AI导读：

中国人工智能平台DeepSeek在金融领域掀起波澜，多家银行已进行本地化部署。DeepSeek高性能、低成本的特点满足中小银行降本增效需求，为中小银行提供了弥合技术差距的良机。但人工智能大模型也面临合规挑战、数据安全等问题，金融机构需在技术进步与风险防控间找到平衡点。

　　今年以来，中国人工智能平台深度求索（Deepseek）在金融领域掀起波澜，多家银行已进行DeepSeek系列大模型本地化部署，挖掘其应用潜力。这一创新技术正逐步改变金融行业的格局。

　　成本高昂一直是制约人工智能大模型普及的关键。金融行业虽资金充裕，但高昂的训练成本仍令众多金融机构止步。曾有预测称，若成本继续上涨，坚持做人工智能大模型的金融厂商或将锐减。此外，大模型可能加剧金融机构的两极分化，大型银行快速抢占技术高地，而中小银行则面临技术落后风险。DeepSeek的出现，为中小银行提供了弥合技术差距的良机。

　　DeepSeek的核心优势在于高性能与低成本，这一特点恰好满足中小银行降本增效的需求。据悉，DeepSeek能将训练成本降至传统大模型的十分之一，大幅降低应用门槛。招联首席研究员董希淼指出，DeepSeek融合多模态数据处理、知识图谱构建等，低算力消耗带来的低成本优势，使其更适配中小银行，有助于降低应用门槛和成本。

　　开源也是DeepSeek备受中小银行青睐的原因之一。以往，中小银行受闭源生态限制，难以跟上技术更新节奏。通用大模型因缺乏专业性而难以满足金融行业需求。而开源的DeepSeek为中小银行提供了新技术选择，可基于其框架进行二次开发，快速上线定制化应用。长期来看，中小银行将迈向“开源+微调”模式，减少对外部服务商的依赖，促进金融行业均衡发展。

　　然而，DeepSeek也面临人工智能大模型的共性问题，如合规挑战、数据安全等。中国邮政储蓄银行研究员娄飞鹏表示，人工智能大模型可能存在路径依赖、AI幻觉等问题，需提升可靠性与准确性，避免错误决策导致资金损失。

　　金融机构在应用人工智能技术时，需在技术进步与风险防控间找到平衡点。DeepSeek的开源、高性能、低成本为中小银行带来技术赋能，但中小银行还需在数据治理、合规框架和风险控制上加大投入，确保技术安全可靠。

（文章来源：经济日报）