接入DeepSeek！国金证券、兴业证券等官宣，金融IT人士：确实优于其他大模型

本文来源：时代财经 作者：金子莘

DeepSeek应用场景已经在金融行业火速落地。一名金融IT从业人士这样评价道：“DeepSeek模型对端侧推理能力有显著提升。”

截止目前，已有多家券商、基金宣布完成DeepSeek开源模型的本地化部署，不少公募基金也正探索上述系列开源模型的业务应用场景。

2月6日晚，国金证券（600109.SH）、国元证券（000728.SZ）、华福证券等中小型券商宣布已完成DeepSeek本地化部署测试。该消息一出，券商股在2月7日反应热烈，华林证券（002945.SZ）一度涨停，国金证券涨近6%，券商板块集体拉升。

与券商一样，基金公司也在密集实行DeepSeek开源模型的私有化部署。2月7日，包括汇添富、富国、国泰、景顺长城、博时、诺安等基金公司都宣布已在探索相关应用场景。沪上某腰部基金公司IT负责人透露 ,“未来，公司将根据搭建效果运用到代码辅助生成、研报解读、信息披露文件检查、制度解答、非结构化数据核对等相关场景”。

　　　　　　　　　　　　图片来源：图虫创意 　　　　　　　　　　

券商抢先落地应用

业内对DeepSeek开源模型给予相当大的肯定，上述基金公司IT负责人表示，“就目前测试数据来看，同等条件资源下，DeepSeek确实优于其他大模型”。

从目前公开宣布的机构来看，落地的应用场景已相当丰富。国金证券在微信公众号平台表示，“此次完成DeepSeek的本地化部署测试，旨在将其应用于信息检索、文档处理、行业研究及市场分析等多个场景，并计划未来进一步拓展至智能服务、风险管理、投资分析等核心业务领域，全方位推动公司业务智能化升级，为投资者创造长期价值。”

兴业证券（601377.SH）表示，目前已搭建强大数智中台，支持包括QWen等不同开源大模型接入及融合应用，日前又追加完成了DeepSeek V3和R1两款大模型产品接入中台大模型矩阵，可实现诸多业务场景的全面赋能升级。

基金行业也正在适应技术变化。据时代财经了解，诺安基金在完成DeepSeek金融大模型本地化部署的基础上，已经推出基于主流AI开源框架自主研发的“诺安AI助手”，在投研分析、客户服务、风险管控等核心业务场景启动试点应用。，

在推动AI与资管业务深度融合方面，诺安基金通过私有化部署小模型，搭建起涵盖图片内容提取、语音转文本、文本转语音及文档摘要生成等功能的AI基础能力平台；同时，基于开源框架自主研发统一AI模型网关，实现多模型协同调度与AI资源的高效管理。目前，诺安基金正在投研数据智能处理、客户标签动态分析、中后台流程自动化等领域展开多轮“小步快跑”式探索实践。

事实上，早在DeepSeek开源模型正式问世以前，金融机构已经在探索相关大模型，并落地业务场景。

国金证券表示，早在2022年ChatGPT发布以来，即对生成式大模型的研究和应用保持高度关注和投入，2023年公司率先采用大模型辅助编程和大模型员工助手辅助办公。在2024年初，公司还组建了国金证券人工智能实验室。

截至目前，国金证券已有大模型算力池建设和本地化部署相关技术积累，前期已部署60多种常见的开源大模型类型，DeepSeek发布之后，公司再度利用前期经验迅速完成多个版本的本地化部署测试工作。

DeepSeek是一条“鲶鱼”

横空出世的DeepSeek热度空前，未来空间仍十分广阔。

据广发证券（香港）研报，DeepSeek已成为全球用户增长最快的AI应用，上线20天后全网下载量超2000万，登顶中、美等地区App Store榜首，该份研报中也提及，DeepSeek作为低成本模型或将引发市场对AI巨头估值的担忧。

除金融行业密集进行本地化部署外，不少行业巨头也纷纷宣布接入DeepSeek接口。

2月8日，腾讯云发布消息，上线了DeepSeek-R1和V3原版模型的API接口，除此之外，还将它们接入了大模型知识引擎，并支持联网搜索。基于DeepSeek，在操作上，只需拖拽几步，就能搭建一个集“智能问答+知识管理+实时搜索”于一体的AI应用。

据时代财经梳理，金山云（03896.HK）、东风股份（600006.SH）、恒瑞医药（600276.SH）、每日互动（300766.SZ）、万达信息（300168.SZ）、三六零（601360.SH）等公司均已公开宣布接入DeepSeek模型。

浙商证券大模型研究报告认为，“DeepSeek是搅动全球模型市场的一条鲶鱼，带来性能、价格、开源三重冲击。自此，ToB端应用、AI端侧应用将最受益于大模型的开源趋势、成本降低、迭代加速。”

报告进一步指出，首先DeepSeek性能比肩国际顶尖模型，DeepSeek R1在数学、代码、自然语言推理等任务上的性能可比肩OpenAI1模型正式版。其次，该模型低成本或将颠覆市场格局，DeepSeek V3整个训练过程仅用了不到280万个GPU小时，相比之下，Llama 3 405B的训练时长是3080万GPU小时。

在践行开源理念方面，DeepSeek-V3和推理模型DeepSeek-R1均开源，R1同步开源了其模型权重，并允许用户利用模型输出，通过模型蒸馏等方式训练其他模型。