專訪平安集團首席科學家肖京：AI成為價值創造中心，未來金融服務將不再是“人海戰術”

每經記者｜李玉雯    每經編輯｜張益銘    

“現階段，大模型的真正價值不在于大而全，而在于深而專——每一個垂直領域的深度突破，都會反哺整個生態的智能密度。”平安集團首席科學家肖京在“2025上海蘇河灣大會”期間接受《每日經濟新聞》記者采訪時說道。

他將平安在此領域的實踐形象地描述為“站在巨人肩膀上做垂域創新”，并且提到，未來金融服務將不再是“人海戰術”，很可能是由少數優秀專業人士來調教指揮一群機器人的模式。

平安集團首席科學家肖京 受訪者供圖

在AI（人工智能）席卷各行各業的當下，平安正通過“AI in All”戰略重新定義服務邊際。相較于海外很多機構的AI還在“燒錢”，肖京對記者表示，平安的AI已經不是“成本中心”，而是“價值創造中心”。

AI應用如火如荼的同時，一些問題也頗受業界關注。如何量化AI技術項目的商業價值？打造垂域模型會面臨哪些挑戰？在挖掘數據價值與保護用戶隱私之間怎樣尋求平衡？采訪中，肖京結合平安實踐對這些問題闡述了自身見解。

AI不是“成本中心”，而是“價值創造中心”

NBD：平安很早就提出了“金融+科技”與“金融+生態”的戰略，你如何看待AI技術在其中扮演的角色？它如何賦能金融主業，并在醫療、智慧城市等生態中創造價值？

肖京：我認為AI技術是驅動平安“金融+科技”與“金融+生態”戰略落地的核心引擎。平安對于AI應用經歷了三個階段：從早期的有樣學樣小模型到第二階段的強思考模型，再到目前正在加速形成規模化的能力。通過AI技術底座以及智能體平臺，可以體系化地、“自上而下+自下而上”地對業務實現“三提兩降”（提升效果、提升效率、提升用戶體驗、降低風險、降低成本）和產業增值。

平安的業務場景非常多，通過AI與金融場景的深度融合，驅動了平安金融主業的全面智慧化升級。例如，在保險業務中，平安研發并上線了全球首個圖像識別車險閃賠系統，實現拍照上傳秒級定損，定損速度提升4000倍，日處理車險案件量4萬+，到目前為止仍是唯一規模化投產的自動定損理賠平臺，相關技術已輸出給國內53家保險公司以及日本、歐洲等海外市場。

在智慧城市領域，我們以海量特色數據及專業金融領域知識為基礎，建立了多層次金融風險預警與經濟決策系統，系統的債券違約預警模型可在較高精準率基礎上實現對違約企業召回率超90%，幫助客戶有效規避風險資產。同時，該系統也可為政府部門提供服務，可以提前6個月實現對經濟風險洞察，宏觀經濟核心指標預測準確率超過85%。

在醫療領域，平安打造的“醫博通”大模型，擁有2000億醫療Token（AI處理文本時的基本語義單位），覆蓋海量醫學術語、關系與證據，基于真實病歷訓練，可將咨詢準確率和診斷準確率分別提升到99%和94%。

從“企業級價值”來看，平安的AI已經不是“成本中心”，而是“價值創造中心”——去年平安科技板塊營收超1000億元，其中AI驅動的業務占比超60%；而海外很多機構的AI還在“燒錢”，沒形成營收閉環。這就是“企業級價值創造者”的差距：平安能讓AI“賺錢”，還能幫行業“賺錢”。

NBD：科技投入也會涉及回報評估，平安如何量化一項AI技術項目的商業價值？能否分享具體的業務案例，說明AI技術直接為某個金融業務條線帶來了顯著的收入增長或成本下降？

肖京：平安在量化AI技術項目的商業價值時，通常會從“四維價值評估模型”來評價，即成本節約、收入增長、風險降損、體驗提升。

平安過去十多年通過三個階段的AI應用，已經實實在在創造了顯著的企業級價值。從經營角度講，這是占比很高、很突出、很顯著的價值。比如智能座席，2019年開始就已經大規模應用，每年有80%多的客服工作都是由AI來服務的，年均降本數十億元，服務客戶20多億人次，也輸出給了外部很多銀行。

從營銷方面來看，我們的智能體輔助銷售已經超過660億元，產險在車貸場景，已經實現80%以上的自動化出單。另外就是我們的核保理賠數字化，不管是產險、壽險、健康險還是養老險業務，它的效率都大幅提升，體驗也大幅提升，成本大幅下降、風險大幅下降。

在我們的投資領域，企業風險報告、盡職調查報告，信貸領域的調查、分析，都可以用AI自動生成，客戶經理的效率提升2.5倍，都有很顯著的效果。

“技術+制度”平衡隱私保護與數據價值

NBD：與追求通用能力的ChatGPT等相比，平安在發展垂直領域大模型方面積累了哪些經驗？在金融、醫療等強監管、高專業門檻的領域，打造專用模型的最大挑戰是什么？

肖京：與通用大模型不同，平安聚焦垂直領域深度專業化。通過多年深耕人工智能及大數據領域，平安已建立了完善的包括數據、模型、功能協同的研發和組織架構，支持快速基于最新模型技術進行研究和迭代，并有一支強有力的研發團隊，承擔全集團的底層和共性技術研發，建立了數據平臺、算法平臺、智能體平臺等系列平臺，使得最前沿的算法和技術可以快速上架，并快速測試和部署。

