辅助客户决策 。行抢向客箱算大多通过运用DS的地何逻辑推理、在抢跑赛中 ，户解即可迅速部署并应用大模型
。释黑因长链推理模式的行抢向客箱算革新，其中不乏区域农商行和农信社 。地何北部湾银行和中原银行亦是户解如此。DS可以结合RPA（机器人流程自动化）技术实现开户
 、释黑

“我们是国内首批接入DS大模型应用的金融机构之一。

上海金融与发展实验室主任、地何审核模型在实际运用中的户解合法  、借此提升信贷审批效率与反欺诈监测准确率 。释黑重庆银行、行抢向客箱算城商行序列中的地何江苏银行、传输、户解语义理解） ，邮储银行总行相关负责人在接受南方周末新金融研究中心调研时表示，替代客户动态整治等；员工内训方面 ，成本效益比和多样化的场景应用能力 ，在对用户数据进行收集时
，解读大模型的决策逻辑 。多模块运作和语言支持能力对相关业务板块进行赋能。聪慧风控和准确推广等多个领域均实现技术上的颠覆 。

在金融科技上投入不及大型银行的中小银行为何对接入DS一事如此热衷
？

青岛农商银行信息科技部负责人在接受南方周末新金融研究中心调研时表示，邮储银行将DS大模型应用于“小邮助手” ，算法黑箱等问题成为银行从业者亟须解决的难题
。

聪慧客服、用本地化部署的方式接入DS
，然后根据需求对其进行知识投喂、针对老年客户自动切换为简明语音交互模式 ，很明显，民营银行贷款的可得性或将进一步提升。

2025年3月8日，转账等标准化流程的自动化；通过分析网点内客户的交互数据（如停留区域、系统能通过动态图表解析风险等级与收益结构，新增了其逻辑推理和深度分析能力 ，DS将助力该行在聪慧客服 、因拥有有力的语言生成和推理能力 ，

按时间线来看，信息稳妥和算法“黑箱”等问题。在理财产品购买环节 ，DS可依托增强现实（AR）或数字人交互界面 ，

财报数据分析亦是银行重点关注的领域。针对AI模型在生成内容时出现的幻觉现象 ，成都银行
、风险图谱构建等核心场景的逻辑推理准确率将提升至行业标杆水准；第二，DS并未根本上解决人工聪慧领域永久存在幻觉、机动替代DS模型的参数和功能；其次
，可以预见 ，以应对AI应用中产生的决策失误 、要通过DS提升网点金融数字化水平。截至3月15日，有利于数据稳妥体系替代。

一是，

前述青岛农商银行信息科技部负责人称 ，训练和针对性技术开发。在部署DS时 ，还需在关键领域保留人工审核岗位 ，

事实上，数据庞杂且极具敏感度，依托开源模型架构与定制化微调方案，这些银行的聪慧客服水准将较此前有所改观 。以防用户信息遭受滥用和泄露；二是，南方周末新金融研究中心研究员认为，DS在银行网点具有广泛深远的应用潜力。DS将助力银行在三个方面提升效能：第一，聪慧资产估值等关键模块；第三，银行应采取三种严谨防范措施 ，引入DS于金融机构而言是把“双刃剑”：一方面可以提高工作效率，永州农商行均在2月份对外宣告完成接入DS
。民营银行（5家） 、进而对多个业务板块进行赋能。可通过加密沙箱与数据中台确保“数据不出域”，中小银行表现出较为浓厚的兴趣。他们是2025年2月10日正式对外公布，近10家银行对外宣称其借助DS应用于财报及数据分析领域，即只在用户知情同意的前提下收集必要信息
，在贷款审批等高风险场景中保留人工审核环节，DS还可以支持网点的数字标牌系统实时推送理财产品和汇率等信息，工行公开“录用”DS具有标志性意义 ：这或许在某种程度上象征了银行业对这一科学技术落地运用的认可。银行难以向客户解释贷款审批结果的依据，

针对算法“黑箱”问题 ，国有银行和农信社（各3家）和政策性银行（1家） 。在已公布接入DS的银行中，存储、总计32家银行宣布接入DS
，销毁规范，在用户协议中向其充分说明AI决策的支配因素及申诉渠道，并将其接入原有大模型矩阵体系
。在监管方面，他建议，生成客户画像并替代推广策略，本地化部署使用的是公司内网，DS将赋能中小银行快捷构建反欺诈评估、拥有全国牌照的国有银行和股份制银行动作则略显迟缓 。

情绪状态及服务需求，为客户经理提供沉浸式培训范式 。实现跨终端服务衔接，推动传统服务向聪慧化
、通过透明化服务协议 ，提供个性化的问候与引导 。首席专家曾刚在接受南方周末新金融研究中心研究员调研时亦称，

邮储银行相关负责人表示，弱者恒弱”的马太效应 。

人工如何干涉聪慧  ？

DS的开源及低成本特性使得AI技术在银行业中更为推广，咨询内容等）  ，青岛农商行和江苏仪征农商行均表示，

 中小银行抢跑新技术落地

南方周末新金融研究中心调研发现，从而实现服务触达的准确分层；在业务办理过程中
，相比之下，合理性，构建财报分析助手和AI财富管家等十余个传统场景 。采取“最小化原则” ，监管机构也难以介入算法公平性和合规性的监管 。DS的开源模式使得中小银行无需投入大量资源进行技术研发
 ，但因AI“黑箱”特性 ，与平常老百姓体感密切相关的网点数字化也为业内所关注
。本地化存储部署方略，防止信息外流；三是 ，AI算法的“黑箱”特性不仅涉及信息技术，但实际接入时间更早。中小银行能够根据自身业务需求，AI的幻觉 、包括工行 、一向求稳的银行业正主动拥抱DS带来的技术革新。南方周末新金融研究中心调研公开信息发现，往后依次是城商行（6家） 、本地化部署方案，

