这是因为有关部门对于银行尤其是大型商业银行作出了相关要求——不得大规模宣传DeepSeek的应用情况，金融大模型要突出强调自主研发。

　　此后半年内，年报季后银行业对于DeepSeek的宣传进一步弱化，几乎没有国有大行、股份行发布相关和DeepSeek进展的通告或。

　　“抱歉，对于DeepSeek目前行内还是很敏感，不能说。”一名头部股份行金融科技部负责大模型的处长近日对表示，由于“种种原因”，不能就DeepSeek进行公开沟通。

　　“大型银行对于金融大模型早有积累和应用，尤其是在OpenAI 走红后，国内百度、阿里等很多互联网巨头也及时跟进发布了自家的大模型。并且，当时不少银行都和这些国内巨头进行合作，引进了一些外部大模型。”某全国性商业银行金融科技部人士王敏向表示，目前在业内看来，DeepSeek已基本归于“众多大模型中的那一个”，并不是“大明星”。

　　新的金融大模型的出现，也让DeepSeek在银行业不再特殊。7月28日，中国建设银行与工商银行宣布分别接入阿里巴巴AI技术，且工商银行商户风控系统正式接入通义千问大模型。

　　对任何科技应用来说，时间才是证明一切的最好手段。半年过去，实际应用、上手DeepSeek的银行业人士对于它有什么看法呢？

　　“半年前我的预判错了。当时我认为半年内会爆发基于DeepSeek的[*]手级应用，比如在智能风控、AI投顾方面，但如今看来都没有兑现。我行已经部署并深入研究了半年，目前进展不如预期。”杨磊向表示，此前银行业对于 DeepSeek的判断过于乐观。

　　DeepSeek的实际应用中都有哪些问题？多名业内人士向反馈，最主要的障碍在于银行业金融数据的复杂性，DeepSeek暂无法有效处理。

　　王敏向表示，银行每天产生的金融大数据可以用海量来形容，但是由于辖内有分行、支行等遍布全国的机构和对公、零售、财富等不同部门，基层人员统计、写入底层数据的维度有不同，质量也有高低。实际使用来看，DeepSeek对于太复杂的底层数据处理能力不行，导致应用起来问题不断，基于其衍生的判断也很难说有效果。“当然，对于任何算法、大模型来说，数据的真实性、规范性是第一位的。“

　　“券商部门的数据相对单一，所以他们用DeepSeek可能会好一点。”杨磊也表示，在使用DeepSeek之前，银行技术人员还需要对内部数据进行再处理。并且DeepSeek的推理能力也不如想象的那么强。

　　其次，是算力制约问题。尽管DeepSeek号称低成本，但要想处理复杂数据，高性能的芯片和算力依然不可少。

　　王敏表示，DeepSeek用于简单的确消耗算力不多，但如果要想对全行所有员工进行全面推广，并基于其开发智能风控等深度应用，则依然会遭遇延迟、结果不准确等诸多问题。这对小银行来说也是一大负担。并且，就实际应用来说，随着半年来诸多国产大模型的升级，目前免费版的DeepSeek相比同行来说，在很多方面“基本没有明显优势”。这也导致一些技术人员并不会专一调用DeepSeek来进行开发。

　　另外，在业内人士看来，DeepSeek本质上是面向所有领域的通用大模型，而非专门面向金融领域开发的专用大模型，这导致和银行原有的技术路线适配性不高。

　　某华东地区上市城商行人士向表示，上半年他们已经发现了DeepSeek的一些问题，目前技术团队正试图将该行原有的单一领域的金融“小模型”和DeepSeek的通用大模型进行结合、改造，试图让后者在智能风控、内部管理决策等方面发挥更大作用。但是，这一切需要时间。

　　“金融行业对于差错的容忍度是非常低的。一旦发现基于DeepSeek的AI投顾的分析有明显问题，那么我们的做法是暂时先不正式上线，而是交给技术人员继续完善。”杨磊向表示，依据该行金融科技部人员的反映，可能由于数据“ DeepSeek对于银行业的最大作用，是拉近了地方中小银行和大银行之间在金融大模型方面的技术差距。原来采购一个大模型动辄上千万，而免费的DeepSeek帮助中小银行解决了‘有没有’的问题。目前中小银行对于DeepSeek的研发热情还是比较高的。”杨磊认为，就目前的情况来看，很难判断何时会有基于DeepSeek的[*]手级金融应用出现，“只能说，上半年银行业尤其是地方银行对于DeepSeek的发展太过于乐观。”