每經(jīng)記者 陳植    每經(jīng)編輯 馬子卿    

DeepSeek對(duì)銀行信貸等業(yè)務(wù)生態(tài)的變革日益顯現(xiàn)。

記者多方了解到，近日多家銀行在接入DeepSeek并完成本地化部署后，正在測(cè)試DeepSeek在銀行信貸業(yè)務(wù)場(chǎng)景的應(yīng)用成效。

一位國(guó)內(nèi)金融科技平臺(tái)負(fù)責(zé)人向記者透露：“以往，對(duì)公業(yè)務(wù)客戶(hù)經(jīng)理只能在網(wǎng)站四處搜索獲取企業(yè)輿情信息，難免出現(xiàn)漏查狀況，貸款企業(yè)輿情風(fēng)險(xiǎn)分析準(zhǔn)確度不高；在接入DeepSeek后，通過(guò)后者的強(qiáng)推理能力，其生成的企業(yè)盡職調(diào)查報(bào)告輿情風(fēng)險(xiǎn)分析準(zhǔn)確度超過(guò)90%；此外，DeepSeek的強(qiáng)推理能力，可以讓企業(yè)某些信息自動(dòng)準(zhǔn)確地“匹配”企業(yè)風(fēng)險(xiǎn)報(bào)告相關(guān)內(nèi)容輸入要求，令報(bào)告自動(dòng)填充率明顯提高。”

他直言：“目前，我們與多家合作銀行內(nèi)測(cè)均發(fā)現(xiàn)，DeepSeek在企業(yè)風(fēng)險(xiǎn)報(bào)告、盡職調(diào)查報(bào)告的自動(dòng)填充率與輿情風(fēng)險(xiǎn)分析準(zhǔn)確性等方面，均不亞于其他大模型。”

蘇商銀行高級(jí)研究員孫揚(yáng)表示，蘇商銀行已應(yīng)用DeepSeek VL2多模態(tài)模型處理非標(biāo)材料，如表格、影像資料、文檔圖片等識(shí)別，將提升信貸材料綜合識(shí)別準(zhǔn)確率至97%。此外，蘇商銀行將DeepSeek的蒸餾技術(shù)應(yīng)用于信貸風(fēng)控、反欺詐等20多個(gè)場(chǎng)景，使盡調(diào)報(bào)告生成效率提升40%，欺詐風(fēng)險(xiǎn)標(biāo)簽準(zhǔn)確率提升35%。

隨著DeepSeek在信貸場(chǎng)景的應(yīng)用日益普及，互聯(lián)網(wǎng)助貸平臺(tái)也在積極接入DeepSeek提升普惠信貸智能化水準(zhǔn)。

近日，數(shù)禾科技完成了DeepSeek-R1-32B與DeepSeek-R1-671B（滿(mǎn)血版）的本地化部署，進(jìn)一步提升在線(xiàn)普惠信貸風(fēng)控及服務(wù)的智能化水準(zhǔn)。

數(shù)禾科技CTO章積偉向《每日經(jīng)濟(jì)新聞》記者透露：“在互聯(lián)網(wǎng)普惠信貸場(chǎng)景，金融機(jī)構(gòu)需綜合評(píng)估貸款人征信報(bào)告、職業(yè)、收入狀況、以往還款記錄等眾多數(shù)據(jù)信息，再做出相對(duì)科學(xué)的信貸決策。以往，對(duì)這些用戶(hù)數(shù)據(jù)信息的梳理評(píng)估，金融機(jī)構(gòu)主要依靠基于專(zhuān)家經(jīng)驗(yàn)的AI風(fēng)控引擎。在接入DeepSeek后，金融機(jī)構(gòu)可以借助DeepSeek強(qiáng)大推理能力所形成的信貸風(fēng)控建議，成為金融機(jī)構(gòu)完善信貸風(fēng)控體系的新輔助工具。”

此外，如何妥善解決DeepSeek所帶來(lái)的“幻覺(jué)”挑戰(zhàn)，仍是金融機(jī)構(gòu)在信貸場(chǎng)景用好DeepSeek的一大挑戰(zhàn)。上述金融科技平臺(tái)負(fù)責(zé)人告訴記者，在與銀行開(kāi)展測(cè)試過(guò)程，他們偶爾會(huì)遇到DeepSeek強(qiáng)大推理能力所帶來(lái)的“反作用”。比如，DeepSeek偶然會(huì)“自說(shuō)自話(huà)地”地虛構(gòu)企業(yè)某些業(yè)務(wù)狀況，影響銀行的信貸決策準(zhǔn)確性。

