中国证券报记者4月3日从业内获悉，深交所正针对证券行业在大模型基础设施领域的应用现状在行业内展开专项调研。此次调研由深交所旗下深圳证券通信有限公司联合四川证监局等单位共同发起，作为“证券行业大模型基础设施研究及应用示范项目”课题的重要组成部分。调研工作旨在通过系统梳理行业大模型基础设施的实际应用情况、现存挑战及发展诉求，同时广泛征集证券机构对于课题研究的建设性意见。

调研聚焦

大模型技术应用现状、挑战与需求

应用现状方面，此次调研重点关注各券商大模型算力基础设施的建设方式、核心考虑因素（包括建设成本、周期、算力卡类型、数据安全等）及安全因素（包括数据隔离、资源管控、监控审计等）。同时，调研涉及券商已建设的大模型工具平台类型（包括语料平台、智能体平台、模型服务及训推平台等）、部署方式（私有化部署、公有云API服务等）、模型类型（开源、商业化及二者结合应用），以及应用场景（包括智能客服、投资决策支持、量化交易、风险管理、市场预测、智能投研等）和引入大模型技术的驱动力（包括提升效率、降低成本、增强客户体验等）。

应用挑战方面，此次调研重点收集的内容包括：券商大模型算力基础设施建设中的资源限制（高功率机柜缺乏、设备成本高）、采购难题（周期长、设备迭代快）、技术兼容性问题（非信创算力卡采购难、公有云数据隐私风险）；大模型工具平台建设成本高、迭代快，业务系统引入大模型技术时的投入产出不明确、监管合规风险，以及大模型数据语料治理过程中的工具平台与标准缺失等行业共性问题。

应用需求方面，此次调研主要关注：券商未来三年大模型基础设施建设方案（自建、租用行业云服务等），对行业云的服务需求（大模型服务类型和算力类型），对算力资源和高功率机柜的需求规模，以及券商对行业共性语料数据的需求。此外，调研还关注券商对行业云提供的语料平台SaaS服务、DeepSeek服务（DeepSeek私有化部署或API服务）、行业共性大模型以及数字人服务的具体需求。

探索DeepSeek模型在行业应用

值得关注的是，此次调研还收集了券商机构对课题组大模型基础设施研究及大模型应用示范研究内容的期望与建议。据了解，课题组大模型基础设施研究内容覆盖了探索搭建可信大模型信创环境，解决大模型应用过程中软硬件投入巨大、数据安全难以把控、重复投入浪费资源等问题；大模型应用示范研究内容涵盖探索大模型在信创环境下的应用，解决国产GPU对现有大模型架构的部分兼容性问题，并探索DeepSeek模型在行业应用。

2025年伊始，国产人工智能大模型DeepSeek在金融科技领域掀起热议浪潮。值得注意的是，证券行业作为其重要落地场景，已率先完成DeepSeek-R1模型的私有化部署。特别是在智能投研、合规监控及财富管理三大核心业务中，该模型展现出显著的技术赋能效果。这种深度技术融合不仅加速了金融机构的智能化升级，更促使业界重新评估前沿技术与金融业务场景的耦合度，以及AI系统在复杂金融环境中的实际应用边界与价值转化路径。

业内人士认为，虽然DeepSeek通过开源策略可显著降低准入门槛，形成显著的性能倍增和成本递减效应，但其中的风险与挑战不容忽视。业内的DeepSeek应用大多集中于内部的业务赋能，如聚焦文档处理、合规知识图谱构建与强化智能投研能力等，部分业务场景（如实地尽调、客户关系管理等）替代率较低，需结合行业经验对模型进行进一步优化。人才与生态方面，行业需引入和培养大量“AI+金融”复合型人才，且目前开源支持体系尚不完善，很多技术问题无法通过开源社区及时获得解决方案，使得大模型的应用仍然面临诸多风险。

DeepSeek的落地应用不仅代表技术工具的革新，更是证券行业组织架构与服务模式的重构。未来，证券行业需在效率与安全、创新与合规之间建立动态平衡机制，依托前沿技术实现从数字化到数智化的战略升级。在此过程中，唯有秉持“以业务需求为导向、以风险防控为底线”的发展理念，方能充分释放大模型技术的效能，推动证券服务业态实现质的跨越。（赵中昊）