本地化部署方案是否能够确保金融信息不外泄 ？另一家金融机构信息部负责人向南方周末新金融研究中心研究员解释称，数字人交互、提供更加个性化和迅速的用户体验 。其可用于提交授信审批的材料较传统商业银行多元。较之传统大模型 ，

朱国平预判，在已宣布接入DS的32家银行中，邮储银行、中小银行亦表现出与大型银行的一致性
。永州农商行和重庆农商行在内的至少10家银行将此大模型接入其聪慧客服板块 。在接入DS一事上，DS驱动的具身聪慧机器人或数字人可承担银行网点的第一触点服务。以达到监管合规要求。

南方周末新金融研究中心统计得知，更是技术繁琐性和公众信赖度之间的矛盾。

以普惠小微贷款和消费金融为核心业务的民营银行则侧重于把DS嵌入聪慧风控环节 ，以便准确识别用户需求 ，股份行（4家）、

为应对金融监管要求 ，前沿 ，以互联网为“主战场”的民营银行历来重视发展金融科技，制定严格的数据收集、包括重庆农商行、与此同时，将充分发挥开源大模型在强推理与繁琐数据处理等方面的优势，例如，中国工商银行宣布，其核心价值在于提升客户服务水平和赋能员工提质增效 。这使 AI技术在各类银行机构中迅速推广 。邮储银行和建设银行均有相同举动。准确化方向替代。叫号系统），

在DeepSeek（下称“DS”）引发全球新一轮AI旋风之际，在对数据作脱敏处理后再运用大模型加以处理，各类型银行的多个业务板块或将实现技术替代。

北京计算机学会区块链与数字金融专委会副主任、

DS是否能拉近中小银行与大型银行间的技术差距
，苏商银行和新网银行3家明确此项操作。准确推广等领域实现技术颠覆 。因此不存在公网版DS或是其他AI产品简便导致的信息泄露问题。并规范数据保存周期，完成本地化部署后，增进客户对AI决策逻辑的理解 。视觉感知、对高频业务需求客户直接推送自助服务入口，其中10家是地处一隅的农商行。按数量及机构类别排序，端云协同推理等新兴技术，浦发银行、DS降低了使用门槛，DS为中小银行提供了一种高性价比的解决方案
。聪慧风控、在这场因人工聪慧替代触发的数字化新赛道中 ，借助此波浪潮，机器人能够主动识别客户身份 、但不可否认的是，尤其是在信贷审批环节
。DS可以模拟真切业务场景，相当于下载了一个空白大脑  ，北京德恒律师事务所合伙人刘扬在接受南方周末新金融研究中心调研时表示，银行可以组建跨领域的职能团队，首先，刘扬认为，邮储银行在聪慧客服、“接入DS是必须要做的事”。

作为“宇宙第一银行”
，在已宣布接入DS的32家银行中，出于数据稳妥和隐私要求的核心考虑，完成DS最新开源大模型的本地化部署，一定程度上打破了“强者恒强、减少客户等待时间 。”青岛农商行相关人士对南方周末新金融研究中心研究员称 ，通过深度融合具身聪慧机器人
、例如  ，机器人可联动网点设备（如自助终端 、工行称，提供涵盖基本信息和产品强推话术等在内的个性化推广方案。银行可以在技术方面
，此时决策出现失误的风险就大大增加，保存 、进而打破金融科技于不同主体间的马太效应？银行业如何在技术革新与稳妥合规间实现动态平衡？南方周末新金融研究中心通过调研银行和相关专家发现
，按照工作流程，亟须在技术革新与稳妥合规中寻找动态平衡
。在已有AI技术赋能下，此外 ，除工行外，银行可采取私有化、利用AI算法进行贷款审批时，信息泄露等风险。在客户体验方面
，在提升网点数字化水平方面，以聪慧客服为例 ，聪慧风控更聪慧

DS将赋能银行的哪些业务环节？

南方周末新金融研究中心调研发现 ，

网点机器人能识别客户情绪状态

除上述提及的银行中后台环节更聪慧化外
，但另一方面 ，信贷审批 、中小银行确实在接入DS一事上更加主动。南方周末新金融研究中心调研得知，北京银行 、本地化部署亦是已宣布接入DS银行的主要部署方式。基于技术领先性、银行作为金融业的核心，目前已有微众银行、例如，邮储银行、此番有了DS的“加持”，聪慧风控和财报数据分析是DS较为集中赋能的应用场景。提供可视化的操作指引 。通过多模态交互技术（如语音识别
、确保AI决策的妥善性 。DS能够重构银行网点的服务流程与运营模式 ，

国有大行序列中，青岛农商行、银行在采取如多模态交叉验证和知识图谱技术对生成内容进行核验外，聪慧客服、

南方周末新金融研究中心调研亦发现 ，从成本投入角度而言
，

工行软件开发中心专家朱国平近期撰文指出，引进LIME和SHAP等模型解释工具
，银行可能会根据收集到的客户数据进行风险评估和决策。通过分层级整治降低AI技术导致的决策失误风险。