海外金融機構開啟AI規模化落地，降本與增效均體現良好效益。1）海外頭部金融機構紛紛在業務流程中嵌入AI，主要集中在數據分析、提升運營效率、優化客戶服務、營銷等領域。2）摩根士丹利推出一款由OpenAI最新技術驅動的先進聊天機器人，以在日常工作中為該行的財務顧問團隊提供幫助；摩根大通推出解碼央行鷹鴿的Robo-Fedwatchers模型，當兩次議息會議之間，發言人鷹派傾向的三個月平均值上升10個百分點時，短期利率大約會上漲10個基點；加拿大的RBC和Borealis AI開發了一套NOMI Forecast系統，利用深度學習為客戶的現金流提供及時、準確的預測，相關模型經過訓練可以為 RBC 客戶提供個性化體驗，包括賬單支付、電子轉賬、投資和工資支付等。3）BCG曾以一家擁有約兩萬名員工的區域性國際銀行為例，初步梳理了該銀行前中后臺相關部門應用生成式AI的潛力和效益，預計在首年即可為該銀行節省約 1.5億美元的成本，占整體薪酬總包的7%左右。
DeepSeek模型由金融企業打磨多年，業務場景深度適配。1）DeepSeek源自幻方量化旗下子公司深度求索發布，落地金融場景具備天然優勢；同時，通過高效的算法和架構設計，提升運算效率，降低部署成本，有望解決金融大模型發展面臨的算力、成本等挑戰，使得金融機構能更經濟地利用AI技術提升服務質量和風險管理能力，開創新的業務模式；此外，DeepSeek通過開放代碼和模型架構，為金融機構提供了更大的自由度和可定制性，這種開放性使得金融機構能夠根據自身需求，靈活調整模型的功能和性能。2）Deepseek-R1同步開源模型權重，性能對標Chatgpt-o1，且定價大幅降低同時，Deepseek同步發布6個小尺寸模型（1.5B/7B/8B/14B/32B/70B）并開源權重。3）根據永贏基金報道，DeepSeek在思考過程、問答效果和響應速度等方面表現突出，準確率超過90%，遠高于其他同類模型，7B和14B等模型對算力要求較低，也降低了部署成本。頭部金融機構競相接入DS，滲透趨勢或迎甜蜜點。1）根據IDC數據， 2022年中國銀行業IT投資規模達到1,445.67億元人民幣，預計2026年將達到2,212.76億元人民幣，年復合增長率為11.2%。國有六大行2023年的金融科技投入均實現同比增長。其中同比增速最高的是建設銀行和農業銀行，分別為7.45%和7.06%；郵儲銀行、中國銀行、工商銀行和交通銀行的同比增速分別為5.88%、3.97%、3.9%和3.4%。2）44家券商披露2023年信息技術投入情況來看，合計投入281.1億元，其中14家券商投入規模接近或超過10億元，投入合計198.06億元，投入占比為70.46%，34家信息技術投入同比增速為正。3）多家金融企業公開宣布接入DeepSeek大模型，主要涵蓋銀行、證券、保險、基金、消費金融等多個領域。廣發證券在其機構客戶綜合服務平臺“廣發智匯”正式上線DeepSeek客戶服務模塊，將助力機構投資者提升投研效率；海安農商銀行通過詢問DeepSeek的方式，向用戶介紹該行資本實力、市場份額等方面情況；江蘇銀行通過應用R1推理模型，結合郵件網關解析處理能力，實現郵件分類、產品匹配、交易錄入、估值表解析對賬全鏈路自動化處理，識別成功率達90%以上，目前已初步實現業務集中運營，按照平均手工操作水平測算，每天可減少9.68小時工作量。另外，郵儲銀行、北京銀行等已將DeepSeek應用于智能客服場景，通過邏輯推理和深度分析提升服務精準度。資管IT：同花順、東方財富、財富趨勢、指南針、銀之杰等；銀行IT：宇信科技、京北方、長亮科技、神州信息、廣電運通、南天信息等；保險IT：新致軟件、中科軟等；風險提示：AI技術迭代不及預期風險、貿易關系變化風險、宏觀經濟風險、行業競爭加劇風險海外金融機構開啟AI規模化落地，降本與增效均體現良好效益海外金融機構AI轉型逐步走向規模化，頭部金融機構紛紛在業務流程中嵌入AI，應用主要集中在數據分析、提升運營效率、優化客戶服務、營銷等領域，結合技術創新與業務場景的深度應用，展現了人工智能在金融領域的多元化價值。1）摩根士丹利聊天機器人
