DeepSeek 如何影响银行业 通义智能 PPT 张鲲 conten t目录 01 DeepSeek 为何一夜之间爆火？ 02 银行拥抱 AI 的常见误区 03 DeepSeek 如何重塑银行业？ 04 行业影响：缩小技术鸿沟，推动生态变革 05 挑战与未来展望 DeepSeek 为何一夜 之间爆火？ 01 低门槛优势：大幅降低使用 / 注册门槛， AI 平民化 使用成本低 和发声，不考虑解决内部 实际问题 需精准定位业务需求，选 择合适的结合点。 只仰望星空 不脚踏实地 管理层关注快速创新迭代 基层疲于提升基础数据质 量和完成手工报表 DeepSeek 如何影响 银行业？ 03 内容采集与生成：内外 AI 分离，合规前提下保持数据实时性 01 自动化尽调报告 整合财报与舆情数据， DeepSeek 自动生 成初步分析框架，显著提升报告编制效率 02 合规审查智能化

项目编号： 金融银行业务 DeepSeek AI 大模型智能体 建 设 方 案 目 录 1. 项目背景与目标.................................................................................................8 1.1 金融银行业务智能化转型需求...................... 业务场景分析与需求梳理...............................................................................16 2.1 银行业务场景分类...................................................................................18 2.1.1 客户服务场景（如智能客服、语音助手） ................................................................302 1. 项目背景与目标 随着金融行业数字化转型的加速推进，银行业务场景对智能化 技术的需求呈现爆发式增长。传统金融服务模式面临三大核心挑 战：客户服务效率与个性化需求难以平衡，风险管理依赖人工导致 响应滞后，以及业务流程自动化程度不足造成的运营成本居高不

Deepseek 大模型，我们期望能够显著提升银 行系统的智能化水平，为客户提供更加个性化、高效和安全的服 务，同时增强银行的风险管理和运营能力。 1.1 项目背景 随着金融科技的迅速发展，银行业务的复杂性和数据量呈现指 数级增长，传统的 IT 系统在处理效率、智能化水平和客户体验方 面已逐渐显现出瓶颈。尤其是在风险管理、客户服务、智能营销等 核心业务领域，银行迫切需要引入先进的人工智能技术来提升业务 阶段的任务和时间节点；组建专业的项目团队，包括数据科学家、 软件开发工程师、系统架构师等；建立有效的沟通机制，确保项目 各方的信息对称和及时反馈。 具体任务分解如下： - 需求分析与模型定制：根据银行业务需 求，定制和优化 Deepseek 模型； - 模型部署与优化：设计部署方 案，优化模型参数，确保高效运行； - 系统集成与接口开发：将模 型集成到现有系统，开发 API 接口； Deepseek 大模型需要首先明确需求，以确 保解决方案能够满足银行业务的复杂性和安全性要求。银行业的特 殊性决定了其对数据处理、模型精度、响应时间以及合规性有着极 高的要求。因此，需求分析应从功能性需求、性能需求、安全需求 以及合规性需求四个方面展开。 首先，功能性需求方面，Deepseek 大模型需要支持多样化的 银行业务场景，包括但不限于客户服务、风险评估、反欺诈、智能 推荐和信

DeepSeek 技术概述.............................................................................7 1.2 金融银行业务挑战................................................................................9 1.3 DeepSeek 在金融银行的应用前景 .......145 1. 引言 随着金融科技的迅猛发展，传统金融银行业面临着前所未有的 挑战与机遇。数字化转型已成为金融银行业提升效率、优化客户体 验、增强竞争力的必由之路。在这一背景下，DeepSeek 作为一款 先进的智能解决方案，凭借其强大的数据分析能力、智能决策支持 以及高效的业务流程自动化，为金融银行业提供了切实可行的应用 方案。 DeepSeek 的核心优势在于其深度学习和人工智能技术的深度 能在数字化转型的浪潮中占据先机，实现可持续发展。 1.1 DeepSeek 技术概述 DeepSeek 是一种基于深度学习和自然语言处理（NLP）技术 的先进人工智能平台，旨在通过高效的算法和海量数据训练，提升 金融银行业务的智能化水平。该技术通过多层次的神经网络模型， 能够自动提取、分析和处理复杂的金融数据，从而为银行和金融机 构提供精准的业务决策支持。DeepSeek 的核心优势在于其高精度 的预测能力和强

