在人工智能技术飞速发展的当下，金融行业正积极拥抱科技变革，探索创新发展路径。开年以来，国产AI大模型DeepSeek火爆出圈，迅速吸引了众多行业的目光，其中银行业对其应用的探索尤为引人注目。

胜马财经注意到，江苏银行日前率先在业内本地化部署微调DeepSeek-VL2多模态模型、轻量DeepSeek-R1推理模型，成为金融行业与新兴AI技术深度融合的先锋，在金融科技领域引起广泛讨论。

江苏银行主动融入数字经济发展浪潮，依托自主研发的 “智慧小苏” 大语言模型服务平台，成功引入DeepSeek大模型，标志着其在金融智能化转型方面迈出了关键一步。

胜马财经了解到，“智慧小苏 于2023年率先推出，通过构建五层架构，实现了高度自主可控与定制化，具备强大的生成能力和在特定场景下的优异表现。此次引入DeepSeek大模型，进一步提升了“智慧小苏” 在复杂多模态、多任务场景的处理能力，在算力节约和效能提升上取得显著成效。

DeepSeek-VL2多模态模型能够同时处理文本、图像、语音等多种数据类型，为金融领域复杂的多模态场景问题，如票据识别、合同解析等提供了有力的技术支持，同时还节约了算力成本。轻量 DeepSeek-R1推理模型则在模型规模和性能上优势明显，能够为风险评估、投资分析等复杂任务以及报告撰写、合规审查等文本生成工作提供更优解决方案。

在实际应用场景中，江苏银行将DeepSeek-VL2多模态模型运用于智能合同质检，通过对合同文本和相关图像信息的综合分析，实现合同质检智能化，有效筑牢企业信贷防火墙；将 DeepSeek-R1推理模型应用于自动化估值对账场景，大大优化了托管资产估值对账流程，提高了业务效率，实现提质增效。

银行业争相探索AI+金融

江苏银行的这一先行示范，引发了银行业对DeepSeek大模型的广泛关注。

事实上，近期多家银行都表示计划在已有大模型基础上引入 DeepSeek。某股份行的资深软件架构师透露，后续可能会在大模型能力平台上设立相关通道，接入DeepSeek应用，以辅助业务开展；另一家股份行技术部门人员也表示，已将DeepSeek大模型接入内部自研模型平台进行初步测试，并探索其在智能客服、内部办公流程提效等场景的运用。

除了业务应用层面的探索，一些银行还将DeepSeek运用到营销宣传中。如海安农商银行通过与DeepSeek对话的形式，向用户全面介绍银行的资本实力、市场份额、金融产品、社会责任等情况，这种新颖的宣传方式吸引了众多目光，也展现了DeepSeek在金融领域多元化应用的潜力。

DeepSeek的爆火并非偶然，其强大的逻辑推理和自然语言处理能力，以及高性价比的部署优势，使其在众多AI大模型中脱颖而出。与其他AI大模型相比，DeepSeek的母公司专长于私募基金，拥有更强的金融基因，这使得它在处理金融相关问题时更具针对性和专业性。

从训练成本来看，DeepSeek-V3整个训练过程仅用了不到280万GPU小时，训练成本约为557.6万美元，远低于其他同类模型，这为金融机构大规模应用提供了经济可行性。

AI能否赋能金融未来

胜马财经注意到，业内人士普遍认为，银行等金融机构积极探索大模型技术应用，对推动数字金融深度发展具有重要意义。

一方面，大模型强大的数据处理能力能够帮助银行更精准地分析客户需求，创新金融产品，提高业务处理效率和风险管理精准度；另一方面，生成式人工智能大模型技术加速了银行数字化转型的进程，成为商业银行重要的发展方向。

然而，在大模型技术应用过程中，也面临着潜在风险。例如，隐私权、著作权等法律问题，以及AI幻觉导致的错误信息识别和处理难题。为应对这些风险，银行需要强化对数据信息的管理，维护客户信息安全，合理运用数据；同时借助开源的可解释性工具链提升模型决策路径透明度，对企业知识库进行隔离，防止信息污染。

胜马财经认为，江苏银行接入DeepSeek大模型，是金融行业在人工智能时代的一次大胆尝试和创新实践。它不仅为江苏银行自身的业务发展注入了新动力，也为整个银行业在金融科技领域的探索提供了宝贵经验。随着AI技术的不断发展和应用，金融行业有望迎来更加智能化、高效化的新时代，也将为实体经济发展提供更有力的支持。

