人工智能是新一轮科技革命和产业变革的核心驱动力，是发展新质生产力的重要引擎。近期，以DeepSeek为代表的大模型快速发展，各行业均积极拥抱其引发的新一轮AI浪潮，金融行业行动更加踊跃。工商银行积极拥抱这一技术浪潮，深化应用与创新实践，探索AI赋能金融业务的新范式。

中国工商银行金融科技部总经理 杨龙如

高水平大模型行业应用价值

大模型具有的上下文理解、持续学习、生成能力，推动人工智能应用进入新阶段。DeepSeek最新模型凭借其低训练成本、开源策略、性能比肩国际领先模型等特点，展现出强大的行业应用前景。在降低各行业AI应用门槛的同时，也拉高了行业应用上限。这一突破性进展将加快推动各行业智能化升级，推动金融行业加速迈向“AI+”时代，为金融行业数字化转型和业务模式变革提供了新的机遇。

一是复杂决策能力升级：从“文字处理”到“因果推理”。以往通用大模型擅长文字处理，难以结合数据穿透性分析复杂因果关系，例如无法很好分析产业链波动对还款能力的影响，而以DeepSeek为代表的逻辑推理大模型可通过多级逻辑推理和假设分析来解决这一问题。

二是场景渗透深化：从“标准化服务”到“个性化穿透”。以往通用大模型在制度问答等相对简单的标准化场景表现良好，但难以处理需要深度推理的长链条任务，例如结合多维度的客户画像、金融产品特点为客户定制和推荐个性化的财富规划，而逻辑推理大模型可结合长周期规划能力、非结构化数据分析能力应对上述复杂问题。

三是动态风控跃迁：从“规则拦截”到“逻辑预判”。例如传统风控依赖预设规则（如黑名单匹配），对新型金融欺诈（如AI生成的虚假贸易背景）识别滞后。而逻辑推理大模型可结合交易行为中的数据进行异常逻辑链检测、博弈推演防御（模拟攻击者行为模式，预判欺诈手段演变）来应对新型金融欺诈。

四是人机协作重塑：从“工具辅助”到“专家级伙伴”。例如在信贷审批中，传统大模型直接给出答案，缺乏推导过程，而逻辑推理大模型可在生成最终结论的基础上，提供可解释性的推理过程和多视角切换分析能力，更全面阐述决策依据。

工商银行大模型应用情况

工商银行持续跟踪大模型技术演进发展，积极探索转化应用，2023年即构建起“工银智涌”大模型技术体系，支撑大小模型企业级综合应用，全行落地多个应用场景。早在2024年上半年，工商银行就陆续引入DeepSeekV1、V2系列大模型，主要试点应用在代码研发等方面。V3和R1推出后，同业率先完成DeepSeek R1基于全栈自主可控算力的部署并面向全行开放使用，实现多个典型业务场景应用。

一是私有化部署方面：在DeepSeek最新开源大模型引入过程中，通过量化技术、计算架构层融合算子优化等一系列创新手段显著提升模型部署效率，压降推理成本，提高吞吐量。

二是调优训练方面：开展DeepSeek模型训练体系建设，目前已初步具备针对DeepSeek模型的SFT微调和蒸馏能力。目前正在持续与业界共同合作，构建DeepSeek模型二次训练能力，为打造“金融行业深度推理模型”奠定基础。

三是业务应用方面：将DeepSeek系列开源大模型底座嵌入“工银智涌”大模型体系，面向全行员工开放使用，提供智能搜索、金融百科、数据分析、文章撰写和阅读等通用服务。同时，利用DeepSeek在强推理与复杂数据处理等方面的优势，建设了财报分析助手、AI财富管家等50余个应用场景，实现业务流程智能化升级和工作质效提升。

大模型行业应用基本策略

DeepSeek开源了其模型训练方法，各大模型厂商都将快速跟进，进一步提升大模型整体能力水平。但是，对于大模型在金融行业的深度应用，仍需要基于通用基础模型训练形成行业垂类模型，金融行业大模型主流应用范式将继续延续。金融行业要用好DeepSeek等大模型，需结合不同场景特点灵活施策，努力达到最佳综合性价比。