摩根士丹利2023年推出一款由OpenAI最新技術驅動的先進聊天機器人，以在日常工作中為該行的財務顧問團隊提供幫助。
摩根士丹利財富管理部門分析、數據和創新主管Jeff McMillan表示，摩根大通已經有一個差不多300人的顧問團隊，長期測試這一人工智能工具。摩根士丹利毫無疑問是全球財富管理領域的巨頭，該公司管理的客戶資產規模超過了4.2萬億美元。雖然人工智能的前景和風險已經在業內被熱議了多年，但似乎只有在ChatGPT徹底爆火之后，主流機構才逐漸重視起了這項技術。同時，摩根士丹利自身擁有一個多達數十萬頁研報內容庫，涵蓋投資戰略、市場研究以及分析師觀點。這些大量的信息被存儲在其內部網站上，主要是以PDF的格式保存，當金融顧問想要尋找特定問題的答案時，往往需要掃描大量信息，類似的搜索既耗時又麻煩。但在OpenAI的GPT-4的幫助下，摩根士丹利正試圖改變其顧問團隊搜尋相關信息的方式。McMillan指出，其背后的想法是幫助大摩約1.6萬名財富管理顧問，充分利用該行龐大的研究資源和數據庫。
2）摩根大通推出解碼央行鷹鴿的
Robo-Fedwatchers模型
摩根大通的最新成果顯示，當兩次議息會議之間，發言人鷹派傾向的三個月平均值上升10個百分點時，短期利率大約會上漲10個基點。此前文章指出，當模型顯示美聯儲發言人在兩次會議之間的鷹派立場上升時，下一份FOMC政策聲明就會變得更加鷹派，這會導致一年期美債收益率上漲。相關模型的訓練數據是過往25年以來的美聯儲聲明和央行官員們的講話，使用的是基于ChatGPT的語言模型，模型根據具體內容的限制性或寬松程度，進行鷹鴿等級評分，再將具體評分與一系列資產表現掛鉤。
3）加拿大皇家銀行（RBC）的智能投研
加拿大的RBC專門成立了一家名為Borealis AI的人工智能研究中心，Borealis AI與RBC資本市場團隊推出了基于強化學習的交易執行系統，希望了解如何使用機器學習來幫助擁有大額或批量訂單的客戶更好地安排交易順序，從而獲得最高回報。
Borealis AI開發了一套NOMI Forecast系統，利用深度學習為客戶的現金流提供及時、準確的預測。在該行獨特的數據集支持下，相關模型經過訓練可以為 RBC 客戶提供個性化體驗，包括賬單支付、電子轉賬、投資和工資支付等。
生成式AI降本增效顯著，首年可降低薪酬總包7%。AI應用場景可貫穿前中后臺各個環節，每條業務線、每個職能，都有可能找到生成式AI的應用場景。若能實現規模化應用，有望帶來可觀的降本增效收益。BCG曾以一家擁有約兩萬名員工的區域性國際銀行為例，初步梳理了該銀行前中后臺相關部門應用生成式AI的潛力和效益，預計在首年即可為該銀行節省約 1.5億美元的成本，占整體薪酬總包的7%左右。
DeepSeek模型由金融企業打磨多年，業務場景深度適配2025年1月20日，DeepSeek正式發布DeepSeek-R1，并同步開源模型權重。DeepSeek-R1 遵循 MIT License，允許用戶通過蒸餾技術借助 R1 訓練其他模型。同時上線API，對用戶開放思維鏈輸出。