在人工智能技术飞速发展的当下，金融行业正积极拥抱科技变革，探索创新发展路径。开年以来，国产AI大模型DeepSeek火爆出圈，迅速吸引了众多行业的目光，其中银行业对其应用的探索尤为引人注目。

胜马财经注意到，江苏银行日前率先在业内本地化部署微调DeepSeek-VL2多模态模型、轻量DeepSeek-R1推理模型，成为金融行业与新兴AI技术深度融合的先锋，在金融科技领域引起广泛讨论。

江苏银行主动融入数字经济发展浪潮，依托自主研发的 “智慧小苏” 大语言模型服务平台，成功引入DeepSeek大模型，标志着其在金融智能化转型方面迈出了关键一步。

胜马财经了解到，“智慧小苏 于2023年率先推出，通过构建五层架构，实现了高度自主可控与定制化，具备强大的生成能力和在特定场景下的优异表现。此次引入DeepSeek大模型，进一步提升了“智慧小苏” 在复杂多模态、多任务场景的处理能力，在算力节约和效能提升上取得显著成效。

DeepSeek-VL2多模态模型能够同时处理文本、图像、语音等多种数据类型，为金融领域复杂的多模态场景问题，如票据识别、合同解析等提供了有力的技术支持，同时还节约了算力成本。轻量 DeepSeek-R1推理模型则在模型规模和性能上优势明显，能够为风险评估、投资分析等复杂任务以及报告撰写、合规审查等文本生成工作提供更优解决方案。

在实际应用场景中，江苏银行将DeepSeek-VL2多模态模型运用于智能合同质检，通过对合同文本和相关图像信息的综合分析，实现合同质检智能化，有效筑牢企业信贷防火墙；将 DeepSeek-R1推理模型应用于自动化估值对账场景，大大优化了托管资产估值对账流程，提高了业务效率，实现提质增效。

银行业争相探索AI+金融

江苏银行的这一先行示范，引发了银行业对DeepSeek大模型的广泛关注。

事实上，近期多家银行都表示计划在已有大模型基础上引入 DeepSeek。某股份行的资深软件架构师透露，后续可能会在大模型能力平台上设立相关通道，接入DeepSeek应用，以辅助业务开展；另一家股份行技术部门人员也表示，已将DeepSeek大模型接入内部自研模型平台进行初步测试，并探索其在智能客服、内部办公流程提效等场景的运用。

除了业务应用层面的探索，一些银行还将DeepSeek运用到营销宣传中。如海安农商银行通过与DeepSeek对话的形式，向用户全面介绍银行的资本实力、市场份额、金融产品、社会责任等情况，这种新颖的宣传方式吸引了众多目光，也展现了DeepSeek在金融领域多元化应用的潜力。

DeepSeek的爆火并非偶然，其强大的逻辑推理和自然语言处理能力，以及高性价比的部署优势，使其在众多AI大模型中脱颖而出。与其他AI大模型相比，DeepSeek的母公司专长于私募基金，拥有更强的金融基因，这使得它在处理金融相关问题时更具针对性和专业性。

从训练成本来看，DeepSeek-V3整个训练过程仅用了不到280万GPU小时，训练成本约为557.6万美元，远低于其他同类模型，这为金融机构大规模应用提供了经济可行性。

AI能否赋能金融未来

胜马财经注意到，业内人士普遍认为，银行等金融机构积极探索大模型技术应用，对推动数字金融深度发展具有重要意义。

一方面，大模型强大的数据处理能力能够帮助银行更精准地分析客户需求，创新金融产品，提高业务处理效率和风险管理精准度；另一方面，生成式人工智能大模型技术加速了银行数字化转型的进程，成为商业银行重要的发展方向。

然而，在大模型技术应用过程中，也面临着潜在风险。例如，隐私权、著作权等法律问题，以及AI幻觉导致的错误信息识别和处理难题。为应对这些风险，银行需要强化对数据信息的管理，维护客户信息安全，合理运用数据；同时借助开源的可解释性工具链提升模型决策路径透明度，对企业知识库进行隔离，防止信息污染。

胜马财经认为，江苏银行接入DeepSeek大模型，是金融行业在人工智能时代的一次大胆尝试和创新实践。它不仅为江苏银行自身的业务发展注入了新动力，也为整个银行业在金融科技领域的探索提供了宝贵经验。随着AI技术的不断发展和应用，金融行业有望迎来更加智能化、高效化的新时代，也将为实体经济发展提供更有力的支持。