每经记者：李玉雯 每经编辑：张益铭
“现阶段，大模型的真正价值不在于大而全，而在于深而专——每一个垂直领域的深度突破，都会反哺整个生态的智能密度。”平安集团首席科学家肖京在“2025上海苏河湾大会”期间接受《每日经济新闻》记者采访时说道。
他将平安在此领域的实践形象地描述为“站在巨人肩膀上做垂域创新”，并且提到，未来金融服务将不再是“人海战术”，很可能是由少数优秀专业人士来调教指挥一群机器人的模式。
在AI（人工智能）席卷各行各业的当下，平安正通过“AI in All”战略重新定义服务边际。相较于海外很多机构的AI还在“烧钱”，肖京对记者表示，平安的AI已经不是“成本中心”，而是“价值创造中心”。
AI应用如火如荼的同时，一些问题也颇受业界关注。如何量化AI技术项目的商业价值？打造垂域模型会面临哪些挑战？在挖掘数据价值与保护用户隐私之间怎样寻求平衡？采访中，肖京结合平安实践对这些问题阐述了自身见解。
AI不是“成本中心”，而是“价值创造中心”
NBD：平安很早就提出了“金融+科技”与“金融+生态”的战略，你如何看待AI技术在其中扮演的角色？它如何赋能金融主业，并在医疗、智慧城市等生态中创造价值？
肖京：我认为AI技术是驱动平安“金融+科技”与“金融+生态”战略落地的核心引擎。平安对于AI应用经历了三个阶段：从早期的有样学样小模型到第二阶段的强思考模型，再到目前正在加速形成规模化的能力。通过AI技术底座以及智能体平台，可以体系化地、“自上而下+自下而上”地对业务实现“三提两降”（提升效果、提升效率、提升用户体验、降低风险、降低成本）和产业增值。
平安的业务场景非常多，通过AI与金融场景的深度融合，驱动了平安金融主业的全面智慧化升级。例如，在保险业务中，平安研发并上线了全球首个图像识别车险闪赔系统，实现拍照上传秒级定损，定损速度提升4000倍，日处理车险案件量4万+，到目前为止仍是唯一规模化投产的自动定损理赔平台，相关技术已输出给国内53家保险公司以及日本、欧洲等海外市场。
在智慧城市领域，我们以海量特色数据及专业金融领域知识为基础，建立了多层次金融风险预警与经济决策系统，系统的债券违约预警模型可在较高精准率基础上实现对违约企业召回率超90%，帮助客户有效规避风险资产。同时，该系统也可为政府部门提供服务，可以提前6个月实现对经济风险洞察，宏观经济核心指标预测准确率超过85%。
在医疗领域，平安打造的“医博通”大模型，拥有2000亿医疗Token（AI处理文本时的基本语义单位），覆盖海量医学术语、关系与证据，基于真实病历训练，可将咨询准确率和诊断准确率分别提升到99%和94%。
从“企业级价值”来看，平安的AI已经不是“成本中心”，而是“价值创造中心”——去年平安科技板块营收超1000亿元，其中AI驱动的业务占比超60%；而海外很多机构的AI还在“烧钱”，没形成营收闭环。这就是“企业级价值创造者”的差距：平安能让AI“赚钱”，还能帮行业“赚钱”。
NBD：科技投入也会涉及回报评估，平安如何量化一项AI技术项目的商业价值？能否分享具体的业务案例，说明AI技术直接为某个金融业务条线带来了显著的收入增长或成本下降？
肖京：平安在量化AI技术项目的商业价值时，通常会从“四维价值评估模型”来评价，即成本节约、收入增长、风险降损、体验提升。
平安过去十多年通过三个阶段的AI应用，已经实实在在创造了显著的企业级价值。从经营角度讲，这是占比很高、很突出、很显著的价值。比如智能座席，2019年开始就已经大规模应用，每年有80%多的客服工作都是由AI来服务的，年均降本数十亿元，服务客户20多亿人次，也输出给了外部很多银行。
从营销方面来看，我们的智能体辅助销售已经超过660亿元，产险在车贷场景，已经实现80%以上的自动化出单。另外就是我们的核保理赔数字化，不管是产险、寿险、健康险还是养老险业务，它的效率都大幅提升，体验也大幅提升，成本大幅下降、风险大幅下降。
在我们的投资领域，企业风险报告、尽职调查报告，信贷领域的调查、分析，都可以用AI自动生成，客户经理的效率提升2.5倍，都有很显著的效果。
“技术+制度”平衡隐私保护与数据价值
NBD：与追求通用能力的ChatGPT等相比，平安在发展垂直领域大模型方面积累了哪些经验？在金融、医疗等强监管、高专业门槛的领域，打造专用模型的最大挑战是什么？
肖京：与通用大模型不同，平安聚焦垂直领域深度专业化。通过多年深耕人工智能及大数据领域，平安已建立了完善的包括数据、模型、功能协同的研发和组织架构，支持快速基于最新模型技术进行研究和迭代，并有一支强有力的研发团队，承担全集团的底层和共性技术研发，建立了数据平台、算法平台、智能体平台等系列平台，使得最前沿的算法和技术可以快速上架，并快速测试和部署。
