五金AI技术加速突破背景下，证券行业与硬核科技结合有望推动行业形成深层次变革，加速业务模式和功能创新，重塑行业竞争力，推动行业降本增效，赋能中小券商形成差异化竞争路径。DeepSeek冲击下国内券商加速推进AI布局，应用场景集中在智能投研、量化交易、客户服务等领域。展望未来，AI带来的行业变化趋势包括但不仅限于传统业务逻辑革新和人才需求层次的变化，如何应对产融结合带来问题和挑战，是未来行业进一步推动高质量发展的关键。

　　保险行业：AI加速赋能，迈向数智化发展新征程。“新国十条”指引下，保险行业站上了从“数字化”迈向“数智化”的关键节点，AI赋能是保险行业迈向发展新征程的核心支撑。AI与保险业务结合范围广泛，包括但不限于核保、理赔等多个方面，提升运营效率，优化用户体验。同时，AI助力保险行业开辟新的业绩增长点，在产品设计、精准营销、理赔风控和健康管理等方面重塑盈利模式，符合行业整体从粗放式运营向精准、高效、创新转变的发展逻辑。

　　银行:（1）数字化程度高，资金、人员和技术领先的国有大行；（2）财富管理与金融科技布局早且生态优势明显的零售股份行；（3）优质城农商行，尤其是在科技、小微领域具备特色化优势的中小行。非银：（1）资金、技术及数据等综合实力强劲的头部券商；（2）数字技术与传统业务融合发展较好的券商；（3）科技运用领先、有望实现全链路智能化重构的头部险企。

　　数据安全无法保证的风险；模型可解释性不足导致决策失败的风险；监管收紧导致应用难以推广的风险；人才供给不足导致技术赋能无法落地的风险。

　　人工智能是新一轮科技和产业变革的重要驱动力量，对全球经济社会发展和人类文明进步产生深远影响。随着经济社会的发展与科学技术的进步，目前人工智能已被广泛应用于生产生活的各个领域，为经济发展提供新的增长点。作为引领新一轮科技和产业变革的战略性技术，人工智能对于培育和发展新质生产力、完善现代化产业体系、增强国际竞争新优势具有重大意义。

　　党中央和国务院高度重视人工智能战略布局。以来，党中央和国务院多次在重要会议中提出要加快推动人工智能发展，并陆续出台了如《“互联网+”人工智能三年行动实施方案》、《新一代人工智能发展规划》、《关于促进新一代人工智能产业发展三年行动计划（2018-2020年）》和《关于推动人工智能产业创新发展的指导意见》等相关战略发展规划，我国人工智能技术研发和产业规模快速发展。

　　Deepseek发布进一步推动人工智能技术应用的重大突破。从1950年人工智能概念被首次提出，到1960s-1970s逻辑理论家、机器人shakey的研发，再到1980s-1990s专家系统的广泛应用，人工智能受限于当时技术条件在曲折中不断发展。进入21世纪，随着计算能力的提升和算法的进步，人工智能再次迎来发展，深度学习、自然语言处理、机器视觉等领域取得了显著进展。2016年，AlphaGo战胜了围棋世界冠军李世石，标志着人工智能在复杂策略游戏中的突破。2022年，ChatGPT的问世，向世界展现了人工智能巨大的发展潜力与应用前景。2025年，深度求索（DeepSeek）公司推出的大模型产品打破了ChatGPT带来的大模型训练“堆算力”的思维定式，其1/18的低廉训练成本和不相伯仲的模型性能，给全球科技界和金融市场带来巨大冲击。

