TMT观察网_独特视角观察TMT行业

DeepSeek掀起了一股金融科技的變革浪潮。

這不，多家金融機構和金融科技企業宣布接入DeepSeek?？磥?，有著量化背景的DeepSeek在金融領域似乎更有影響力。

金融科技接入DeepSeek，幾家歡喜幾家愁。

中小銀行和金融機構，不用冒著高投入的風險被迫入局AI賽道，自然是利好。但已經轉型AI的科技金融公司卻撓了頭，自研AI將起未起，一夜之間行業卻“變了天”。

網傳消息，馬上消費、中信消金等機構正在推進接入DeepSeek。

馬上消費，接不接入DeepSeek，其實都很尷尬。

不接是落后時代，接入吧，過去自研的天鏡大模型，可能就少了一些稀缺性。時代浪潮不可逆，推進接入DeepSeek，既是給市場一個交代，也是給股東一個交代。

只是，接下來業務上的考驗，可能就變多了。

從為“AI”發電，淪為為“愛”發電？

DeepSeek落地金融科技，就好比平行宇宙里的馬斯克宣布星艦科技開源，意義在于開啟一個新時代。

新時代里，不能沒有金融行業。

有了DeepSeek，中小銀行打造垂域落地應用的門檻更低了。甚至業務人員都可以基于DeepSeek搭建應用。以往高大上的金融科技，從秘不可傳的“九陽神功”變成了街頭攤販可賣的“辟邪劍譜”。

AI的普惠之意有了現實中的注腳。

從已有的嘗試來看，DeepSeek的推理模型集成到銀行風控系統中，效果并不差。

比如，蘇商銀行通過蒸餾技術優化反欺詐模型，使欺詐風險標簽準確率提升35%。有了實際的案例參考，想必后續也會有更多的銀行、金融機構跟進。

當銀行自己開始部署AI大模型，最難受的還是做“賦能”的科技金融平臺。

客戶都自己搞AI去了，后續還怎么獲客？

拿馬上消費來說，天鏡大模型的核心賣點其實就是AI能力，但大家都能接入DeepSeek之后，天鏡大模型就不再那么鶴立雞群，不再具備足夠的稀缺性。

后續給中小銀行、金融公司賣方案，是不是要用折扣力度來吸引客戶？這可能是馬上消費很快要面臨的問題。

馬上消費入局AI領域很早，2017 年就成立人工智能研究院，到去年12月，馬上消費公布了大模型天鏡2.0，聲稱“服務超2億用戶8大應用場景”。

天鏡2.0 發布沒多久，DeepSeek就來了。

一個擺在馬上消費面前的問題是，如果中小銀行、金融機構選擇了私有化部署DeepSeek來完成部分場景服務，那么“2億用戶、8大場景”還能守得住嗎？

用戶層面，被分流的情況大概率會出現。

有分析預測，到2026年，30%的消費金融決策將由邊緣計算設備本地化完成，響應時延降至80ms以內。

市場上來看，有了私有化部署更方便、交互能力更強的DeepSeek，一部分銀行、金融機構，可能會失去了選擇天鏡的理由。

從銀行的視角看，邏輯很簡單：既然市面上有性價比更高的方案，那么除非付費的一方產品力大幅超出，否則花那點錢總覺得不值當。

馬上消費自研金融大模型這個事兒，以前是人無我有，現在如何做到人有我優？如何圍繞差異化，作出新的付費利益點，可能是需要面對的現實。

馬上消費業務端也很頭疼：“如果B端客戶分散了，2億用戶規模守不守得?。俊?/p>

類似的情況其實已經在ToC應用端出現了。QuestMobile的數據顯示，1月28日，月之暗面旗下Kimi的日活數據已經排在DeepSeek和豆包之后。

啥意思呢？

kimi的用戶被DeepSeek分流了。

不只是kimi，ToC大模型應用大都可能被DeepSeek分流。C端應用這種趨勢已經很明顯了，B端雖然影響可能沒有C端這么大，但各類細分場景會被分流是大概率事件。

