来源 |

作者 | 王柏匀

编辑 | 蒋诗舟

DeepSeek的浪潮蔓延至消费金融领域，其创新性、科学性和革命性受到业内认可，同时展现出显著的技术优势和应用潜力。但也有从业者指出，部分金融机构接入DeepSeek更多是出于追逐热点，而非实质性提升科技能力，实际落地充满挑战。

一位从业者表示，DeepSeek在消费金融领域现阶段最常见的方向是客服和营销，其它环节仍需人工辅助，“一方面因为金融数据还没有打通；另一方面受准确性等因素限制。”

关于在消费金融领域的挑战，DeepSeek App回答：主要体现在数据安全、模型可靠性、算力经济性、合规适配及人才资源等方面。

01降本增效在路上

据统计，目前，中邮消费金融、中原消费金融、乐信、宜人智科、信也科技、奇富科技等十余家金融科技类公司已经接入DeepSeek。

目前，接入的主要版本是DeepSeek-R1、DeepSeek V2、DeepSeek V3等。

据DeepSeek官网介绍，DeepSeek-R1-Zero和DeepSeek-R1是第一代推理模型。DeepSeek-R1在数学、代码和推理任务上的表现与OpenAl-o1相似。DeepSeek-V2是一个强大的专家混合Mixture-of-Experts，即MoE语言模型，其特点是经济高效的训练和推理。DeepSeek-V3则是一个强大MoE语言模型，总参数为671B，每个标记激活37B。

招联首席研究员、上海金融与发展实验室副主任董希淼认为，当前，金融业对大模型的应用基本上为两种模式：一种是自行开发模式，如多家银行先后披露了其在大模型领域的探索及应用；另一种是合作模式，如一些银行选择与科技公司合作，利用科技公司大模型为自身业务赋能。

现阶段，金融公司接入DeepSeek的模式主要包括协同模式、全云端部署、全本地化部署以及分层调用。其中，协同模式是指本地处理实时低风险任务，云端处理高价值分析，如中原消费金融采用的是“本地轻量化模型+云端大模型”协同模式。

中原消费金融首席信息官许志锋表示，采用协同模式基于效率与成本平衡；数据隐私与合规；资源弹性扩展；模型迭代灵活性等方面的考量。

宜人智科相关负责人称，接入DeepSeek将为公司带来显著的降本增效成果。“通过智能化手段，在营销、客服、风险管理等业务领域的效率将进一步提升，包括提升语音交互效率，加强客户转化率，显著降低运营成本等。”

中邮消费金融科技发展部负责人朱威认为，DeepSeek为消费金融领域智能化建设长期存在的痛点与瓶颈提供了创新解决方案，同时也为业务创新带来了众多新机会。

据乐信相关负责人介绍，DeepSeek的融合为乐信的运营和业务带来效率提升和体验优化。如在研发提效方面，公司大模型已实现研发人员100%落地应用，2024年月均辅助生成代码86万次、全年提出质量改进建议21万次，有效助力研发人员编码效率提升约35%。

在苏商银行特约研究员武泽伟看来，DeepSeek兼顾了低成本和高性能，意味着金融机构接入大模型的效益成本比明显提高，这将激励更多的金融机构积极拥抱大模型。

整体而言，DeepSeek在消费金融领域的应用场景包括营销、风控、客服、贷后以及企业内部运营。其中，营销场景可利用DeepSeek的推理能力，打造智能营销机器人复杂场景下的智能化营销服务；风控则是高效识别业务风险点，自动生成风险分析报告；DeepSeek可提升智能客服机器人处理复杂任务的能力等。

02数据安全与模型幻觉

不过，也有从业者直言，目前DeepSeek在消费金融领域的应用还是以客服和营销为主，其它环节面临多重挑战。

首先是数据安全与隐私保护。

某金融机构相关负责人表示，金融行业涉及大量敏感数据，如何在利用DeepSeek的同时确保数据安全和用户隐私，是金融机构必须面对的难题。

朱威称，虽然DeepSeek降低了训练和推理成本，但是大模型的资源需求还是较大的，同时由于金融行业严格的数据安全与合规性要求，消费金融企业在涉及数据安全的场景下需要采用私有部署的方式来降低合规风险。

然后是技术层面的挑战。

一方面，模型可解释性不足。DeepSeek的“黑盒”特性使得其决策过程难以解释，这在金融业务中可能影响决策的公信力。

在朱威看来，DeepSeek推理模型相对于通用模型会产生更大幻觉，也是消费金融企业在落地过程中需要解决的另一个主要问题。“关于幻觉，需要通过知识库检索增强生成、领域微调、人工校验等方式进行缓解，从而确保推理结果的准确性与可靠性。”

另一方面，模型需要更新与适配。许志锋解释，在金融场景中，政策调整、用户行为迁移等变化都要求模型持续优化。

此外，DeepSeek与消费金融领域融合还面临计算资源限制，云端大模型推理成本高昂，尤其是长文本、多轮对话场景；本地部署需平衡硬件投入与性能（如GPU算力）。

某金融机构相关负责人直言，部分金融机构的现有系统难以支持DeepSeek的部署，需要投入更多资源进行技术升级。

武泽伟表示，DeepSeek可能只是大模型“亲民化”的初试啼声，未来，大模型的接入和使用门槛一定会不断降低，从而显著拓展大模型在各个领域的覆盖范围和使用深度，很有可能重塑各个领域的思维惯性和经营模式，带来革命性的生产效率提升。

在董希淼看来，当数字技术创新不断涌现，如何实现技术进步和金融、社会安全的平衡，越来越受关注。人工智能在金融领域的巨大发展前景，为塑造产业新业态打开大门，有望形成新质生产力。