建议关注：宇信科技、京北方、天阳科技、长亮科技、百融云等。 n 风险提示 ： AI 技术落地不及预期、竞争加剧、信息更新不及时等。 2 核心观点 DeepSeek 开源、低成本、强推 理 助推银行业应用 1 n DeepSeek 模型在 Post-Train 阶段大规模应用了强化学习方法。 R1 使用了冷启动 + 大规模强化学习方法， R1-Zero 版 本模 型使用纯强化学习方法。随训 资料来源：中泰证券研究所 13 n 降本增效场景通常基于大模型的生成能力，进行人力替代或赋能，在银行业 AI 应用场景中落地最早。 n 商业银行主要通过人工客服和智能客服两种方式为客户提供咨询服务。人工客服工作强度高、处理和响应时间相对较长， 而当下智能客服难以覆盖全部服务场景。如工商银行在远程银行业务中将知识搜索与大模型生成能力结合，实现基于实 时通话向坐席人员主动推送答复话术或知识的能力。 ，充分释放开发者的价值。未来可能会由 AI 承担部分基础工作， 而开发者则转向更高层次的 架构设计和业务规划，专注于更复杂、更创造性的任务， 如架构设计、算法优化或用户体验创新。 n AI 编程在银行业可有效赋能内部研发。从具体用例看， 澳新银行对 1000 名软件开发人员进行了为期六周的 AI 编程助手试 用实验。实验发现，当软件开发人员使用 AI 编程助手时，平均生产率提高 42% ，代码质量提高

• 风险控制与合规管理 • 实施路径与阶段目标 • 标杆案例与同业实践 • 预期效益与 ROI 分析 • 组织能力与人才建设 • 未来演进与持续创新 01 数字化转型背景与必要性 银行业面临的竞争压力与市场挑战 国有大行服务下沉 国有大型银行通过下沉服务覆盖更多区域，加剧了中小银行的获客难度，迫使后者加快数 字化转型步伐。 新金融业态冲击 客户需求升级 互联网金融、金融 成，降低整体集成风险，同时便于后续的功能扩展和优化。 实时数据处理能力 04 结合流式计算框架（如 Apache Kafka 和 Flink ），实现大 模型对实时数据的快速处理和分析，满足银行业务对实时 性的高要求。 GPU 集群优化 算力动态调度 混合云架构 成本控制与优化 针对大模型的高计算需求，配置 高性能 GPU 集群，并通过优化算 法和并行计算技术，最大化利用 硬件资源，提升模型训练和推理 图谱，涵盖银行的核心业务、客户、 产品等信息。 动态知识图谱可应用于智能客服、风 险预警、精准营销等多个场景，提升 银行的智能化水平和业务效率。 基于大模型的实时学习能力，知识图 谱能够动态更新，及时反映银行业务 和市场的变化，确保知识图谱的时效 性和准确性。 基于大模型的动态知识图谱生成 应用场景 合规性审计 定期进行数据安全和隐私保护的合规性审计，检查 数据治理和知识图谱构建过程中的合规性，确保符

top100summit.com 案例背景 商业银行“Bank Digital Mesh” 数字化成熟度评估模型1.0研究成果 于2023年2月正式发布 2022年1月 《中国银保监会办公厅关于银行业保险业数字化转型的指导 意见》（银保监办发〔2022〕2号） 就银行、保险等金融机构 数字化转型提出指导意见 2021年12月 中国人民银行发布《金融科技发展规划（2022-2025）》 （银发〔 VC6. 报告决策 VC2. 客户营销 BU1 BU2 BU3 消费金融 产业金融 财富管理 BU4 金融同业 xx银行主要业务线 商 业 银 行 价 值 链 商业银行业务线 数 字 化 能 力 商业银行业务架构 数字化能力（N）与价值链 （N）、业务线（N）的关系 是垂直交叉的，构成立体网络 关系 N3 数字化价值空间 战略引领 核心三角 支撑 ✓ 战略是统领 ✓ 组织是基础和保障

