DeepSeek 的浪潮蔓延至消費金融領域，其創新性、科學性和革命性受到業內認可，同時展現出顯著的技術優勢和應用潛力。但也有從業者指出，部分金融機構接入 DeepSeek 更多是出于追逐熱點，而非實質性提升科技能力，實際落地充滿挑戰。

一位從業者表示，DeepSeek 在消費金融領域現階段最常見的方向是客服和營銷，其它環節仍需人工輔助，“一方面因為金融數據還沒有打通；另一方面受準確性等因素限制。”

關于在消費金融領域的挑戰，DeepSeek App 回答：主要體現在數據安全、模型可靠性、算力經濟性、合規適配及人才資源等方面。

據統計，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接入 DeepSeek。目前，接入的主要版本是 DeepSeek - R1、DeepSeek V2、DeepSeek V3 等。

據 DeepSeek 官網介紹，DeepSeek - R1 - Zero 和 DeepSeek - R1 是第一代推理模型。DeepSeek - R1 在數學、代碼和推理任務上的表現與 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，其特點是經濟高效的訓練和推理。DeepSeek - V3 則是一個強大 MoE 語言模型，總參數為 671B，每個標記激活 37B。

當前，金融業對大模型的應用基本上為兩種模式：一種是自行開發模式，如多家銀行先后披露了其在大模型領域的探索及應用；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務賦能。

現階段，金融公司接入 DeepSeek 的模式主要包括協同模式、全云端部署、全本地化部署以及分層調用。其中，協同模式是指本地處理實時低風險任務，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” 協同模式。

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

宜人智科相關負責人稱，接入 DeepSeek 將為公司帶來顯著的降本增效成果。“通過智能化手段，在營銷、客服、風險管理等業務領域的效率將進一步提升，包括提升語音交互效率，加強客戶轉化率，顯著降低運營成本等。”

中郵消費金融科技發展部負責人朱威認為，DeepSeek 為消費金融領域智能化建設長期存在的痛點與瓶頸提供了創新解決方案，同時也為業務創新帶來了眾多新機會。

據樂信相關負責人介紹，DeepSeek 的融合為樂信的運營和業務帶來效率提升和體驗優化。如在研發提效方面，公司大模型已實現研發人員 100% 落地應用，2024 年月均輔助生成代碼 86 萬次、全年提出質量改進建議 21 萬次，有效助力研發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積極擁抱大模型。

整體而言，DeepSeek 在消費金融領域的應用場景包括營銷、風控、客服、貸后以及企業內部運營。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雜場景下的智能化營銷服務；風控則是高效識別業務風險點，自動生成風險分析報告；DeepSeek 可提升智能客服機器人處理復雜任務的能力等。

不過，也有從業者直言，目前 DeepSeek 在消費金融領域的應用還是以客服和營銷為主，其它環節面臨多重挑戰。

首先是數據安全與隱私保護。某金融機構相關負責人表示，金融行業涉及大量敏感數據，如何在利用 DeepSeek 的同時確保數據安全和用戶隱私，是金融機構必須面對的難題。

朱威稱，雖然 DeepSeek 降低了訓練和推理成本，但是大模型的資源需求還是較大的，同時由于金融行業嚴格的數據安全與合規性要求，消費金融企業在涉及數據安全的場景下需要采用私有部署的方式來降低合規風險。

然后是技術層面的挑戰。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，這在金融業務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生更大幻覺，也是消費金融企業在落地過程中需要解決的另一個主要問題。“關于幻覺，需要通過知識庫檢索增強生成、領域微調、人工校驗等方式進行緩解，從而確保推理結果的準確性與可靠性。”

另一方面，模型需要更新與適配。許志鋒解釋，在金融場景中，政策調整、用戶行為遷移等變化都要求模型持續優化。

此外，DeepSeek 與消費金融領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）。

某金融機構相關負責人直言，部分金融機構的現有系統難以支持 DeepSeek 的部署，需要投入更多資源進行技術升級。

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域的覆蓋范圍和使用深度，很有可能重塑各個領域的思維慣性和經營模式，帶來革命性的生產效率提升。

在相關人士看來，當數字技術創新不斷涌現，如何實現技術進步和金融、社會安全的平衡，越來越受關注。人工智能在金融領域的巨大發展前景，為塑造產業新業態打開大門，有望形成新質生產力。

來源：經濟觀察報