登錄新浪財經APP 搜索【信披】查看更多考評等級

　　來源：華夏時報

　　近日，以DeepSeek爲代表的大模型技術正滲透至信貸審覈、風險評估等金融核心業務場景，成爲了金融機構提升準確性、降低風險的重要工具。不過，在提質增效的同時，數據安全、個人信息保護與合規等問題也成爲機構關注的重點。

　　《華夏時報》記者梳理發現，目前已有海爾消費金融、中原消費金融、新網銀行、奇富科技等多家金融機構率先部署DeepSeek大模型，以改善傳統信貸風控效率低、主觀性強，數據利用不足等難題。

　　“對於部分金融機構接入DeepSeek並用於信貸風控、風險評估等場景，不僅是金融科技領域的一大進步，也是金融行業智能化轉型的必然趨勢。”2月24日，中國信息協會常務理事、國研新經濟研究院創始院長朱克力對《華夏時報》記者表示，DeepSeek作爲人工智能領域的前沿技術，其強大的數據處理和分析能力爲金融機構提供了更精準、更高效的信貸風控和風險評估解決方案。

　　DeepSeek將在信貸決策中發揮關鍵作用

　　傳統的信貸決策通常依賴於人工審覈，從申請到審批要經過多個環節，耗時較長，且當信貸申請量過大時，效率難以保證。同時人工審覈往往受到個人主觀判斷影響，難以客觀公正，用戶即使有貸款意願也可能被拒絕。在數據利用上，信貸決策主要依賴信用記錄和財務數據，難以全面評估申請人還款能力。隨着利率下行、數據爆發式增長，如何高效利用數據是傳統信貸風控面臨的一大挑戰。

　　年輕客戶或小微企業等徵信“白戶”，由於缺少信用記錄和可抵押資產，金融機構難以對其信用風險進行有效評估。傳統信貸風控模型主要依靠性別、年齡等結構化數據，對文本、圖像、語音等非結構化數據利用偏少。有業內人士表示，可結合DeepSeek，利用消費記錄、社交媒體數據等非結構化信息構建更細顆粒度的信用模型，同時結合交易流水、工商信息、稅務信息等多維度數據，全面評估個人還款能力和小微企業經營狀況，提升風控精準度。

　　“在信貸決策流程中，DeepSeek不僅提高了信貸決策的科學性和準確性，也降低了金融機構的運營成本和風險敞口。”朱克力表示，在信貸申請階段，DeepSeek通過對申請人的個人信息、財務狀況、消費習慣等多維度數據進行分析，快速評估其信用風險和還款能力；在信貸審批階段，其可進一步結合市場趨勢、政策變化等因素，對信貸項目進行全面風險評估；在貸後管理階段，DeepSeek持續監測借款人的還款情況和信用狀況，及時發現潛在風險隱患，爲金融機構提供預警和處置建議。

　　奇富科技相關負責人稱，在貸款風險評估時，不同模塊能從用戶信用、收入穩定性、行業前景等多維度分析，大大提升分析的全面性和準確性。而在分析貸款申請增長相關問題時，會按照信息流分析類似的邏輯，層層遞進，先明確申請量統計維度，再細分年齡段和職業羣體數據，接着探究增長原因及對風險評估的影響。

　　“以往處理複雜金融問題時，理解偏差和分析不足的情況得到改善，如今能精準把握提問意圖，在預測貸款申請趨勢、評估風險等方面，準確性大幅提升，爲分析人員提供更具價值的決策依據。”上述奇富科技相關負責人對本報記者表示。

　　中郵消費金融科技發展部負責人朱威認爲，DeepSeek爲消費金融領域智能化建設長期存在的痛點與瓶頸提供了創新解決方案。例如，在營銷場景下，可以利用DeepSeek強大的推理能力，打造智能營銷機器人複雜場景下的智能化營銷服務；在風險場景下，可以高效識別業務風險點，自動生成風險分析報告；在客服場景下，通過智能體、多模型協同等技術，提升智能客服機器人處理複雜任務的能力；在貸後場景借鑑DeepSeek先進訓練方法，進行知識蒸餾，從而提升外呼機器人決策能力以及溝通能力。

　　DeepSeek大模型降低了中小金融機構使用大模型的門檻。記者梳理發現，當前已有多家金融機構將DeepSeek應用於信貸風控、風險評估等核心業務環節。

　　互聯網銀行憑藉科技優勢，率先接入了DeepSeek大模型，以提升對信貸風險的識別能力。新網銀行於2025年1月完成DeepSeek-R1在實驗環境中的部署，正式進入實驗探索階段。在智能客服、貸後管理、風險控制等領域，新網銀行依託DeepSeek等大模型技術，建設了一系列智能化助手，深入應用於多個效率瓶頸環節。

