DeepSeek如何加速金融业数字化转型？

微信扫码，打开到小程序

研究助理：何泾威 hejingwei@csc.com.cn 发布日期 ： 2025 年 02o23 日 本报告由中信建投证券股份 p 限公 ø 在中华人民共和国 ÿ 仅为本报告目的，不包括香港 1 澳门 1 Ā 湾 Ā 提供 2 在遵 à 适用的法律法规情况下， 本报告亦 ÿ 能由中信建投 ÿ 国际 Ā 证券 p 限公 ø 在香港提供 2 请务必阅读正文之后的免 责条款和声明 2 证券研究报告 行业深度 DeepSeek 如何加速金融业数字化转型 ? —— 数字金融系列深度之一 分析师：赵然 zhaoran@csc.com.cn 021-68801600 SAC 编 ÷ ： S1440518100009 SFC 编 ÷ ： BQQ828 分析师：沃昕 ß woxinyu@csc.com.cn 010-56135215 SAC 编 ÷:S1440524070019 分析师：李梓豪 lizihaodcq@csc.com.cn 010-56135214 SAC 编 ÷:S1440524070018 分析师：吴马涵旭 wumahanxu1@csc.com.cn SAC 编 ÷ ： S1440522070001 分析师：亓良宸 qi liangchen@csc.com.cn SAC 编 ÷:S1440524080005 本报告的核心逻辑 如何理解 DeepSeek 的出现对于国内金融业数字化转型的价值与意义 ? 一、低成本、高性能。 DeepSeek 通用及推理模型在性能不输头部同类大模型的基础上，成本相较于头部大模型下降至数十 分之一以 下，同时开源、本地化部署特性和蒸馏技术使金融机构无需重资本投入底层模型研发，降低试错成本和二次开发难度，对创新 更加友好。 二、适配国产 GPU 。为金融机构基础设施信创改造提供了可落地的 AI 改造路径。 三、推动生态重构。通过技术普惠加速 AI 落地，将竞争焦点从技术壁垒转向金融数据价值挖掘，推动 AI 能力与金融场景深 度融合， 以数据闭环体系巩固金融领域的场景化优势。 金融机构如何应用好大模型 ? 不断动态沉淀的本地数据及业务逻辑是金融机构利用大模型加速数字化转型的核心胜负手 ; “AI+ 金融”竞争力将取决于能否持续积累吸收高质量业务数据、深化垂直场景认知，并通过迭代形成“数据 - 模型 - 业务”的正向 循 环，不断提升金融服务水平。 围绕金融五篇大文章，大模型本身即是数字金融的工具，而科技金融、养老金融、普惠金融、绿色金融恰是应用场景。 中信建投非银金融 & 前瞻研究团队数字金融系列报告思路 : 中信建投非银金融 & 前瞻研究团队将围绕数字金融与大模型在 金融领域的 应用撰写系列深度，围绕大模型应用于金融业各类子行业的痛点、案例、未来展望等维度进一步展开。 本文作为第一篇综述，第一部分从金融机构数字化转型的核心痛点出发，第二、三部分以数字营销、海外投顾及保险数字化 三个场 景为例探讨大模型赋能金融业务的模式，第四部分归纳总结 DeepSeek 推动金融机构数字化转型的核心逻辑，最后一部分对券 商、保险、 信贷、供应链金融及其他金融科技机构业务逻辑的痛点和数字化价值进行深入探讨，以期对金融行业的智能化和数字化转型 提供参考。 核心观点 : Deepseek 的出现将加速金融机构的数字化转型 Deepseek 的出现将加速金融机构的数字化转型，核心在于可以更高效地论证数字化转型的阶段性效果，继而批量复制。 