用益信托网

追溯2022年底，彼时以百度为代表的文心一言，因代表“国产新势力”GPT受到追捧，当时也有十余家券商宣布接入，跟目前的Deepseek与证券公司合作有一种“似曾相识”的感觉。

目前市面上GPT类产品层出不穷，上百款的应用模型也有多年的积累和推广时间，我们在23年初写过一篇结合证券行业的思考文章，《ChatGPT能否改变证券行业？》，在彼时环境中，我们给出了长路漫漫Or未来可期的双路径结论。但这次，我们认为，证券公司搭上DeepSeek为代表的国内高性能、以中文语言为代表的高质量大模型，会成为一个影响证券行业长久的标志性事件，或者是证券行业全面金融大模型AI时代的开端。

一、DeepSeek成功原因：并不是最聪明的私募量化团队会更了解一切

一般认为，DeepSeek大模型凭借“模型技术安全自主可控、金融应用场景深度契合、成本效率优势显著”的优势，在证券行业在金融智能领域的应用提供了广阔空间。但为什么是DeepSeek大模型，而不是月之暗面或者豆包其他国内大厂的模型？

1.量化投资跨界到AI和AIG有基因

当其他互联网大厂的AI都在找场景中，私募量化幻方旗下的DeepSeek因为有自主开发的深度学习平台“萤火”作为算力场景使用以及“量化投资”的主战场，显得更为淡定。因此，无需全市场找市场和客户去做应用场景的使用，只要大模型服务好“金融”主业，就是最大的场景。此外，幻方在2019年搭建“萤火”场景时候，就购买了1000多张GPU，在后续“萤火”平台升级的时候，GPU数量高达10000多张。

正是DeepSeek有“量化投资”的主战场以及“萤火”的算力场景硬件的支持，幻方在场景+算力两个领域已经是GPT的主要选手，更是了解金融的GPT供应商。

2. AI界的拼多多服务金融降本增效

国内AI大模型的大降价，其“始作俑者”就是DeepSeek。2024年5月，DeepSeek推出第二代MoE模型DeepSeek-V2，输入/输出定价分别为每百万tokens 1元和2元，仅为GPT-4-Turbo价格的近1%，打破原来国内原来近20元每百万tokens的高价，打响了AI降级浪潮的第一枪，当然，其背后的逻辑就是DeepSeek没有选择复刻欧美技术的“复制升级”，而是逆向选择“改变基础算法”，采用了 Multi-Head Latent Attention (MLA，一种新的多头潜在注意力机制） 和DeepSeek MOE（混合专家）架构，把计算量降度进行优化，把训练成本降低到极致。2025年初发布的DeepSeek-V3和R1模型延续了低价策略，对于之前券商和大模型大厂高达百万级的定制收费，DeepSeek相对低廉和本地化部署的大模型迎合了国内降本增效的金融大趋势。

3. 并不是最聪明的私募量化团队

与大厂“讲究”学历和“海外”背景不同，DeepSeek没有海龟，也没有奇才。创始人梁文锋坦言，团队“都是一些Top高校的应届毕业生、没毕业的博四、博五实习生，还有一些毕业才几年的年轻人”。

DeepSeek的成功需要金融机构深入思考和反思的一个问题是，并不是最聪明的私募量化团队如何实现逆袭成功？梁文锋的多次采访给了答案，顺人性，别逆人性管理。DeepSeek的人才例证就是一个，当金融机构对学历和文凭趋之若骛，从“内卷”走向“创新”的结果就是，尊重和企业家树立的文化。正如梁文锋所述，创新往往都是自己产生的，不是刻意安排的，更不是教出来的。

二、券商躬耕入局：本地化的DeepSeek模型对内地券商更具有吸引力

截至2月13日，根据统计，全市场已经有超20家券商开展了对DeepSeek模型的部署工作。

先说结论：DeepSeek作为本地部署的大模型，对合规要求高的内地券商而言，更具有吸引力

1.安全合规的本地化部署及适配性是第一要务

对于国内的证券公司而言，金融数据本地化留存、信息技术安全、系统和交互的安全是做金融人工智能的第一要务。

根据大模型、数据安全相关的法律法规如《生成式人工智能服务管理暂行办法》《互联网信息服务深度合成管理规定》《金融数据安全数据安全分级指南》等选择符合要求的企业和模型，以及根据证券公司《证券基金经营机构信息技术管理办法》

