AI导读：

DeepSeek大模型助力多家银行实现业务效率与准确性提升，中小银行迎来缩小与大型银行差距的机遇，但也面临数据安全、隐私泄露等多重风险。银行业在应用大模型方面采取不同策略。

近日，多家银行成功本地化部署DeepSeek大模型，应用于智能合同管理、智能风控、资产托管与估值对账、客服助手、智库等多个场景。江苏银行携手华为成功引入DeepSeek系列大模型，已在多个关键业务场景中试点应用，大幅提升了业务效率与准确性。

据悉，DeepSeek-VL2多模态模型能同时处理文本、图像、语音等多种数据类型，节约了算力成本，为票据识别、合同解析等金融领域多模态场景问题提供了技术基础。该模型在苏商银行信贷材料综合识别中，将识别准确率提升至超97%，信贷审核全流程效率提升了20%。

此外，轻量化DeepSeek-R1推理模型在江苏银行资产托管估值信息自动化处理中，识别成功率超90%，大幅减少了手工操作时间。多家已部署DeepSeek系列大模型的银行均表示，该系列模型有效提升了业务效率与准确性。

业内人士认为，DeepSeek的面世有助于中小银行缩小与大型银行在大模型应用方面的差距，但大型银行在资源投入、生态系统构建及数据积累上的优势依然明显，中小银行在短期内难以赶超。同时，银行在探索大模型应用时，还面临着数据安全、隐私泄露、合规挑战、场景适应性不足等多重风险，需平衡技术进步与风险防控。

目前，银行业在应用大模型方面主要采取两种策略：一是大型银行倾向自主研发金融大模型；二是中小银行与外部大模型服务提供商合作，并根据自身数据进行微调，以打造符合特定业务需求的大模型。

（文章来源：中国证券报）