传统金融机构的数字化转型面临三大核心矛盾 : —— 矛盾 1 : 顶层设计层面自上而下“以客户中心 + 数字化转型”的长期战略目标，与一线人员层面自下而上短期业绩 KPI 考核的矛盾 ; —— 矛盾 2 : 公司数字化战略转型的长期价值，与短期财报压力的矛盾 ; —— 矛盾 3 : 成熟金融机构优势业务体量巨大但增速放缓，与创新业务增速虽快但占比太小的结构性矛盾。 针对以上矛盾，我们认为 DeepSeek 赋能金融行业的背后有八大逻辑 & 观点 : 结论 1 : 数字化转型是金融机构的组织转型 + 业务重构，技术只是催化剂， Deepseek 的出现有助于加速量化论证转型的阶段性 效果 ; 结论 2 : AI 不是岗位替代者，而是能力放大镜，更多取代的是“脑力活中的体力活”，将复杂业务流程不断标准化，分部迭代 ; 结论 3 : 金融从业者借力 AI AGENT 的目标是努力从“信息处理”中解放出来，更多参与“价值判断”与“价值分发” ; 结论 4 : 人机协同的本质是认知能力再分配，并非效率叠加，人类与 AI 认为的“困难”各不相同 ; 结论 5 :“ 电力 + 算力 + 数据”是大模型本身的关键，但对于金融应用不断动态沉淀下来的数据和模式创新才是核心胜负手 ; 结论 6 : 智能客服的价值不只是 24 小时在线及拟人化的服务，而在于比客户早半步看见需求 ; 结论 7 : 理解业务与理解技术同样重要 :AI 是认知杠杆，不是流程替代，金融机构业务端的“产品经理”或成为稀缺人才 ; 结论 8 : 金融市场的复杂性与反身性、金融数据的隐私性与安全性等特殊性促使金融业的数字化转型需要渐进式创新 ; 最后，本文对券商、保险、信贷、供应链金融及其他金融科技机构业务逻辑的痛点和数字化价值进行深入的分析和探讨，以 期对金 融行业的智能化和数字化转型提供参考。 》 01 金融机构数字化转型核心痛点与思考 》 02. 从金融机构的数字营销场景谈起 》 03. GenAI 赋能买方投顾和保险业的数字化 》 04. DeepSeek 如何推动金融行业数字化转型 ? 》 05. 券商、保险、信贷、供应链金融及金融科技机构的业务逻辑痛点和数字化价值 提纲 核心观点 中信建投非银金融 & 前瞻研究团队将围绕数字金融与大模型在金融领域的应用撰写系列深度，围绕 大模型应 用于金融业各类子行业的痛点、案例、未来展望等维度进一步展开。 本文作为第一篇综述，第一部分从金融机构数字化转型的核心痛点出发，第二、三部分以数字营销、 海外 投顾及保险数字化三个场景为例探讨大模型赋能金融业务的模式，第四部分归纳总结 DeepSeek 推动 金融机构 数字化转型的核心逻辑，最后一部分对券商、保险、信贷、供应链金融及其他金融科技机构业务逻 辑的痛点和 数字化价值进行深入探讨，以期对金融行业的智能化和数字化转型提供参考。 内容摘要 如何理解 DeepSeek 的出现对于国内金融业数字化转型的价值与意义 ? 一、低成本、高性能。 DeepSeek 通用及推理模型在性能不输头部同类大模型的基础上，成本相较于头部大模型下降至数十 分之一以 下，同时开源、本地化部署特性和蒸馏技术使金融机构无需重资本投入底层模型研发，降低试错成本和二次开发难度，对创新 更加友好。 二、适配国产 GPU 。为金融机构基础设施信创改造提供了可落地的 AI 改造路径。 三、推动生态重构。通过技术普惠加速 AI 落地，将竞争焦点从技术壁垒转向金融数据价值挖掘，推动 AI 能力与金融场景深 度融合， 以数据闭环体系巩固金融领域的场景化优势。 