　　金融行业与人工智能具有较强的适配性。在行业趋势方面，当前金融行业正在加快推动数字化转型，人工智能作为数字技术的重要组成，在金融行业的数字化转型中发挥重要作用。金融机构能够运用人工智能技术实现业务流程的数字化、数据的智能化处理和分析等，提升金融机构的竞争力。在数据基础方面，金融行业运营通常涉及海量的数据，涵盖客户信息、交易记录、市场行情等各个方面，这些数据为人工智能算法的训练提供了丰富的素材，使其能够学习到数据中的模式和规律，从而实现精准的预测和决策；此外，金融数据通常具有较高的规范性和标准化程度，这使得人工智能算法能够更容易地对数据进行处理和分析。在技术需求方面，人工智能能够帮助金融机构优化风险管理、投资决策、客户服务等多种业务场景，为金融创新提供了新的动力和手段，赋能金融机构开发更加个性化、智能化的金融产品和服务。

　　在数字化转型的浪潮中，以 DeepSeek 为代表的 AI 大模型，凭借其强大的语言理解、生成能力以及对海量数据的处理分析能力，逐步受到银行业的广泛关注。截至目前，已有多家银行开始引入DeepSeek模型，短期在业务流程、客户服务方面实现初步尝试，通过探索试错积累经验，从中长期角度可能会引发经营方式、价值链和盈利模式的重塑，例如差异化定价、风险评估、定制化财富管理、开放式银行等。目前涉及的银行包括江苏银行、邮储银行、平安银行、北京银行、苏商银行、重庆银行、渝农商行、青岛农商行和海安农商行。

　　从现有应用DeepSeek的银行来看，先行者多为中小银行，一定程度上体现DeepSeek技术优势带来的成本和技术门槛下降，或为中小银行数字化转型提供弯道超车的机会。由于银行业数字化转型和金融科技投入巨大，对资金、人员、场景生态的要求较高，同时面临技术门槛，国有大行、股份行以及头部城商行具备天然优势，能够自行研发大模型。据不完全统计，2023年，21家A股上市银行累计科技投入1946.13亿元。其中，工农中建四大行的科技投入均维持在200亿元以上。人员配置层面，四大行和招商银行的科技人员数量均在万人以上。此外，这些银行多数设立了金融科技子公司。截至目前，累计有15家上市银行成立了金融科技子公司。其中，国有行5家，股份行7家，城农商行仅3家。因此，中小银行相比于头部银行不具备资金、人员和技术上的优势，但可以选择与金融科技服务商合作，例如接入DeepSeek开源大模型，运用混合专家系统（MoE）去降低算力消耗，从而减少研发成本、门槛，同时借助二次开发对接业务场景需求，为积累数据和经验打开空间，实现弯道超车。

　　数据安全与隐私保护风险：银行在使用DeepSeek开展业务时，如果未对客户数据进行脱敏或者加密处理，会导致客户信息泄露，如身份证号、账户余额、交易记录等敏感信息，暴露客户隐私，将引发客户信任危机，并给银行带来严重的声誉损失和潜在的法律风险。因此银行应对数据进行脱敏处理，并大力推广联邦机器学习、同态加密等隐私计算技术，在保障数据安全的同时，实现数据价值的挖掘与利用。不过，这些技术在实际应用中成本较高，短期内可能主要由大型金融机构采用。此外，即便银行对敏感数据进行了本地化处理和脱敏，在数据传输和使用过程中，仍存在潜在风险。例如网络加密技术若存在漏洞，黑客可能通过网络攻击获取数据，就像2017年Equifax数据泄露事件，因网络安全防护漏洞，致使约1.47亿消费者的个人信息被泄露。

　　模型可解释性不足且难以应对复杂业务场景：DeepSeek在助力业务开展过程中可能存在“黑箱”决策问题，即数据输入输出和决策过程透明度不足，这使得营销、信贷审批、风险评估、投资决策等关键环节缺乏清晰的决策依据。模型算法也可能存在歧视和偏见，影响公平性，进而损害消费者权益，引发投诉。因此，银行有必要开发可视化工具，使模型的决策过程更加透明，此外，DeepSeek在面对金融资产投资、跨境业务、结构化融资、衍生品交易等复杂业务场景时，存在局限性。若AI工具未能准确理解产品机制、业务流程、客户需求以及相关的风险点，可能给出错误的分析或者决策，从而导致巨额损失，因此这些业务离不开人力经验和判断的加持。

