在当前数字经济蓬勃发展的时代背景下，江南农商银行紧跟时代步伐，积极探索金融科技的应用与创新。近日，伴随着国产大模型 DeepSeek 的迅速崛起，江南农商银行依托其已有的全栈自主可控的大模型应用平台小江智脑，成功本地化部署 DeepSeek系列智能模型，加速推进数字金融智能化进程。

此次引入的DeepSeek系列模型，包括DeepSeek-R1-Distill-Qwen-32B、DeepSeek-R1-671B以及DeepSeek-VL2多模态模型，为知识问答、数据分析、图片分类等业务场景提供更新的解决方案。

在知识问答领域，DeepSeek-R1-Distill-Qwen-32B模型已在江南农商银行全行知识问答场景中成功部署投产。通过应用DeepSeek模型重构全行知识问答助手，以其强大的推理能力使其进行深入理解复杂问题，破解大模型面对金融领域专业性较强问题时深度推理能力有限、无法感知专业语境等困局。利用该模型优化后，知识问答准确率提升约10%，减少了追问和反馈信息的时间，在充分发挥江南农商银行丰富的知识资产的同时，提高员工的工作效率。

在数据分析领域，江南农商银行接入DeepSeek-R1模型，实现指标数据的分析报告自动生成功能。通过融合的专家混合架构和多头潜在注意力机制，处理指标数据时并行处理输入序列中的每个元素，快速捕捉数据间的长距离依赖关系，提高计算效率。当用户输入指标数据相关问题或需求时，能快速理解复杂的数据分析需求，精准识别用户意图。结合该模型强大的推理能力和结构化输出能力，不仅能生成文字形式的分析报告，还能根据数据特点和分析结果，自动生成可视化图表，使分析结果更直观易懂。

在图片分类场景中，DeepSeek-VL2多模态模型的部署带来了革命性的变化。江南农商银行率先将其应用于便民通进件图片分类场景中，既可以依据图像的视觉特征，结合相关的文本描述进行判断，还可以利用对中文图文理解准确性和语义连贯性的优势，提升进件图片识别的准确率。此外，该模型还能在对包含文字的进件图片进行分类，理解图片中的文档版式和文字信息，判断图片所属类别，将传统的“识别-判断-分类”的方案压缩至一步完成，提升进件图片分类效率。

在场景研究领域，采用ollama推理技术部署DeepSeek-R1-671B模型，专注场景研究与探索。该模型凭借其强大的逻辑推理和数据分析能力，为该行在产品开发、市场策略制定等方面提供科学依据和创新思路，推动业务不断向前发展。

目前，江南农商银行的大模型应用，已经重点在办公、营销、运管、信贷及研发五大关键领域成功布局，同时通过对业务痛点和需求的深入挖掘，有效解决了多个业务领域的核心问题，还定制开发了20多项智能化应用场景。此次成功引入DeepSeek系列模型，更是展示了江南农商银行在金融科技应用方面的创新能力和领先地位。   

未来，江南农商银行将继续深化金融科技应用，推动数字金融智能化进程，为客户提供更加优质、便捷的金融服务。（徐 旖）