發展數字經濟和數字金融已成為推動銀行業數字化轉型、擁抱新一輪科技革命的重要途徑。近日，隨著國產大模型DeepSeek崛起，其推出的一系列大模型，以極低成本實現了卓越的性能表現。江蘇銀行主動融入數字經濟發展浪潮，依托“智慧小蘇”大語言模型服務平臺，成功本地化部署微調DeepSeek-VL2多模態模型、輕量DeepSeek-R1推理模型，分別運用于智能合同質檢和自動化估值對賬場景中，通過對海量金融數據的挖掘與分析，重塑金融服務模式，實現金融語義理解準確率與業務效率雙突破，為業務發展注入強勁動力。

江蘇銀行于2023年率先研究并開發出行業級大語言模型服務平臺 “智慧小蘇”，通過構建基礎設施層、工具層、模型層、服務層與應用層五層架構，做到高度自主可控與定制化。“智慧小蘇”依托行業領先的大模型底座，具備文本、圖像、代碼、語音等靈活可擴展的生成能力，集成的多種單一領域模型，在各特定場景下表現優異。

此次通過引入DeepSeek大語言模型，“智慧小蘇”在復雜多模態、多任務場景處理能力、算力節約、效能等方面得到進一步提升。DeepSeek-VL2多模態模型，能夠同時處理文本、圖像、語音等多種數據類型，較單一領域模型部署節約了算力成本，為進一步解決金融領域復雜的多模態場景問題(如票據識別、合同解析等)提供了技術基礎;DeepSeek-R1模型，在模型規模和性能上具備顯著優勢，為處理復雜任務(如風險評估、投資分析)和生成高質量文本(如報告撰寫、合規審查)提供更優解決方案。結合DeepSeek的模型特性，江蘇銀行“智慧小蘇”應用在不同場景實現智能化創新。

“智慧小蘇”通過DeepSeek-VL2多模態模型的細粒度文檔理解能力解決了傳統模型在非制式合同中存在合并單元格、跨頁表格等多結構表格內容識別準確率不足、精度局限的問題，將嵌套表格、手寫體混合排版等復雜場景的識別成功率提升至領先水平。通過創新的多模態技術與混合專家框架，識別綜合準確率躍升至96%，較傳統方案提升12個百分點。利用識別結果結合外部數據等方式智能檢測校驗合同信息，對風險較高的交易提前發出預警，有效防范潛在的信貸風險。利用DeepSeek模型優化后，識別及預警響應速度提升20%，有效防范潛在的信貸風險，助力分支行更高效地完成受托支付合規性審核。

“智慧小蘇”通過輕量化DeepSeek-R1推理模型引擎的高效計算特性完成資產托管估值信息自動化解析錄入、自動化對賬。傳統資產托管估值對賬依賴人工處理每日超2000封差異化郵件，對TA信息、交易信息、估值信息等區分后手工錄入比對，存在錄入工作量大、對賬異常回溯困難等問題。江蘇銀行應用R1推理模型，結合郵件網關解析處理能力，實現郵件分類、產品匹配、交易錄入、估值表解析對賬全鏈路自動化處理，識別成功率達90%以上，目前已初步實現業務集中運營，按照平均手工操作水平測算，每天可節約9.68小時工作量。

江蘇銀行持續探索大模型技術在金融場景的應用，在智能客服、智慧辦公、數據治理、風險防控等領域都有領先的創新實踐，已落地近二十個場景，為客服坐席、客戶經理、研發運維人員釋放大量生產力。未來，江蘇銀行將持續推動數智化轉型，打造更具競爭力的智慧金融生態，更高效、更智能地服務實體經濟。 江寅軒