截至2月11日，有北京银行、江苏银行、苏商银行、重庆农村商业银行等多家银行及国泰君安等头部券商“尝鲜”Deepseek。恒生电子、金证股份、星环科技等金融科技服务公司的大模型服务也接入了DeepSeek。

通过部署DeepSeek，一些金融机构看到了AI支出“降本增效”的可能性。专家表示，DeepSeek的出现在通用大模型领域产生了很强的“鲇鱼效应”，但从“好用”到“用好”，仍面临数据安全、恶意训练、模型幻觉等挑战。

日前，北京银行宣布全面启动“all in AI”战略，携手华为率先实现DeepSeek全栈国产化金融应用。江苏银行依托“智慧小苏”大语言模型服务平台，本地化部署微调DeepSeek-VL2多模态模型、轻量DeepSeek-R1推理模型，分别运用于智能合同质检和自动化估值对账场景。重庆农村商业银行借助腾讯云大模型知识引擎的能力，在企业微信上线基于DeepSeek模型的智能助手应用“AI小渝”。

据公开信息，接入DeepSeek的金融机构类型涵盖银行、证券、基金、非银行支付机构等。目前，多家银行已实现DeepSeek系列大模型本地化部署，应用场景包括智能合同管理、客服助手等。

移卡执行董事、CTO罗小辉表示，移卡在2024年初就本地化部署了DeepSeek coder，在此基础上，移卡开发了编码助手，其功能包括代码撰写、代码纠错等。“DeepSeek是目前开源最彻底的大模型厂商，性能和效率俱佳。”罗小辉坦言，移卡准备长期使用以DeepSeek为代表的开源大模型，逐步替换海外AI产品的大模型服务，这将在保证质量的前提下大大降低应用成本。

奇安信银行行业负责人徐懿巍认为，训练成本更低，性能更强，完全开源、支持免费商用等优势，使DeepSeek在垂直行业更容易落地。

优智科技创始人兼CEO詹毅称，对大模型应用而言，2024年更多是头部机构积极推动大模型落地，2025年在DeepSeek的认知普及和更多金融标杆案例的推动下，中小机构大模型应用将提速，市场将大幅扩容。

恒生电子、星环科技、金证股份等金融科技服务商的大模型服务正加速接入DeepSeek。例如，恒生大模型系列应用全面接入DeepSeek主流模型（DeepSeek-V3/DeepSeek-R1），覆盖金融投研、投顾、合规、运营、投行等核心业务场景；星环科技大模型运营管理平台Sophon LLMOps全面支持DeepSeek-R1全参版本及蒸馏版本，可用于智能投研与策略支持、智能运营与流程再造等智能金融场景。其测试数据也印证了这一趋势。

以恒生电子为例，实测数据显示，在金融高密度数据处理场景中，依托DeepSeek-R1的千亿级参数压缩和蒸馏技术，本地部署算力资源消耗降低50%；基于DeepSeek独创的MoE（混合专家）架构，客户需求解析速度加快3倍。

张晓明坦言，整个大模型市场还是一个多元需求的市场，目前已有金融客户用星环科技大模型运营管理平台Sophon LLMOps适配了70多个主流模型，可适应不同业务场景的需求，“DeepSeek热浪下，应该思考如何将大模型转化为生产力”。

恒生电子首席科学家、恒生研究院院长白硕称，DeepSeek擅长慢思考，在需要快慢思考结合的具体应用场景中，通义千问和DeepSeek可以相得益彰，发挥更大的效果。

专家表示，金融机构由于其业务性质，对数据的安全性、隐私保护及合规性有着极高要求，因此在部署大模型时也面临更大挑战。

徐懿巍表示，金融领域大模型往往包含复杂的算法和市场分析能力，开发成本较高，并承载重要业务和数据，自身安全性的重要性不言而喻。在OWASP发布的大模型应用十大安全风险中，“提示注入”位居首位。攻击者可通过设计特定的提示词来误导大模型产生错误的结果，特别是涉及投资决策、风险管理等关键领域时，这种攻击可能导致重大经济损失。

金融行业大模型的幻觉问题也是一大安全隐患。大模型生成的内容有时可能与现实不符，这对于高度依赖准确信息的金融行业来说，是一个潜在的风险，尤其在提供市场预测、风险评估或投资建议时，其危害不容忽视。

罗小辉表示，考虑到模型对于资源的需求较多，大多采用混合部署的方式，即部分本地化、部分外部接口的方式。正在密切关注大模型的小型化方案，期待通过这种方式来缓解资源压力。

张晓明建议，金融机构部署DeepSeek要综合考虑算力、预算和基础设施的投入情况，因“材”施策。