金融机构如何应用好大模型 ? 不断动态沉淀的本地数据及业务逻辑是金融机构利用大模型加速数字化转型的核心胜负手 ; “AI+ 金融”竞争力将取决于能否持续积累吸收高质量业务数据、深化垂直场景认知，并通过迭代形成“数据 - 模型 - 业务”的正向 循 环，不断提升金融服务水平。 围绕金融五篇大文章，大模型本身即是数字金融的工具，而科技金融、养老金融、普惠金融、绿色金融恰是应用场景。 中信建投非银金融 & 前瞻研究团队数字金融系列报告思路 : 中信建投非银金融 & 前瞻研究团队将围绕数字金融与大模型在 金融领域的 应用撰写系列深度，围绕大模型应用于金融业各类子行业的痛点、案例、未来展望等维度进一步展开。 本文作为第一篇综述，第一部分从金融机构数字化转型的核心痛点出发，第二、三部分以数字营销、海外投顾及保险数字化 三个场 景为例探讨大模型赋能金融业务的模式，第四部分归纳总结 DeepSeek 推动金融机构数字化转型的核心逻辑，最后一部分对券 商、保险、 信贷、供应链金融及其他金融科技机构业务逻辑的痛点和数字化价值进行深入探讨，以期对金融行业的智能化和数字化转型 提供参考。 PAR71 金融机构数字化转型核心痛点与思考 数字金融发展的核心矛盾与痛点 顶层设计层面自上而下“客户中心 + 数字化转型”的长期战略目标，与一线人员自下而上短期业绩 KPI 考 核的矛盾 ; 公司数字化战略转型的长期价值，与短期财报压力的矛盾 ; 成熟金融机构优势业务体量巨大但增速放缓 ，与创新业务增速虽快但占比太小的结构性矛盾。 业务侧的数字化转型需求零散但技术侧的开发需要统一规划与系统化思维 ; 金融科技基础设施建设快速更新迭代 ; 云原生分布式架构、 API 串联的微服务、容器化、敏捷开发、 De vOp s 等 ; 业务与技术应深度融合 ，通过“产品 + 运营”让“系统”在业务 部 门“用起来” ; 总部—分支机构财富管理赋能体系、投资顾问赋能平台 IT 原生创新偏向基础设施，但业务感知零散 ; 业务感受需求，但工具学习成本高昂 ; 数字化转型应由业务部门，还是 IT 部门发起 ? 数字化运营体系 : 产业数字化需要高瞻远瞩的顶层设 计和敏捷高效的组织架构 ; 数据资产沉淀 : 实现业务场景数字化，将业务流程中 产生的数据沉淀下来，形成公司的数据资产 ; 数字化转型目标 : 构建以用户为核心，以业务为导向， 数据驱动决策的商业模式。 1.1 金融机构数字化转型的核心矛盾 数字金融的基础 设施 数字金融的核心 要点 (TAMP) 、业务流程管理系统、客户服务系统等。 结论 : 数字化转型是金融机构的组织转型 + 业务重构，技术只是催化剂 传统金融机构考核方式为层层分润考核短期结果的代理人模式 金融业的数字化转型需要层层分工考核短期过程的部落制模式 ; 建议优化方向融合以上两种模式的优点，相互融合 : 不改变前台业务的 KPI 体系，局部建立业务中台，分发业务线索，为一线业务人员赋能，单点业务场景跑 通 盈利模式再批量复制。 Deepseek 出现的意义恰恰是加速 单点业务场景跑通盈利模式 的时间，大幅降 低转 型成本 主观层面 : 战略层面数字化 转型目标 与具体岗位层面价值目标存 在差异，拉 平不同的部门的认知与节 奏成本太高， 使得数字化转型难以推 进。 客观层面 : 各细分业务数字 化从 0 到 1 的成本较高而回报不定 ， ROI 导向注重 业绩结果的考核模式亦 使数字化转型难 以进行。 