【专家说】DeepSeek爆火，银行业智能化升级的挑战与应对

2025年开年，DeepSeek就在全球掀起了一场AI“风暴”，一直站在科技前沿的金融行业也在“深度求索”DeepSeek。最近，腾讯云也助力了众多金融机构接入DeepSeek，探索深入业务场景的AI应用，提升数字金融智能化水平。实际上，AI技术的高速发展之下，各行各业都面临技术变革的挑战，这个挑战的广度和深度可能都是前所未有的，甚至会涉及业务模式与价值链的重构。前几年，大多数银行进行了较为深刻的数字化转型，现在来到了智能化的阶段。AI技术升级不仅会带来运营模式的重塑，比如客户服务从“流程驱动”转向“场景智能”；风控体系需从“规则判断”升级为“动态预测”；还会带来数据效能、基础设施利用率等多方面的这一过程中，如何协调好多种影响因素，比如技术迭代与组织适应、创新试错与安全合规、短期投入与长期收益，将会是银行业智能化升级成功与否的重要考量。与此同时，相关人才培养也是摆在银行管理者面前的重要课题。为了抓住机遇、应对挑战，银行业需要以开放架构拥抱技术变革，以敏捷机制重塑组织基因，优化基础架构，升级运营模式，才能适应智能化的新格局。导语 提升。 1.银行业智能化发展差异较大一般认为企业数字化转型是一个不断发展的过程，可以分为信息化、数字化和智能化三个阶段。信息化是企业数字化转型的起点，主要关注于将传统的业务流程和信息以线上化的形式进行表示、存储和处理，并为后续的数字化转型奠定信息基础。数字化阶段是在信息化的基础上，服务以数字化方式提供，用数字化创造新的服务价值。同时数字化也为智能化提供必需的数据资产及算力支撑。智能化阶段是在数字化的基础上，通过引入人工智能、机器学习等先进技术，实现业务流程的智能化和个性化。从而提升企业的运营效率、降低成本并创造新的价值。在智能化转型的进程中，不同银行呈现出显著的"梯度发展"特征。头部银行大多已经完成数字化进程，基础底座实现了云化转型，也完成全行的数据平台建设，整体业务实现线上化。在此基础上开始往智能化方向发展，并且取得一定成效。依托技术积累和资源投入，正在逐步构建覆盖智能营销风控、员工服务、开放生态等领域的AI业务系统过程中，并取得一定成效。同时也重视基础设施建设，加大投资于业务需要的智算底座及数据平台，并完善两者的整合。中型银行则处在数字化建设进程中后期，云化建设基本完成，但是业务上云及线上化还需要继续完善，与此同时也在开始试水智能化。部分中小银行仍处于基础数字化补课阶段，主要解决数据治理和系统上云问题。2.应用场景和基础设施建设双轮驱动迎接挑战目前普遍认为，人工智能的三大要素是数据，算法，算力。“数据”是人工智能的基础，大量的数据可以帮助人工智能系统学习理解人类世界。因此，人工智能应用需要大量的数据支持，同时也需要对数据进行处理和分析。“算法”是人工智能的核心，它可以帮助计算机理解和处理复杂的数据。算法决定了人工智能的智力高低，它是未来智能比拼的关键“算力”即运算速度，它决定了AI的能力大小，高性能计算、云计算等技术的发展也为人工智能带来了更大的推动力。在银行智能化转型进程中，既需要应用场景落地也需要基础设施建设同步进行，这样才能相互促进，形成银行业务智能化发展的双引擎。2.1 基础设施为智能化提供底层支撑，促进业务发展不管是做训练还是做推理，都需要计算，网络，存储等资源。所以具备弹性能力，且能支持好各种模型的基础设施就尤为重要。比如随着deepseek的横空出世，很多银行都在部署测试，而只有具备相关基础设施能力的银行才能快速部署及接入业务，抢占市场先机。 / 01DeepSeek爆火之下，银行业智能化升级的挑战与应对 AI基础设施建设有以下关键点：数据是AI发展的燃料银行的数据是银行的核心资产，需要做好数据的汇聚加工，资产构建，才能实现运营增值，带来业务价值。