大象起舞！48萬億工行率先完成DeepSeek私有化部署，「AI+金融」競賽大幕掀開；國有行、股份行如何差異化布局？

在2025年全國兩會熱議「人工智慧+」賦能新質生產力的政策風口下，中國銀行業悄然打響一場沒有硝煙的「ai軍備競賽」。

3月8日，中國工商銀行（下稱：工行）宣布了一項重大突破：在同業中率先完成deepseek最新開源大模型的私有化部署，成為首個實現該模型全行級應用的國有大行。這場技術突圍不僅刷新了金融業智能化改造的進度條，更揭示了不同類型銀行在數字化轉型中的戰略分野。

據《行長速覽》了解，工行此次部署的deepseek大模型，被整合至其自主研發的「工銀智涌」企業級金融大模型技術應用體系。該體系以「全棧自主可控、全面技術突破、全域場景賦能、全轄安全防護」為目標，集算力、演算法、數據、工具、安全、應用、生態於一體，形成了以大模型為核心的新一代金融業務賦能模式。

在算力層面，工行建成自主可控的千卡規模ai算力雲，具備tb級數據千億參數大模型全參二次訓練能力，訓推效率達到業界先進水平。演算法方面，通過多層次架構、多模態感知與多任務協同融合，構建了包含十餘個大模型和兩千餘個傳統模型的協同矩陣，實現動態擇優調控。數據與安全能力同樣突出，工行打造了覆蓋「通用、行業、企業、領域、任務」五層知識架構的高質量金融數據集，並從基礎設施安全、模型合規性、數據可信度等維度構建了立體化防護體系。

技術升級的最終目標是業務賦能。目前，工行已將大模型技術應用於20多個核心業務領域，覆蓋超200個具體場景，形成「企業級ai普惠賦能+ai專業突破」的雙輪驅動模式。

在金融市場領域，工行推出chatdealing數智對話交易產品，重塑交易流程。該產品通過自然語言交互實現實時詢價、風險對沖和策略生成，使總分行詢價交易效率提升3倍，交易規模顯著擴大。客戶服務端，遠程銀行坐席助手「工小慧」藉助大模型的語義理解和意圖識別能力，實現「智能全旅程陪伴」，重點場景通話時長壓降約10%，服務效率與客戶體驗雙提升。

風險防控則是另一大焦點。工行圍繞信貸全流程開發的「工小審」風控助手，集成信貸制度查詢、報告編寫、風險評估等功能，實現對公信貸場景的「智慧審貸」。這一工具不僅將審貸周期縮短30%，還通過數據分析與模型預測強化了風控精準度。

工行的此次突破不僅是內部能力的升級，更展現了其對行業生態的深遠影響力。通過總結形成「1+x」金融行業應用範式，工行已將ai大模型解決方案賦能部分同業機構，技術輸出或成未來盈利增長點。

事實上，除了工行外，其他國有大行和股份行也在積極探索deepseek的應用。

目前，郵儲銀行和建設銀行已邁出實質性步伐：郵儲依託自研的「郵智」大模型，集成deepseek-v3及輕量級r1推理模型，率先升級智能客服「小郵助手」，並探索數字員工交互與反欺詐場景；建行則從總行層面引入deepseek進行定製化訓練，計劃通過統一平台向子公司輸出ai工具，其子公司建信理財已在理財業務中試點應用。

相比之下，農行、中行、交行等國有大行尚未公開深度合作計劃，這可能與其技術路徑選擇有關：農行持續投入量子密鑰分發提升數據安全，中行則專註於區塊鏈在跨境金融中的應用，反映出國有大行更傾向於將外部技術作為補充模塊，與自有技術體系深度融合。

而在股份制銀行中，浦發銀行和興業銀行表現突出——浦發基於昇騰算力平台部署千億級deepseek-r1671b模型，賦能數字員工的智能問答與報告生成；興業則直接接入r1模型，聚焦基礎業務流程優化，如合同審核與客戶服務響應。

值得注意的是，國有大行與股份制銀行的差異化布局逐漸顯現。

從戰略路徑看，國有大行與股份行的差異源於資源稟賦與業務重心。國有大行憑藉龐大的科技投入（如工行年投入超270億元）和萬人級技術團隊，強調「自主可控」與生態閉環，例如工行的分散式核心系統覆蓋80%業務量，建行的「建行雲」算力規模達463pflops。這類機構更注重在高合規要求的核心業務中審慎推進ai應用，避免技術依賴風險。

而股份行及中小銀行則側重敏捷性與成本優化，浦發、興業等通過直接接入deepseek或聯合雲服務商縮短部署周期，部分城商行甚至藉助開源特性快速實現智能合同質檢等場景，以彌補技術代差。這種分野背後，是國有大行「技術護城河」與股份行「場景創新力」的博弈——前者通過技術輸出構建行業生態，後者則以垂直場景的快速迭代爭奪市場效率優勢。

然而，無論是國有大行還是股份行，均需直面ai模型的數據安全與可解釋性挑戰。工行雖通過私有化部署降低風險，但中小銀行在算力投入（如百萬級一體機成本）與應用適配上的壓力依然顯著。未來，隨著金融法立法進程加速與ai監管框架完善，銀行業的智能化競賽或將更多轉向技術倫理與商業價值的平衡，而deepseek帶來的「技術平權」效應，能否真正重構行業格局，仍需時間檢驗。

來源：行長速覽