界面新聞記者 | 孫藝真
隨著DeepSeek等低成本、高性能開源大模型的問世，AI應用在證券行業的普及和落地速度正顯著加快。
界面新聞注意到，截至2月7日，已有國金證券（600109.SH）、國元證券（000728.SZ）、華福證券、興業證券、國泰君安五家券商搶先宣布接入DeepSeek，上述券商普遍提到了DeepSeek開源和輕量化、低成本部署的特性。
華福證券于2月6日表示，公司已接入DeepSeek V3和R1兩款大模型產品，將使用這兩款大模型產品賦能員工知識問答、輔助軟件研發、輔助制定營銷方案、增強客戶陪伴等業務場景。
國金證券同日宣布，已完成DeepSeek大模型的本地化部署測試，且部署成本顯著降低，將應用于信息檢索、文檔處理、行業研究及市場研判等多個場景，并計劃拓展至智能服務、風險管理、投資分析等核心業務領域。
國元證券2月7日表示，公司基于深度求索（DeepSeek）最新發布的推理大模型DeepSeek-R1，近日已完成該模型在金融場景的本地化部署及適配性測試，計劃將其深度整合至自主研發的智能服務平臺“燎元智能助手”中。
國元證券提到，DeepSeek-R1通過算法創新顯著降低模型訓練與推理成本，其“能力提升、價格下探”的特性將加速AI在垂直行業的普惠化進程。
2月7日晚間，興業證券宣布，日前追加完成了DeepSeek V3和R1兩款大模型產品接入中臺大模型矩陣，可實現諸多業務場景的全面賦能升級。未來，DeepSeek可以在知識庫問答場景中輔助員工高效獲取知識，在智能客服領域助力客戶服務質量提升，在智能服務場景中輔助制定個性化方案，在研發輔助中進一步提升研發效能。
2月7日晚間，國泰君安相關人士對界面新聞表示，國泰君安證券基于對人工智能技術的深度探索，完成DeepSeek R1模型的本地化部署及適配性測試，將賦能和拓展“君弘靈犀”在智能問答、智投服務、投教、行業研究、市場分析、合規風控、信息檢索、文檔處理等多個核心業務場景的應用。
DeepSeek脫胎于量化私募幻方量化，是由杭州深度求索人工智能基礎技術研究有限公司 （DeepSeek） 推出的高性能、低成本開源大模型。從成立到成為“現象級應用”，DeepSeek的研發和落地僅不足兩年。
一名金融機構技術部門相關人士在受訪時談到，不同的大模型各有優勢，與之前的一些大模型相比，DeepSeek的特點是開源推理型大模型：“比如說你給他提供一段文字或者數據，它不會直接給你生成內容，而是會先基于你的意圖去分析你的一些思維方向是什么，會考慮得比較全面一點，所以會推導出來你最終想要的結果。”
國金證券通信首席分析師張真楨表示，DeepSeek模型通過多階段訓練等方法大幅降低了算力成本，解決了大模型開發成本過高的問題。私有化部署和自主微調的特性將進一步加速AI應用落地。他預計，單位算力成本的下降不會導致算力需求減少，反而會推動LLM（大語言模型）行業從頭部廠商主導的訓練階段向各行業擴散，形成規模效應。
近年來，隨著人工智能技術的飛速發展，大模型逐漸成為各行各業數字化轉型的核心驅動力。作為金融行業的重要參與者，券商也開始積極探索大模型的應用，試圖通過這一技術提升業務效率、優化客戶體驗并開拓新的商業模式。
除了此番接入DeepSeek之外，券商布局大模型的現狀如何？行業應用場景有哪些？未來又將面臨哪些挑戰與機遇？
上述金融機構IT工程師談到：“金融行業有海量的數據資源以及資金支持，自主研發或者接入大模型還是有一些天然優勢，比如說，券商的業務涵蓋投行、研究、交易、財富管理等多個領域，而這些業務領域均存在大量文本處理、數據分析和客戶交互需求，為大模型應用提供了天然土壤和數據資源，但是，金融領域的人工智能自研肯定還是要基于大公司去做。”
一名中小券商技術部門相關人士在受訪時表示，就在2024年年底，其所在公司也對接過兩家做大模型的科技公司，目前還在免費試用的階段，整體應用主要是日常辦公及數據分析，相對較為基礎。
整體而言，券商布局大模型的方式主要分為兩種，一是與科技公司合作，借助外部科技公司的技術力量快速落地應用，如商湯科技（00020.HK）與海通證券聯合發布的面向金融行業的多模態全棧式大模型、以及國元證券即將建成基于華為昇騰架構的智能算力平臺；二是自主研發，打造符合自身業務需求的專屬模型，如東方財富（300059.SZ）自研的“妙想”大模型，以及東吳證券（601555.SH）自主研發的的秀財大模型。
受訪人士進一步表示：“一般而言，大型金融機構肯定會選擇自研，代表就是幻方、東方財富等，既能掌握技術的主動權，也可以加快業務的迭代發展；不過，考慮到時間和成本，一般而言，多數券商會優先跟其他一些成熟的一些科技公司去合作，再慢慢過渡。”
在應用落地方面，有資管機構人士表示，AI技術、特別是引入了deepseek大模型以后的AI技術，將會對券商業務開展有巨大賦能作用，從大模型在券商業務中的應用場景來看，主要聚焦于智能投研、客服、投顧、IT運維、風控、市場營銷等領域。
具體而言，上述資管機構人士談到，客戶服務是券商最早運用的AI技術，比如通過分析客戶數據生成個性化投資建議，提供智能客服快速響應客戶需求等等，進一步減輕人工客服負擔；此外，人工智能可提升券商運營效率，比如自動化處理數據錄入、報告生成等任務，快速檢索和分析內部文檔等等；在加強數據分析預測方面，人工智能可幫助券商更準確地預測市場走勢，同時通過機器學習識別潛在風險，提供早期預警，幫助券商及時調整業務策略；在自營盤的投資組合優化方面，與量化類似，分析歷史數據和市場條件，優化資產配置，同時通過深度學習實時執行交易策略，最大化投資收益。開發創新產品方面，例如，基于DeepSeek的算法開發智能投顧平臺，提供個性化投資建議，同時結合區塊鏈技術開發更透明、安全的資產管理產品等。
“關鍵點在于人工智能后續如何與業務進一步精準適配或者說是調整。”受訪工程師表示。
他舉例稱，券商的產品營銷方案、財富業務、包括分析師做金融分析的報告等方面均可提升工作效率，但精準度仍需根據實際情況完善。比如，在券商的技術部門，DeepSeek已經可以做一些代碼開發的工作，但目前完整度僅在百分之七八十左右，后續仍需根據業務需求做定制化的代碼調整；另外，大模型分析的數據基本上是基于網上抓取下來的，所以部分數據相對過時，與最新的業務實際情況不完全相符。
“人工智能毋庸置疑是未來發展的重要方向，對于券商而言，抓住這一技術浪潮，不僅意味著效率的提升和成本的降低，更意味著在激烈的市場競爭中占據先機。但是距離正式的大規模商用，各個公司，實際上還都在探索，現在沒有任何一家公司可以說‘我完全能夠依賴它’。”前述金融機構IT工程師指出。