　　新網銀行打造基於大模型的智能服務平臺“識卷”，解決新市民客戶個性化授信難、車抵房抵等抵押業務流程複雜的問題，其智能化處理個人客戶十餘種授信自證數據，可多種資產認證模式去適配客戶具體情況。目前使用該服務的客戶人均提額幅度超過30%，房抵貸業務能夠實現全線上辦理。

　　部分消金機構於近日部署了DeepSeek，以提升風控精準度。例如，海爾消費金融日前部署了DeepSeek私有化版本，目前正在打通公域私域大小模型，接入智能體平臺，開始進入營銷、風險、貸後等多個場景；中郵消費金融在2024年完成了大模型的一站式部署和推理服務建設，當前已將DeepSeek引入作爲基座大模型之一；中原消費金融基於自主研發的“元擎Matrix”智能體開發平臺，整合DeepSeek系列大模型技術，已在風險管控、決策支持等方面顯現成效。

　　多家上市金融科技企業也於近日紛紛接入DeepSeek，進一步推動智能化場景落地。奇富科技大模型產品ChatBI於日前完成關鍵升級，通過與DeepSeek-R1大模型的深度融合，在數據分析和決策支持方面實現了突破。

　　樂信日前接入和部署了DeepSeek-R1，通過DeepSeek 完善了樂信專有大模型奇點，並在研發提效、內部工具、業務賦能等方面落地。

　　信也科技自主研發的兩大大模型平臺，大語言模型應用開發框架E-LADF和信也智能體創新應用平臺Zeta ，正式接入DeepSeek-R1，完成了一次關鍵升級。

　　維信金科金烏大模型平臺已全面接入DeepSeek V3和R1大模型，並在企業智能助手、智能編程助手和智能培訓系統等場景上實現能力升級。

　　隱私保護與數據利用：能否兼得？

　　朱威表示，儘管DeepSeek在降低訓練和推理成本方面取得了進展，但由於金融行業嚴格的數據安全與合規性規定，消費金融企業需採用私有部署的方式來降低合規風險。在GPU資源有限的情況之下，如何使用DeepSeek模型成爲各金融企業需要解決的問題。

　　在朱威看來，一是選用尺寸合適的模型，將DeepSeek聚焦在需要複雜推理的應用場景，如數據分析，機器人決策等，並與其他大小模型相互結合保證智能化服務質量；二是借鑑DeepSeek-R1的訓練方式，蒸餾更加細分的垂類模型以減少對GPU資源的需求；三是期望在合規前提下，行業推出可信的行業大模型金融雲，解決各企業的GPU資源瓶頸。

　　針對大模型可能造成的安全風險，海爾消費金融首席信息官梁樹峯對本報記者表示，對於數據安全與隱私保護，可通過本地化部署核心模型，避免敏感數據外流；採用聯邦學習與同態加密技術，實現“數據可用不可見”。對於模型失真與合規風險，可建立模型監控體系，定期及時審計模型輸出偏差；嵌入監督模型及監管規則引擎，確保決策符合《個人信息保護法》等要求。

　　近年來，《個人信息保護法》《數據安全法》陸續發佈，對規範網絡數據處理活動、保護個人信息權益等提出明確要求。爲規範銀行業保險業數據處理活動，保障數據安全、金融安全，2024年12月印發的《銀行保險機構數據安全管理辦法》提出，銀行保險機構應當對人工智能模型開發應用進行統一管理，建立模型算法產品外部引入的准入機制。銀行保險機構使用人工智能技術開展業務時，應當就數據對決策結果影響進行解釋說明和信息披露等。

　　上海金融與發展實驗室首席專家、主任曾剛對記者分析指出，在數據安全和隱私保護方面，可以通過數據加密、脫敏處理和差分隱私技術，確保數據在傳輸和處理中的安全性。同時，支持本地化部署，避免數據外流，增強企業對數據的掌控力。此外，嚴格的訪問控制和操作審計機制也能進一步保障數據安全。而在合規運營上，DeepSeek需符合相應的監管要求，通過提供模型可解釋性工具，滿足監管對算法透明度的要求，並定期進行模型審計和性能監控，確保合規性和風險可控。

海量資訊、精準解讀，盡在新浪財經APP

責任編輯：曹睿潼