用DeepSeek读征信？解锁“白户”信贷风控新路径

登录新浪财经APP 搜索【信披】查看更多考评等级

　　来源：华夏时报

　　近日，以DeepSeek为代表的大模型技术正渗透至信贷审核、风险评估等金融核心业务场景，成为了金融机构提升准确性、降低风险的重要工具。不过，在提质增效的同时，数据安全、个人信息保护与合规等问题也成为机构关注的重点。

　　《华夏时报》记者梳理发现，目前已有海尔消费金融、中原消费金融、新网银行、奇富科技等多家金融机构率先部署DeepSeek大模型，以改善传统信贷风控效率低、主观性强，数据利用不足等难题。

　　“对于部分金融机构接入DeepSeek并用于信贷风控、风险评估等场景，不仅是金融科技领域的一大进步，也是金融行业智能化转型的必然趋势。”2月24日，中国信息协会常务理事、国研新经济研究院创始院长朱克力对《华夏时报》记者表示，DeepSeek作为人工智能领域的前沿技术，其强大的数据处理和分析能力为金融机构提供了更精准、更高效的信贷风控和风险评估解决方案。

　　DeepSeek将在信贷决策中发挥关键作用

　　传统的信贷决策通常依赖于人工审核，从申请到审批要经过多个环节，耗时较长，且当信贷申请量过大时，效率难以保证。同时人工审核往往受到个人主观判断影响，难以客观公正，用户即使有贷款意愿也可能被拒绝。在数据利用上，信贷决策主要依赖信用记录和财务数据，难以全面评估申请人还款能力。随着利率下行、数据爆发式增长，如何高效利用数据是传统信贷风控面临的一大挑战。

　　年轻客户或小微企业等征信“白户”，由于缺少信用记录和可抵押资产，金融机构难以对其信用风险进行有效评估。传统信贷风控模型主要依靠性别、年龄等结构化数据，对文本、图像、语音等非结构化数据利用偏少。有业内人士表示，可结合DeepSeek，利用消费记录、社交媒体数据等非结构化信息构建更细颗粒度的信用模型，同时结合交易流水、工商信息、税务信息等多维度数据，全面评估个人还款能力和小微企业经营状况，提升风控精准度。

　　“在信贷决策流程中，DeepSeek不仅提高了信贷决策的科学性和准确性，也降低了金融机构的运营成本和风险敞口。”朱克力表示，在信贷申请阶段，DeepSeek通过对申请人的个人信息、财务状况、消费习惯等多维度数据进行分析，快速评估其信用风险和还款能力；在信贷审批阶段，其可进一步结合市场趋势、政策变化等因素，对信贷项目进行全面风险评估；在贷后管理阶段，DeepSeek持续监测借款人的还款情况和信用状况，及时发现潜在风险隐患，为金融机构提供预警和处置建议。

　　奇富科技相关负责人称，在贷款风险评估时，不同模块能从用户信用、收入稳定性、行业前景等多维度分析，大大提升分析的全面性和准确性。而在分析贷款申请增长相关问题时，会按照信息流分析类似的逻辑，层层递进，先明确申请量统计维度，再细分年龄段和职业群体数据，接着探究增长原因及对风险评估的影响。

　　“以往处理复杂金融问题时，理解偏差和分析不足的情况得到改善，如今能精准把握提问意图，在预测贷款申请趋势、评估风险等方面，准确性大幅提升，为分析人员提供更具价值的决策依据。”上述奇富科技相关负责人对本报记者表示。

　　中邮消费金融科技发展部负责人朱威认为，DeepSeek为消费金融领域智能化建设长期存在的痛点与瓶颈提供了创新解决方案。例如，在营销场景下，可以利用DeepSeek强大的推理能力，打造智能营销机器人复杂场景下的智能化营销服务；在风险场景下，可以高效识别业务风险点，自动生成风险分析报告；在客服场景下，通过智能体、多模型协同等技术，提升智能客服机器人处理复杂任务的能力；在贷后场景借鉴DeepSeek先进训练方法，进行知识蒸馏，从而提升外呼机器人决策能力以及沟通能力。

