DeepSeek是一款基于AI技术的智能搜索引擎，结合深度学习与自然语言处理，提供精准、高效的搜索体验。探索DeepSeek，感受未来智能搜索的无限可能！

　　报告聚焦银行业对DeepSeek大模型的应用，涵盖技术洞察、策略建议、应用案例等方面，为银行业应用该模型提供全面参考。

　　1. DeepSeek大模型技术洞察：大模型发展进入深度推理时代，DeepSeek R1是重要里程碑，其推理能力强且成本低、权重开源。与通用基础模型相比，推理模型在思考模式、设计哲学等多方面存在差异。众多厂商纷纷推出推理模型，DeepSeek系列包括通用基础模型V3和多个推理模型，各有特点和适用场景。通过不同训练方式可构建和优化推理模型，SFT+RL是高性能推理模型的更优选择。DeepSeek R1在多场景有性能突破，但在特定领域决策任务和技术性能、安全隐私、生态系统等方面存在局限性。

　　2. 银行业应对DeepSeek的策略建议：使用DeepSeek R1等推理模型时，提示词应更简洁。多数银行选择本地化部署DeepSeek大模型，以蒸馏版32B和70B居多，主要用于增强原有应用场景逻辑推理能力。大型银行可本地化部署并利用相关技术拓展场景，中小银行可接入API探索创新；对于已有专属大模型，优先考虑蒸馏。短期可升级现有大模型应用，中长期有望推动应用向决策类场景迈进，但面临数据、监管、冷启动等挑战。本地化部署大模型技术栈的银行，可从MaaS层部署、强化模型效果、探索二次训练等方面与DeepSeek结合。

　　3. 银行业DeepSeek应用典型案例：工商银行基于“工银智涌”平台引入DeepSeek系列模型，用于财报分析、业绩考评等场景，在网络金融对公业绩考评中节约人力成本，业务采纳率高；打造“天枢百问”智能体，提升对公营销服务透明度与专业性。邮储银行依托“邮智”大模型集成DeepSeek模型，增强“小邮助手”服务能力，拓展多领域应用。江苏银行基于“智慧小苏”平台部署微调DeepSeek模型，在智能合同质检和自动化估值对账场景提升效率、防范风险。

　　4. 附录：19家银行DeepSeek大模型部署应用情况：涵盖国有银行、股份制银行、城商行、农商行等19家银行，它们在DeepSeek模型部署方式和应用场景上各有特色，涉及智能客服、信贷审批、风险防控、智能营销等多个领域，推动银行业务智能化升级 。