首先需要有全行级，湖仓一体的大数据平台来存储，管理这些数据。其次需要能有易用的数据开发平台，以更高效的方式让这些数据产生价值。最后在AI的背景之下，数据整合和工具链整合尤为重要，需要能做到作业即标注，面向模型生成的数据平台。云平台是AI发展的引擎AI的开发和运行需要强大的计算能力，存储资源和高性能网络，云平台经过多年发展已经具备这些能力。云原生架构为智能业务发展提供高效，且能应对复杂业务场景的技术框架。AI的长期发展需要云平台来屏蔽底层硬件差异，通过一云多芯，实现软件的独立性，不被硬件绑定。随着AI的广泛应用，原本主要做离线服务的AI应用会逐渐转化为主要做在线服务，其对应的安全架构，运维架构等需要跟上。这些都是云平台成熟的能力，与云平台的融合能让智能业务快速具备相关能力，提供稳定安全的服务。训推平台则是连接基础设施与应用场景的"转化器"在智能化阶段，训推平台通过整合机器学习框架、分布式训练集群和模型推理引擎，将数字化建设产生的海量数据转化为可落地的智能决策能力。从而实现从数字化到智能化的跃迁。生产实践中，建立从业务需求、行业知识、数据结构之间的资产纽带，通过领域模型进行沉淀和推荐，确保资产能被AI快速理解和使用，是当前银行在智能化发展中面临的普遍挑战。而应对这个挑战，需要应用场景和基础设施的同步建设。总结出来就是下图：2.2应用落地体现AI价值，也促进基建优化智能化能给银行业带来什么价值，一直是业界探索的热点方向。通过DeepSeek可以用相对小的投入快速落地AI应用，既能验证业务成效，也能锻炼懂AI也懂银行业务的人才。 / 02DeepSeek爆火之下，银行业智能化升级的挑战与应对 以下介绍几个目前在银行智能化转型发展较快，且经过验证的业务场景。•代码助手：AI辅助编程是业界应用广泛的场景，但是银行等金融机构面临的挑战是金融机构代码不可外泄，开源模型难以定制和调优，严格的研发管理流程与智能化之间的整合，开发效率有待提升等问题。银行在发展代码助手应用的时候，需要聚焦在关键场景及流程。以点的突破带动面的发展。首先需要基于开发者视角，在研发流程关键场景和流程上提升效能，比如代码补全、生成、纠查、解释等场景及编码、评审、测试等流程。而在重塑编码效率的同时，也需要根据银行本身的代码管理制度规范等对代码质量进行管理，以提高生成代码的入库率，从而真正实现研发效率提升。其次，银行已存量软件资产的维护也需要占用大量研发资源，而基于客户研发技术框架来提供RAG服务，以支撑存量项目的开发及技术问答也能带来直接的降本增效。最后就是可以给软件研发带来直接质量提升的AI代码评审。代码评审是软件研发流程中很重要，但是很难真正起效的环节。而通过AI代码助手则可以实现评审前置，即在研发过程中通过AI及时进行代码评审，规避代码bug。更关键的一点是需要通过AI分析代码，将需求与提交的代码进行关联，以业务视角进行代码评审，彻底实现代码研发领域的所求即所得。比如某银行数千人的研发团队已经在使用腾讯云的代码助手，且实现了近30%的代码行采纳率。•知识引擎：知识引擎是当前的热门领域，其细分场景包括智能客服，坐席服务，营销助手等。这些场景都是银行提升服务质量，降低成本的重点领域。银行面临的主要痛点是：知识构建不智能，处理和维护成本高，周期长；对话交互不智能，理解和处理能力有局限；服务响应时间长，人工操作多，接待上限低。智能化的知识引擎重点关注降本和增效两个领域。降本：准确高效处理企业知识，低成本搭建智能对话，知识查询等服务。增效：对话交互智能化、拟人化，问答精准，大幅提升员工效率。好的知识引擎产品需要在以下两个方面有突出能力：知识处理：知识库运营成本低，知识检索准确率高，模型问答适配金融行业特点；安全合规：需要确保问题输入，答案输出都经过内容安全审核，并且对知识库领域无关的问题进行合适的处理。