保險行業的增長邏輯，正在悄然生變。

以往保險公司增長的核心變量，是產品設計與精算、渠道建設、投資能力。而現在在這些因素背後，AI技術能力正在從輔助工具，逐漸升級為決定保險公司增長能力的關鍵因素，直接影響保險公司的盈利能力、競爭壁壘和客戶體驗。

這在中國平安的2026年半年報上體現得非常明顯，上半年業績穩健成長，集團總營收按年增長15%，營運利潤842億元，按年增長8.3%；歸母淨利潤 926 億元，按年增長36.1%。

業績背後，是AI在發揮着越來越關鍵的作用。數據顯示，中國平安每年研發投入超過100億元，今年以來日均token消耗量超過千億，AI智能體輔助實現銷售額573.13億元。

中國平安聯席首席執行官郭曉濤表示，公司AI基建在過去幾年已經完成，目前處於AI場景賦能創造價值的階段。平安 AI 不是單純技術研發，堅持AI in ALL，聚焦智能化運營、智能化管理、智能化經營、智能化服務、智能化營銷五大場景，降本增效、促進銷售以及未來使用AI讓代理人產能更加提升，獲客成本持續下降，都是AI產生價值的地方。

中國平安首席技術官王曉航在與媒體交流時，就AI價值、業務落地場景、邊界與約束、行業現狀進行了深入解讀。他表示，「平安的整體戰略是綜合金融+醫療養老，科技投入也是圍繞着集團戰略展開的。現在的重中之重是三條主線：綜合金融、醫療健康、面向企業效率變革，無論是綜合金融還是醫療健康，都是對客超大規模的 AI 應用，會達到每年億次以上的量級。」

 AI已經成為保險業務的卓越生產力工具 

隨着AI的能力突飛猛進，保險科技相應地進入了演進歷程的第四階段：

最早期是信息化與線上化階段，典型特徵比如保險公司內部建設核心業務系統，即保單管理、財務、客服系統等，替代紙質台賬。

之後是渠道互聯網化，大流量電商平台接入保險，保險開始嵌入交易場景，銷售渠道多元化，獲客成本下降，但覈保、理賠仍高度依賴人工。

隨着科技進步，保險科技進一步深入到數據驅動與科技賦能階段，比如健康險引入可穿戴設備數據，以及OCR 識別發票、智能客服、反欺詐模型、自動化理賠等應用，逐漸實現業務流程數字化、數據化，開始從事後賠付向事前風控、事中干預延伸。

如今隨着大模型的崛起，保險開始進入全流程智能化，科技對於各業務環節的深入賦能，前所未有。不再只是降本增效，AI正在進一步幫助保險企業提升生產力水平。

如今在諸多的環節，AI都在深度參與，以token消耗的方式，生成可以賦能實際業務的結果，成為優秀的生產力工具。

以平安為例，在國內主流金融機構日均token消耗幾十億到上百億的背景下，中國平安日均token消耗的絕對量與增速驚人。王曉航介紹， 2026 年初，平安集團日均消耗 300 億 token，6月30 日半年報節點，日均 token 消耗增長到1200 億。

這些算力都消耗用來做什麼呢？

王曉航介紹，Token 消耗來自於兩部分，一部分是面向 2.5 億客戶的超大規模應用，包括 AI 快捷服務、AI 理賠服務、AI 醫療服務等；另外一部分就是面向集團內部關鍵崗位的超高頻應用，包括AI  coding，AI 辦公等，正在快速爆發。

他表示，下半年 Token 量級預計還會繼續突破。未來數十億級別的用戶諮詢、理賠、醫療場景將逐步遷移到 AI。

這為中國平安上半年的業績提升，提供了底層的技術支持。這樣的AI投入是怎麼具體幫助到平安的業績呢？

可以這樣理解，一方面，AI面向客戶，作用於業務流程與環節，強化競爭力與服務客戶的能力，成為直接的生產力工具。另一方面，面向企業內部，實現降本增效，提升盈利能力。

下面展開來看，平安如何用好AI這個最強生產力工具？

AI 在保險業，已經過了「能不能幫我省點錢」的階段，進入「能不能讓我做成以前做不到的事」的階段。

核心區別在於，降本增效是把現有流程做得更快更便宜，生產力工具是創造新的產品、新的商業模式、新的收入來源。

王曉航介紹，平安推出AI 快捷服務（九九歸一），「一句話」直達300+高頻業務，服務人次上半年突破4700萬人次，從諮詢到辦事，辦事使用量已超諮詢，佔比達58%。同時，把自有 超9000萬月活用戶的APP 流量生態轉化為線上經營渠道。通過全域流量整合和千人千面的個性化分發，綜合金融APP矩陣線上新增訂單達到兩位數按月增長，已銷售超260萬非車險訂單。同時，獲客成本明顯低於外部渠道。

