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

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

赋能银行： AI 大模型在 C 端实现智能个性化服务与交叉销售提升，在 B 端深化对企业客户的风险管理与解决方案输出。此外，开拓 AI 驱 动的金融产品创新、跨境结算与流程自动化等新生业务服务，推动银行业务全面智能化升级。 投资建议：在金融科技政策利好、海外垂类模型落地背景下，金融垂类模型成发展重点，我们推荐【同花顺】、【东方财富】、【恒生 电子】，建议关注【顶点软件】、【金证股份】、【长 2022 2023 2024E 2025E 2026E 银行业（亿元） 保险业（亿元） 证券业（亿元） 金融科技资金投入年均复合增速快。随着数字经济的全面发展，为数字金融创造更 多 技术创新的 我们认为 AI+ 金融时代的到来将从存量、增量 2 个方面利好金融行业： 存量：①后台部门效率提升；②与大数据结合后，金融产品个性化与精准营销将增强客户粘性，带来业务增长。 以保险业和银行业为例， 随着普惠金融的深入推进，客户群体已逐步拓展至下沉市场、小微企业及跨境业务等领域。在利率持续下行和产品同质化竞争加剧的背景 下，金融服务向个性化转型的趋势愈发显著。 AI 技术与金融业务的

 疾病监测 政府政务  网上办事大厅  政务热线 地产中介  社区 O2O 运营  客户画像 电信运营商  内部营销决策  对外拓展 互联网企业  开放平台  应用产品 银行业  精准营销  风险管控 教育  在线教育  教育应用 电信 政务 商业 工业 重点 行业 4 大数据应用生命周期 数据源（管理、交易、事务、传感、监控、文件……） 数据获取和治理 运维平台 数据交换汇集 ETL 网络爬虫 （ PySpider ） 实时采集 （ Flume ） 数据迁移 （ Sqoop ） 数据治理平台 数据地图 数据共享 数据质量 数据治理 银行业务 工商业务 政务业务 税务稽查 智能交通 智慧医疗 Hive （ SQL ） MapReduce HDFS YARN Impala （ In-memory SQL ） Mahout

AI 2.0 + 金融：我们认为，金融行业数据丰富且数据质量高，具备大模型训练的良好基础。同时，金融行业大量产品最终服务于 C 端用 户， 大模型应用场景丰富。随着大模型与证券、保险、银行业务的融合，创新应用将层出不穷。 2.1 AI 2.0 时代来临，金融行业数据丰富，应用场景多，将产生大量的创新应用 资料来源：量子位、华西证券研究所 21 苏黎世保险 u 关于大模型在银行业的应用，度小满 CTO 许冬亮也提出了三 大方向。 1 ）基于大模型的智能客服将超越人工服务，让高 质 量顾问式金融服务成为可能； 2 ）生成式大模型可以成为 理财 师、经纪人等从业者的“全能业务助理”；

权投资的基础上，发展资产管理和投 资银行业务 76 金融事业发展战略总体框架 从自身实力与实际出发，集中发展最有吸引力且已具备相当经验的 资产管理类业务 调整在其他金融领域的财务性股权投资，清退不良资产，维持或增加在回报 率 / 成长性良好的金融企业的投入，促进集团金融事业和其它业务的发展 在集团自身资本运作的基础上，发展投资银行业务，成为未来集团金融事业 的重要组成部分 集团金融事业发展应从实际出发，按照基础业务、战略业务和新兴业务的组合来构建 基础业务 战略业务 新兴业务 集团金融事业的发展 集团短期资金运作 金融股权投资 资产管理 / 基金管理 投资银行业务 项目融资服务 其他高收益金融业务 78 资产管理是目前国内极有潜力的金融业务，而集团在这一领域已具备了相当的能力 •目前我国基金总市值约 *** 亿，而估 计增长空间约在 银行这一 高速发展的业务 •集团目前在各业务板块的重组、转 型、发展中已经并仍将产生较多的上市、 购并等资本运作，这其中需要大量投资银 行服务 •集团在资本市场有一定的操作能力， 这对投资银行业务的开展具有较强的支持 力 •在对集团内部资本运作提供良好顾问 服务的基础上，不断增强自身能力，逐步 开拓外部市场是必然的选择 良好的内部成长空间 •国内企业越来越重视将在产业运作与 资本运作有效结合，在快速提升产业竞争

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

集团派系、实际控制人、 担保圈链、风险传导、资 金流向、反洗钱 … 全流程 业务 模型 深度 推理 AI 风险态势感知 大模型自动更新黑产情报、监管政策、新型作案手段、 特征自学习、风险预判等知识，面向银行业风险管理人员、 策略运营人员、业务人员等不同角色，提供模块化组合式 的情报洞察报告。 包括 : 黑市个人账户售卖价格及趋势、洗钱最新手法解 析、个人账户买卖趋势、风险账户信息、风险趋势预判、

观察对象 3 ...... 观察对象 1 观察对象 2 人工智能 金融产品 用智慧发现信息价值 Discover information 互联网金 融 风控产品 上市公司 银行业 新产品 用智慧发现信息价值 Discover information 自由定义观察角度 关注对象配置：用户可以自由配置自己所关注 癿对象。 关注领域配置：用户可以自由配置自己所关注