時，QwQ-32B集成智能體（Agent）能力，可調用工具并基于環境反饋調整推理邏輯，為定制化AI方案提供基礎。9圖表：各模型微調示例數與準確度對比資料來源：s1:Simple test-time scaling，中泰證券研究所圖表：s1表現出的Test time Scaling資料來源：s1:Simple test-time scaling，中泰證券研究所性能：蒸餾小型模型展現性能：蒸餾小型模型展現Test-time Scaling，可支持多項基礎業務場景，可支持多項基礎業務場景 通過將通過將DeepSeek-R1的推理能力蒸餾到更小的模型中，較小的模型也能具備強大的推理能力的推理能力蒸餾

11、到更小的模型中，較小的模型也能具備強大的推理能力。DeepSeek開源了從15 億到700億參數的R1蒸餾版本。這些模型基于Qwen和Llama等架構蒸餾，表明復雜的推理能力可以被封裝在更小、更高效的模型中。從論文結論看，蒸餾比單獨依賴強化學習訓練更為高效，且蒸餾與強化學習的結合可以進一步提升模型性能。從論文結論看，蒸餾比單獨依賴強化學習訓練更為高效，且蒸餾與強化學習的結合可以進一步提升模型性能。2025年2月，科學家李飛飛團隊帶領以不到50美元的費用訓練了一個能力比肩DeepSeek-R1的s1模型，也展現了蒸餾模型的更多應用潛力。S1僅使用1000個微調示例就達到了類似r1的準確度模型展現

12、出隨推理時間增加準確度增加的Test time Scaling10圖表：大模型數據類型資料來源：中泰證券研究所數據：大規模數據：大規模RL提升非結構化數據分析能力，釋放私域數據價值提升非結構化數據分析能力，釋放私域數據價值 DeepSeek可以通過可以通過API接口或者數據中臺架構，實現與傳統銀行技術系統的數據交互，從而實現各類業務高效高質的無接口或者數據中臺架構，實現與傳統銀行技術系統的數據交互，從而實現各類業務高效高質的無縫對接，有望釋放海量私域數據價值縫對接，有望釋放海量私域數據價值。Post-Train階段大規模強化學習的訓練方法使模型擁有了更強的自主推理能力，不再依賴傳統提示工程。根

13、據DeepSeek的官方使用指南，在使用模型時不建議添加系統提示（system prompt），而是所有指令都應當包含在用戶提示（user prompt）中。這也顯示出了模型通用推理能力在應用中的擴展。Post-Train階段11圖表：Janus-Pro多模態理解和視覺生成表現資料來源：Janus-Pro:Unified Multimodal Understanding and Generation with Data and Model Scaling，中泰證券研究所多模態：多模態：Janus-Pro等開源多模態模型有望進一步提升應用能力等開源多模態模型有望進一步提升應用能力 Janus-P

14、ro 結合了優化的訓練策略，擴展了訓練數據集和模型規模。通過這些改進，Janus-Pro 在多模態理解和文本到圖像的指令跟蹤功能方面都取得了重大進步，同時還增強了文本到圖像生成的穩定性。作為在GenEval等評測中超越DALL-E 3和Stable Diffusion 3-Medium的開源模型，Janus-Pro也展現出了更多應用潛力。12CONTENTS目錄CCONTENTS專 業 領 先 深 度 誠 信專 業 領 先 深 度 誠 信中 泰 證 券 研 究 所中 泰 證 券 研 究 所2理解金融應用的“降本增效-價值創造-決策賦能”三個層次13圖表：金融行業AI應用的三個層次資料來源：中泰

15、證券研究所金融行業人工智能的三層價值創造金融行業人工智能的三層價值創造 我們認為金融行業人工智能的應用價值大體可以分為三個層次：降本增效，價值創造與決策賦能我們認為金融行業人工智能的應用價值大體可以分為三個層次：降本增效，價值創造與決策賦能。其中當下應用最廣泛的是降本增效，即AI對簡單人力的替代，具體場景可能包括智能客服、簡單的辦公文件問答與內容生成等。隨著模型能力提升將展現真正的價值創造能力，即AI對高價值人力的賦能，具體場景可能包括辦公Agent、營銷、Coding等；隨著AI分析能力進一步提升，將能夠為決策層直接賦能，提升決策效率和精確度。14圖表：蘇商銀行大模型客服助手資料來源：蘇商銀