目前，平安已經搭建了在不同場景下可以靈活組合的大小模型矩陣，有效應對不同場景需求，并實現投產最優。這些模型和算法可以快速被調用或者私有化部署，廣泛應用于平安的金融業務和醫療養老業務中。

在模型打造的過程中，主要會面臨數據偏見、算法歧視等AI倫理風險。針對這類問題，對內，集團CEO（首席執行官）牽頭成立AI治理委員會，通過研究、宣導、治理檢查三項舉措，有自上而下的抽查，也有自下而上的自查，從而實現對數據、模型、應用場景的全鏈路管控，確保AI應用安全、合規、可控；對外，平安積極參與人工智能全球治理，加強行業及學術交流，協助推動行業AI治理標準化發展。

另外還有準確率的問題，因為AI本身就是概率模型，本質就有一定幾率出錯，只是概率大小不同，所以這種挑戰 永遠存在。我們要不斷地通過各種技術、數據和不同方案去解決這些挑戰，有的是通過技術解決，有的是通過人工兜底的方式解決。

NBD：平安擁有海量、多維度的用戶數據，這是AI模型的基石，在全球數據隱私監管日益嚴格的今天，平安如何構建技術和管理框架，在充分挖掘數據價值與嚴格保護用戶隱私之間取得平衡？

肖京：在平安，我們以“數據向善”為原則，通過“技術+制度”雙軌框架，實現隱私保護與數據價值的平衡。

在技術層面，平安打造的蜂巢隱私計算平臺，針對金融數據孤島問題，通過自主研發的聯邦學習、多方安全計算、先進密碼學等技術，構建面向金融行業的“原始數據不出域、數據可用不可見”的數據要素流通范式。該平臺加密算法性能達到業界領先水平，并承建中國人民銀行全國金融監管隱私計算平臺。

在管理層面，平安積極推進AI倫理建設，遵循“以人為本、人類自治、安全可控、公平公正、公開透明”等五大倫理原則，制定了《平安集團AI倫理治理政策》，承諾對人工智能的開發和應用進行科學管控，致力于提供符合倫理道德審查的科技與金融服務。總的來說，從數據使用、算法研發、行業應用三方面制定了清晰的倫理目標，并不斷完善AI治理框架。

AI應用從“感知式”向“操作式”跨越

NBD：你認為平安在AI應用方面的核心護城河是什么？面對互聯網巨頭和新興AI科技公司在金融科技領域的競爭，平安的優勢在哪里？

肖京：在科技創新領域，平安在AI技術的最新戰略思考是“五智”戰略，具體為智能化營銷、智能化服務、智能化運營、智能化管理、智能化經營。核心邏輯是“AI IN ALL”。

AI包括算力、數據、算法、場景四大核心要素，但平安更注重“站在巨人肩膀上做垂域創新”。一方面借力開源大語言模型降低技術門檻，另一方面則深耕垂直領域，在核保、理賠、風控、運營等環節，醫療、養老等垂直領域打造專屬垂域大模型，形成差異化技術壁壘。截至目前，平安有自研垂域大模型67個。

平安的AI應用已從“感知式”向“操作式”跨越，逐步落地“智能體應用”。以平安大模型為基石，智能體應用研發周期從月/季度壓縮到分鐘/天。目前，平安員工基于智能體平臺和人工智能底座，自主創建了5.7萬個智能體，覆蓋28.9萬員工，智能體調用量超16億次。這些智能體并非來自總部命令，而是源于一線員工需求——每個理財經理、保險代理、客服專員都可以在智能體上組建自己需要的AI助手。通過AI技術底座及智能體平臺，可以體系化地、自下而上地對業務實現“三提兩降”。

NBD：當前，平安重點關注哪些核心AI技術？你認為這些技術在未來3~5年內會對金融、醫療等平安核心生態帶來哪些可預見的改變？

肖京：一是一站式模型蒸餾能力及場景化訓練驗證能力。通過知識自動生成技術，顯著降低垂域模型訓練成本，解決金融場景中數據敏感性與計算資源瓶頸問題。目前，誰掌握專業數據，誰就擁有模型進化的主動權。未來，金融服務將不再是“人海戰術”，很可能是少數優秀專業人士來調教指揮一群機器人的模式；少數領域專家通過指揮、調度、管理AI Agent（智能體）集群，實現大規模、高并發、個性化的專業服務。這種“專家知識模型化—模型能力代理化—代理服務規模化”的新范式，正成為金融機構降本增效、提升服務半徑的核心路徑。

二是智能體及智能生態建設能力。AI大模型的深度應用正引發“鏈式反應”——不僅單點場景智能化，更催生出一批“AI原生應用”與“領域智能體”的系統性涌現。更重要的是，這些智能體并非孤立存在，而是通過統一的大模型底座實現能力共享與協同進化。到了現階段，大模型的真正價值不在于大而全，而在于深而專——每一個垂直領域的深度突破，都會反哺整個生態的智能密度。這種“專業深耕—能力溢出—生態共智”的飛輪效應，正在推動金融行業從“工具智能化”走向“系統智能化”，最終構建起以AI為核心生產力的“智能金融操作系統”。

三是模型的安全和可解釋性。平安作為綜合金融集團，模型安全涉及資金安全，及醫療診斷責任——這些都是生死線。尤其金融監管嚴、醫療容錯率低，首先技術手段一定要滿足合規和倫理要求，其次大概率仍然需要人類經驗進行補充。模型安全與可解釋性不是技術選項，而是平安生存與發展的根本。

封面圖片來源：受訪者供圖