　　DeepSeek大模型降低了中小金融机构使用大模型的门槛。记者梳理发现，当前已有多家金融机构将DeepSeek应用于信贷风控、风险评估等核心业务环节。

　　互联网银行凭借科技优势，率先接入了DeepSeek大模型，以提升对信贷风险的识别能力。新网银行于2025年1月完成DeepSeek-R1在实验环境中的部署，正式进入实验探索阶段。在智能客服、贷后管理、风险控制等领域，新网银行依托DeepSeek等大模型技术，建设了一系列智能化助手，深入应用于多个效率瓶颈环节。

　　新网银行打造基于大模型的智能服务平台“识卷”，解决新市民客户个性化授信难、车抵房抵等抵押业务流程复杂的问题，其智能化处理个人客户十余种授信自证数据，可多种资产认证模式去适配客户具体情况。目前使用该服务的客户人均提额幅度超过30%，房抵贷业务能够实现全线上办理。

　　部分消金机构于近日部署了DeepSeek，以提升风控精准度。例如，海尔消费金融日前部署了DeepSeek私有化版本，目前正在打通公域私域大小模型，接入智能体平台，开始进入营销、风险、贷后等多个场景；中邮消费金融在2024年完成了大模型的一站式部署和推理服务建设，当前已将DeepSeek引入作为基座大模型之一；中原消费金融基于自主研发的“元擎Matrix”智能体开发平台，整合DeepSeek系列大模型技术，已在风险管控、决策支持等方面显现成效。

　　多家上市金融科技企业也于近日纷纷接入DeepSeek，进一步推动智能化场景落地。奇富科技大模型产品ChatBI于日前完成关键升级，通过与DeepSeek-R1大模型的深度融合，在数据分析和决策支持方面实现了突破。

　　乐信日前接入和部署了DeepSeek-R1，通过DeepSeek 完善了乐信专有大模型奇点，并在研发提效、内部工具、业务赋能等方面落地。

　　信也科技自主研发的两大大模型平台，大语言模型应用开发框架E-LADF和信也智能体创新应用平台Zeta ，正式接入DeepSeek-R1，完成了一次关键升级。

　　维信金科金乌大模型平台已全面接入DeepSeek V3和R1大模型，并在企业智能助手、智能编程助手和智能培训系统等场景上实现能力升级。

　　隐私保护与数据利用：能否兼得？

　　朱威表示，尽管DeepSeek在降低训练和推理成本方面取得了进展，但由于金融行业严格的数据安全与合规性规定，消费金融企业需采用私有部署的方式来降低合规风险。在GPU资源有限的情况之下，如何使用DeepSeek模型成为各金融企业需要解决的问题。

　　在朱威看来，一是选用尺寸合适的模型，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。

　　针对大模型可能造成的安全风险，海尔消费金融首席信息官梁树峰对本报记者表示，对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”。对于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。

　　近年来，《个人信息保护法》《数据安全法》陆续发布，对规范网络数据处理活动、保护个人信息权益等提出明确要求。为规范银行业保险业数据处理活动，保障数据安全、金融安全，2024年12月印发的《银行保险机构数据安全管理办法》提出，银行保险机构应当对人工智能模型开发应用进行统一管理，建立模型算法产品外部引入的准入机制。银行保险机构使用人工智能技术开展业务时，应当就数据对决策结果影响进行解释说明和信息披露等。

　　上海金融与发展实验室首席专家、主任曾刚对记者分析指出，在数据安全和隐私保护方面，可以通过数据加密、脱敏处理和差分隐私技术，确保数据在传输和处理中的安全性。同时，支持本地化部署，避免数据外流，增强企业对数据的掌控力。此外，严格的访问控制和操作审计机制也能进一步保障数据安全。而在合规运营上，DeepSeek需符合相应的监管要求，通过提供模型可解释性工具，满足监管对算法透明度的要求，并定期进行模型审计和性能监控，确保合规性和风险可控。