AI 已經成為拓展能力邊界、重構商業模式的底層生產力要素，它讓保險公司第一次真正具備了實時感知風險、主動干預、生態嵌入的能力。

這在當下的中國平安，已經有非常直觀的體現。

王曉航介紹，平安已落地腫瘤專病 AI 產品矩陣，AI可以實現面向腫瘤的專病識別，面向高危人群的識別與早篩，面向慢病，面向癌症復發，提供專門保險；下半年，平安計劃推出阿爾茨海默專病保險，配套全病程醫療管家。這些人群原來沒有辦法去覆蓋，因為沒有辦法科學和精準的進行定價。

這些新的產品，拓展了平安的服務邊界，帶來更突出的商業價值與社會價值。為什麼以前的技術做不了專病保險，現在 AI 可以做針對癌症、阿爾茨海默症的專病保險產品？

王曉航表示，腫瘤、阿爾茨海默這類複雜專病，病歷數據高度分散：一個患者全病程檔案，會分散在跨多個城市、多家不同醫院，檢驗報告、診療記錄、用藥記錄碎片化。

而大模型帶來兩大能力躍遷。首先是理解複雜非結構化醫療文本，可以消化跨醫院、跨城市的完整全病程檔案，讀懂診療記錄、化驗、用藥、臨床指南，把分散的病歷信息做整合、解析、清洗。傳統小模型很難處理這種長鏈條、非標準化的真實醫療材料。其次是對齊專家臨床邏輯：結合專家精標的病歷、臨床指南、診療建議，讓模型學會專家的風險判斷邏輯，從而可以做高危人群識別、疾病風險預測，實現專病的風險計量、精細化定價。

原來被拒保的高風險人群，現在可以被識別、分層，不再只有簡單賠付，產品可以綁定全病程醫療管家服務，升級為兼顧保障與長期疾病管理的一體化專病保險。

這是AI在產品層面帶來服務能力質變的直接體現。類似的案例還有不少。比如在車險領域，車代渠道94% 的保單可以在一分之內就能完成出單。因為AI在輔助溝通和出單溝通中，可以快速完成。

在醫療健康領域也非常突出。醫療健康在平安是與綜合金融並行的核心戰略，自然也是AI探索的重中之重。

王曉航表示，平安在醫療健康領域，做嚴肅醫療專家級 AI，不只做普通健康諮詢。技術能力上，腫瘤專病 AI 與專家判斷一致性達 90% 以上，可以支持全科、重疾多學科會診。依託大模型還可以處理跨醫院碎片化的全病程病歷。

目前AI 作為線上入口，對接平安 「四到」 線下醫療服務體系（到線、到院、到家、到企），可以輸出就醫指導、院內陪伴、企業員工醫療福利、居家養老上門醫療服務，打通線上 AI 問診到線下實體醫療服務的完整閉環，而不是停留在純線上問答。

平安還建立完整質控體系，累計完成13萬例AI問診案例質控，以AI承擔初篩、資料整理工作，高風險決策保留專家複覈，兼顧效率與業務安全。

這對於平安「綜合金融+醫療養老」戰略，是非常重要的支撐。

除了產品層面，渠道建設對於保險公司來說也至關重要。平安在渠道上以代理人渠道為主，因此AI在代理人賦能方面，勢必要加強。

據王曉航介紹，平安推出了面向代理人的 AI 賦能工具 AskBob，當前39% 代理人每日高頻使用，最初是問答助手，用於條款問詢、策略解讀。現在正在逐步升級改造為一個能辦事的，能改造整個代理人獲客觸達訪問和轉化全流程的 AI 的助手，包含客戶洞察、商機提醒、產品方案、銷售話術生成等方面，這樣可以把代理人從大量事務性工作中解放出來，時間釋放給客戶溝通。