　　人才短缺与技能不匹配：DeepSeek技术在金融领域的应用，对从业人员提出了新的技能要求，包括技术能力、数据分析能力、场景应用能力等。但当前银行业缺乏既懂金融又懂AI技术的复合型人才，这导致DeepSeek等AI工具在实际应用中无法充分发挥作用，难以将其优势转化为业务价值。此外，银行业内部培训效果受多种因素影响，其中培训内容与实际业务的贴合度影响最大。一些培训内容过于理论化，未结合DeepSeek在业务中的实际应用场景，使得培训的效果大打折扣。

　　合规监管面临较大挑战：当前的金融监管体系主要是基于传统金融业务模式制定的，对于DeepSeek在金融领域的应用，缺乏明确的监管规则和标准。通常而言，监管规则的制定往往滞后于技术的快速发展和相关风险的暴露。例如，过去我国互联网金融加速应用，P2P平台出现无序扩张与风险聚集的情况，最终被监管要求集体整顿。因此，监管缺失可能限制DeepSeek的进一步推广和应用。在等待监管规则完善的过程中，银行应通过制定内部AI应用规范进行自律。

　　随着AI技术的快速发展和大模型能力的不断提升，AI技术逐步走向业务前线，它不仅是提高效率的工具，更是推动商业模式创新的重要催化剂，率先布局AI技术的证券机构，将在未来激烈的市场竞争中占据有利地位。目前，证券机构持续加码在大模型基础设施建设领域的投入，加大AI大模型的场景应用和生态建设已成为证券行业布局的重点方向，AI正在推动行业形成深层次的结构性变革。

　　一是加速业务模式和功能创新，重塑行业核心竞争力。AI作为新一轮科技和产业变革的重要力量，在财管业务、投资业务、研究业务、风险管控等方面为证券机构赋能，提升相关业务能力。在财管业务方面，智能投顾是将数字技术和金融业务融合发展的重要模式创新，以服务普惠化、决策数据化与方案定制化等特性，推动行业价值链条重构。通过运用海量客户个性数据训练大模型，智能投顾能够为财富管理客户提供智能化、个性化的投资建议和产品推荐，加强对于长尾客户的服务。在投资业务方面，AI推动投资逻辑持续变革和优化，尤其是量化交易领域，AI通过机器学习模型分析海量市场数据（如价格、成交量、新闻情绪等），实时捕捉交易信号，执行毫秒级高频交易；同时，AI可快速回测历史数据，动态调整投资组合，提升收益风险比。在研究业务方面，基于自然语言处理技术，研究员通过运用往期研究报告训练AI大模型，在后续写作中AI可以自动提取关键信息、生成研报摘要，甚至撰写完整的研报；可以预见，近期证券机构将通过整合Deepseek与多元数据，进一步构建智能投研平台，推动卖方研究服务和内部研究协同模式创新。

　　二是逐步形成AI替代效应，推动行业降本增效。AI在赋能行业模式创新的同时，也在不断推动行业降低运营成本，提升运营效率。近年来，随着金融科技的持续发展，数字技术形成的人工替代效应正推动证券行业人力成本逐年下降，尤其是一些低附加值的工作岗位。从行业从业总人数来看，08年、15年两次牛市均推动了证券行业从业人数的快速扩张，但近几年来趋于稳定；从行业从业人员分类数量来看，随着互联网获客渠道的不断发展，证券经纪人数量自07年以来不断下滑，财富管理逻辑概念兴起之下传统经纪业务的模式变革，推动附加值相对较高的投资顾问人员数量不断攀升；然而，相对于AI“秒级响应”的效率和几乎“零误差”的准确性，基于低成本生成式大模型的智能投顾对传统投顾形成的替代，将会再次革新财富管理业务发展模式。