目前，平安已经搭建了在不同场景下可以灵活组合的大小模型矩阵，有效应对不同场景需求，并实现投产最优。这些模型和算法可以快速被调用或者私有化部署，广泛应用于平安的金融业务和医疗养老业务中。
在模型打造的过程中，主要会面临数据偏见、算法歧视等AI伦理风险。针对这类问题，对内，集团CEO（首席执行官）牵头成立AI治理委员会，通过研究、宣导、治理检查三项举措，有自上而下的抽查，也有自下而上的自查，从而实现对数据、模型、应用场景的全链路管控，确保AI应用安全、合规、可控；对外，平安积极参与人工智能全球治理，加强行业及学术交流，协助推动行业AI治理标准化发展。
另外还有准确率的问题，因为AI本身就是概率模型，本质就有一定几率出错，只是概率大小不同，所以这种挑战 永远存在。我们要不断地通过各种技术、数据和不同方案去解决这些挑战，有的是通过技术解决，有的是通过人工兜底的方式解决。
NBD：平安拥有海量、多维度的用户数据，这是AI模型的基石，在全球数据隐私监管日益严格的今天，平安如何构建技术和管理框架，在充分挖掘数据价值与严格保护用户隐私之间取得平衡？
肖京：在平安，我们以“数据向善”为原则，通过“技术+制度”双轨框架，实现隐私保护与数据价值的平衡。
在技术层面，平安打造的蜂巢隐私计算平台，针对金融数据孤岛问题，通过自主研发的联邦学习、多方安全计算、先进密码学等技术，构建面向金融行业的“原始数据不出域、数据可用不可见”的数据要素流通范式。该平台加密算法性能达到业界领先水平，并承建中国人民银行全国金融监管隐私计算平台。
在管理层面，平安积极推进AI伦理建设，遵循“以人为本、人类自治、安全可控、公平公正、公开透明”等五大伦理原则，制定了《平安集团AI伦理治理政策》，承诺对人工智能的开发和应用进行科学管控，致力于提供符合伦理道德审查的科技与金融服务。总的来说，从数据使用、算法研发、行业应用三方面制定了清晰的伦理目标，并不断完善AI治理框架。
AI应用从“感知式”向“操作式”跨越
NBD：你认为平安在AI应用方面的核心护城河是什么？面对互联网巨头和新兴AI科技公司在金融科技领域的竞争，平安的优势在哪里？
肖京：在科技创新领域，平安在AI技术的最新战略思考是“五智”战略，具体为智能化营销、智能化服务、智能化运营、智能化管理、智能化经营。核心逻辑是“AI IN ALL”。
AI包括算力、数据、算法、场景四大核心要素，但平安更注重“站在巨人肩膀上做垂域创新”。一方面借力开源大语言模型降低技术门槛，另一方面则深耕垂直领域，在核保、理赔、风控、运营等环节，医疗、养老等垂直领域打造专属垂域大模型，形成差异化技术壁垒。截至目前，平安有自研垂域大模型67个。
平安的AI应用已从“感知式”向“操作式”跨越，逐步落地“智能体应用”。以平安大模型为基石，智能体应用研发周期从月/季度压缩到分钟/天。目前，平安员工基于智能体平台和人工智能底座，自主创建了5.7万个智能体，覆盖28.9万员工，智能体调用量超16亿次。这些智能体并非来自总部命令，而是源于一线员工需求——每个理财经理、保险代理、客服专员都可以在智能体上组建自己需要的AI助手。通过AI技术底座及智能体平台，可以体系化地、自下而上地对业务实现“三提两降”。
NBD：当前，平安重点关注哪些核心AI技术？你认为这些技术在未来3~5年内会对金融、医疗等平安核心生态带来哪些可预见的改变？
肖京：一是一站式模型蒸馏能力及场景化训练验证能力。通过知识自动生成技术，显著降低垂域模型训练成本，解决金融场景中数据敏感性与计算资源瓶颈问题。目前，谁掌握专业数据，谁就拥有模型进化的主动权。未来，金融服务将不再是“人海战术”，很可能是少数优秀专业人士来调教指挥一群机器人的模式；少数领域专家通过指挥、调度、管理AI Agent（智能体）集群，实现大规模、高并发、个性化的专业服务。这种“专家知识模型化—模型能力代理化—代理服务规模化”的新范式，正成为金融机构降本增效、提升服务半径的核心路径。
二是智能体及智能生态建设能力。AI大模型的深度应用正引发“链式反应”——不仅单点场景智能化，更催生出一批“AI原生应用”与“领域智能体”的系统性涌现。更重要的是，这些智能体并非孤立存在，而是通过统一的大模型底座实现能力共享与协同进化。到了现阶段，大模型的真正价值不在于大而全，而在于深而专——每一个垂直领域的深度突破，都会反哺整个生态的智能密度。这种“专业深耕—能力溢出—生态共智”的飞轮效应，正在推动金融行业从“工具智能化”走向“系统智能化”，最终构建起以AI为核心生产力的“智能金融操作系统”。
三是模型的安全和可解释性。平安作为综合金融集团，模型安全涉及资金安全，及医疗诊断责任——这些都是生死线。尤其金融监管严、医疗容错率低，首先技术手段一定要满足合规和伦理要求，其次大概率仍然需要人类经验进行补充。模型安全与可解释性不是技术选项，而是平安生存与发展的根本。