客户思维 • 以“客户”为中心 :“ 客户”的需求是多元的 ; • 客户思维 : “ 我”能做的我来做，“我”做不到的，分发给最优 秀 的“供应商“，关注客户体验 ; • KPI 是过程 : 终极目标是为了获得客户信任，承接更多客户需求 ; 产品销售逻辑 • 以“我”为中心 : “ 我”的服务和产品是标准化的 ; • 销售思维 : 搞定客户，关注结果 ; • KPI 是目标 : 终极目标是为了短期“成交”结果 ; 1.2 解决思路 : 数字化赋能，从 产品销售 转向 用户运营 转 变 资料来源 : 华为数字化转型之道，中信建 投 从金融机构的数字营销场景谈起 金融机构视角 : 人数扩张面临瓶颈的背景下，如何指数级提高代理人人均产能的上限 ? 金融产品同质化，单纯依靠低 价竞争无法形成比较优势，需要 提高服务价值 ; 金融服务模式非标准化，批量 复制难度大，需要设计服务体系 ; 数字营销体系需要多部门配合， 需要组织的敏捷转型 + 数字化能力 建 设 ; 因此，需要通过 “场景创新 + 数据 驱动 + 组织敏捷”建立营销体系 ; 2. 1 金融机构传统营销模式存在的痛点 营销是金融业务中最强调 KPI 考核场景，也是数字化转型的重要场景之一 ; 传统营销模式以产品销售为中心，市场是波动的，但考核是连续的，业务加速竞争，但搭建体系需要时间 ; 一线业务人员视角 : 个人产能有限，优先实现单一客户服务闭环，再考虑服务更多客户 ; Ā 表 1ÿ 传统营销 vs 数 __ 营销 资料来源 ÿ 中信建投整 理 2.2 分析框架 : 营销生产力提升 依据复旦 & 明略 & 秒针联合发布 2024 《生成式营销产业研究蓝皮书》， 营销生产力 = 洞察 × 创意 × 媒介 洞察能力，包括消费者需求、市场环境、行业趋势、竞争态势数据和信息的采集与分析，以及最终 获得分析 结果的能力和效率 ; 创意能力，包括创造和生成文字、图片、视频、音频、设计网站甚至新产品的创新能力和生产效率 ; 媒介沟通能力，使用媒介渠道进行营销的能力和效率，渠道包括移动设备、电视、社交媒体、搜索 引擎、电 商、线下等各种用于营销传播的媒体平台。 而金融行业金融产品收益前置而风险后置 ，信任 = ( 可靠 + 可信 + 专业 )/ 利益冲突，或亦是推动 营销生产力和 客户生命周期价值提升的核心要素。 Ā 表 2ÿ 营销生产力组 r 要素 资料来源 ÿ 复旦 & 明略 &ú 针 2024: 生 r 式营销产业研究蓝皮书 ; ，中 信建投 2.2 分析框架 : 营销生产力提升 据 BCG ，通过使用 AI 工具，可以减少最多 25% 的间接销售活动，新增客户触点，同时提升客户满意 度。 图表 3: AI 助理提高销售效率 资料来源 :BCG ，中信建 投 2.2 分析框架 : 营销生产关系转型 据《生成式营销产业研究蓝皮书》， 生成式营销应用前沿的生成式 AI 能力赋能生产工具 ，在营销 领域的业务 流程中，实现营销生产力效率的全面提升 ，影响并重构营销组织的生产关系 ，进而形成的新型市 场营销产业运 行模式。 在金融领域，生产关系转型则体现为由产品销售到客户中心 ，由部门壁垒到对内协同的转型等。 图表 4: 营销生产力提升推动营销生产关系转型 资料来源 : 复旦 & 明略 & 秒针 2024 《生成式营销产业研究蓝皮书》 ，中信 “ 合伙伙伴关系”更注重建立深度的信任的 “认知和兴趣”过程 ，是为 “调性 ”。 盈利不是商业的起点 ，盈利是终点。 