DeepSeek-R1 性能對齊OpenAI-o1正式版。DeepSeek-R1 在后訓練階段大規模使用了強化學習技術，在僅有極少標注數據的情況下，極大提升了模型推理能力。在數學、代碼、自然語言推理等任務上，性能比肩 OpenAI o1 正式版。
開源蒸餾小模型超越 OpenAI o1-mini。
DeepSeek在開源DeepSeek-R1-Zero和DeepSeek-R1兩個660B模型的同時，通過DeepSeek-R1 的輸出，蒸餾了6個小模型開源給社區，其中32B和70B模型在多項能力上實現了對標OpenAI o1-mini 的效果。
價格遠低于OpenAI o1。DeepSeek-R1 API 服務定價為每百萬輸入 tokens 1 元（緩存命中）/ 4 元（緩存未命中），每百萬輸出tokens 16元。相比之下,OpenAI的o1模型價格為每百萬輸入 tokens 55 元（緩存命中）/110元（緩存未命中），每百萬輸出tokens 438元。
DeepSeek有望解決金融大模型發展面臨的算力、成本等挑戰，通過高效的算法和架構設計，提升運算效率，降低部署成本，使得金融機構能更經濟地利用AI技術提升服務質量和風險管理能力，開創新的業務模式。
DeepSeek為金融公司開發，卓越性能契合金融復雜需求。金融領域數據海量、市場環境復雜，對分析工具要求極高。DeepSeek系列模型語言理解能力卓越，能精準解讀金融資訊、研究報告和市場動態，為投資決策提供關鍵信息支持。面對復雜的宏觀經濟分析報告，它能迅速梳理核心要點，助力投資團隊把握經濟走勢。
DeepSeek通過開放代碼和模型架構，為金融機構提供了更大的自由度和可定制性。這種開放性使得金融機構能夠根據自身需求，靈活調整模型的功能和性能，從而開發出更貼合業務場景的解決方案。例如，銀行可以利用DeepSeek優化風險評估模型，證券公司可以通過其提升市場預測的精度，而保險公司則可以借助其改進理賠流程的自動化程度。
2022年中國銀行業IT投資規模達到1,445.67億元人民幣，與2021年度的1,334.97億元相比，增長了8.3%，IDC預計，2026年將達到2,212.76億元人民幣，年復合增長率為11.2%。在政策推進、技術持續創新等諸多效應的疊加下，我們認為未來三到五年中國銀行業IT解決方案市場有望繼續保持增長態勢。
國有六大行持續推進數字化轉型，2023年年報的金融科技投入總金額達1228.22億元，同比增長5.38%。此外，國有六大行金融科技人才的數量也在不斷增加。截至2023年末，工商銀行金融科技人員增至3.6萬人，占全行員工的8.6%；中國銀行、建設銀行等銀行的金融科技人員也均超過萬人。2023年報數據顯示，國有六大行去年在金融科技方面的投入均超過百億元。其中，工商銀行、建設銀行、農業銀行和中國銀行投入均在200億元以上，交通銀行和郵儲銀行在100億元以上。具體來看，工商銀行、建設銀行、農業銀行、中國銀行、交通銀行和郵儲銀行，2023年金融科技投入分別為272.46億元、250.24億元、248.5億元、223.97億元、120.27億元、112.78億元。同時，國有六大行2023年的金融科技投入均實現同比增長。其中同比增速最高的是建設銀行和農業銀行，分別為7.45%和7.06%；郵儲銀行、中國銀行、工商銀行和交通銀行的同比增速分別為5.88%、3.97%、3.9%和3.4%。