值得注意的是，隨著DeepSeek在金融機(jī)構(gòu)信貸場(chǎng)景的應(yīng)用日益廣泛，它是否會(huì)取代其他大模型，正成為業(yè)界關(guān)注熱點(diǎn)。章積偉告訴記者，DeepSeek系列大模型將與現(xiàn)有其他大模型形成多元互補(bǔ)格局，進(jìn)一步提升數(shù)禾科技在智能信貸服務(wù)領(lǐng)域的質(zhì)效。

他表示，由于大模型性能不同，金融機(jī)構(gòu)要讓大模型在信貸場(chǎng)景充分發(fā)揮降本增效作用，就需要根據(jù)不同大模型性能與優(yōu)勢(shì)進(jìn)行融合使用。目前，DeepSeek的一大特點(diǎn)，是助力企業(yè)在多種智能化場(chǎng)景復(fù)雜推理任務(wù)處理方面實(shí)現(xiàn)質(zhì)的提升。

DeepSeek的強(qiáng)推理能力，將提升信貸風(fēng)險(xiǎn)預(yù)警準(zhǔn)確度

隨著大模型在金融場(chǎng)景的應(yīng)用日益增多，越來(lái)越多銀行與助貸機(jī)構(gòu)都致力于通過(guò)大模型提升信貸業(yè)務(wù)智能化操作水準(zhǔn)。

尤其在信貸業(yè)務(wù)風(fēng)險(xiǎn)管理方面，銀行希望大模型技術(shù)能帶來(lái)更精準(zhǔn)的風(fēng)險(xiǎn)評(píng)估與風(fēng)險(xiǎn)預(yù)警能力。

以往，銀行在進(jìn)行信貸審批時(shí)，如何綜合評(píng)估用戶(hù)的信用記錄、收入情況、負(fù)債水平等因素，從而更全面精準(zhǔn)地研判違約風(fēng)險(xiǎn)，主要依賴(lài)基于專(zhuān)家經(jīng)驗(yàn)的傳統(tǒng)風(fēng)險(xiǎn)評(píng)估模型，但這容易引起“人為誤判”。

在大模型技術(shù)在信貸場(chǎng)景得到應(yīng)用后，銀行通過(guò)大模型技術(shù)，對(duì)海量用戶(hù)數(shù)據(jù)信息和非結(jié)構(gòu)化數(shù)據(jù)（比如用戶(hù)部分金融行為等）進(jìn)行分析，挖掘傳統(tǒng)風(fēng)險(xiǎn)評(píng)估模型難以發(fā)現(xiàn)的風(fēng)險(xiǎn)因素與潛在風(fēng)險(xiǎn)信號(hào)。

前述金融科技平臺(tái)負(fù)責(zé)人告訴記者：“通過(guò)對(duì)用戶(hù)社交媒體數(shù)據(jù)、新聞報(bào)道等非結(jié)構(gòu)化數(shù)據(jù)的全面分析，DeepSeek能捕捉到企業(yè)、個(gè)人的負(fù)面輿情信息，包括企業(yè)經(jīng)營(yíng)糾紛、個(gè)人不良信用傳聞等，并將這些信息納入銀行的信貸風(fēng)險(xiǎn)評(píng)估體系，令信貸風(fēng)險(xiǎn)評(píng)估更全面準(zhǔn)確。”

在信貸風(fēng)險(xiǎn)預(yù)警方面，DeepSeek正發(fā)揮新的作用，比如它能實(shí)時(shí)監(jiān)測(cè)市場(chǎng)動(dòng)態(tài)與客戶(hù)行為變化，及時(shí)發(fā)現(xiàn)潛在的信貸風(fēng)險(xiǎn)事件。尤其是當(dāng)利率波動(dòng)、行業(yè)狀況出現(xiàn)異動(dòng)、客戶(hù)金融交易行為出現(xiàn)異常時(shí)，DeepSeek能根據(jù)預(yù)設(shè)的風(fēng)險(xiǎn)模型與閾值，快速向銀行發(fā)出預(yù)警信號(hào)，銀行能夠提前采取相應(yīng)的風(fēng)險(xiǎn)應(yīng)對(duì)措施。

