文 | 闫佳佳

ID | BMR2004

4月17日，平安集团党委副书记、副总经理黄宝新在金融壹账通（平安集团旗下子公司）和中小银行联盟主办的“大模型应用创新研讨会”上表示：“在金融场景中，平安依托自研的大模型体系，实现了智能风控、精准营销、客户服务的全面升级。此外，联合各界共同探索大模型技术在智能投顾、风险管理、运营提效等领域的创新应用，推动技术标准与生态共建。”平安集团依托综合金融牌照，正在持续深化金融和医养领域垂直领域大模型建设，同时，通过技术输出赋能全行业生态的完善，加速向“数字金融链主”转型。

中国信息协会常务理事、国研新经济研究院创始院长朱克力在接受《商学院》杂志访谈时表示：“平安集团凭借‘综合金融+医疗养老’的跨场景布局，在数据积累和技术层构建了基础设施，具备成为链主的潜力。”他进一步解释道，“‘数智链主’是数字技术、智能决策与生态链主导能力的集合体，其核心在于通过技术整合与数据驱动，成为行业生态的核心枢纽。”

金融业是数据密集型行业，AI的应用场景广泛。平安集团通过在全集团推广人工智能大模型、大数据等技术，成功搭建了通用模型、垂直领域模型（金融、医疗、养老等）、应用模型三层大模型体系。

近期，平安集团引入DeepSeek开源模型。平安集团首席科学家肖京表示，金融机构可以基于这些开源的模型，利用自身的数据和技术能力，实现在金融垂域模型的进一步增强，全方位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。

朱克力认为，开源模型的优势在于降低研发成本，但金融场景对数据安全、输出稳定性要求极高，需针对反洗钱、风险预警等任务进行严格调优。例如，在平安集团的30个场景中，DeepSeek因准确率高、成本可控而被采用，但在21个场景中，平安自研模型表现更优，比如，在金融风控、医疗诊断等专业领域，通用模型的泛化能力不足，需结合行业数据进行微调，平安集团构建了金融、医疗、养老等垂直领域的专用模型。

应用模型是指直接嵌入业务流的AI应用，如智能客服、AI核保、智能理赔等。2024年，平安AI坐席服务量达18.4亿次，覆盖80%的客服需求；寿险AI核保实现93%秒级通过，车险“智能闪赔”5分钟完成定损，较传统流程提速4000倍。

值得注意的是，大模型训练与部署成本高昂,朱克力认为，金融领域大模型的短期收益场景应聚焦高频、低风险且人力密集环节。例如智能客服方面，通过语义理解减少人工坐席；合规审查方面，自动扫描合同条款漏洞；营销推荐方面，用户画像动态优化等。这些场景的共性在于，任务规则相对明确、错误容忍度较高、替代人力可直观降本。相比之下，高风险决策如信贷审批、投资组合优化，因容错率低且依赖复杂推理，短期难见成效。平安需优先在能快速验证ROI（投资回报率）的场景中规模化落地，同时，通过模块化输出，向中小机构收费，摊薄训练成本。关键是找到投入与产出之间的平衡点，避免陷入技术军备竞赛，2024年平安取得了1364亿元的AI驱动营收。

在大模型的背后，数据是AI的核心燃料，平安集团建立了九大数据库，其中包括金融数据库、医疗健康数据库、经营数据库等，覆盖30万亿字节数据。然而，跨行业数据融合面临两大核心挑战：数据异构性与权属分割。

例如，医疗数据如影像、病历文本等的结构化程度低，且与金融数据如交易记录、信用评分等的关联逻辑复杂，需通过NLP、知识图谱等技术实现语义对齐。更棘手的是合规壁垒，医疗数据涉及个人隐私与法规红线，直接共享可能触发法律风险。

平安集团的解法是通过蜂巢平台实现“数据不动模型动”，在本地完成特征提取，仅交换加密参数，确保原始数据不泄露。但此举仍需解决机构间的信任博弈，医院可能担忧平安利用数据优势抢占保险市场。可行的突破点是与第三方监管机构共建数据治理框架，例如引入政府背书的合规审计，或设计数据贡献者的分成机制，将数据使用与商业利益捆绑，降低抵触情绪。

平安集团的AI战略不仅服务于自身业务，还通过旗下三大科技公司（平安科技、金融壹账通、平安健康）对外输出技术。

平安科技聚焦金融科技底层技术研发，为平安内部金融业务提供技术引擎。比如，在数字金融领域，建立AI投资信贷风控系统，覆盖全国近1亿家企业和个体工商户，有效预警违约风险；建设一体化智能语音坐席体系，平安AI坐席快速响应、服务消费者。

在外部赋能方面，平安集团旗下金融壹账通作为商业科技服务提供商，通过“金融+科技+医疗”多业态数据打通，为外部金融机构提供数字化解决方案，包括数字化银行、数字化保险和提供数字金融基础设施的加马平台。

4月14日，金融壹账通董事长陈当阳在“2025年首届世界互联网大会亚太峰会”上表示，金融壹账通将沉淀的数字技术应用赋能外部企业，已覆盖100%国有银行和股份制银行、99%的城商行、65%的财产险公司，境外服务20个国家及地区、197家境外金融机构。

在数字化银行板块，金融壹账通通过数字化零售银行、数字化信贷、数字化经营三大整体解决方案服务银行业金融机构数字化转型需求。比如，金融壹账通推出的“行员E营销”APP通过精准分析客户画像与行为轨迹，帮助银行制定高效的金融服务与产品营销策略，实现了高品质金融服务与产品营销的深度融合。一家股份制银行在引入该APP后，AI销售占比在短期内突破60%，显著提升了零售业务的服务效率和市场竞争力。

