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 推荐和信用

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 反馈闭环优化 自动化监控与评估 版本控制与回滚 设计增量学习机制，使模型能够 在不遗忘已有知识的基础上，持 续吸收新的金融数据和业务规则， 确保模型始终与银行业务的最新 发展保持同步。 建立用户反馈机制，将银行业务 人员和客户的反馈信息纳入模型 优化流程，通过持续迭代改进模 型，使其更好地满足实际需求， 提升用户体验。 构建自动化监控系统，实时跟踪 模型在业务场景中的表现，通过

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 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 DeepSeek 在 金融银行领域具有广泛的应用潜力和实际价值。其先进的技术手段 和灵活的部署方式，能够为金融机构提供全方位的智能支持，推动 行业向更加高效、智能的方向发展。 1.2 金融银行业务挑战 在金融银行业务中，随着全球经济的快速发展和客户需求的日 益多样化，金融机构面临着前所未有的挑战。首先，市场竞争的加 剧迫使银行不断提升服务质量以吸引和保留客户。传统的业务模式 已无法满足现代消费者的期望，尤其是在数字化和个性化服务方

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

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。 图表：苏商银行大模型客服助手 资料来源：苏商银行、中泰证券研究所 14 降本增效场景之一：大模型承担智能客服角色 Advanced 图表：澳新银行 AI 编程对生产力的提 升 图表： AI 编程为软件开发带来的影 响 45 40 35 30 25 20 15 10 5 0 n 风控管理是银行业务经营的的核心任务之一， DeepSeek 拥有卓越的推理能力，能够助力银行显著提升风险识 别 的效率与准确性，快速剖析风险因素并生成详尽的分析报告，全面增强银行的风险管控能力。

年《银行家》全球 1000 大银行排 185 名 • 2021 年《财富》 中国 500 强，在入围的商业银行中排名第 24 名 总资产 7530.02 亿 营业网点 494 家 中原银行业务发展概 况 分行 18 家 村镇银行 9 家 #1 #2 #3 #4 建设背景 选型 & 架构

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

after the research report is published. 利益冲突披露 Conflict of Interest Disclosures 海通国际及其某些关联公司可从事投资银行业务和/或对本研究中的特定股票或公司进行做市或持有自营头寸。就本研究报告而言，以下是有关该等关系的披露事项（以下披露不能保 证及时无遗漏，如需了解及时全面信息，请发邮件至 ERD-Disclosure@htisec ERD-Disclosure@htisec.com if timely and comprehensive information is needed). 1873.HK 目前或过去 12 个月内是海通的投资银行业务客户。 1873.HK is/was an investment bank clients of Haitong currently or within the past 12 months.

处理平台，支持不同场景的离线实时数据统一处理，为 客户提供高效的收支分析新体验。本方案采用实时离线 结合的数据处理架构，支撑对日均数十亿条以上的数据 在银行业不断能力开放和数字化转型的大背景下， 邮政储蓄银行业务迅速发展，新产品、新业态层出不穷， 核心系统性能、架构、功能扩展、自主可控和运行保障 能力不足、开发测试周期长等已不能满足业务发展和管 理的需要。在此背景下，邮政储蓄银行启动统一查询项 目 对象存储、 OB 数据库、密管系统注入网络故障，以此验证这些应 用系统对核心业务的影响程度。 四川银行基于云平台分布式架构下的测试创新性设 计了以下维度的测试框架实践。 随着四川银行在高层领导下银行业务快速发展、规 模激增以及响应时代号召大力推进本行数字化转型，行 内的新一代工程核心系统采用了先进的云平台分布式架 构（微服务 + 中台化）进行全新重构，以支撑至少千万 级用户量以及亿万级业务交易量、以支持不同并发下资 升用户服务。 平台可支持基于实时数据和业务需求的指标动态调 整。运维人员可以根据不同的业务优先级和季节性需求， 在当今数字化高速发展的时代，湖北农信面临着越 来越复杂的业务环境和技术挑战。随着银行业务的不断 扩展和创新，信息技术系统的规模和复杂性也在迅速增 长。银行的核心业务系统、渠道系统和风险管理系统等 关键应用需要保持稳定运行，以确保客户能够随时进行 金融交易。湖北农信的网络架构越来越庞大，涵盖多个