此外，信也科技自主研发的两个大模型平台近日正式接入(ru)DeepSeek-R1，使得信也科技能够提升大模型对于复杂问题的语义理解和处理能力(li)，扩(kuo)大大模型服务边界，更有力(li)地支(zhi)持决策类场景。连连数字也在近日正式对外宣布已完成DeepSeek大模型的私有化(hua)部署，结合自身的技术实力(li)和DeepSeek的自然语言(yan)处理、推理等能力(li)，连连数字已将DeepSeek应用(yong)到(dao)业务、研发、办(ban)公等多个关键场景。继去年(nian)5月引入(ru)DeepSeek－V2版本之后，近期乐信正式接入(ru)和部署了DeepSeek－R1版本，通过DeepSeek完善了本地化(hua)部署的、乐信专有大模型“奇点”AI大模型，在研发提效、内部工(gong)具、业务赋能等方(fang)面(mian)深(shen)入(ru)落地应用(yong)。

《国(guo)际金融报》记者了解到(dao)，目前多家消费金融公司通过自研智能平台接入(ru)DeepSeek。中原消费金融公司依托自研的智能化(hua)平台“元擎Matrix”引入(ru)DeepSeek－R1版本，在智能质(zhi)检、智能问答、意图(tu)识别、提示词编写等场景进行探索应用(yong)。中邮消费金融公司将DeepSeek作为基座大模型之一，提供智能问答和智能编程(cheng)辅助服务。中信消费金融公司基于自主研发的“信智”一站式大模型服务平台接入(ru)DeepSeek，并应用(yong)于智能质(zhi)检与知识库(ku)检索两大业务场景。海尔消费金融公司已经(jing)部署了DeepSeek私有化(hua)版本，沉淀出海尔消金私有领域大模型，正在打通公域私域大小模型，接入(ru)智能体平台，开始全面(mian)赋能营销、风险、贷后、客服、运营、研发、数据分析等多个场景。

优刻得董事长兼CEO季昕(cuan)华(hua)告诉记者，DeepSeek性能比肩GPT核心模型，但训练所需算力(li)资源和资金投入(ru)更少，显著(zhu)降低了企业的技术门槛和经(jing)济成本。DeepSeek开源策略支(zhi)持地方(fang)政府和金融机构私有化(hua)部署，满足国(guo)产化(hua)适(shi)配要求，吸引金融科技企业快速接入(ru)。相较于同类模型，DeepSeek的推理成本大幅降低，推动(dong)行业应用(yong)广泛落地。

合规(gui)与数据安全备受关注

由(you)于金融科技行业的特殊性，在接入(ru)DeepSeek时，数据安全与合规(gui)性备受关注。海尔消费金融首席信息官梁(liang)树峰对记者表示，DeepSeek开源版本隐(yin)私安全性与金融数据隐(yin)私保护需求存在差距，且大模型高并发推理对现有金融基础设施还(hai)会产生(sheng)较大压力(li)。此外，开源模型易受攻击，数据接口须强化(hua)防护。

中邮消费金融科技发展部负(fu)责(ze)人朱威告诉记者，虽(sui)然DeepSeek降低了训练和推理成本，但是大模型的资源需求还(hai)是较大的，同时由(you)于金融行业严格的数据安全与合规(gui)性规(gui)定，消费金融企业在涉及数据安全的场景下需要采(cai)用(yong)私有部署的方(fang)式来(lai)降低合规(gui)风险。在GPU（图(tu)形处理单元）资源有限的情况下，如何高效安全地使用(yong)DeepSeek模型成为各金融企业需要解决的问题。

针对大模型应用(yong)的潜(qian)在风险，梁(liang)树峰认为，需要采(cai)取多维度防控：关于数据安全与隐(yin)私保护，可通过本地化(hua)部署核心模型，避免(mian)敏(min)感数据外流(liu)；采(cai)用(yong)联(lian)邦学习与同态加密技术，实现“数据可用(yong)不可见”。针对模型失真与合规(gui)风险，可建立模型监控体系，定期及时审计模型输出偏差；嵌入(ru)监督模型及监管规(gui)则引擎，确保决策符合个人信息保护法(fa)等要求。针对系统性风险传导，应设计熔断机制(zhi)，当模型异常时自动(dong)切换至传统系统；与行业联(lian)盟共建风险预警平台，共享攻击特征与防御方(fang)案。

