AI技术之于企业，已从“概念口号”变成实打实的营收“驱动力”，为千行百业带来“钱景”与“前景”。

　　如在保险业，平安集团发展AI的最新核心逻辑是“AI in All”，高盛认为AI技术有望推动平安未来十年营收年均增长2.5%；银行业，招行首提“AI First”战略，光大银行人工智能的算力已支撑保障120多个算法模型和840个场景应用；互联网行业，阿里巴巴AI相关产品收入连续八个季度实现三位数同比增长。

　　AI的重要性已毋庸置疑。2024年，“人工智能+”行动首次被写入政府工作报告。今年8月国务院印发《关于深入实施“人工智能+”行动的意见》，官宣我国未来10年的人工智能发展目标、战略。

　　平安集团首席科学家肖京在接受21世纪经济报道记者专访时表示，“人工智能不是一个独立的产业，它是赋能其他产业产生增量的工具，它的价值必须在赋能别的产业里产生增量中体现出来。”

　　AI三阶段演进路径

　　在肖京看来，“人工智能+”的核心在于推动AI融入千行百业实现“三提两降”——提效率、提效果、提用户体验，降成本、降风险。

　　他梳理了人工智能技术发展的“三阶段演进路径”，这三个阶段不仅是AI技术的迭代，也折射出AI对平安集团业务的赋能深度持续加深。

　　第一阶段是“人工+智能”的小模型时代，时间跨度最长，一直持续到生成式大模型出现前。“那时候是有样学样，一个模型解决一个问题，需要大量人工调数据、标数据，本质是人工主导下的智能辅助。”肖京坦言，这一阶段虽然实现了部分流程的自动化，但规模化应用成本高、效率低。

　　2022年底到DeepSeekR1面世前，AI发展处于第二阶段。“这个阶段大模型不是针对任何具体问题预先训练的模型，它具备泛化能力。一个模型能解决多个问题，通过垂域微调就能表现出色，大幅降低了AI应用成本、提高应用效率、规模化覆盖多场景。”他表示。

　　在DeepSeekR1等强思考大模型推出后，AI迈入第三阶段。“这一阶段不仅具备泛化能力，还可以‘举一反三、触类旁通’，模型不仅能输出结果，还能解释为什么这么输出，可解释性带来了更强的可控性，这使得其应用场景更广阔、更规模化。”

　　肖京预判，随着第三阶段AI技术的快速迭代，AI将对产业带来三大颠覆：首先是业务流程重构，从“人类主导”转向“少数专家指挥/调校/管理+大量机器人提供服务”。再从服务模式变革到产业生态重塑，尤其对金融、医疗、养老等行业带来较大“颠覆”和改变。

　　这种“颠覆”已在平安内部显现。肖京透露，“通过我们的人工智能技术底座、智能体平台，可以体系化、‘自上而下+自上而下’地，赋能业务实现‘三提两降’。”

　　自上而下层面，平安集团总部和各业务公司的核心系统（如银行系统、保险核保、理赔系统等），通过智能平台实现快速智能化升级；自下而上层面，普通员工可借助智能体平台搭建岗位所需的机器人、小智能体，“今年上半年，平安员工自建智能体已超2.3万个，覆盖11万名员工，从财务报销到保险展业，这些小智能体正在每个岗位创造价值。”

　　具体到赋能业务“三提两降”成效，肖京举例称，“自上而下”的车险定价模型在强思考大模型加持下，风控能力提升0.3个百分点，“看似数字小，但平安车险理赔规模达千亿级，0.3个百分点就是数亿元的价值”。

　　构建金融业AI体系化能力

　　肖京透露，现阶段，平安在AI领域主要做两件事情：一是形成AI技术壁垒，打造一个完整、体系化、主动管理的机制，能以最快速度去吸收、融入最新的AI技术。

　　“经过十几年标准化的发展，平安目前在3-5天，就可以把最新的东西内化成我们的核心技术能力。在此基础上利用我们积累的算法能力、数据知识库、场景案例等独有资源，持续不断地做金融、医疗业务垂域的模型强化、迭代升级，最终形成标准化、规范化的AI技术平台体系。”肖京说，“这些平台体系要足以支持各个场景的高质量、高效率、规模化、低成本数字化应用。”

　　二是在技术之上打造业务差异化的市场竞争优势。在众多核心业务场景里，围绕核心业务价值增长目标（如利润、成本、收入等），业务和科技团队紧密结合、共同建设，实施行之有效的数字化应用方案，并追踪检视落地的效果，不断迭代优化。

