DeepSeek掀起了一股金融科技的变革浪潮。

这不，多家金融机构和金融科技企业宣布接入DeepSeek。看来，有着量化背景的DeepSeek在金融领域似乎更有影响力。

金融科技接入DeepSeek，几家欢喜几家愁。

中小银行和金融机构，不用冒着高投入的风险被迫入局AI赛道，自然是利好。但已经转型AI的科技金融公司却挠了头，自研AI将起未起，一夜之间行业却“变了天”。

网传消息，马上消费、中信消金等机构正在推进接入DeepSeek。

马上消费，接不接入DeepSeek，其实都很尴尬。

不接是落后时代，接入吧，过去自研的天镜大模型，可能就少了一些稀缺性。时代浪潮不可逆，推进接入DeepSeek，既是给市场一个交代，也是给股东一个交代。

只是，接下来业务上的考验，可能就变多了。

从为“AI”发电，沦为为“爱”发电？

DeepSeek落地金融科技，就好比平行宇宙里的马斯克宣布星舰科技开源，意义在于开启一个新时代。

新时代里，不能没有金融行业。

有了DeepSeek，中小银行打造垂域落地应用的门槛更低了。甚至业务人员都可以基于DeepSeek搭建应用。以往高大上的金融科技，从秘不可传的“九阳神功”变成了街头摊贩可卖的“辟邪剑谱”。

AI的普惠之意有了现实中的注脚。

从已有的尝试来看，DeepSeek的推理模型集成到银行风控系统中，效果并不差。

比如，苏商银行通过蒸馏技术优化反欺诈模型，使欺诈风险标签准确率提升35%。有了实际的案例参考，想必后续也会有更多的银行、金融机构跟进。

当银行自己开始部署AI大模型，最难受的还是做“赋能”的科技金融平台。

客户都自己搞AI去了，后续还怎么获客？

拿马上消费来说，天镜大模型的核心卖点其实就是AI能力，但大家都能接入DeepSeek之后，天镜大模型就不再那么鹤立鸡群，不再具备足够的稀缺性。

后续给中小银行、金融公司卖方案，是不是要用折扣力度来吸引客户？这可能是马上消费很快要面临的问题。

马上消费入局AI领域很早，2017 年就成立人工智能研究院，到去年12月，马上消费公布了大模型天镜2.0，声称“服务超2亿用户8大应用场景”。

天镜2.0 发布没多久，DeepSeek就来了。

一个摆在马上消费面前的问题是，如果中小银行、金融机构选择了私有化部署DeepSeek来完成部分场景服务，那么“2亿用户、8大场景”还能守得住吗？

用户层面，被分流的情况大概率会出现。

有分析预测，到2026年，30%的消费金融决策将由边缘计算设备本地化完成，响应时延降至80ms以内。

市场上来看，有了私有化部署更方便、交互能力更强的DeepSeek，一部分银行、金融机构，可能会失去了选择天镜的理由。

从银行的视角看，逻辑很简单：既然市面上有性价比更高的方案，那么除非付费的一方产品力大幅超出，否则花那点钱总觉得不值当。

马上消费自研金融大模型这个事儿，以前是人无我有，现在如何做到人有我优？如何围绕差异化，作出新的付费利益点，可能是需要面对的现实。

马上消费业务端也很头疼：“如果B端客户分散了，2亿用户规模守不守得住？”

类似的情况其实已经在ToC应用端出现了。QuestMobile的数据显示，1月28日，月之暗面旗下Kimi的日活数据已经排在DeepSeek和豆包之后。

啥意思呢？

kimi的用户被DeepSeek分流了。

不只是kimi，ToC大模型应用大都可能被DeepSeek分流。C端应用这种趋势已经很明显了，B端虽然影响可能没有C端这么大，但各类细分场景会被分流是大概率事件。

