2025年新年伊始，DeepSeek在全球科技市场掀起了一场“AI海啸”。

随着DeepSeek爆火和对AI技术需求爆发式增长，一批公募机构率先完成了DeepSeek系列开源模型的私有化部署。

3月3日，21世纪经济报道记者咨询了近30家头部基金公司，其中，有近20家公募机构表示已完成DeepSeek系列开源模型私有化部署。

各家公募机构的科技团队对DeepSeek为代表的大语言模型的应用做了积极探索，这些基金公司将人工智能深度嵌入办公、投研、客服、风控、投顾等业务链，并形成各具特色的AI业务。

而这场技术竞赛的背后，是基金行业对效率与创新的追求。业内人士认为，AI技术在资产管理行业竞争中发挥越来越重要的作用，并将推动业务发生重大变革。

引入DeepSeek等开源大模型有望为基金行业带来成本效益、创新动力和跨界协作的新机遇，但同时，AI是一把双刃剑，也将带来不少难题，比如头部基金公司快速部署和优化AI技术，提升业务效率和客户体验，与中小机构的差距可能进一步拉大。

拥抱AI

21世纪经济报道记者就此咨询了近30家大中型公募机构，据记者不完全统计，目前包括易方达基金、汇添富基金、南方基金、招商基金、天弘基金、富国基金、国泰基金、中欧基金、景顺长城基金、博时基金、永赢基金、大成基金、浦银安盛基金、平安基金、万家基金、诺安基金等近20家大中型公募机构已完成DeepSeek系列开源模型私有化部署。

实际上，头部公募机构拥抱DeepSeek大模型的时间，远比市场以为的早。

作为最早布局DeepSeek的公募机构之一，博时基金早在2024年初，经过反复调研，发现了DeepSeek模型在自动编写代码和逻辑推理方面的潜力，率先在自有的昇腾服务器上部署了DeepSeek-v1模型，作为公司智能开发工具的基座模型，并在2024年8月升级为DeepSeek-v2模型。

2025年伊始，随着DeepSeek-R1模型的发布，博时基金迅速完成内部部署，并开始探索它在投资研究、投资顾问服务和软件开发等方面的应用。

“R1模型在推理能力上表现优异，可以进一步帮助提升工作效率，支持业务创新。同时，它对算力的需求也有所降低，为进一步推广应用创造了条件。”博时基金相关负责人表示。

无独有偶，易方达基金也在2024年5月开始接入DeepSeek的V2版本SaaS模型服务。随着DeepSeek在2024年12月发布V3模型、2025年1月发布R1模型，易方达基金也迅速在当月底完成了全参数版本模型在内部的私有化部署。

值得关注的是，DeepSeek大幅提高基金公司的效率。

兴证全球基金自研的AI交易员“兴宝”通过DeepSeek实现语义识别与指令生成，交易效率提升超30%；投研端则借助大模型打破数据孤岛，构建全景化分析框架，每日自动生成涵盖个股与行业的深度报告。此外，公司推出的DeepSeek+Word智能插件，将文档处理时间缩短50%，成为内部效率革命的“隐形引擎”。

汇添富基金今年春节后完成了DeepSeek系列开源模型的私有化部署，目前已应用于信息萃取、代码助手、通用问答等多个内部业务场景。比如，信息萃取方面，在债券台账解析场景中，系统已实现对相关台账记录的全量智能解析，识别准确率达96%以上。在存单报价解析场景中，识别准确率达到77%。而在代码助手方面，近一个月内，代码助手累计生成代码推荐超过5万次，采纳率由原来的3%提升至10%，显著提高了开发效率。

值得一提的是，不少基金公司的AI创新各有特色。

比如，南方基金在本地部署了DeepSeek 671B和32B两种模型，分别对接到公司的办公助理和科技助理，全面升级了原有大模型；招商基金基于DeepSeek开源架构，完成系列开源模型的本地化部署，并在内部场景中验证其效率和表现优势，此外，技术团队新增部署R1量化版本，相对于全参数版本降低部分算力成本；万家基金推出了自研大模型项目——“万Chat”平台，该平台通过智能知识库与Agent技术，将DeepSeek的32B本地模型与业务场景深度绑定，实现投研决策支持与客户交互体验的双升级；永赢基金主要通过DeepSeek开展了问答、制度检索和非结构化交易数据整理的场景，同时还在测试文档优化、AI文档助手、智能知识库、投研数据整理、内部数据分析查询等多种应用场景；浦银安盛基金私有化部署了包括DeepSeek、Qwen、ChatGLM在内的多个模型并向全体员工开放使用；诺安基金完成DeepSeek金融大模型的本地化部署，并推出基于主流AI开源框架自主研发的“诺安AI助手”，在投研分析、客户服务、风险管控等核心业务场景启动试点应用；国泰基金于2025年1月底完成了DeepSeek系列模型私有化部署，搭建了国泰基金AI应用开发平台，在品牌持营、风险管控、产品运营、文档办公等业务场景中有了不错表现；而工银瑞信则完成DeepSeek-V3/671B版本部署。

“公募机构在AI领域的布局包括智能投顾、客户服务、运营优化等方面。AI技术的应用能够提升公募机构的服务效率，推动行业创新。”格上理财旗下金樟投资研究员王祎说。

前景

用大模型技术实现场景落地赋能将是资管行业未来的重要赛点。

“目前公司各业务领域对AI技术的需求已呈现爆发式增长，应用场景愈发多元化和复杂化。可以预见AI技术将在资产管理行业中发挥越来越重要的作用，并推动业务发生重大变革。”南方基金指出。