朱威建议，一是选用(yong)参数规(gui)模合适(shi)的模型，将DeepSeek聚焦(jiao)在需要复杂推理的应用(yong)场景，如数据分析、机器人决策等，并与其他大小模型相互结合，保证(zheng)智能化(hua)服务质(zhi)量；二是借鉴(jian)DeepSeek-R1的训练方(fang)式，蒸馏更加细分的垂类模型以(yi)减少对GPU资源的需求；三是期望(wang)在合规(gui)前提下，行业推出可信的行业大模型金融云，解决各企业的GPU资源瓶颈。

上(shang)海金融与发展实验室首席专家、主任曾刚对记者分析指出，在数据安全和隐(yin)私保护方(fang)面(mian)，可以(yi)通过数据加密、脱敏(min)处理和差分隐(yin)私技术，确保数据在传输和处理中的安全性。同时，支(zhi)持本地化(hua)部署，避免(mian)数据外流(liu)，增强企业对数据的掌(zhang)控力(li)。此外，严格的访问控制(zhi)和操作审计机制(zhi)也能进一步(bu)保障数据安全。而在合规(gui)运营上(shang)，DeepSeek需符合欧盟的GDPR（《通用(yong)数据保护条例》）、美(mei)国(guo)的CCPA（《加州消费者隐(yin)私法(fa)案》）等数据保护法(fa)规(gui)和金融行业标准（如ISO27001信息安全管理体系认证(zheng)）。通过提供模型可解释性工(gong)具，满足监管对算法(fa)透(tou)明度的要求，并定期进行模型审计和性能监控，确保合规(gui)性和风险可控。

“幻觉(jue)”问题仍是一大挑战

DeepSeek系列模型以(yi)其出色表现迅(xun)速席卷金融科技圈(quan)，但“幻觉(jue)”问题依然是它面(mian)临的一大挑战。在Vectara HHEM人工(gong)智能幻觉(jue)测试（行业权(quan)威测试，通过检测语言(yan)模型生(sheng)成内容是否与原始证(zheng)据一致，从而评估模型的幻觉(jue)率，帮助优化(hua)和选择(ze)模型）中，DeepSeek-R1显示出14.3%的幻觉(jue)率。

“目前有待解决的是幻觉(jue)问题。”华(hua)泰证(zheng)券科技与电(dian)子行业首席分析师黄乐平对记者直言(yan)，数据是金融企业的核心资源，使用(yong)OpenAI公司开发的闭源模型时，需要上(shang)传私有数据，是金融行业使用(yong)大模型的主要痛点。DeepSeek开源，可以(yi)以(yi)更低的成本部署在金融企业自己的本地服务器上(shang)，这解决了数据泄露(lu)的风险，为大模型在金融行业普及铺平了道路。

朱威也指出，DeepSeek推理模型相对于通用(yong)模型会产生(sheng)更大幻觉(jue)，这是消费金融企业在AI落地过程(cheng)中需要解决的另一个主要问题。他建议，通过知识库(ku)检索增强生(sheng)成（RAG）、领域微调、人工(gong)校验等方(fang)式进行缓解，从而确保推理结果的准确性与可靠性。

针对大模型幻觉(jue)问题，曾刚建议，通过引入(ru)金融领域知识图(tu)谱和规(gui)则库(ku)，限制(zhi)生(sheng)成内容在可信范(fan)围内；同时，通过高质(zhi)量数据的监督微调优化(hua)模型表现，并结合结果验证(zheng)机制(zhi)和人工(gong)审核，确保输出的准确性和可靠性。这种多层次的控制(zhi)能够有效降低幻觉(jue)风险，提升模型在金融场景中的可信度。

来(lai)源：国(guo)际金融报