作者｜沙丘智库研究团队
来源｜沙丘社区（www.shaqiu.cn）
2025开年，DeepSeek热潮席卷全球，至今仍然是大模型市场最热门的话题之一。2025年春节后，银行、保险、证券等领域多家金融机构纷纷表示接入了DeepSeek大模型。
通过对DeepSeek大模型市场的长期跟踪，沙丘智库观察到，金融机构接入DeepSeek并不是“跟风”行为，多家金融机构已经初步验证了DeepSeek在复杂场景的推理能力以及对业务产生的价值，将进一步加速金融机构对大模型的应用深度。
短期来看，金融机构可以借助DeepSeek升级原来的大模型应用解决方案，以实现更好的效果，从近期的落地探索来看，知识问答助手、智能编码助手、智能文档助手是金融机构主要利用DeepSeek大模型赋能的场景。以知识问答助手应用为例，可以利用DeepSeek生成追问从而更好地理解用户意图，以及生成更高质量的长文本问答结果。
中长期来看，以DeepSeek R1为代表的推理模型，基于其对复杂逻辑链的解构能力，有望推动金融机构大模型应用场景向决策类迈进，使得传统分类或预测模型无法实现的场景成为可能。
沙丘智库通过研究中国工商银行、中国太保、中国邮储银行、江苏银行等金融机构的DeepSeek大模型应用实践，旨在为其他金融机构提供参考。
▎案例1：工商银行DeepSeek赋能多场景
中国工商银行深度应用DeepSeek大模型，实现多场景赋能：
在智能投研场景，中国工商银行基于DeepSeek大模型推出智能量化助手和智能研究报告助手，构建起“市场洞察-报告生成-决策支持-策略研发”全链条智能生态；
在智能营销场景，中国工商银行利用DeepSeek-R1大模型升级AI财富助理，通过客户洞见、产品洞见和通用问答三大能力突破，推动金融服务智能化转型；
在软件开发场景，中国工商银行基于DeepSeek大模型开发“面向移动端的智能研发助手”，对接DeepSeek R1深度思考模型及通用模型，提升移动端研发效能。
案例选自：沙丘智库《大模型应用跟踪月报（2025年3月）》
▎案例2：中国太保DeepSeek大模型探索实践
太保尝试用DeepSeek解决针对保险问题的专业问答，选择财税专家进行试点，解答财务和税务方面的保险相关问题。
针对此类场景，太保初期采用Qwen 2.5-72B模型+RAG实现，但答案采纳率约为70%，随后引入Agent框架，通过多步思考与反思机制提升大模型能力，准确率提升至86%。
DeepSeek出现后，太保直接用DeepSeek解答问题，准确率达到90%。对DeepSeek回答失败的场景进行进一步分析，发现模型产生了不存在的法律条款幻觉，导致错误。通过将这些条款整理为RAG与DeepSeek配合，最终准确率提升至99.4%。
完整内容：中国太保DeepSeek大模型探索实践
▎案例3：邮储银行DeepSeek大模型部署应用
依托 “邮智”大模型，邮储银行本地部署并集成DeepSeek V3模型和轻量DeepSeek R1推理模型。通过引入并应用DeepSeek能力，“邮智”大模型旨在增强复杂多模态、多任务处理、算力节约、效能提升等方面的能力。
例如在“小邮助手“中，邮储银行新增逻辑推理功能，增强精准服务效能；通过深度分析等功能，更准确地识别用户需求，提供个性化和场景化的服务方案；借助高效推理性能，加快响应速度和任务处理效率。
案例选自：2025年中国银行业大模型应用跟踪报告
▎案例4：江苏银行DeepSeek应用
基于“智慧小苏”大模型服务平台，江苏银行引入DeepSeek大模型，使得“智慧小苏”在复杂多模态、多任务场景处理能力、算力节约、效能等方面再次提升。江苏银行本地化部署微调了DeepSeek VL2多模态模型和轻量DeepSeek R1推理模型，分别运用于智能合同质检和自动化估值对账场景中。
其中，在自动化估值对账场景，传统资产托管估值对账依赖人工处理每日超2000封差异化邮件，对TA信息、交易信息、估值信息等区分后手工录入比对，存在录入工作量大、对账异常回溯困难等问题。
江苏银行应用R1推理模型，结合邮件网关解析处理能力，实现邮件分类、产品匹配、交易录入、估值表解析对账全链路自动化处理，识别成功率达90%以上，目前已初步实现业务集中运营，按照平均手工操作水平测算，每天可节约9.68小时工作量。
案例源自：银行业DeepSeek大模型应用跟踪报告
▎更多研究（可前往“沙丘智库”查阅）
2025年中国银行业大模型应用跟踪报告
国资央企DeepSeek大模型应用跟踪报告
银行业DeepSeek大模型应用跟踪报告
2025年中国保险业大模型应用跟踪报告
2024年AI Agent最佳实践报告
2024年“大模型+数据分析”最佳实践报告
...
*更多生成式AI研究可前往“沙丘智库”小程序查阅
*有任何需求可咨询客服微信：zimu738
