來源：國際金融報

　　低成本、低門檻、高效能的優(yōu)勢，加之開源策略支持本地私有化部署，讓DeepSeek在近期席卷金融科技圈，從國有大行、互聯(lián)網(wǎng)大廠金融科技公司到消費金融公司、第三方支付機構、上市金融科技企業(yè)紛紛宣布接入DeepSeek，加入這場AI（人工智能）應用大潮。

　　在這場AI狂歡里，應看到DeepSeek開源版本與某些金融場景需求存在差距，大模型高并發(fā)推理對現(xiàn)有基礎設施壓力較大，且開源模型易受攻擊，數(shù)據(jù)接口需強化防護。此外，DeepSeek推理模型相對于通用模型會產(chǎn)生更大幻覺（即人工智能在信息處理和生成中的誤差或錯覺），是金融科技企業(yè)在AI落地過程中需要解決的另一個關鍵問題。

　　DeepSeek席卷金融科技圈

　　金融科技圈迎來DeepSeek時刻。2月20日，騰訊理財通宣布正式接入DeepSeek-R1模型滿血版，同時支持騰訊混元大模型。升級接入DeepSeek后，騰訊理財通進一步整合專業(yè)金融信息數(shù)據(jù)、微信公眾號文章等資源，金融服務專業(yè)性更強、時效性更高。

　　多家上市金融科技企業(yè)也在近日宣布接入DeepSeek。奇富科技自主研發(fā)的大模型產(chǎn)品ChatBI在日前完成關鍵升級，通過與Deepseek-R1大模型的深度融合，最大化地結合了DeepSeek卓越的MOE（混合專家）模型和COT（思維鏈）推理能力優(yōu)勢，顯著提升了ChatBI處理復雜數(shù)據(jù)分析任務的能力。

　　此外，信也科技自主研發(fā)的兩個大模型平臺近日正式接入DeepSeek-R1，使得信也科技能夠提升大模型對于復雜問題的語義理解和處理能力，擴大大模型服務邊界，更有力地支持決策類場景。連連數(shù)字也在近日正式對外宣布已完成DeepSeek大模型的私有化部署，結合自身的技術實力和DeepSeek的自然語言處理、推理等能力，連連數(shù)字已將DeepSeek應用到業(yè)務、研發(fā)、辦公等多個關鍵場景。繼去年5月引入DeepSeek-V2版本之后，近期樂信正式接入和部署了DeepSeek-R1版本，通過DeepSeek完善了本地化部署的、樂信專有大模型“奇點”AI大模型，在研發(fā)提效、內部工具、業(yè)務賦能等方面深入落地應用。

　　《國際金融報》記者了解到，目前多家消費金融公司通過自研智能平臺接入DeepSeek。中原消費金融公司依托自研的智能化平臺“元擎Matrix”引入DeepSeek-R1版本，在智能質檢、智能問答、意圖識別、提示詞編寫等場景進行探索應用。中郵消費金融公司將DeepSeek作為基座大模型之一，提供智能問答和智能編程輔助服務。中信消費金融公司基于自主研發(fā)的“信智”一站式大模型服務平臺接入DeepSeek，并應用于智能質檢與知識庫檢索兩大業(yè)務場景。海爾消費金融公司已經(jīng)部署了DeepSeek私有化版本，沉淀出海爾消金私有領域大模型，正在打通公域私域大小模型，接入智能體平臺，開始全面賦能營銷、風險、貸后、客服、運營、研發(fā)、數(shù)據(jù)分析等多個場景。

　　優(yōu)刻得董事長兼CEO季昕華告訴記者，DeepSeek性能比肩GPT核心模型，但訓練所需算力資源和資金投入更少，顯著降低了企業(yè)的技術門檻和經(jīng)濟成本。DeepSeek開源策略支持地方政府和金融機構私有化部署，滿足國產(chǎn)化適配要求，吸引金融科技企業(yè)快速接入。相較于同類模型，DeepSeek的推理成本大幅降低，推動行業(yè)應用廣泛落地。

　　合規(guī)與數(shù)據(jù)安全備受關注

　　由于金融科技行業(yè)的特殊性，在接入DeepSeek時，數(shù)據(jù)安全與合規(guī)性備受關注。海爾消費金融首席信息官梁樹峰對記者表示，DeepSeek開源版本隱私安全性與金融數(shù)據(jù)隱私保護需求存在差距，且大模型高并發(fā)推理對現(xiàn)有金融基礎設施還會產(chǎn)生較大壓力。此外，開源模型易受攻擊，數(shù)據(jù)接口須強化防護。