一是直接使用基础模型：基于DeepSeek等大模型，外挂知识库直接应用，适合于通用类场景，无需模型具备特定行业或者特定领域的专业能力。例如，可借助DeepSeek量化经验和代码生成能力，根据需求描述和市场环境，自动生成更全面、逻辑更严密的策略代码，相比原先手工编码方式，策略形成周期大幅缩减，重塑量化策略孵化新模式。

二是微调或强化学习后使用：基于DeepSeek等大模型进行微调或强化学习，增强特定任务领域的能力。例如，远程银行座席人员工单生成助手，由于客服类场景需要大量专业业务知识和行内专有知识，DeepSeek推理模型准确率还不能满足实际业务要求。对于此类场景，仍需结合行业知识和行内知识进行微调、强化学习等后训练工作，才能更好适配。

三是对小尺寸模型蒸馏后使用：利用DeepSeek等大模型对小尺寸模型进行蒸馏，增强其推理能力，降低部署成本，提升响应速度。例如，部署DeepSeek R1满血版仍然需要较大的算力投入。通过蒸馏小尺寸模型，可满足一定推理能力需要，显著降低部署成本。

四是二次训练后使用：基于DeepSeek等大模型进行二次训练，形成金融行业或者企业大模型。例如，针对财务粉饰识别场景，样本测试发现，Deepseek模型可解析推理客户财务指标间的勾稽关系，但总体准确率离实际应用尚有一定差距。可通过二次训练等方式进一步提升模型的行业或企业认知能力。

从直接使用到二次训练，复杂度和算力要求逐级增加，不同金融机构可根据自身情况和实际需求，灵活采用不同策略。

未来发展展望

当前，以DeepSeek为代表的人工智能热浪持续涌动，正在以前所未有的速度向金融行业加速渗透。这种技术革命与产业变革的深度耦合，将重构金融服务的价值链条与运营范式。未来，AI应用将进入全场景渗透阶段，高质量数据将成为AI应用的核心优势，算力需求仍将不断增长，风险与伦理挑战也会更加严峻。

一是AI应用将进入全场景渗透阶段。大模型技术能力不断增强，为AI的应用提供了更广阔的空间和可能性。AI应用已从原先的单一场景突破向全场景、端到端、全业务链条的渗透升级，将对未来业务模式的变革产生巨大的影响。此外，随着模型蒸馏以及AI芯片技术的进步，使得端侧、边缘也可逐步进行蒸馏模型的部署，例如手机、个人电脑、银行网点终端设备等。未来，将形成端—边—云协同的部署形态，实现AI无处不在，触手可及。

二是数据将成为AI应用的核心优势。数据作为AI时代的“新石油”，其价值释放已从规模驱动转向质量驱动与场景驱动。OpenAI与DeepSeek的成功经验，已经证明高质量数据的重要性。行业应用进入“AI+”时代，迫切需要高质量业务场景挖掘能力、高质量业务专家知识总结能力、高质量数据样本运营能力、高质量调优训练能力。

三是算力需求将不断增大。规模定律（Scaling Law）仍未失效，短期内，扩大模型参数规模、增加算力仍是提升模型性能最直接的方式。大参数模型训练和推理对于算力提出了更高的要求。此外，杰文斯效应指出，资源利用效率的提高，会推动总资源消耗量增长。金融行业已呈现出了对AI应用建设的热情，整体算力需求在快速提升，算力仍是人工智能时代的关键资源。

四是需持续加强风险与伦理的管理。AI技术提升工作效率的同时，伪造内容、数据泄露等安全风险日益突出。业界已出现过多起利用AI技术进行“换脸”开展诈骗的事件，对个人隐私和财产安全造成严重侵害。今年全国人大常委会工作报告提出，将围绕人工智能、数字经济、大数据等新兴领域加强立法研究。后续，金融行业需持续做好数据安全、模型安全、应用安全等方面的工作，确保AI应用安全可控和健康发展。

DeepSeek等先进大模型的出现是金融业推动数智化转型的重大机遇，工商银行将与社会各界一道，加快推进在金融业务领域的广泛深度应用，更好提升金融服务质效，助力金融强国建设。

（此文刊发于《金融电子化》2025年4月上半月刊）