在数字化信贷方面，金融壹账通通过一体化的信贷业务数字化运营体系，帮助银行实现精准高效放贷。在区块链与供应链金融方面，平安的“壹企链”可以帮助中小企业用区块链上的贸易记录申请贷款，银行可实时验证数据真伪等。

其次，银行数字化转型面临着无足够技术投入、无数据积累规模、无场景生态壁垒、数据分析能力不足、大数据风控机制不健全、信贷数字化流程存在堵点、客户运营数字化缺乏经验等痛点。所以，纷纷寻求与金融壹账通等第三方金融科技平台合作。

在朱克力看来，金融壹账通的加马平台通过标准化解决方案，如数字银行SaaS、智能风控模块，提供即插即用的服务，理论上可降低中小银行的试错成本。但成功的关键在于定制化能力，不同区域银行的客群特征、监管环境差异显著，“一刀切”的方案可能“水土不服”。金融壹账通需强化本地化运营团队，结合区域经济特性调整产品参数，同时帮助银行构建自主运营能力，而非长期依赖外部支持。

在银行数字化转型加速的同时，保险行业也在通过产品创新、全渠道营销与智能理赔，积极推进自身的数字化发展。然而，车险风险判断、成本管理、风险管理等成为中小财险公司数字化转型的痛点。

对此，金融壹账通通过产险及寿险两个解决方案，助力保险公司实现管理营销、客户经营及理赔事宜全流程数字化。通过智能核保、智能理赔、智能续期，实现93%的寿险保单秒级核保，寿险保单闪赔占比达56%。针对车险定损管理难，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。此外，新能源车企利用平安的车联网数据，设计出更精准的保险套餐，从而降低了保费，2024年摩根士丹利《中国车险科技化趋势》报告中指出，部分车主保费降幅达10%～15%。 

金融壹账通还基于DeepSeek打造Al理赔专家，构建多险种智能审核体系，复杂案件准确率83%，较原模型提升23个百分点，实现“快赔快享”。在提升风控水平方面，平安产险反欺诈智能化理赔拦截减损119.4亿元，同比增长10.4%。

相比蚂蚁、腾讯的C端生态，金融壹账通更擅长B端复杂场景。例如保险精算、对公信贷等需要强行业know-how的领域。但是也存在一些不足，比如，用户触达能力与生态广度，蚂蚁依托支付入口构建账户体系，腾讯借社交数据赋能营销，而平安集团缺乏类似的超级流量入口。

朱克力建议，金融壹账通应扬长避短，聚焦金融机构的深层痛点，如跨机构数据协同、监管科技，通过技术与牌照捆绑建立壁垒。例如，在跨境金融、绿色信贷等政策导向领域，结合平安的合规经验提供一站式解决方案，与科技巨头的泛化服务形成错位竞争。

但是金融机构对金融壹账通提供隐私计算存在疑虑，本质是对裁判员兼运动员角色的不信任。尽管蜂巢宣称数据可用不可见，但平安集团同时经营保险、银行等业务，可能被质疑利用平台权限获取竞争情报。

朱克力认为，平安集团的破解之道在于机制设计，首先引入独立第三方如监管机构或技术审计公司，对计算过程进行全程鉴证，确保算法逻辑透明；其次，采用联邦学习等架构，让参与方拥有模型参数的否决权，防止单方操控；最后，通过合约明确数据使用边界，例如限定医疗数据仅用于健康管理产品优化，而非直接用于保险定价。建立信任需依赖技术与制度的双重背书，而非单纯依赖技术承诺。

在医疗健康领域，平安健康代表支付方，整合供应方，将差异化的医疗养老服务与作为支付方的金融业务无缝结合。

代表支付方是指代表保险机构及企业等支付方，为个人客户及企业员工提供主动式医疗健康管理服务。整合供应方是指通过标准制定、集中采购、服务监督，整合优质医疗养老资源，优化资源配置、提升服务效率、降低服务成本，构建覆盖医生、医院、健康管理机构、药店等的广泛合作网络。超3.6万家合作医院和超10.4万家合作健康管理机构。

为构建覆盖诊疗全流程的智能化医疗体系，平安健康通过对海量医学专业知识库、医学问诊数据库和电子病历资料库的深度学习形成五大医疗数据库，涵盖了3.7万种疾病、22万份药品说明书、200万个经典病例、3000万份医学文献、14.4亿次问诊等专业数据。

基于5大医疗数据库，平安集团打造了“平安医博通”多模态医疗大模型、“平安医家人”医生工作台，打造12个系列的业务模型群，实现AI赋能医疗全流程业务场景。平安健康自主研发AI辅助诊疗系统，搭建领先的远程诊疗平台，目前已覆盖超过2000种疾病的诊断知识，智能推荐准确率达99%，辅助诊断准确率在95%以上。

“平安医家人”医生工作台，通过智能分诊导诊将用户与医疗资源精准匹配，为医疗服务提供更优的知识和效率赋能。重复性工作均由AI“包揽”，大幅缩短了接诊时间，用户体验显著提升。例如某三线城市医院接入平安的AI辅助诊断系统后，误诊率降低，投保“医责险”的费用下降了30%。

值得一提的是，随着AI对医生工作和用户经营的深化赋能，平安健康全年费用总额同比下降6.23亿元，整体费用率大幅下降14.4%，并于2024年首次实现全年盈利。

针对AI应用的发展方向，肖京表示，未来平安集团将聚焦于三方面，即垂域模型做深做强、打造一系列工具平台（包括智能体平台，包括模型训练、蒸馏、推理的工具平台）、与业务部门通力合作将模型体系和业务深度融合。

来源 | 2025年5月刊