信息科技革新正深刻重塑金融版图，商业银行站在转型的关键节点，亟需探寻破局与进阶之道。随着人工智能技术的迅猛发展，大语言模型（Large Language Model，简称LLM）和机器人流程自动化（Robotic Process Automation，简称RPA）逐渐成为推动商业银行转型的核心引擎。在LLM的蓬勃发展中，DeepSeek脱颖而出，正为商业银行转型注入新动能。它与LLM、RPA相互配合，共同推动银行在客户服务、运营管理、风险防控等核心业务板块的智能化升级，为书写金融领域“五篇大文章”提供坚实支撑，助力商业银行在新时代浪潮中破浪前行，开启金融服务的全新篇章。

DeepSeek、LLM和RPA的比较

1. 三者之间的联系

在目标方面，三者都致力于提高工作效率、降低成本、提升用户体验，帮助企业实现数字化转型和智能化升级，都是推动人工智能和自动化技术发展的重要力量。

在应用协同方面，在实际业务中，DeepSeek或其他LLM可与RPA结合使用。例如在智能客服场景中，LLM负责理解客户问题并生成回复，RPA负责执行相关的业务操作，如查询订单、更新客户信息等。

2. 三者之间的区别

DeepSeek、LLM和RPA作为商业银行信息科技赋能业务的重要工具，主要不同见表1所示。

表1 DeepSeek、LLM和RPA的主要不同点

综上，DeepSeek之所以在国内金融圈火起来，主要有四点，一是自带金融基因。DeepSeek是幻方量化旗下的子公司，幻方量化是中国头部量化对冲基金之一，管理资金规模超千亿的金融公司。二是中文友好。它对中文场景的定制优化，解决了国外模型对中文支持的不足。三是便于自主研发。商业银行可以通过对模型进行蒸馏，做更适合行内业务的小模型。四是数据安全。私有化部署后，数据不出域，符合监管要求，实现了数据安全，便于数据治理。

DeepSeek在商业银行的应用场景分析

1. 国内商业银行DeepSeek应用场景情况

截至2025年2月，国内商业银行DeepSeek的主要应用场景见表2所示。

表2 国内商业银行DeepSeek应用场景

2. 主要应用场景分析

通过表2分析，这七家银行中，城商行占了三家，由此可见城商行对新技术的渴望极为迫切。这些场景中，客服及助手场景是第一位，占比为57.14%。风控场景和研发场景并列第二位，分别占比28.57%。

（1）客服及助手场景。DeepSeek助力打造的智能客服场景，新增逻辑推理功能，能实时、精准解答客户各类问题。无论是账户信息查询、业务办理流程咨询，还是理财产品介绍，都能迅速给出清晰易懂的答案。这不仅打破了传统客服的时间限制，实现全年无休服务，还避免了人工客服可能出现的情绪波动影响服务质量的问题。

（2）风控场景。在信用风险评估方面，DeepSeek整合客户多维度数据，包括信用历史、收入资产状况、行业动态等，还纳入社交媒体活跃数据、消费行为等非结构化信息。通过深度学习算法，构建更全面准确的信用风险评估模型，降低不良贷款风险。例如江苏银行，在信贷风险防控方面，利用DeepSeek模型优化后，识别及预警响应速度提升20%。

（3）研发场景。在系统研发方面，依托代码助手，根据自然语言描述自动生成代码，提高研发效率，优化代码结构，检查代码错误和安全隐患，确保代码质量。例如中信百信银行，80%的研发人员使用代码助手，周均提问突破上千人次，回复准确率91%，是名副其实的研发人员助手。

以上均为金融场景下的应用，若用其他LLM来实现，则存在诸多问题。例如ChatGPT，在国内没有本地部署，在数据安全和隐私合规方面存在问题。国内某LLM，则存在专业领域深度不足的问题，对于一些超专业的金融知识问答等，可能需要进一步优化和学习。

未来应用场景展望

随着人工智能技术的不断演进，DeepSeek在商业银行的应用将会更加深入和广泛，未来主要有以下五个场景。

1. 客户营销场景

（1）精准营销。DeepSeek分析海量客户数据，构建多维度客户画像，涵盖基本信息、消费习惯、金融产品喜好和风险承受能力等。商业银行依据画像锁定目标客户群体，制定个性化营销方案，如向年轻高风险偏好客户推荐创新投资产品，向临近退休客户推荐低风险产品，提高营销效果。

（2）营销话术优化。学习海量成功营销案例和客户反馈，DeepSeek为营销人员生成优化后的营销话术模板。这些模板能根据客户实时反馈动态调整，增强沟通效果，提高营销成功率。

（3）市场趋势洞察与营销时机把握。凭借强大的数据监测与分析能力，DeepSeek实时追踪金融市场动态、宏观经济数据和行业政策变化，帮助商业银行把握市场趋势，提前调整营销战略。如有绿色金融政策鼓励时，加大绿色金融产品推广力度，吸引优质客户。

2. 合同管理与合规审查

（1）合同质检。DeepSeek-VL2多模态模型对金融合同进行细粒度审查，识别风险条款、不合规内容和错误条款，尤其在处理复杂合同结构时表现出色，提高合同审查准确率，降低法律纠纷和监管处罚风险。

（2）合规审查自动化。深度学习监管政策，DeepSeek自动审查业务操作流程和新产品研发的合规性，为商业银行创新发展筑牢合规防线。

3. 审计

（1）审计程序自动化。在抽样测试中，DeepSeek运用智能算法选取代表性样本，提高抽样科学性；自动核对不同系统数据，保障数据一致性；实时监控业务数据，及时预警异常情况，推动审计从事后监督向事前、事中防控转变。

（2）审计报告生成。根据审计结果自动生成规范报告，节省人工编写时间，提高报告准确性；将审计数据可视化展示，便于审计人员和管理层理解业务状况和风险，为决策提供支持。

4. 金融产品创新

（1）产品设计辅助。在金融产品设计创新中，DeepSeek根据市场需求、客户偏好和风险收益权衡，为商业银行提供创新思路和个性化产品设计方案，助力开发特色金融产品。

（2）模拟与优化。运用模拟技术评估新产品在不同市场环境下的表现和风险，帮助商业银行提前发现问题并优化产品，提高产品市场适应性和盈利能力。

5. 智能办公

（1）智能日程管理。根据员工工作习惯、会议安排和项目进度，自动规划最优日程，合理分配时间块，避免冲突，并在日程冲突时提供调整建议。

（2）数据分析助力决策。对办公积累的业务数据进行深度分析，生成可视化图表，展示数据趋势和关键信息，辅助管理层洞察业务状况，制定决策。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】