平安集团首席科学家肖京：金融行业会最先被这一代人工智能技术赋能

人工智能早已进入平安集团的“毛细血管”。

2024年，AI坐席服务量达到18.4亿次，覆盖平安80%的客服总量，快速响应、解决消费者咨询、投诉问题；AI理赔专家使得56%的保单能在10分钟内闪赔，93%的保单能实现秒级智能化核保；AI风控系统拦截减损119.4亿元，同比增长10.4%；AI风险减量累计服务8700万客户，直接减少社会损失2.1 亿元。

在销售、服务、经营、管理等领域，AI无处不在。

强大且广泛的应用能力非一日之功，背后是体系化的技术沉淀。平安集团布局人工智能技术已有十余年，拥有超过3000名科学家，截至2024年底，公司专利申请数高达55080项，在全球金融机构中排名前列。

“真正的技术实力不是单项突破，而是体系化能力。”肖京指出。平安的技术生态已形成“9+5+3”体系：“9+5+3”是指9大行业数据库（金融、医疗、健康、养老等）、5大实验室（语音、图像、微表情等）以及3家科技公司（平安科技、金融壹账通、平安健康）。

9大行业数据库持续反哺算法迭代，5大实验室攻坚核心算法瓶颈，3家科技公司则让技术红利直达业务末梢，乃至输出到行业。

这样的体系，保证了平安的AI技术符合 “自主可控、场景驱动、价值导向”。肖京认为，科技研发要针对核心业务场景的痛点，明确价值目标，研发的成果要自主可控。

平安集团联席首席执行官郭晓涛指出，“平安集团对科技定位非常清晰，我们的战略发展方向是综合金融+医疗养老，科技是支撑的底座，核心的定位是赋能。”因此，平安集团发展科技是要让人工智能和科技手段进一步提高金融主业和医疗养老业务持续健康发展，为主业创造价值。

02

AI竞赛，本质是数据战争的升级。金融行业应用人工智能的优势之一，正是行业积累的庞大数据量，中国平安拥有的数据不仅体量庞大，而且质量极高，为人工智能训练打下了坚实基础。

金融企业原本就沉淀了用户全生命周期的数据资产：从信用卡交易、贷款记录到保险理赔、投资行为，形成了覆盖信用、消费、风险的多维数据网络。

同时，金融业务的强结果导向性保证了这些数据的真实性。每一个保险赔付结果、每一次贷款违约判定，都必须真实合规。数十年来，中国平安积累的核保记录、理赔案例，都为AI训练提供了独一无二的“富矿”。

不过，坐拥数据富矿不意味着能用好这些数据，更重要的是不同类型的数据之间能“融会贯通”。金融AI的本质是数据炼金术，谁能将数据转化为决策智慧，谁就掌握了行业未来的钥匙。

中国平安的独特性在于“综合金融+医疗养老”战略，通过打造涵盖保险、理财、证券等金融产品的“金融超市”，为客户提供一站式综合金融解决方案，医疗养老业务则与金融业务有机协同。

因而在运用数据时，中国平安能将分散在不同业务系统、横跨金融和医疗健康行业的数据资产熔铸为有机整体，打通2万家机构的数据孤岛，在确保安全可控的前提下，将海量高质量数据用于模型训练。

跨业态协同形成了平安的独特优势。例如，用医疗数据优化保险精算，用消费数据反哺信贷风控，这种跨生态数据流转创造了1+1>2的价值。

03

大模型的商业价值，最终体现在业务场景里。平安在通用大模型的基础上，用金融、医疗等专业领域的数据训练垂直领域模型，赋能业务场景。

肖京介绍，平安目前有三层模型，底层是通用模型，能适用于大部分场景，特点是面面俱到但专业性较差；第二层是针对垂域训练的模型，用金融领域的专业知识强化，再加入金融行业的思考过程、操作过程，来训练模型的推理和思考能力；第三层则是针对特定场景的模型，围绕具体的业务场景进行参数调整，从而提高其在专属场景的表现。

例如在医疗业务场景，大模型使得服务效率和质量显著提升。“平安医家人”医生工作台和“平安医博通”多模态大模型，打造了12个系列的业务模型群。过去，用户体检以后上传体检报告，需要经过人工解读，耗时3天左右。大模型赋能使体检报告解析时间降至秒级，并且精确率达到98%。

此外，AI在咨询、诊断场景的准确率超过95%，智能推荐场景的准确率到99%，慢病管理的改善率达到90%。

在肖京看来，特定场景的专属模型最终要为业务解决三类问题。第一类称为“老树开新花”，即存量场景升级，目前包括车险理赔、核保助手在内的30个场景均已用DeepSeek替换。第二类是“新枝发新芽”，利用DeepSeek开拓原来未能覆盖的业务，例如新能源车保险定价。第三类是“沃土生奇苗”，即基于AI完全从0到1打造的原生应用场景。

“我们站在巨人的肩膀上，在垂域上做深做强，全方位地应用在各类金融专业场景，从而推动金融业的全面智能化产业升级。”肖京说。