　　三是赋能中小券商形成差异化竞争路径。AI技术在一定范围为金融机构提供了价值重估的契机，依托数字化技术运用和专业合规风控形成的差异化竞争力，中小券商有望在特定领域开辟特色化经营路径。具体而言，相对于头部券商拥有较多的专业资源和渠道资源，中小券商往往难以针对所有客群提供综合化的服务；以投顾业务为例，AI技术的跨越式发展一定程度上弥补了中小券商资源禀赋相对不足的缺陷，赋予中小券商深耕投顾赛道的能力——通过AI技术赋能，中小券商能够针对高净值客户和长尾客户提供分层级的服务策略，将有限的专业资源投向高净值客户、提供深度服务输出，而针对长尾客户则依托生成式AI接口扩大服务覆盖面，差异化竞争力的培育更多的是集中于大模型训练提升服务准确性和效率性，消除以往禀赋差异的巨大鸿沟。

　　DeepSeek是AI大模型发展的新突破和新尝试，其“低成本+开源”的优势让AI能够走向低成本、大规模的大众化路线——降低使用门槛，满足广泛用户的基础需求，同时商业化部署难度也大幅降低。从数字化技术与传统业务融合发展以来，证券行业对于金融科技的应用较为领先，每年行业IT投入及营收占比不断上升；DeepSeek发布后，国内众多券商积极拥抱科技变革，纷纷宣布与人工智能技术公司深度求索（DeepSeek）达成战略合作，共同探索AI技术在证券业务场景中的深度应用。这一动向标志着金融行业智能化转型进入加速期，以大模型为代表的前沿技术正重塑证券服务生态。

　　财富管理覆盖范围深度和广度不断提升。部署成本持续下降的AI技术为券商提供了高效率布局长尾市场的机遇，革新当前财富管理业务逻辑，拓宽智能投顾的服务范围，形成更加精准的客户分类服务模式。具体而言，针对具有较强主观能动性和市场判断力的高净值客户，券商可以坚持“具备资深市场经验的专业人工投顾”+“具备高效准确的生成式大模型”协作模式，提升客户黏性与业务价值；针对专业知识和服务需求相对偏低的长尾客户，则以AI赋能智能投顾为主，通过搭建财富管理智能平台、不断提升大模型训练能力和接入效率的方式，拓宽长尾客户服务半径和质效。

　　行业人才需求模式和专业能力要求发生较大变化。在AI冲击之下，尤其是低成本高效率的Deepseek发布之后，证券行业从业人员结构变革或将加速。从AI技术发展应用以来，人工智能正在对券商传统岗位形成一定程度的替代，但是替代岗位主要集中在重复性高、规律性强的工作上，AI也在不断产生很多新兴人才和专业需求，如AI训练师、人机协作设计师等。未来行业将有越来越多的金融科技岗位需求，券商从业人员专业要求能力将不仅仅是金融相关知识和技能，如何高效使用AI大模型、掌握“金融+科技”的复合技能，具备更高的技术能力和创新思维，将成为行业未来人才竞争的主要领域。

　　AI技术加速更新迭代同样为行业发展带来问题和挑战。一是风险和监管问题，目前AI推动的硬核科技与证券行业的产业融合应用还处于起步阶段，监管政策和法规还不完善，存在监管空白和挑战，可能容易形成目前监管部门尚无法提前预估和防范的黑天鹅风险。二是法律和合规问题，目前AI应用的相关技术和架构仍涉及到诸多法律界定边界模糊的区域，例如知识产权保护、数据所有权、数字隐私和安全、责任界定等问题，容易产生法律合规方面的纠纷。三是算法和技术问题，目前AI模型的算法通常是黑盒模型，如果数据和算法出现偏差，容易影响输出的准确性和客观性，尤其是涉及到投资决策等重要应用场景；此外，AI的产融结合模式仍在发展和摸索的过程中，在本地化部署和接入的过程中，可能存算法失效、模型崩溃、系统故障等问题，存在较大操作风险。