传统的营销过程分为从“认知、 兴趣、购买到忠诚”的过程 : “ 客户关系”更强调快速实现“购买过程” ，是为 “变现” ; 2.3 解决之道 : 从产品销售到买方投 顾 变现 资料来源 : 秒针营销学院，中信建 投 公域到私域的获客及数据采集沉淀 l 采集每一个触点、每一次用户互动数据 ; l 创造更多触点 ; 线下拜访 / 会议 / 策略会 官网 /APP/ 小程序 /H5 上每一个行为 社交媒体、自媒体平台上的阅读、点赞、转发 电邮、 App 消息、 SMS 链接点击 内容的创造与运营 l 大 V 具有超强的带量能力 ; l 市场缺少的不是专业的投教内容，而是有趣的陪伴 ; l 内容需要持续的分发，体系化的呈现、高频的更新 ; l 合规第一 ，但过于晦涩的内容缺乏传播价值 ; 数据中台 & 营销中台的打造 l 打破数据孤岛、形成以用户中心的数据数据标签体系 ; l 不断利用 AI 进行决策优化，通过 A/B TEST ，不断寻找最优路径 ; 运营中台的构建 l 集中运营是“中央厨房“，为前线”打仗“的同事输送”弹药“ ; l 强运营能力需要过程 KPI 的正确引导 ; 2.3 解决之道 : 数字营销体系建 设 数据来源 : 九枝兰，中信建 投 2.3 解决之道 :GenAI 赋能 据麦肯锡研究， GenAI 的潜在价值 ( 约 75% ) 主要是四个方面 : 客户运营、营销和销售、软件工程、产品研 发。 GenAI 赋能内容营销，解决“脑力活中的体力活” 图表 5: GenAI 赋能内容营销 敏捷化 自动化 智能化 高质海量 千人千面 更好转化 • 自动化生成问卷、对话式 AI 访谈 • 结合更多元的数据范围 • 大批次分析非结构化数据 ( 量化分析 ) • 将复杂数据分析过程可视化为图表和图形 • Agency 产出 Big Idea • 70% 案头工作 +30% 头脑风暴 • KOL 和 KOC 等创作者，众筹式生成大量内容 • AI 生成内容，极大提升内容产出效率 BGC ( 几周 - 几个月 ) PUGC ( 几天 - 几周 ) AIGC ( 几分钟 - 几小时 ) 帮助市场部门快速总结趋势、提出观点、启发 研究、策划方向 信息收集 产出洞察 资料来源 : 《人工智能与营销新纪元》 ，中信建投 假设生成 2.3 解决之道 :GenAI 赋能 市场是波动的，客户情绪是波动的，客户需求是多元的，金融服务的场景是复杂的 ; 最容易被替代的 : 标准化的金融产品、金融服务流程工作 ; 最不可替代的是 : 人与人之间的交互和信任 ; Ā 表 6ÿ GenAI 赋能信任交 à 效率提升 社群运营预生成符合场景和客户需求的大量的个性化内容 体验升级 专业积累 基于大模型，可回答知识库中超出预设流程的问题，拓 宽 Chatbot 应用场景，更好地分发和解决客户问题 可生成不同风格的对话内容，其较为灵活的语言风格可 更 好地协助人工客服 在大规模的一对多用户服务和运营等场景，帮助人工客服和 范围更 广 资料来源 ÿ : 人 ý 智能 P 营销 ð 纪元 ; ，中信 建投 个性化服务 随时随地 如何理解营销数字化的组织变革 ? Ā 表 7ÿ GenAI 赋能营销 O 仅在内容生 r ，还包括需求洞察等多元 ÿ 能性 产品销售以产品为驱动，以交易 为导向，强调产品功能参数与性价 比以促进成交 ; 而客户中心则以需求为起点，以 信任为导向，注重深度理解客户痛 点和长期目标，追求客户生命周期 价值的最大