知识引擎再往前走，则需要具备ai原生能力，也就是提供足够的api，进一步往智能体平台发展。•ChatBI商业智能（BI，BusinessIntelligence）是一种提供从数据接入到数据建模、可视化呈现等全流程能力的技术，旨在帮助用户迅速获得决策所需的数据依据。BI系统被广泛应用于金融、环境监测以及社交媒体等多个行业，通过提供实时数据分析与报告功能，显著优化了决策流程。人工智能技术尤其是大语言模型（LLMs）的发展，为BI带来了新的变革机会。AI与BI的技术碰撞催生了ChatBI——一种由对话式AI增强的集成式BI系统。借助大模型可以开发出更加友好且易于使用的界面，使非技术人员也能轻松地进行数据分析，降低用户的使用门槛；采用先进的算法和技术，如库表选择方法和高效的SQL生成策略，可以在保证结果准确性的同时显著提高查询速度；基于AI的技术可以帮助BI系统实现更多高级功能，比如自动化的数据准备、智能化的数据洞察建议以及多轮对话中的意图澄清。AI与大数据的进一步结合，则是构建AI驱动的湖仓资产体系，AI解决的问题不是仅仅是写SQL，而是从业务需求到数据结果各环节，需要建立AI环境下的工程平台和资产体系。腾讯内部已有相关实践，实现了从经典数据中台到AI+湖仓中台的智能化升级。 / 03DeepSeek爆火之下，银行业智能化升级的挑战与应对 •对公竞调银行的对公竞调（对公业务竞争性调研）主要是为了帮助银行在对公业务中更好地了解客户需求、竞争对手策略和市场动态，从而制定更有针对性的营销策略和产品方案。当前采用的方式数据收集难度大，数据来源分散；数据分析效率低，且结果可能不够全面；报告撰写耗时长且质量不可控。随着大模型的发展，此类场景就可以有很好的解决方案，并且增加了智能化辅助决策等能力，大大提高银行相关业务开展的质量及效率。腾讯云目前联合某城商行进行相关落地试点中，已经取得阶段性成果。通过预设对公竞调的要素提取模版，只要把材料输入，即可输出相关报告，实现了信审流程的提速，更快的支撑普惠金融以上这些场景只是银行业务上智能化提升的一些示例，相信随着拥抱DeepSeek的浪潮，会有越来越多让人眼前一亮的应用涌现。比如最近腾讯全线产品拥抱DeepSeek，在营销，办公等场景就会有质的提升。而这些智能化建设完成之后，又会给AI基础设施带来更多的数据输入，提出更多算力需求，更高的容灾能力要求，促进AI基础设施的发展。双引擎驱动从而实现银行业务的新一轮快速发展。3.积极拥抱变化，释放生产力智能化转型绝非简单技术叠加。基础设施建设及应用创新是两个引擎，同时还需要银行科技团队做到范式改造，进一步加强多部门整合，重塑管理模式，形成数据飞轮，才能实现智能化转型。与之配套的，还需要懂模型，且具备工程思维及架构思维的专业人才。这些挑战都需要客户与厂商一起共同进行大量的开拓性的尝试，才能释放更大的生产力，迎接AI时代的到来。作者：蔡璞 腾讯金融云商业银行技术总监负责腾讯云在银行行业解决方案。蔡璞女士多年服务于金融行业客户，具有接近15年的IT咨询服务和项目实施经验，为多家银行、保险、互联网金融机构提供金融行业数字化转型、云服务与AI融合创新等咨询规划与落地实施服务。腾讯金融云「专家说」栏目在这里，我们汇聚了金融科技领域的前沿思想和深刻见解。每期文章，我们都将邀请行业专家，深入探讨银行、证券、保险、支付等多个金融子行业的科技创新实践和技术突破。从云计算到人工智能，从大数据分析到区块链应用，我们旨在揭示金融科技如何重塑行业生态，为金融机构提供转型思路，为客户创造更优服务体验。紧跟“专家说”，把握金融科技脉搏，一起开启智慧金融的未来之旅！ / 04DeepSeek爆火之下，银行业智能化升级的挑战与应对 云智融合新质跃升获取更多信息：如需了解更多有关腾讯云金融行业案例及解决方案的更多信息请扫描二维码关注腾讯产业互联网干货库-金融专区获取随时随地掌握我们的最新服务