16、行、中泰證券研究所降本增效場景之一：大模型承擔智能客服角色降本增效場景之一：大模型承擔智能客服角色 降本增效場景通?；诖竽Ｐ偷纳赡芰?，進行人力替代或賦能，在銀行業降本增效場景通?；诖竽Ｐ偷纳赡芰?，進行人力替代或賦能，在銀行業AI應用場景中落地最早應用場景中落地最早。商業銀行主要通過人工客服和智能客服兩種方式為客戶提供咨詢服務。人工客服工作強度高、處理和響應時間相對較長，而當下智能客服難以覆蓋全部服務場景。如工商銀行在遠程銀行業務中將知識搜索與大模型生成能力結合，實現基于實時通話向坐席人員主動推送答復話術或知識的能力。15圖表：蘇商銀行AI布局資料來源：蘇商銀行公眾號，中泰證券研究所降本

17、增效場景降本增效場景之之二二：大模型助力信貸審批大模型助力信貸審批 在傳統銀行信貸審批過程中，貸前調查、審批、放款以及貸后管理等諸多環節，均高度依賴人工操作，導致整個流程十分復雜且效率低下。DeepSeek為銀行信貸審批注入新動力，助力審批流程實現智能化與自動化。蘇商銀行應用DeepSeek-VL2多模態模型，通過構建“多模態技術+混合專家框架”的創新體系，實現對嵌套表格、影像資料等復雜場景材料的精準解析，將信貸材料綜合識別準確率提升至97%以上，信貸審核全流程效率提升了20%。16圖表：江蘇銀行AI布局資料來源：上海證券報，搜狐，中泰證券研究所降本增效降本增效場景之場景之三三：智能合同質檢智

18、能合同質檢 在銀行的日常運營中，處理海量的合同、報表等文檔是一項繁瑣且易出錯的任務，傳統人工審核方式效率低下，難以滿足業務需求。DeepSeek-VL2等多模態模型具備高精度的文檔解析能力，能夠提取文檔中的關鍵信息，高效完成合同質檢、條款比對等工作，大幅提升工作效率與準確性。江蘇銀行已成功本地化部署微調DeepSeek-VL2多模態模型、輕量DeepSeek-R1推理模型，分別運用于智能合同質檢和自動化估值對賬場景中。17價值創造場景之一：價值創造場景之一：AI編程賦能開發，釋放開發價值編程賦能開發，釋放開發價值 AI Coding能夠替代低效工作，充分釋放開發者的價值。未來可能會由AI承擔部

19、分基礎工作，而開發者則轉向更高層次的架構設計和業務規劃，專注于更復雜、更創造性的任務，如架構設計、算法優化或用戶體驗創新。AI編程在銀行業可有效賦能內部研發。從具體用例看，澳新銀行對1000名軟件開發人員進行了為期六周的AI編程助手試用實驗。實驗發現，當軟件開發人員使用AI編程助手時，平均生產率提高42%，代碼質量提高12%。開發人員的工作滿意度也顯著提高。圖表：澳新銀行AI編程對生產力的提升資料來源：采用AI編程助手，發展新質生產力、中泰證券研究所0%10%20%30%40%50%60%051015202530354045BeginnerIntermediateAdvanced控制組平均用時

20、（分鐘）Copilot組平均用時（分鐘）生產力提升圖表：AI編程為軟件開發帶來的影響資料來源：采用AI編程助手，發展新質生產力、中泰證券研究所18價值創造價值創造場景之場景之二二：智能風控：智能風控 風控管理是銀行業務經營的的核心任務之一，DeepSeek擁有卓越的推理能力，能夠助力銀行顯著提升風險識別的效率與準確性，快速剖析風險因素并生成詳盡的分析報告，全面增強銀行的風險管控能力。重慶農村商業銀行借助騰訊云大模型知識引擎的能力，率先在企業微信上線基于DeepSeek模型的智能助手應用“AI小渝”，成為全國首批接入DeepSeek大模型應用的金融機構，也是首家通過知識引擎構建基于DeepSee

21、k的聯網應用的金融機構。重慶農村商業銀行將利用DeepSeek的模型能力，結合實時聯網搜索以及RAG能力，動態識別欺詐行為，提升風險預警精準度。蘇商銀行通過深度融合DeepSeek系列模型技術，構建“數據+算法+算力+場景”四位一體的智能決策體系，該體系已成功應用于信貸風控、反欺詐監測等20余個業務場景，盡調報告生成效率提升40%，欺詐風險標簽準確率提升35%，構建起覆蓋貸前、貸中、貸后的全生命周期智能風控網絡。19圖表：大模型+精準營銷資料來源：CSDN，中泰證券研究所價值創造價值創造場景場景之三之三：AI賦能實現個性化智能營銷賦能實現個性化智能營銷 智能營銷助手：依托知識圖譜與大模型的協同

