《国际金融报》记者了解到，目前多家消费金融公司通过自研智能平台接入DeepSeek。中原消费金融公司依托自研的智能化平台"元擎Matrix"引入DeepSeek－R1版本，在智能质检、智能问答、意图识别、提示词编写等场景进行探索应用。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DeepSeek，并应用于智能质检与知识库检索两大业务场景。海尔消费金融公司已经部署了DeepSeek私有化版本，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，接入智能体平台，开始全面赋能营销、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季昕华告诉记者，DeepSeek性能比肩GPT核心模型，但训练所需算力资源和资金投入更少，显著降低了企业的技术门槛和经济成本。DeepSeek开源策略支持地方政府和金融机构私有化部署，满足国产化适配要求，吸引金融科技企业快速接入。相较于同类模型，DeepSeek的推理成本大幅降低，推动行业应用广泛落地。
合规与数据安全备受关注
由于金融科技行业的特殊性，在接入DeepSeek时，数据安全与合规性备受关注。海尔消费金融首席信息官梁树峰对记者表示，DeepSeek开源版本隐私安全性与金融数据隐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会产生较大压力。此外，开源模型易受攻击，数据接口须强化防护。
中邮消费金融科技发展部负责人朱威告诉记者，虽然DeepSeek降低了训练和推理成本，但是大模型的资源需求还是较大的，同时由于金融行业严格的数据安全与合规性规定，消费金融企业在涉及数据安全的场景下需要采用私有部署的方式来降低合规风险。在GPU（图形处理单元）资源有限的情况下，如何高效安全地使用DeepSeek模型成为各金融企业需要解决的问题。
针对大模型应用的潜在风险，梁树峰认为，需要采取多维度防控：关于数据安全与隐私保护，可通过本地化部署核心模型，避免敏感数据外流；采用联邦学习与同态加密技术，实现"数据可用不可见"。针对模型失真与合规风险，可建立模型监控体系，定期及时审计模型输出偏差；嵌入监督模型及监管规则引擎，确保决策符合个人信息保护法等要求。针对系统性风险传导，应设计熔断机制，当模型异常时自动切换至传统系统；与行业联盟共建风险预警平台，共享攻击特征与防御方案。
朱威建议，一是选用参数规模合适的模型，将DeepSeek聚焦在需要复杂推理的应用场景，如数据分析、机器人决策等，并与其他大小模型相互结合，保证智能化服务质量；二是借鉴DeepSeek-R1的训练方式，蒸馏更加细分的垂类模型以减少对GPU资源的需求；三是期望在合规前提下，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。