其次，DeepSeek的本地化部署以及本土化的适配性，与之前的云端接入或者定制化服务而言，降低了券商对外部技术供应商的依赖，业务边界的安全性和自主选择的可控性都在券商手中。

2.先卡位、再展业是证券公司布局入场的主旋律

就国内证券公司而言，数字化转型浪潮是大家的必选题。先卡位，先入局，是证券公司的第一步，从我们梳理的证券公司而言，大券商金融科技迭代能力强，有实力也有技术盈余，因此卡位意识十分突出，截至2月13日，大部分券商都是上市券商以及大中券商开展布局DeepSeek模型。中小券商可能出于各种理由，先观望，测算成本以及场景更多丰富后再入场，这也是大部分中小券商可预见的方式。     

其次，展业步骤也是相对有序。根据已经披露接入DeepSeek的证券公司公告而言，目前，DeepSeek已经成为公司多个核心业务领域的利器，聚焦在：客服服务、客户画像、赋能信息检索、文档处理、行业研究、市场研判、辅助软件研发、辅助制定营销方案、合规问答、业务办理指引等多个业务场景。一般而言，我们认为DeepSeek模型，证券公司共性的尝试方向大概是：

在客户层面：先对内（员工）、再对外（客户）；

在业务层面：先试点（部分）、再推广（全面）；

在服务层面：先投教（个人）、再投研（机构）；

在场景层面：先网点（业务）、再总部（职能）；

在应用层面：先语义（静态）、再视频（动态）。

三、AI大模型焦虑：从业人员与证券公司又喜又怕

AI大模型的快速发展正在重塑金融行业，尤其是证券领域。从业人员和机构在享受技术红利的同时，也面临多重挑战，形成了“喜忧交织”的复杂局面

1.从业人员：既要卷，又怕AI抢饭碗

技术迭代更新也成为一些人制造“认知断层”的一个新故事。未来，AI+客服、AI+经纪、AI+投研、AI+投顾、AI+合规、AI+文档、AI+一切，技术飞速更迭下人们“怕掉队”，内卷成为从业人员的常态，但是AI技术带来了效率革命（喜），无论在客户服务、投研效率提升，还是在风险管理，流程管理，都带来了巨大升级。

但同时，AI的成熟应用，对初级程序员、投顾人员、投研人员等职业带来了巨大的冲击，职业重构压力成为大家的新话题，被替代成为焦虑时代的共同话语。一些传统的标准化的数据处理、基础报告撰写等投研、投顾和客服岗位需求下降，高盛研究显示未来5年券商基础分析师需求可能缩减40%。此外，掌握金融工程、模型微调等新技能成为必备选项，某头部券商2023年内部调研显示仅15%员工自评"具备AI协作能力"

2.证券公司：既要用AI，也要反对全AI替代

面对AI大潮，AI竞赛成为新的赛道，头部券商势必通过技术储备、资金储备碾压中小券商，因此，跟进AI浪潮既是主动选择，也是时代要求。另一方面，部分业务不能通过AI的替代，就如同大学的期末考试不能通过AI实现，因为部分业务，需要有人性和温度实现，有需要差异化的专业去实现。

同时，证券公司也可以用部分手段防止AI的过度滥用：如使用反AI技术（如检查错别字、标的符号）、用AI投喂查询AI纯度等。AI在证券公司的业务层，除了沙盒监管外，其实也需要进行隔离墙管理。

 证券行业正经历从"人力密集型"向"智力+算力”的范式转移，面对这一轮的AI大模型时代，监管也会根据全面的时代特征开展新的“游戏规则”，如AI大模型在证券行业的应用中，数据安全和隐私保护问题需要从技术、管理和法规等多个层面综合解决。但我们有理由相信，DeepSeek的发展当前仍处于初级阶段，虽然人工智能可以在特定领域展现出超越人类的能力，但无法完全替代人类独特的思维和人类独有能力，证券公司作为链接投资者和资本市场的桥梁，具有不可替代的多重因素，正如我问DeepSeek的一个问题，我们会被AI代替吗？它的回答："AI不是替代人类，而是解放我们去做更富创造性的价值判断。”

本文作者为知名券商研究创新部战略总监