　　国务院于2024年9月发布的《关于加强监管防范风险推动保险业高质量发展的若干意见》（以下简称“国十条”），为未来保险业高质量发展做出了全面系统的部署和规划，明确提出要“提高数智化水平”、“加快数字化转型，加大资源投入，提升经营管理效率。鼓励运用人工智能、大数据等技术，提高营销服务、风险管理和投资管理水平”。当下，保险行业正站在从“数字化”迈向“数智化”的关键节点，科技创新已然成为驱动保险行业变革的核心动力。在这一进程中，基于数智化的科技能力，正逐步演变为保险企业不可或缺的核心竞争力。

　　AI是保险行业数智化发展的核心支撑。随着人工智能技术的日臻成熟，特别是大模型的不断迭代，为保险行业带来了全新的发展契机。保险公司纷纷敏锐地捕捉到这一趋势，积极投身于利用新技术对营销、核保、理赔、风控以及服务等核心业务场景进行重塑，致力于实现保险价值链的全方位再造。通过引入先进技术，保险公司期望在提升运营效率、优化客户体验的同时，挖掘新的业务增长点，在激烈的市场竞争中占据有利地位。

　　以保险理赔环节为例，保险公司理赔环节正借助AI技术，从传统模式迈向数字化模式。传统理赔模式依赖人工操作与纸质文档流程，客户需填写大量表格并提供证明文件，经多环节人工审核处理，如报案、定损、理赔审核及赔款支付，流程繁琐、效率低，客户体验不佳；而数字化理赔运用保险科技，借助人工智能、大数据等新兴技术，其流程涵盖报案登记、远程定损、智能审核及理赔结果通知，可提供更快速、高效、智能的服务，提升服务质量与客户满意度。

　　如何构建与之契合的AI大模型是保险企业需要回答的重要问题。目前，国内保险公司正通过将大模型深度融入科技战略、全方位重塑保险业务流程，力求在数字化浪潮中抢占先机、树立数智化转型标杆，引领保险行业迈向更加智能、高效、创新的发展新。

　　AI还为保险公司开辟新业务与盈利增长点。如一些保险公司利用物联网与AI技术推出基于使用情况的保险产品（UBI），实时收集车辆行驶数据或健康监测数据，动态调整保费，满足客户个性化需求，拓展业务边界，创造新盈利来源。保险公司利用AI实现盈利模式变革，从传统粗放式运营转向精准、高效、创新的发展路径，提升竞争力与盈利能力，为行业发展注入新活力。

　　在保险行业的数字化转型浪潮中，AI技术正成为重塑盈利模式的关键驱动力。传统保险行业的底层逻辑建立在精算模型、人工核保和渠道分销三大支柱之上，但这些模式在数字化时代逐渐暴露出效率低下、成本高企和用户体验不足等问题。随着AI技术的快速发展，尤其是以DeepSeek为代表的多模态大模型技术的成熟，保险行业的底层逻辑正在被全面重构。AI不仅突破了传统模式的效率瓶颈，还催生了全新的商业模式和增长机会。以下是AI重塑保险行业的五大核心领域。

　　在保险行业，AI正全方位重塑各关键环节。产品设计上，传统模式周期长、产品同质化，难以满足多样需求。而AI借助实时动态定价与碎片化场景险种设计，实现个性化定制，如车险、健康险依据不同数据灵活调整，显著提升用户体验与保费规模，麦肯锡预测可使保费规模提升超30%。精准营销方面，传统人海战术效率低、成本高，利用AI运用用户数字孪生和行为预测式营销，精准触达用户。理赔风控领域，传统人工审核难以应对保险欺诈难题。AI凭借多模态反欺诈和自动化定损技术，提升理赔效率与风控能力。健康管理上，传统健康险事后赔付模式缺乏主动管理。AI结合可穿戴设备与预防性干预，转向主动健康管理。资产管理中，传统依赖宏观判断导致投资收益率波动大。AI通过另类数据挖掘和量化投资模型，优化投资组合提升投资组合年化收益率并降低波动率。