　　但AI投入高企是行业普遍痛点，平安如何平衡投入产出比？肖京给出了“自主可控、场景驱动、价值导向”的十二字方针。

　　“自主可控并非全自研，而是不管自研或引进，都能自己运营、迭代、更新，不依赖外部；场景驱动是指所有AI技术研发都围绕业务需求，不做‘无目的的技术研发’；价值导向是每个项目、每个智能体都要讲清楚价值，没有价值的项目绝不立项。”

　　这套方针为平安在五大领域带来了显著的AI成本优化效果。营销方面，AI出单助手实现81.2%单件平均一分钟智能出单；AI智能体辅助销售661.57亿元；服务方面，AI坐席年均节约成本近65亿元；运营方面，单个车险保单的成本，每年约以10%的速度下降，但车险的保费规模在不断增长；管理方面，微表情面审覆盖客户450万+，年均节约运营成本41亿+，年均降低信贷损失20亿；风控方面，上半年平安产险反欺诈智能化理赔拦截减损超60亿元，同比增长6%。

　　“这些价值不是靠单一模型实现的，而是靠体系化能力。”肖京强调，平安有一个大小模型矩阵，可以灵活按需组合应用，在不同场景下组合地去应用各种不同的参数规模、不同的应用成本、不同尺寸的模型，“如投资、医疗复杂疾病诊断等场景要用强思考大模型，才能得到好的效果、少犯错误；如销售、服务、运营等场景用小模型，效率更高、体验更好”。

　　防范AI技术多重挑战

　　尽管AI应用成效显著，肖京仍坦诚分享了行业面临的诸多挑战：数据瓶颈、算力制约、伦理风险等，并详解了应对之法。

　　数据是AI的“燃料”，但高质量数据短缺是行业共性问题。“尤其是小概率事件的数据，如重大疾病、极端风险案例，数量少且分散，很难满足模型训练需求。”肖京表示，目前要通过“知识库沉淀+生成式技术”双路径破局：

　　一方面整理业务经验、案例形成高质量知识库、案例库，帮助训练专业模型；另一方面利用生成式技术模拟、仿真、生成稀缺数据，经过专家修正，然后形成数据库。同时，平安通过RAG（检索增强生成）等技术，能更大程度降低模型幻觉风险。

　　算力瓶颈也是重要挑战，“国外芯片存在供应风险，国产芯片在性价比、性能、适配性、生态成熟度上还有差距。”肖京透露，平安已与华为等头部厂商及芯片创业公司合作，希望能从国产信创的算力能力上，进一步解决算力瓶颈问题。

　　他还认为底层算法仍有进步空间。如针对Transformer框架改进（如解决多模态对齐难题，平安研发单调对齐算法）；优化生成模型框架（平安提出Dflow、TCF等算法能满足质量、效率、内容多样性的“不可能三角”）；同时通过融入专家经验、业务流程SOP等研发一系列新的强化学习算法，突破算法本身瓶颈，进一步提升投产效果。

　　另外，伦理风险也是AI应用的“红线”，尤其是数据偏见、算法歧视问题。对此，肖京介绍，平安建立了“1+5+3”的伦理治理体系。“1”是集团层面组建了一个人工智能伦理委员会，集团CEO任委员会主任。“5”是五个原则：人类自治、安全可控、可靠公信、公开透明、公开公正。“3”是三项具体的举措，包括通过研究新技术、新政策、行业的发展趋势来发现可能存在的伦理问题，并且提出相应的举措；通过对员工的宣导，强化伦理意识；通过对数据全流程、模型的全链路，自上而下地治理检视，符合相应的要求。

　　在技术层面，平安还通过技术手段解决该问题：一是发现问题数据时移除，或把有偏见案例的合规处理方法制成训练数据，让模型学会伦理处理；二是用“遗忘技术”，无需重新训练模型，通过算法让其选择性遗忘问题数据，避免偏见且节省成本、提升效率。

　　AI潮涌之下，不同公司都“All in AI ”也可能导致决策同质化问题（羊群效应），肖京认为核心在于垂域模型的差异化，“如果大家都用底层通用大模型，不做自主训练，必然会出现同质化。平安的模型是用自己的数据、案例等训练，用自己的业务逻辑调校出来的，这样训练出的模型才有差异化优势。”

　　他同时警示“马太效应”风险，“大机构会因数据、人才优势变得更强，未来可能只剩几家头部机构具备高质量AI能力，需要行业共建公共平台平衡发展”。