元，首次覆盖，给予“增持”评级。 公司是深耕 20 余年的老牌银行 IT 服务商。公司成立于 1998 年， 作为我国最早一批专业从事金融业软件开发及 IT 服务的企业，经 过多年经营和沉淀，公司积累了一批以银行业为主，涉及保险、证 券、基金、信托、融资租赁等行业的优质客户，信贷及风控管理系 统、核心业务系统、CRM 及 ECIF 等解决方案均具有较强市场竞争 力和较高市场占有率。 绑定蚂蚁，探索银行 日，公司受 邀参加蚂蚁数科生态伙伴 AI 智能业务交流闭门会，会上重点探讨了银行 AI 流量运营、银行贷后解决方案、银行风控 Agent 产品解决方案、反欺诈体系 构建、大模型场景实践与安全防御等银行业 AI 应用核心场景。公司就银行 AI 应用市场新的合作方向与蚂蚁数科达成初步共识，公司将吸纳蚂蚁数科 在 AI 技术研发与场景落地的前沿先进经验，结合公司深耕银行领域二十余 年的业务理解与客户资源 准的用户画像，精准把握客户需求与偏好。此外，数据治理平台通过 DeepSeek，可以自 动识别并修复数据质量问题，确保数据的准确性与一致性，为数据分析与决策提供可靠 的数据基础。 测试领域 自动化与精准测试 通过大模型蒸馏出银行业务模型，实现自动化需求影响分析、案例生成及测试脚本生成。 结合 AI 技术和 OCR 技术，解决 UI 自动化测试中页面元素识别准确率低的问题，大幅提 升测试效率。此外 DeepSeek 的推理能力

中的滞后领域，从而加速发展进程。 77 全球数智化指数（GDII）2025 金融 行业需求 银行业正处于发展的关键阶段，数字化投资对于充 分释放人工智能驱动增长的潜能至关重要。为确保 投资的有效性，需要采取多维度策略，重点关注四 个领域 ：韧性管理、敏捷响应、生态合作和智能 决策。 韧性管理 过去，银行业的韧性主要指财务韧性，尤其是在全 球金融危机之后。各国央行重点通过压力测试来评 估和 估和验证银行抵御金融冲击的能力。虽然这一定义 在全球金融危机发生后的若干年里行之有效，但已 不再适用于现代银行业。如今，韧性涵盖的风险范 围更广，包括运营风险和 IT 风险。压力测试的范 围从资本充足率和一级资本，延伸至系统故障的预 计平均恢复时间 ；金融风险的评估对象拓展至复杂 的数字衍生品和数字货币。API 集成和开源软件也 扩大了网络攻击面，导致银行更容易遭受恶意攻 击。为应对这些问题，新的监管框架如《数字运营 也必须持续强化风险管理，否则任何重大失误都可 能构成生存威胁。 敏捷响应 过去，银行业转型是一个长期的过程，成效只有转 型完成后才会显现。然而，在当前由金融科技和传 统市场竞争共同推动的激烈竞争环境下，敏捷响应 成为必然要求。银行需要投资低代码架构，但仅靠 这些“低悬果实”还不够。持续创新和复杂项目应 对将是整个行业未来几年需要解决的挑战。 生态合作 人工智能是银行业转型的关键驱动因素，但人工智 能需要强大的数据支撑。然而，许多银行缺乏训练

翅膀。当前，智能体已成为全球领先企业的战略重点， 包括世界一流的 IT 企业。其核心优势在于开发成本低、 技术门槛低、应用效率高——经过持续的数据训练和算 法优化，智能体将释放巨大的商业价值。对银行业而言 更是一次脱胎换骨的数字化转型机遇，能够构建起具有 高度竞争力的护城河。最直观的效益是解放生产力：传 统需要耗费大量时间撰写的各类研究报告和分析文档， 现在通过智能体只需几分钟即可生成多篇，这不仅大幅 银行在互联网时代已经落后，在 AI 时代，所有企业， 包括科技巨头，都站在同一起跑线上，如何突破简单的 会员费、使用费模式，通过大模型技术构建可持续的盈 利模式？这也是困扰 AI 企业的关键课题。 未来已来，银行业需要以战略眼光把握这一历史性 机遇。那些率先布局、深度应用 AI 智能体技术的银行， 必将赢得发展先机，在新时代的金融生态中占据制高点。 2. 从实用出发全员拥抱智能体 3. 用好智能体，赢得市场，赢得客户 平安信托信息科技部总经理 刘进 全球态势 国家大势 行业趋势 平安信托信息科技部总经理 刘进 数字化转型要应势而动、顺势而为 26 尽管近年来信托业在数字化转型和科技投入上展现 出较快增长态势，但与银行业和证券业相比，无论是投 入在营收中的占比还是投入的绝对值仍存在显著差距。 在数字化转型人才配置上亦有明显的短板。鉴于此，建 议信托公司的数字化转型应结合公司实际情况“尽力而 为、量力而行”。