大象起舞！48万亿工行率先完成DeepSeek私有化部署，“AI+金融”竞赛大幕掀开；国有行、股份行如何差异化布局？

在2025年全国两会热议“人工智能+”赋能新质生产力的政策风口下，中国银行业悄然打响一场没有硝烟的“ai军备竞赛”。

3月8日，中国工商银行（下称：工行）宣布了一项重大突破：在同业中率先完成deepseek最新开源大模型的私有化部署，成为首个实现该模型全行级应用的国有大行。这场技术突围不仅刷新了金融业智能化改造的进度条，更揭示了不同类型银行在数字化转型中的战略分野。

据《行长速览》了解，工行此次部署的deepseek大模型，被整合至其自主研发的“工银智涌”企业级金融大模型技术应用体系。该体系以“全栈自主可控、全面技术突破、全域场景赋能、全辖安全防护”为目标，集算力、算法、数据、工具、安全、应用、生态于一体，形成了以大模型为核心的新一代金融业务赋能模式。

在算力层面，工行建成自主可控的千卡规模ai算力云，具备tb级数据千亿参数大模型全参二次训练能力，训推效率达到业界先进水平。算法方面，通过多层次架构、多模态感知与多任务协同融合，构建了包含十余个大模型和两千余个传统模型的协同矩阵，实现动态择优调控。数据与安全能力同样突出，工行打造了覆盖“通用、行业、企业、领域、任务”五层知识架构的高质量金融数据集，并从基础设施安全、模型合规性、数据可信度等维度构建了立体化防护体系。

技术升级的最终目标是业务赋能。目前，工行已将大模型技术应用于20多个核心业务领域，覆盖超200个具体场景，形成“企业级ai普惠赋能+ai专业突破”的双轮驱动模式。

在金融市场领域，工行推出chatdealing数智对话交易产品，重塑交易流程。该产品通过自然语言交互实现实时询价、风险对冲和策略生成，使总分行询价交易效率提升3倍，交易规模显著扩大。客户服务端，远程银行坐席助手“工小慧”借助大模型的语义理解和意图识别能力，实现“智能全旅程陪伴”，重点场景通话时长压降约10%，服务效率与客户体验双提升。

风险防控则是另一大焦点。工行围绕信贷全流程开发的“工小审”风控助手，集成信贷制度查询、报告编写、风险评估等功能，实现对公信贷场景的“智慧审贷”。这一工具不仅将审贷周期缩短30%，还通过数据分析与模型预测强化了风控精准度。

工行的此次突破不仅是内部能力的升级，更展现了其对行业生态的深远影响力。通过总结形成“1+x”金融行业应用范式，工行已将ai大模型解决方案赋能部分同业机构，技术输出或成未来盈利增长点。

事实上，除了工行外，其他国有大行和股份行也在积极探索deepseek的应用。

目前，邮储银行和建设银行已迈出实质性步伐：邮储依托自研的“邮智”大模型，集成deepseek-v3及轻量级r1推理模型，率先升级智能客服“小邮助手”，并探索数字员工交互与反欺诈场景；建行则从总行层面引入deepseek进行定制化训练，计划通过统一平台向子公司输出ai工具，其子公司建信理财已在理财业务中试点应用。

相比之下，农行、中行、交行等国有大行尚未公开深度合作计划，这可能与其技术路径选择有关：农行持续投入量子密钥分发提升数据安全，中行则专注于区块链在跨境金融中的应用，反映出国有大行更倾向于将外部技术作为补充模块，与自有技术体系深度融合。

而在股份制银行中，浦发银行和兴业银行表现突出——浦发基于升腾算力平台部署千亿级deepseek-r1671b模型，赋能数字员工的智能问答与报告生成；兴业则直接接入r1模型，聚焦基础业务流程优化，如合同审核与客户服务响应。

值得注意的是，国有大行与股份制银行的差异化布局逐渐显现。

从战略路径看，国有大行与股份行的差异源于资源禀赋与业务重心。国有大行凭借庞大的科技投入（如工行年投入超270亿元）和万人级技术团队，强调“自主可控”与生态闭环，例如工行的分布式核心系统覆盖80%业务量，建行的“建行云”算力规模达463pflops。这类机构更注重在高合规要求的核心业务中审慎推进ai应用，避免技术依赖风险。

而股份行及中小银行则侧重敏捷性与成本优化，浦发、兴业等通过直接接入deepseek或联合云服务商缩短部署周期，部分城商行甚至借助开源特性快速实现智能合同质检等场景，以弥补技术代差。这种分野背后，是国有大行“技术护城河”与股份行“场景创新力”的博弈——前者通过技术输出构建行业生态，后者则以垂直场景的快速迭代争夺市场效率优势。

然而，无论是国有大行还是股份行，均需直面ai模型的数据安全与可解释性挑战。工行虽通过私有化部署降低风险，但中小银行在算力投入（如百万级一体机成本）与应用适配上的压力依然显著。未来，随着金融法立法进程加速与ai监管框架完善，银行业的智能化竞赛或将更多转向技术伦理与商业价值的平衡，而deepseek带来的“技术平权”效应，能否真正重构行业格局，仍需时间检验。

来源：行长速览