“DeepSeek的強(qiáng)推理能力，結(jié)合相應(yīng)的數(shù)據(jù)訓(xùn)練，能幫助銀行捕捉到企業(yè)個(gè)人某些異常行為所帶來(lái)的潛在信貸風(fēng)險(xiǎn)隱患，有效降低潛在的不良率。”這位金融科技平臺(tái)負(fù)責(zé)人向記者指出。據(jù)評(píng)估，基于DeepSeek的信貸風(fēng)險(xiǎn)管理系統(tǒng)幫助銀行對(duì)潛在風(fēng)險(xiǎn)事件的預(yù)警準(zhǔn)確率提升約20%，這也是當(dāng)前DeepSeek相比其他大模型，在信貸場(chǎng)景應(yīng)用領(lǐng)域所呈現(xiàn)的獨(dú)特價(jià)值。

章積偉向記者透露，在接入DeepSeek后，普惠信貸業(yè)務(wù)智能化水準(zhǔn)提升還體現(xiàn)在三大方面。一是智能決策中樞得到強(qiáng)化，因?yàn)镈eepSeek有效提升數(shù)據(jù)處理速度與準(zhǔn)確性，對(duì)信貸逾期率、不良率等指標(biāo)的趨勢(shì)預(yù)測(cè)提供更科學(xué)的分析支持；二是風(fēng)險(xiǎn)管理系統(tǒng)開(kāi)發(fā)效能得到提速增效，因?yàn)镈eepSeek提供更精準(zhǔn)的代碼補(bǔ)全和錯(cuò)誤監(jiān)測(cè)，風(fēng)險(xiǎn)管理系統(tǒng)開(kāi)發(fā)效率提升的同時(shí)，開(kāi)發(fā)成本也相應(yīng)降低；三是DeepSeek本地化部署后，可以覆蓋文檔處理、跨團(tuán)隊(duì)協(xié)作的全棧式AI解決方案，令企業(yè)能更快響應(yīng)用戶(hù)在信貸申請(qǐng)等環(huán)節(jié)所提出的各種疑惑，有效提升用戶(hù)信貸體驗(yàn)。

此外，他強(qiáng)調(diào)說(shuō)：“面對(duì)AI換臉、AI擬聲等深度合成技術(shù)被濫用所出現(xiàn)的新型欺詐行為，DeepSeek的強(qiáng)推理能力與深度學(xué)習(xí)算法，再結(jié)合歷史數(shù)據(jù)的訓(xùn)練，可以構(gòu)建更強(qiáng)的智能模型，進(jìn)而更精準(zhǔn)地識(shí)別上述新型欺詐行為，進(jìn)一步減少金融機(jī)構(gòu)的業(yè)務(wù)損失。”

章積偉向記者表示，DeepSeek將推動(dòng)數(shù)禾科技進(jìn)一步構(gòu)筑企業(yè)級(jí)AI中臺(tái)，進(jìn)而重構(gòu)信貸審批數(shù)字化鏈路，為普惠金融業(yè)務(wù)流程數(shù)智化轉(zhuǎn)型提供有力支撐。

通過(guò)加密技術(shù)等手段，可實(shí)現(xiàn)銀行數(shù)據(jù)在DeepSeek的訓(xùn)練中“可用不可見(jiàn)”

上述金融科技平臺(tái)負(fù)責(zé)人向記者透露，盡管DeepSeek在信貸場(chǎng)景的應(yīng)用成效相當(dāng)不錯(cuò)，但在實(shí)際操作環(huán)節(jié)，銀行仍需借助數(shù)據(jù)參數(shù)更大的大模型，先對(duì)用戶(hù)海量信息數(shù)據(jù)進(jìn)行處理，再借助DeepSeek的強(qiáng)推理能力，令A(yù)I生成的企業(yè)信貸報(bào)告準(zhǔn)確性與全面性進(jìn)一步提升。

為了更好地發(fā)揮DeepSeek在信貸場(chǎng)景的應(yīng)用成效，銀行正著手對(duì)數(shù)據(jù)處理與數(shù)據(jù)分析架構(gòu)進(jìn)行升級(jí)。