由此可見，在平安，AI找到了用武之地，在前台客戶業務、銷售展業、醫療業務都已經大規模落地、產生業務結果。

 三大企業AI工程釋放內部生產力 

在企業內部運營上，AI助力研發、辦公全鏈路提效，釋放內部生產力。

王曉航表示，平安擁有25萬內勤員工，重點落地AI Coding、AI運營、AI辦公三大內部AI工程。

AI代碼生成方面，上半年平安新增生產代碼中62%由AI生成，經過人工複覈審批後投入生產。AI編碼減少重複編碼工作量，將人力從基礎研發運維釋放出來，調配到業務創新、前瞻孵化項目，優化科技資源投入結構。

 AI運營與AI辦公方面，對於重複性事務崗位，標杆崗位實現了工時兩位數級別的提效。會議、審批等內部辦公流程智能化改造，壓縮內部流轉時間，降低整體管理運營成本。

隨着業務大規模落地，平安日均Token消耗從年初300億增長6月底1200億，大規模AI應用會帶來算力成本壓力。王曉航表示，平安通過全棧技術優化，包括上下文壓縮、模型推理優化、異構多GPU算力集群、晝夜錯峯調度等手段，實現單位Token成本下降超50%，算力供給、運行效率、業務價值三者正向循環，保障大規模 AI 應用的經濟性。

 用好AI，要有組織制度保障 

AI轉型是一場硬仗，一場持久戰，需要組織層面有創新，有制度，來推進AI技術的研發與應用落地。王曉航介紹，平安在在組織層面為 AI 落地建立多套制度保障。

首先是頂層戰略對齊機制。組織上明確AI不是獨立技術部門的業務，必須服務集團「綜合金融 + 醫療養老」雙飛輪戰略，技術目標由業務戰略倒推，不脫離業務去做純技術競賽，拒絕重技術輕業務的資源浪費，不投入大量資源做通用基礎大模型。

這樣，AI完全錨定集團主業戰略，明確「AI in ALL」五大智能落地方向，包括智能化運營、智能化管理、智能化經營、智能化服務、智能化營銷，作為全集團 AI 項目統一指引，所有 AI項目圍繞五大方向展開。

其次是科技資源分配製度，即「三筆錢」資源配置模式，動態調整資源結構。

王曉航表示，為解決集團AI資源分配、項目優先級排序問題，內部把科技投入劃分為三類，形成制度化的資源調度機制，形象的稱呼是三筆錢，一筆錢是最基礎的研發和運營。第二部分是規模化的創新，也就是那部分已經完成驗證，可以規模化的部署和推廣的這些產生價值的技術。第三部分就是相對於說比較前瞻的孵化和佈局。

這樣，依託AI帶來的效率紅利，可以將人力、算力資源從基礎運維釋放出來，向規模化創新、前瞻孵化傾斜，實現資源結構動態優化，而不是平均分配資源。

另外就是項目考覈與投產跟蹤，內部建立「K體系」目標管理機制，壓實責任、價值導向。

王曉航表示，「一套完整的目標管理和投產跟蹤體系，就是覆蓋這個遠期、中期、短期對目標的定義，投產的跟蹤和結果的評估，包括對壓實責任到管理者個人的的評估。」

具體而言，每個 AI 項目同時定義遠期、中期、當期目標，不只用短期技術指標評判。AI 項目立項的前提是要講清楚業務價值，業務產出價值倒推人力、算力投入規模，不是先給預算再找場景；項目投產評估結果和管理者個人考覈掛鉤；價值清晰、可落地的場景，優先供給算力、人力；沒有明確業務價值的項目不盲目投入。

AI 基建完成之後，集團不再單純看 Token、模型參數這類技術指標，重點看業務價值產出。

這套組織制度，本質上是給 AI 套上一套業務導向的管理框架：向上對齊集團整體戰略。中間管好錢、管好項目考覈，防止資源浪費。向下管住 AI 帶來的新型風險，理順人機分工，底層夯實數據底座。

這讓平安的大模型技術得到很好提升。近日，中國平安金融大模型PingAnGPT-Qwen3-32B 在行業權威大模型評測體系CNFinBench大語言模型公開排行榜上綜合排名第一。平安旗下平安科技聯合平安好醫生、北大醫療研發的「醫療大模型3.5」，在全球醫療AI權威評測集HealthBench Hard中超越Meta、OpenAI等頭部企業，位居榜首。

這樣的機制也使得平安的 AI 可以從試點走向大規模生產力，既拿到降本增效、產品創新的收益，又規避大型企業發展 AI 容易出現的重技術輕業務、風險失控、投入產出失衡等問題。

特別策劃