22、合作，銀行能夠精準捕捉客戶信息，量身定制個性化營銷策略，精準觸達客戶，顯著提升營銷效果。目前多家銀行已利用DeepSeek布局智能營銷場景。北京銀行啟動“all in AI”戰略，并已部署DeepSeek系列模型，在業務應用方面，北京銀行利用大模型技術已在營銷等場景落地應用。20圖表：Deep research示例資料來源：OpenAI，中泰證券研究所決策賦能場景：高級分析能力賦能管理決策決策賦能場景：高級分析能力賦能管理決策 大多數商業銀行的決策模式主要依賴經驗以及基于規則的系統，數據價值的挖掘和釋放空間較大大多數商業銀行的決策模式主要依賴經驗以及基于規則的系統，數據價值的挖掘和釋放空間較大

23、。OpenAI的Deep Research功能支持查找、分析和綜合數百個在線資源，以研究分析師的水平創建綜合報告。隨著相關模型能力上限持續提升，決策層可應用DeepSeek深度挖掘和分析內外部數據，并為管理和決策賦能。21圖表：十二家上市銀行金融科技投入資料來源：信通院、中泰證券研究所落地進展：大行發力早，中小銀行推進更快落地進展：大行發力早，中小銀行推進更快 在生成式人工智能落地應用中大行發力更早在生成式人工智能落地應用中大行發力更早。六大國有銀行大力投入大模型技術體系研發的同時多場景探索大模型應用，實現客服、辦公、研發、運營等多個業務領域的應用創新。中小銀行則多以單場景切入，探索智能客服、

24、智慧辦公等通用場景下的更多應用，如探索智慧辦公場景下的宣傳文案、智能周報、文章翻譯、會議紀要等細分場景。我們認為，隨著我們認為，隨著DeepSeek開源降本，中小銀行有望加速部署應用，快速追趕與大行之間差距開源降本，中小銀行有望加速部署應用，快速追趕與大行之間差距。-20%-10%0%10%20%30%40%50%0501001502002503002022 金融科技投入（億元）2023 金融科技投入（億元）同比增幅圖表：部分銀行大模型應用場景資料來源：信通院、中泰證券研究所機構應用場景工商銀行網點運營、遠程銀行、運營管理、人力資源、智慧辦公、智能研發等農業銀行智能問答、智能客服、輔助編程、智

25、能辦公、智能風控等中國銀行內部知識服務、輔助編碼等建設銀行智能客服、市場營銷、投研報告、智慧辦公、智能運營、智能風控等交通銀行辦公助手、客服問答等郵儲銀行研發測試、運營管理、客戶營銷、智能風控、消費者權益保護等中信銀行落地代碼生成、智能操作等平安銀行零售風控、零售貸款審批、運營管理、消保降訴、汽車金融等招商銀行零售、批發、中后臺北京銀行宣傳文案、智能周報、文章翻譯、會議紀要等江蘇銀行智能客服、智能文檔助手杭州銀行知識問答、辦公助手22圖表：京北方AI軟硬一體化解決方案資料來源：京北方公眾號，中泰證券研究所圖表：天陽科技DeepSeek大模型金融信貸助手訓推一體機資料來源：天陽科技公眾號，中泰證

26、券研究所AI一體機一體機：大模型落地的重要選擇：大模型落地的重要選擇 大模型的本地部署并非易事，從模型訓練到推理部署的全鏈路優化需要專業技術團隊支持。AI一體機的出現提供了全新的解決方案，憑借其開箱即用、軟硬件一體化設計等優勢，正在成為銀行智能化轉型的重要選擇。目前多家銀行IT廠商已推出相關解決方案：宇信科技：智能營銷、信創、監管和AI一體機等京北方：AI軟硬一體化解決方案，涵蓋AI風控、AI運維、AI投顧、AI測試等天陽科技：金融信貸助手一體機23各銀行各銀行DeepSeek落地進展情況落地進展情況金融機構DeepSeek應用進展工商銀行技術落地：基于自研的“工銀智涌”平臺引入DeepSee