　　中郵消費金融科技發(fā)展部負責人朱威告訴記者，雖然DeepSeek降低了訓練和推理成本，但是大模型的資源需求還是較大的，同時由于金融行業(yè)嚴格的數(shù)據(jù)安全與合規(guī)性規(guī)定，消費金融企業(yè)在涉及數(shù)據(jù)安全的場景下需要采用私有部署的方式來降低合規(guī)風險。在GPU（圖形處理單元）資源有限的情況下，如何高效安全地使用DeepSeek模型成為各金融企業(yè)需要解決的問題。

　　針對大模型應用的潛在風險，梁樹峰認為，需要采取多維度防控：關于數(shù)據(jù)安全與隱私保護，可通過本地化部署核心模型，避免敏感數(shù)據(jù)外流；采用聯(lián)邦學習與同態(tài)加密技術，實現(xiàn)“數(shù)據(jù)可用不可見”。針對模型失真與合規(guī)風險，可建立模型監(jiān)控體系，定期及時審計模型輸出偏差；嵌入監(jiān)督模型及監(jiān)管規(guī)則引擎，確保決策符合個人信息保護法等要求。針對系統(tǒng)性風險傳導，應設計熔斷機制，當模型異常時自動切換至傳統(tǒng)系統(tǒng)；與行業(yè)聯(lián)盟共建風險預警平臺，共享攻擊特征與防御方案。

　　朱威建議，一是選用參數(shù)規(guī)模合適的模型，將DeepSeek聚焦在需要復雜推理的應用場景，如數(shù)據(jù)分析、機器人決策等，并與其他大小模型相互結合，保證智能化服務質量；二是借鑒DeepSeek-R1的訓練方式，蒸餾更加細分的垂類模型以減少對GPU資源的需求；三是期望在合規(guī)前提下，行業(yè)推出可信的行業(yè)大模型金融云，解決各企業(yè)的GPU資源瓶頸。

　　上海金融與發(fā)展實驗室首席專家、主任曾剛對記者分析指出，在數(shù)據(jù)安全和隱私保護方面，可以通過數(shù)據(jù)加密、脫敏處理和差分隱私技術，確保數(shù)據(jù)在傳輸和處理中的安全性。同時，支持本地化部署，避免數(shù)據(jù)外流，增強企業(yè)對數(shù)據(jù)的掌控力。此外，嚴格的訪問控制和操作審計機制也能進一步保障數(shù)據(jù)安全。而在合規(guī)運營上，DeepSeek需符合歐盟的GDPR（《通用數(shù)據(jù)保護條例》）、美國的CCPA（《加州消費者隱私法案》）等數(shù)據(jù)保護法規(guī)和金融行業(yè)標準（如ISO27001信息安全管理體系認證）。通過提供模型可解釋性工具，滿足監(jiān)管對算法透明度的要求，并定期進行模型審計和性能監(jiān)控，確保合規(guī)性和風險可控。

　　“幻覺”問題仍是一大挑戰(zhàn)

　　DeepSeek系列模型以其出色表現(xiàn)迅速席卷金融科技圈，但“幻覺”問題依然是它面臨的一大挑戰(zhàn)。在Vectara HHEM人工智能幻覺測試（行業(yè)權威測試，通過檢測語言模型生成內容是否與原始證據(jù)一致，從而評估模型的幻覺率，幫助優(yōu)化和選擇模型）中，DeepSeek-R1顯示出14.3%的幻覺率。

　　“目前有待解決的是幻覺問題?！?span id=stock_sh601688>華泰證券科技與電子行業(yè)首席分析師黃樂平對記者直言，數(shù)據(jù)是金融企業(yè)的核心資源，使用OpenAI公司開發(fā)的閉源模型時，需要上傳私有數(shù)據(jù)，是金融行業(yè)使用大模型的主要痛點。DeepSeek開源，可以以更低的成本部署在金融企業(yè)自己的本地服務器上，這解決了數(shù)據(jù)泄露的風險，為大模型在金融行業(yè)普及鋪平了道路。

　　朱威也指出，DeepSeek推理模型相對于通用模型會產(chǎn)生更大幻覺，這是消費金融企業(yè)在AI落地過程中需要解決的另一個主要問題。他建議，通過知識庫檢索增強生成（RAG）、領域微調、人工校驗等方式進行緩解，從而確保推理結果的準確性與可靠性。

　　針對大模型幻覺問題，曾剛建議，通過引入金融領域知識圖譜和規(guī)則庫，限制生成內容在可信范圍內；同時，通過高質量數(shù)據(jù)的監(jiān)督微調優(yōu)化模型表現(xiàn)，并結合結果驗證機制和人工審核，確保輸出的準確性和可靠性。這種多層次的控制能夠有效降低幻覺風險，提升模型在金融場景中的可信度。

　　記者：余繼超

　　文字編輯：姚惠

　　版面編輯：畢丹丹

海量資訊、精準解讀，盡在新浪財經(jīng)APP

責任編輯：張文