南方基金分析，随着技术的不断迭代，AI将在投资决策、风险评估、客户服务等核心业务环节引发一系列颠覆性变革，进而重塑行业的未来发展方向。

而兴证全球基金也认为，DeepSeek系列开源模型在基金行业的投资研究、运营管理、员工培训、客户服务、智能运营、基金投顾业务发展等多个领域都有广阔的应用前景。

对于DeepSeek未来的应用前景，易方达基金表示，将聚焦于应用强推理模型结合内部业务数据，通过大小模型协作和知识蒸馏，提升垂域任务效果，同时将力争降低推理部署成本。

“公司将继续探索AI驱动的服务能力全面升级，聚焦大规模、多模态技术方向，提升AIGC技术能力，推动AIGC与投研、风控、市场、客服、投顾、办公等各个业务条线、各类场景深度融合，打造企业级人工智能应用生态。”易方达基金表示。

记者采访发现，接受采访的头部基金公司普遍对DeepSeek系列开源模型给予高度评价，并一致认为AI技术的应用实现了降本增效，推动了行业创新。

富国基金分析，“引入DeepSeek等开源模型有望为基金行业带来成本效益、创新动力和跨界协作的新机遇，同时也为业务决策和风险管理提供了更加科学、透明和高效的技术支持。此外，开源模型将在数字化转型、投资策略优化和风控体系建设方面发挥越来越关键的作用。”

招商基金认为，DeepSeek对基金行业前景影响较大：一是技术普惠，降低AI应用门槛，推动中小机构低成本部署智能工具，实现投研、风控、服务等全链条提效；二是技术逻辑透明化：DeepSeek自带CoT（链式推理）能力，可清晰展示AI决策逻辑链，降低复杂模型“黑箱”风险，助力中小机构低成本部署合规且可解释的智能工具（如投研归因分析、风控预警）；三是生态创新：开源模式激发行业协作，催生金融垂直模型（如政策分析、ESG评估），加速技术迭代与标准化；四是竞争重塑，中小机构可借细分场景（另类数据挖掘、个性化服务）突围，头部机构深化人机协同，优化决策效率。

“DeepSeek开源模型有望成为基金业数字化转型的核心驱动力，推动行业从经验依赖向数据智能跃迁，最终实现效率、创新与普惠的多维升级。”招商基金表示。

难点

不过，AI是一把双刃剑，给基金公司带来效率和创新的同时，也带来了一些难题。

“随着AI技术的快速发展，头部基金公司凭借资金与人才优势，快速部署和优化AI技术，提升业务效率和客户体验，与中小机构的差距进一步拉大。”王祎指出。

有机构指出，未来3年技术领先的基金机构将吃掉60%的市场增量。

“基金公司面对的挑战在于，AI技术的部署和优化需要大量的人力、算力和资金投入，短期内可能无法带来确定性的效率和经营效益提升。”王祎建议，基金公司应持续加大AI技术的研发和应用投入，提升技术实力和业务效率。同时，密切关注法律法规的变化，确保AI技术的应用符合监管要求，防范法律风险。

永赢基金则指出，目前AI在营销推广过程中最大的问题就是大模型的“幻觉”，这需要对DeepSeek产生的内容进行更加精准的“调教”才能获得更好的效果，并且需要规避因为错误的内容、不准确的数据或者不合适的话术造成的误导投资者的风险。

“任何技术进步都伴随着效率提升与新生的风险。在不断提升模型应用效率的同时，妥善保护数据安全和信息安全是需要重点关注的问题。”兴证全球基金提醒。

兴证全球基金表示，在风险方面，首先，AI模型推荐依赖于大量高质量的数据，如果数据存在偏差、缺失或错误，可能导致AI对基金的分析和推荐出现偏差，给出不合理的基金推荐。其次，如果利用AI推荐的影响力，诱导投资者购买特定产品，可能导致市场秩序被扰乱。再次，在信息披露方面，基金营销须以显著、清晰的方式向投资者揭示投资风险，这一方面AI的信息输出规范还有待提高。最后AI在信息保护、信息安全方面的风险也值得关注。

“对于部分投资者运用DeepSeek询问基金推荐这一现象，更加要求基金公司能够提供准确、优质的基金产品介绍和数据，同时加强投资者教育，提升投资者对基金投资的科学认知，对信息的判断力。”兴证全球基金建议。

而招商基金指出基金公司发展AI的四大难点：一是金融数据质量与隐私平衡，金融文本专业性强、噪声多（如缩写、歧义表述），且需规避敏感信息；二是模型与业务场景适配性，通用模型对金融逻辑（如政策影响传导、跨市场风险关联）的理解存在偏差；三是算力资源与实时性要求，全量参数版本部署需高算力支持，与低延迟业务需求（如实时风控）存在冲突；四是合规与可解释性挑战，监管对AI决策透明度的要求与模型“黑箱”特性存在矛盾。

“在引入模型的过程中，配合搭建稳定高效的基础技术平台和人才团队，同步做好对业务场景AI应用落地的验证，是各行业AI应用探索的前提保障。”富国基金提醒。