　　DeepSeek将推动AI大模型在保险行业的应用进一步深入，为行业带来显著机遇，同时也伴随着风险和挑战。保险业与其他金融领域相比，DeepSeek接入场景极为丰富。从产品设计到分销、承保、定价、管理、理赔等各个环节，都存在大量可借助科技与数字化手段赋能的细分领域。同时，保险业积累了海量且高质量的数据，为AI和大模型的训练与更新迭代提供了得天独厚的条件，使其成为AI大模型技术的优质应用领域，有望在数字化转型中收获巨大收益，如今全行业已达成拥抱数智化的共识。

　　人工智能也为行业发展带来了数据隐私和安全的风险。随着AI系统对客户数据的依赖加深，数据泄露和滥用的可能性也随之增加，尤其是在数据保规日益严格的背景下，保险公司必须确保其AI系统符合合规要求。其次，AI的广泛应用可能导致就业结构的变革。自动化技术的普及可能会取代部分传统岗位，如理赔审核员和数据录入员，这对员工的技能提升和职业转型提出了新的挑战。保险公司需要加大员工AI大模型相关业务培训，以确保从业人员能够适应新技术环境，同时避免因技术替代而引发的社会问题。此外，AI技术的复杂性和不透明性也带来了操作风险。AI模型的决策过程往往难以解释，尤其是在深度学习领域，这可能导致“黑箱”问题，使得保险公司难以向客户或监管机构解释其决策依据——这种不透明性可能引发客户信任危机，甚至招致法律纠纷。

　　针对银行业数字化与AI应用空间，个股层面关注三条主线）数字化程度较高，资金、人员和技术储备较好的国有大行。这些银行具备丰富的场景和客户数据基础，能够用于训练AI，同时可以通过投资联邦计算、同态加密等技术以及自主开发等形式降低AI数据安全、模式可解释性层面的风险，并且提高技术与业务需求的贴合度。

　　（2）财富管理业务优势突出的零售股份行。这些银行金融科技布局较早且已将AI深度应用于获客、服务、风控和运营中，同时可依托开放平台或者集团生态获取度数据用于数字化、智能化转型。

　　（3）优质城农商行，尤其是在科技领域、小微领域具备特色化优势的中小行。AI能帮助这些银行突破定价与风控短板，构筑核心竞争力，实现重点领域信贷增长，分享经济结构转型红利。

　　DeepSeek发布推动证券、保险业务模式变革的同时，同样带动相关行业标的估值逻辑改变。非银行业个股层面建议关注以下三条主线）综合实力强劲的头部券商。头部券商凭借资金、技术及数据积累优势，率先推进AI大模型的本地化部署，并在投研、合规、客户服务等核心场景中深化应用，形成较强竞争壁垒。

　　（2）数字技术与传统业务融合发展较好的券商。该类券商在IT技术方面有着较强的投入和布局，同时业务发展模式也具备较强的行业特色，有利于综合运用科技红利对于业务竞争力的培育和提升。

　　（3）科技融合发展较好的头部险企。该类标的在科技应用广度和深度上具备行业领先地位，通过综合运用AI技术实现对销售、核保、理赔等诸多业务流程的更新改造，有望实现全链路智能化重构。

　　本文摘自：中国银河证券2025年2月21日发布的研究报告《【银河金融】Deepseek 冲击波：AI 赋能下的金融行业重构及变革》分析师：

　　评级标准为报告发布日后的6到12个月行业指数（或公司股价）相对市场表现，其中：A场以沪深300指数为基准，新三板市场以三板成指（针对协议转让标的）或三板做市指数（针对做市转让标的）为基准，北交所市场以北证50指数为基准，香港市场以恒生指数为基准。【中国银河金融】Deepseek冲击波：AI 赋能下的金融行业重构及变革