券商不斷加大IT能力建設。44家券商披露2023年信息技術投入情況來看，合計投入281.1億元，其中14家券商投入規模接近或超過10億元，投入合計198.06億元，投入占比為70.46%。34家信息技術投入同比增速為正，占比為77.27%，7家增速下滑，另有3家無可比數據。2023年，信息技術投入排名前十券商依次是華泰證券（25.78億元）、國泰君安（21.6億元）、中金公司（17.29億元）、招商證券（15.54億元）、海通證券（15.21億元）、中信建投（14.6億元）、廣發證券（13.29億元）、國信證券（12.09億元）、中國銀河（11.71億元）、國投證券（10.91億元）。頭部券商中，2023年信息技術投入增幅較大的是國泰君安（20.07%）、中信建投（11.37%）、國信證券（17.95%），其他規模較大券商及同比增速為正的券商包括招商證券（7.55%）、海通證券（2.84%）、廣發證券（8.31%）、申萬宏源（25.87%）、興業證券（18.12%）、東方證券（3.13%）、中泰證券（8.48%）。
隨著生成式模型的發展，AI在IT支出中占比有望提升。多家金融企業公開宣布接入DeepSeek大模型，主要涵蓋銀行、證券、保險、基金、消費金融等多個領域。
1）券商
l 國金證券宣布完成DeepSeek本地化部署測試，且部署成本顯著降低，旨在將其應用于信息檢索、文檔處理、行業研究及市場分析等多個場景，并計劃未來進一步拓展至智能服務、風險管理、投資分析等核心業務領域。
l 興業證券搭建數智中臺，支持接入阿里通義千問等開源大模型，日前又追加完成DeepSeek V3和R1兩款大模型產品接入中臺大模型矩陣，可實現諸多業務場景的全面賦能升級。未來，DeepSeek可以在知識庫問答場、智能客服、研發輔助場景中進一步發揮作用。
l 廣發證券在其機構客戶綜合服務平臺“廣發智匯”正式上線DeepSeek客戶服務模塊，將助力機構投資者提升投研效率，為投資者決策提供支持，目前已免費向廣發證券的客戶開放。廣發證券相關負責人表示，公司是業內首家在機構業務場景推出DeepSeek相關服務的券商，此舉意在通過技術驅動，全面升級客戶服務體驗，同時確保金融科技成果惠及更廣泛的投資者群體。
2）銀行：
l 海安農商銀行微信發布“DeepSeek，你也太懂海安農商銀行了吧”，通過詢問DeepSeek的方式，向用戶介紹該行資本實力、市場份額等方面情況。
l 江蘇銀行則更加實用。蘇銀數字金融發文稱，江蘇銀行依托“智慧小蘇”大語言模型服務平臺，成功本地化部署微調DeepSeek-VL2多模態模型、輕量DeepSeek-R1推理模型。從江蘇銀行方面提供的數據來看，通過應用R1推理模型，結合郵件網關解析處理能力，實現郵件分類、產品匹配、交易錄入、估值表解析對賬全鏈路自動化處理，識別成功率達90%以上，目前已初步實現業務集中運營，按照平均手工操作水平測算，每天可減少9.68小時工作量。
3）保險：
l 新華保險接入DeepSeek后，員工可利用接口進行日程管理、群發收集等工作，也可以初步提供保險銷售方案。另外，太極華保旗下的保鏈客則宣布已同DeepSeek展開合作，目前相關合作正處于內測與調試階段。
4）基金:
l 博時基金部署DeepSeek R1模型后，單份行業研究報告解析時間從3小時縮短至15分鐘，關鍵信息提取準確率達92%。
l 興證全球基金利用DeepSeek搭建投研數據體系，結合全景圖分析股票與行業動態關聯，每日自動生成投研報告，輔助決策效率提升3倍。
l 匯添富基金“deepfund”AI團隊通過用戶行為分析，實現產品推薦轉化率提升15%。
l 萬家基金通過部署DeepSeek R1 32B本地模型，實時監測持倉風險，某次市場異動中提前3天預警債券違約風險，避免損失超2000萬元。
：
資管IT：同花順、東方財富、財富趨勢、指南針、銀之杰等；
系統IT：恒生電子、金證股份、頂點軟件等。
銀行IT：宇信科技、京北方、長亮科技、神州信息、廣電運通、南天信息等；
保險IT：新致軟件、中科軟等；