這位金融科技平臺(tái)負(fù)責(zé)人告訴記者，以往銀行的數(shù)據(jù)處理架構(gòu)主要以關(guān)系型數(shù)據(jù)庫(kù)為主，側(cè)重針對(duì)結(jié)構(gòu)化數(shù)據(jù)的存儲(chǔ)處理，難以滿(mǎn)足DeepSeek對(duì)海量非結(jié)構(gòu)性數(shù)據(jù)的處理需求，如此DeepSeek的強(qiáng)推理能力的充分發(fā)揮，容易遭遇某種制約，而企業(yè)個(gè)人信貸報(bào)告的輿情事件風(fēng)險(xiǎn)分析準(zhǔn)確度也難以得到進(jìn)一步提升。

“我們正與合作銀行溝通，引入新的大數(shù)據(jù)平臺(tái)與分布式數(shù)據(jù)存儲(chǔ)技術(shù)，實(shí)現(xiàn)對(duì)用戶(hù)海量結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)與非結(jié)構(gòu)化數(shù)據(jù)的統(tǒng)一存儲(chǔ)管理。”他告訴記者。

此舉目前最大的挑戰(zhàn)，不在于分布式數(shù)據(jù)存儲(chǔ)技術(shù)的引入，而是銀行在存儲(chǔ)管理上述數(shù)據(jù)時(shí)，如何持續(xù)增強(qiáng)數(shù)據(jù)質(zhì)量管理——比如通過(guò)數(shù)據(jù)清洗、去重與標(biāo)準(zhǔn)化格式化操作，提升數(shù)據(jù)質(zhì)量與準(zhǔn)確性，從而給DeepSeek在信貸場(chǎng)景發(fā)揮強(qiáng)推理能力提供更好的數(shù)據(jù)基礎(chǔ)。此外，當(dāng)銀行使用DeepSeek處理涉足多個(gè)信貸系統(tǒng)的復(fù)雜業(yè)務(wù)場(chǎng)景時(shí)，如何保證數(shù)據(jù)的一致性與完整性，又是一大挑戰(zhàn)。

一位銀行對(duì)公業(yè)務(wù)部門(mén)人士向記者透露，當(dāng)前他們?cè)跍y(cè)試DeepSeek的信貸場(chǎng)景應(yīng)用成效時(shí)，還發(fā)現(xiàn)如何讓DeepSeek與銀行現(xiàn)有數(shù)據(jù)安全技術(shù)適配，也是亟須解決的挑戰(zhàn)。

具體而言，銀行在使用DeepSeek時(shí)，基于對(duì)用戶(hù)數(shù)據(jù)隱私安全保護(hù)的要求，需采取加密技術(shù)、訪(fǎng)問(wèn)控制技術(shù)和數(shù)據(jù)脫敏技術(shù)等措施，確保敏感數(shù)據(jù)在傳輸、處理過(guò)程的安全性，其中包括先對(duì)客戶(hù)身份證號(hào)碼、銀行卡號(hào)等敏感信息進(jìn)行加密處理，在數(shù)據(jù)輸入DeepSeek前還得做好脫敏操作等。

但在實(shí)際操作過(guò)程，“投喂”給DeepSeek的數(shù)據(jù)來(lái)源相當(dāng)廣泛。其中包括銀行內(nèi)部數(shù)據(jù)、外部合作伙伴與第三方數(shù)據(jù)，且數(shù)據(jù)質(zhì)量參差不齊，容易存在數(shù)據(jù)缺失、錯(cuò)誤與重復(fù)等狀況，既影響DeepSeek模型的訓(xùn)練效果與預(yù)測(cè)準(zhǔn)確性，又容易不小心出現(xiàn)數(shù)據(jù)泄露風(fēng)險(xiǎn)。

“針對(duì)DeepSeek在信貸場(chǎng)景的數(shù)據(jù)訓(xùn)練使用要求，我們一方面增強(qiáng)對(duì)數(shù)據(jù)清洗、驗(yàn)證與修復(fù)，先確保訓(xùn)練數(shù)據(jù)的準(zhǔn)確性與完整度，另一方面也采取加密技術(shù)、聯(lián)邦學(xué)習(xí)等隱私計(jì)算技術(shù)，實(shí)現(xiàn)數(shù)據(jù)在DeepSeek等大模型訓(xùn)練方面的‘可用不可見(jiàn)’。”他告訴記者。