如果天鏡大模型的潛在客戶被分流，那么馬上消費過去燒了那么多錢，這些投資還能不能收回來？怎么收回來？

財務視角來看，大模型研發真的從為“AI”發電，變成了為“愛”發電了。

如何重新找到一個讓中小銀行以及各金融機構付費的理由。這也許是馬上消費面臨的當務之急。

應用端來看，“天鏡大模型”，覆蓋營銷獲客、風險審批、客戶運營等8個零售金融典型的應用場景。

這里面，除了數據，營銷、客戶運營等場景，直接用DeepSeek性價比更高。

也就是說，相對的產品能力，天鏡大模型的付費心智怎么去進一步強化，這是一個需要反思的問題。

當DeepSeek把一種大模型的產品力的底褲被扒了。很多大模型C端交互層面的賣點沒了。B端場景落地的付費點也要少了一些，

金融科技方面，有價值的還剩下數據、風控，但DeepSeek落地金融更深入，馬上消費們的這些優勢也許并非護城河。

還有一點，DeepSeek在金融應用端的滲透越快，留給馬上消費轉型的窗口期就越小。

既然轉型金融科技的路已經走了這么久，未來當然還是要堅定地走下去，只是要不要“天鏡”這一條道走到黑？

堅守天鏡大模型，就意味著新版本發布就落后。但完全轉身投入DeepSeek，需要決策者的勇氣，需要壯士斷腕的決絕。

如今這個局面，其實并非馬上消費轉型的戰略方向有誤。畢竟誰也沒想，AI行業殺出來了個不講武德的DeepSeek。

不過這也是創新者要面對的一種常態。

科技企業轉型路上最難的就是，路走到一半，賽道變了。就像當年諾基亞投身微軟懷抱，可蘋果安卓早已瓜分完了蛋糕。

尤其是對獨角獸公司來說，抗風險能力差，但又必須去創新?？萍紕撔碌穆飞?，領先一步是先烈，領先半步是先進，這也是創新者宿命罷了。

但是獨角獸企業的創新又是必要的，踏入無人區冒險固然有風險，但也有潛在的巨大收益。

要么像過去的蘋果那樣用創新顛覆同行，然后賺得盆滿缽滿，要么就像今天的DeepSeek，橫空出世書寫一個時代，然后青史留名。

DeepSeek只辦三件事：成本、成本，還是成本

轉型是有風險的。

這一點，馬上消費一清二楚。

如果從做生意的角度看，馬上消費的轉型之路本就是從掙錢的賽道換到一個相對不掙錢的賽道。

金融行業，直面C端客戶，永遠要比給B端做服務掙錢。但問題是，消金業務合規問題，自身要想長期經營下去，必須轉型服務B端。

服務B端，最有想象力的還是AI大模型。

馬上消費常務副總經理蔣寧曾表示，雖然每家公司都在發布自己的大模型，但缺乏基于用戶體驗的統一且客觀的評價標準。

怎么去理解“缺乏評價標準”這事兒呢？

我的理解是，缺乏一個直觀的參考標的，過去這個參照物是ChatGPT，但高性能顯卡被Ban之后，國內的大模型，是沒有一個標桿的。

DeepSeek 一出，標準有了，參數吹得再牛X ，用戶一句：“不如DeepSeek”，那么前期的投資想要回款可就不容易了。

市場先生不是傻子。

在AI相關的二級市場上，DeepSeek就是一面照妖鏡，照出了“千模百態”。

馬上消費的大模型也好，各種各樣的金融大模型也罷，最后能不能成功落地，找到自己的應用市場，很關鍵的一點在于成本。

1. 前期投入的研發，有多少是“沉默成本”，有多少是能夠繼續落地的“生產成本”？

可以確定是，原有路線下的很多研發投入，最終會在報表上折算為“無形資產攤銷”，這個攤銷怎樣影響未來的利潤表現？

這是個很有意思的觀察點。

第二，有了DeepSeek，客戶買單嗎？

歷史證明，技術落地垂直場景應用關鍵在于成本。掙不掙錢，才是接入DeepSeek之后科技金融平臺能不能起飛的關鍵。

DeepSeek確實大幅降低了落地成本，但一同下降的還有客戶的付費能力。

如今這個低利率的環境下，金融機構也好、銀行也罷，日子其實遠不如以前好過。

“行業環境如此，很多銀行是不愿意在技術上多投錢的，即便是投錢也要看效果，能替代人力的，比如客服，預算可能就多一點，而其他方向上，領導就不愿意多批預算。”有在銀行工作的朋友表示。

回過頭來看，DeepSeek確實火，但能不能真的實現成本替代，讓客戶心甘情愿去付費，還未經過驗證。

第三，大規模應用后，金融AI科技能盈利嗎？

DeepSeek降本帶來的規模效應，可能還需要一段時間才能顯現出來。

從目前現有的應用來看，很多ToC的平臺接入DeepSeek還是在虧錢。自之前就有報道，騰訊、華為等接入DeepSeek每月虧損超4億。

按道理說，大模型ToC是更容易比ToB有規模效應的。畢竟，B端用戶體量不大。如果，強如騰訊、華為都在虧錢，馬上消費這類B端金融科技平臺，又該如何掙錢呢？

尤其是二級市場大模型的估值光環沒了，平臺想回血就得靠盈利。

而實際上，用戶規模越大，根本就虧不起。未來馬上消費即便順利地接入了DeepSeek，后續能不能掙錢，也是個問題。

務實一點的話，其實還是要靠C端放貸業務。

天眼查APP財務信息顯示，馬上消費的放貸業務還是掙錢的底子厚，去年上半年營收77億。凈利潤10.68億，相當一部分靠的自營業務，也就是放貸。

固然，放貸會面臨一系列的合格問題，但是這好在是個掙錢的生意。

如今，隨著各類補貼下場，消費市場再次升溫，這個業務能不能挖掘出更多的增量，可能才是馬上消費未來業績的看點。