如果天镜大模型的潜在客户被分流，那么马上消费过去烧了那么多钱，这些投资还能不能收回来？怎么收回来？

财务视角来看，大模型研发真的从为“AI”发电，变成了为“爱”发电了。

如何重新找到一个让中小银行以及各金融机构付费的理由。这也许是马上消费面临的当务之急。

应用端来看，“天镜大模型”，覆盖营销获客、风险审批、客户运营等8个零售金融典型的应用场景。

这里面，除了数据，营销、客户运营等场景，直接用DeepSeek性价比更高。

也就是说，相对的产品能力，天镜大模型的付费心智怎么去进一步强化，这是一个需要反思的问题。

当DeepSeek把一种大模型的产品力的底裤被扒了。很多大模型C端交互层面的卖点没了。B端场景落地的付费点也要少了一些，

金融科技方面，有价值的还剩下数据、风控，但DeepSeek落地金融更深入，马上消费们的这些优势也许并非护城河。

还有一点，DeepSeek在金融应用端的渗透越快，留给马上消费转型的窗口期就越小。

既然转型金融科技的路已经走了这么久，未来当然还是要坚定地走下去，只是要不要“天镜”这一条道走到黑？

坚守天镜大模型，就意味着新版本发布就落后。但完全转身投入DeepSeek，需要决策者的勇气，需要壮士断腕的决绝。

如今这个局面，其实并非马上消费转型的战略方向有误。毕竟谁也没想，AI行业杀出来了个不讲武德的DeepSeek。

不过这也是创新者要面对的一种常态。

科技企业转型路上最难的就是，路走到一半，赛道变了。就像当年诺基亚投身微软怀抱，可苹果安卓早已瓜分完了蛋糕。

尤其是对独角兽公司来说，抗风险能力差，但又必须去创新。科技创新的路上，领先一步是先烈，领先半步是先进，这也是创新者宿命罢了。

但是独角兽企业的创新又是必要的，踏入无人区冒险固然有风险，但也有潜在的巨大收益。

要么像过去的苹果那样用创新颠覆同行，然后赚得盆满钵满，要么就像今天的DeepSeek，横空出世书写一个时代，然后青史留名。

DeepSeek只办三件事：成本、成本，还是成本

转型是有风险的。

这一点，马上消费一清二楚。

如果从做生意的角度看，马上消费的转型之路本就是从挣钱的赛道换到一个相对不挣钱的赛道。

金融行业，直面C端客户，永远要比给B端做服务挣钱。但问题是，消金业务合规问题，自身要想长期经营下去，必须转型服务B端。

服务B端，最有想象力的还是AI大模型。

马上消费常务副总经理蒋宁曾表示，虽然每家公司都在发布自己的大模型，但缺乏基于用户体验的统一且客观的评价标准。

怎么去理解“缺乏评价标准”这事儿呢？

我的理解是，缺乏一个直观的参考标的，过去这个参照物是ChatGPT，但高性能显卡被Ban之后，国内的大模型，是没有一个标杆的。

DeepSeek 一出，标准有了，参数吹得再牛X ，用户一句：“不如DeepSeek”，那么前期的投资想要回款可就不容易了。

市场先生不是傻子。

在AI相关的二级市场上，DeepSeek就是一面照妖镜，照出了“千模百态”。

马上消费的大模型也好，各种各样的金融大模型也罢，最后能不能成功落地，找到自己的应用市场，很关键的一点在于成本。

第一，前期投入的研发，有多少是“沉默成本”，有多少是能够继续落地的“生产成本”？

可以确定是，原有路线下的很多研发投入，最终会在报表上折算为“无形资产摊销”，这个摊销怎样影响未来的利润表现？

这是个很有意思的观察点。

第二，有了DeepSeek，客户买单吗？

历史证明，技术落地垂直场景应用关键在于成本。挣不挣钱，才是接入DeepSeek之后科技金融平台能不能起飞的关键。

DeepSeek确实大幅降低了落地成本，但一同下降的还有客户的付费能力。

如今这个低利率的环境下，金融机构也好、银行也罢，日子其实远不如以前好过。

“行业环境如此，很多银行是不愿意在技术上多投钱的，即便是投钱也要看效果，能替代人力的，比如客服，预算可能就多一点，而其他方向上，领导就不愿意多批预算。”有在银行工作的朋友表示。

回过头来看，DeepSeek确实火，但能不能真的实现成本替代，让客户心甘情愿去付费，还未经过验证。

第三，大规模应用后，金融AI科技能盈利吗？

DeepSeek降本带来的规模效应，可能还需要一段时间才能显现出来。

从目前现有的应用来看，很多ToC的平台接入DeepSeek还是在亏钱。自之前就有报道，腾讯、华为等接入DeepSeek每月亏损超4亿。

按道理说，大模型ToC是更容易比ToB有规模效应的。毕竟，B端用户体量不大。如果，强如腾讯、华为都在亏钱，马上消费这类B端金融科技平台，又该如何挣钱呢？

尤其是二级市场大模型的估值光环没了，平台想回血就得靠盈利。

而实际上，用户规模越大，根本就亏不起。未来马上消费即便顺利地接入了DeepSeek，后续能不能挣钱，也是个问题。

务实一点的话，其实还是要靠C端放贷业务。

天眼查APP财务信息显示，马上消费的放贷业务还是挣钱的底子厚，去年上半年营收77亿。净利润10.68亿，相当一部分靠的自营业务，也就是放贷。

固然，放贷会面临一系列的合格问题，但是这好在是个挣钱的生意。

如今，随着各类补贴下场，消费市场再次升温，这个业务能不能挖掘出更多的增量，可能才是马上消费未来业绩的看点。