在他看來(lái)，隨著大模型技術(shù)在信貸等場(chǎng)景的應(yīng)用日益普及，金融場(chǎng)景的多個(gè)大模型并行應(yīng)用時(shí)代已經(jīng)悄然來(lái)臨。

他告訴記者，通過(guò)初步測(cè)試，他們發(fā)現(xiàn)將DeepSeek與其他大模型并行使用，所生成的企業(yè)信貸報(bào)告與個(gè)人信貸風(fēng)險(xiǎn)評(píng)估報(bào)告更加精準(zhǔn)。究其原因，是DeepSeek的強(qiáng)推理能力，提升了用戶(hù)輿情事件的風(fēng)險(xiǎn)分析準(zhǔn)確度，而其他大模型對(duì)用戶(hù)海量結(jié)構(gòu)性數(shù)據(jù)與非結(jié)構(gòu)性數(shù)據(jù)的處理，令信貸報(bào)告的整體質(zhì)量較以往客戶(hù)經(jīng)理人工操作更好。

近日，騰訊理財(cái)通在接入DeepSeek-R1模型滿(mǎn)血版同時(shí)，繼續(xù)支持混元大模型應(yīng)用。

記者獲悉，不同大模型在騰訊理財(cái)通的金融場(chǎng)景應(yīng)用側(cè)重有所不同，比如依托混元大模型的龐大金融數(shù)據(jù)參數(shù)，騰訊理財(cái)通可以結(jié)合全市場(chǎng)基金及股票實(shí)時(shí)行情，以及A股、港股、美股深度研報(bào)及財(cái)報(bào)，為用戶(hù)提供準(zhǔn)確、實(shí)時(shí)大盤(pán)分析與市場(chǎng)走勢(shì)解讀；借助DeepSeek深度分析推理能力與騰訊理財(cái)通專(zhuān)業(yè)投研分析，用戶(hù)可以獲得熱門(mén)投資行業(yè)分析、基金篩選、基金診斷、資產(chǎn)配置分析、智能客服等個(gè)性化投資理財(cái)與陪伴服務(wù)。此外，在接入DeepSeek后，騰訊理財(cái)通還將進(jìn)一步整合專(zhuān)業(yè)金融信息數(shù)據(jù)、微信公眾號(hào)文章等資源，提供專(zhuān)業(yè)性更強(qiáng)、時(shí)效性更高的金融服務(wù)。

前述金融科技平臺(tái)負(fù)責(zé)人向記者指出，隨著財(cái)富管理、信貸等金融場(chǎng)景的多個(gè)大模型并行時(shí)代來(lái)臨，銀行等金融機(jī)構(gòu)正根據(jù)大模型性能特點(diǎn)進(jìn)行“分工”，令他們“各司其職”。其中一個(gè)比較明顯的趨勢(shì)是，部分銀行將自研的金融大模型用于數(shù)據(jù)清洗去重與標(biāo)準(zhǔn)化處理，將DeepSeek用于數(shù)據(jù)分析推理。甚至還有銀行正嘗試將DeepSeek開(kāi)源大模型融入自研的金融大模型，一站式地提升信貸風(fēng)控精準(zhǔn)性與財(cái)富管理服務(wù)智能化水準(zhǔn)。

記者注意到，銀行在多個(gè)大模型并行應(yīng)用的布局進(jìn)展相當(dāng)迅速。

近日，中原銀行采用本地化方式，部署DeepSeek R1滿(mǎn)血模型、R1蒸餾模型與JanusPro多模態(tài)模型，支持與銀行內(nèi)部應(yīng)用高效集成對(duì)接，根據(jù)實(shí)際應(yīng)用進(jìn)行持續(xù)調(diào)優(yōu)，滿(mǎn)足各類(lèi)金融場(chǎng)景應(yīng)用需求。未來(lái)，中原銀行計(jì)劃充分發(fā)揮DeepSeek大模型在深度思考推理等方面的特點(diǎn)，在智能信貸、知識(shí)問(wèn)答、產(chǎn)業(yè)圖譜、智能客服、智能研發(fā)等場(chǎng)景探索創(chuàng)新應(yīng)用，全面提升金融服務(wù)質(zhì)效。

封面圖片來(lái)源：視覺(jué)中國(guó)-VCG41N1354372881