DeepSeek驱动券商业务模式重构 更多应用场景将落地

证券时报记者 王蕊

春节后，已有数十家券商陆续宣布完成DeepSeek的部署。以DeepSeek为代表的AI大模型，为证券行业的数字化转型与重塑按下加速键。

那么，目前AI模型对业务场景的渗透究竟达到了何种深度？它又能在多大程度上助力券商实现降本增效？面对AI浪潮，券商又该如何借助这股力量完成自身的数字化重塑？对这些问题，业内人士有许多最新分析及展望。

当前主要扮演助手角色

“从各券商的DeepSeek应用情况看，以员工赋能为主，对客服务为辅。”招商证券非银金融首席分析师郑积沙认为，对内而言，券商中后台业务场景的相对封闭性、业务流程的透明性和结果审核高同步性，为人工智能的差错提供了一定包容性。对外而言，DeepSeek当前聚焦于智能营销、智能问答、信息整合、风险提示等低交互环节、扮演辅助型角色、降本增效。

瑞银证券A股非银金融行业分析师曹海峰预计，基于金融行业对于准确性、可控性的要求，以及风险的把控，未来两年生成式AI对内赋能会大于对客业务的赋能，大模型主要作为员工助手辅助角色，提高简单场景下的业务自动化水平。

过去，受制于传统IT技术的能力，金融科技对券商业务的支持主要集中在流程管理等方面。随着生成式AI的横空出世，包括研究、交易、投行、营销获客、中后台运营等业务都有望深度受益——比如通过识别潜在客户、生成营销内容来帮助券商营销获客，通过资料检索和整理提升研究员工作效率，通过优化交易算法、开发策略代码等方式赋能交易等。

有券商人工智能团队负责人向证券时报记者分析，制约AI向更复杂场景渗透的主要有三个因素：一是数据质量和合规问题，如何整理和利用有效数据，并满足客户隐私保护和监管要求，仍需摸索尝试。二是技术成熟度，大语言模型的稳定性、准确性和可解释性仍有待提高。三是业务流程和组织架构的适配，AI应用势必将重塑券商现有的业务模式，后续的管理及流程优化也是个不可小觑的工程。

助力证券业降本增效

在曹海峰看来，生成式AI在金融行业的发展潜力，大于大部分其他行业。一方面，金融行业积累了大量宝贵的、可供垂直训练的数据；另一方面，目前大模型主要颠覆的是语言类工作，而金融行业正是语言工作丰富的行业。此外，金融行业是典型的劳动力密集行业，未来AI带来的人力成本降低空间也相当可观。

中金财富表示，DeepSeek展现显著的效率优势，单日处理量突破万份文档，较传统人工处理效率提升90%。国盛证券则预计，DeepSeek大模型的加入，可以提升客户服务、业务运营、系统运维方面20%的工作效率。东兴证券则透露，相关智能化产品，在规则解读、业务流程指导及软件使用查询等方面，已实现精准检索、秒级响应，助力工作效率飞跃提升。

目前，AI在证券行业的应用带来了显著效率提升，有望降低人工成本并提高利润。有券商金融科技团队人士认为，接入DeepSeek大模型，能够帮助证券公司提升业务效率、创新业务模式、优化客户服务，这是行业发展的必然选择。

据瑞银测算，生成式AI对金融的影响主要在降本、增效、提升客户黏性方面，分别适用于59%、83%、44%的场景。在最好情景假设下，预计至2030年，生成式AI的应用将为证券行业降低40%的人工成本，提升30%的利润，并驱动券商ROE（净资产收益率）边际提升2.7个百分点。

不过，中信建投证券非银金融首席分析师赵然分析，短期内，AI主要赋能以个人为单元的规范性业务，优化流程，提升业务效率与客户体验。中期来看，AI将关键赋能前中后台业务协同，释放人员生产力。长期而言，AI能推动证券机构敏捷转型，形成差异化竞争力，在市场中占优。

更多场景有望逐步落地

曹海峰表示，券商、银行、保险等金融机构对拥抱AI 态度积极，尤其是头部企业，虽投产率不到10%，但整体试点率约 50%。大模型性能决定其行业应用渗透程度，随着DeepSeek R1模型推出，大模型在金融机构的应用有望加速落地，前期或主要应用于B端。

他还认为，因当前技术不成熟、C端大模型需监管备案、国内C端用户付费意愿低等，短期内C端场景商业化会落后于B端。但在未来几年，随着大模型技术提升、监管政策完善落地，生成式AI将会深入复杂对客场景，重塑业务模式，如自动智能财富规划、智能金融产品推荐、全自动机器人投顾等新兴模式会不断出现。

赵然表示，金融机构借助大模型加速数字化转型的关键在于不断动态沉淀的本地数据和业务逻辑。“AI+金融”的竞争力取决于能否持续积累高质量业务数据，深化对垂直场景的认知，并通过迭代形成“数据-模型-业务”的正向循环，以此提升金融服务水平。

业内人士预计，往后看，开放DeepSeek提供特色化、多元化自研模块，以提升机构服务附加值，或成为多数券商AI赋能机构服务的路径之一。