27、k開源模型應用場景：構建財報分析助手、AI財富管家等10余個場景，提升復雜數據處理能力技術亮點：通過模型輕量化技術降低推理成本，計劃圍繞“領航AI+行動”深化算力、數據與模型的協同創新建設銀行技術落地：總行完成DeepSeek定制化訓練，全集團推進生成式AI體系化應用。子公司通過總行平臺按需調用模型，嚴禁自行接入外部模型，保障技術可控性應用場景：建信理財率先探索資產配置優化、風險預警等理財場景，同時通過金融語義框架將“抵押率”“償債覆蓋率”等術語轉化為業務邏輯，應用于合同解析與風險建模郵儲銀行技術落地：依托自有大模型“郵智”，本地部署并集成DeepSeek-V3模型和DeepSeek-R1推理

28、模型應用場景：應用于智能客服“小郵助手”后，新增邏輯推理功能，可精準識別用戶需求，提供個性化和場景化的服務方案，加快響應速度和任務處理效率招商銀行技術落地：“AI理財顧問”引入DeepSeek成效展示：依托DeepSeek-VL2多模態模型，將客戶畫像顆粒度提升5倍，實現個性化理財建議定制，滿足不同客戶的多樣化需求。通過精準分析客戶需求，推動服務從“標準化”向“精準化”躍升，顯著提升金融服務質量興業銀行技術落地：完成DeepSeek初步測試，計劃通過本地化部署方式，將DeepSeek集成到投研分析系統中成效展示：主要應用于投研分析場景浦發銀行技術落地：基于昇騰Atlas 800T A2算力集群

29、，浦發銀行完成DeepSeek-R1 671B大模型的部署應用場景：融合“五橫六縱”企業級知識庫，嵌入數字員工助手應用，賦能智能問答、指標問答、財務分析、報告寫作等多個應用場景江蘇銀行技術落地：部署DeepSeek-VL2多模態模型和R1推理模型成效展示：合同質檢準確率達96%，自動化估值對賬場景日均節省9.68小時人工工作量，風險預警響應速度提升20%數據來源：中電金信研究院公眾號，中泰證券研究所24風險提示風險提示 AI技術落地不及預期的風險技術落地不及預期的風險。從研發到實際應用的轉化過程里，AI 技術遭遇了諸多阻礙。算法的復雜性、數據質量的參差不齊，以及應用場景的適配難題，可能阻礙AI

30、技術迅速、有效地融入各個行業。行業競爭加劇的風險行業競爭加劇的風險。越來越多的企業投身AI領域，可能導致了人才的激烈爭奪，存在技術研發投入不斷攀升，市場同質化競爭加重的風險。報告信息更新不及時的風險報告信息更新不及時的風險。存在信息更新不及時的風險。25重要聲明重要聲明 中泰證券股份有限公司（以下簡稱“本公司”）具有中國證券監督管理委員會許可的證券投資咨詢業務資格。本公司不會因接收人收到本報告而視其為客戶。本報告基于本公司及其研究人員認為可信的公開資料或實地調研資料，反映了作者的研究觀點，力求獨立、客觀和公正，結論不受任何第三方的授意或影響。本公司力求但不保證這些信息的準確性和完整性，且本報告

31、中的資料、意見、預測均反映報告初次公開發布時的判斷，可能會隨時調整。本公司對本報告所含信息可在不發出通知的情形下做出修改，投資者應當自行關注相應的更新或修改。本報告所載的資料、工具、意見、信息及推測只提供給客戶作參考之用，不構成任何投資、法律、會計或稅務的最終操作建議，本公司不就報告中的內容對最終操作建議做出任何擔保。本報告中所指的投資及服務可能不適合個別客戶，不構成客戶私人咨詢建議。市場有風險，投資需謹慎。在任何情況下，本公司不對任何人因使用本報告中的任何內容所引致的任何損失負任何責任。投資者應注意，在法律允許的情況下，本公司及其本公司的關聯機構可能會持有報告中涉及的公司所發行的證券并進行交易，并可能為這些公司正在提供或爭取提供投資銀行、財務顧問和金融產品等各種金融服務。本公司及其本公司的關聯機構或個人可能在本報告公開發布之前已經使用或了解其中的信息。本報告版權歸“中泰證券股份有限公司”所有。事先未經本公司書面授權，任何機構和個人，不得對本報告進行任何形式的翻版、發布、復制、轉載、刊登、篡改，且不得對本報告進行有悖原意的刪節或修改。