AI导读：

今年1月DeepSeek发布R1模型获市场追捧，但半年后银行业对其态度转冷。银行业未诞生基于DeepSeek的杀手级应用，主要受金融数据复杂性、算力制约及与银行技术路线适配性不高等因素影响。

今年1月20日，Deepseek发布了媲美OpenAI o1的R1模型，引发市场高度评价并带动国内众多行业追捧。如今半年时间过去，银行业对DeepSeek态度有何变化？应用状况如何？财联社记者进行了深入调研。

多名大行金融科技从业者、上市银行相关负责人士表示，目前银行业并未诞生基于DeepSeek的杀手级应用，后续影响还需观察。近半年来DeepSeek在银行业应用中遇到的问题可归为三大障碍：银行业金融数据复杂性、算力制约、和银行原有技术路线适配性不高。

不过，银行业持续加大金融科技的投入依然会是大趋势。从热议到平静，DeepSeek已归于“众多大模型中的那一个”。业内最早宣布拥抱DeepSeek的银行是江苏银行，此后多家银行跟进。但在3月底各大上市银行发布年报数据的关口，银行业尤其是大型商业银行对于DeepSeek的态度开始转变，热情明显减少。

此后半年内，年报季后银行业对于DeepSeek的宣传进一步弱化。新的金融大模型的出现，也让DeepSeek在银行业不再特殊。7月28日，中国建设银行与工商银行宣布分别接入阿里巴巴AI技术，且工商银行商户风控系统正式接入通义千问大模型。

银行数据的复杂性、对差错的容忍度太低，DeepSeek遭遇三大应用瓶颈。多名业内人士表示，最主要的障碍在于银行业金融数据的复杂性，DeepSeek暂无法有效处理。其次，是算力制约问题。另外，DeepSeek本质上是通用大模型，和银行原有的技术路线适配性不高。

“DeepSeek对于银行业的最大作用，是拉近了地方中小银行和大银行之间在金融大模型方面的技术差距。”杨磊认为，就目前的情况来看，很难判断何时会有基于DeepSeek的杀手级金融应用出现。

（文章来源：财联社）