撰稿：陳茜

AI落地最適合的是什么行業？保險毫無疑問是其中之一。

在硅谷，當紅AI企業Palantir早就開始布局保險行業，集成高敏感度保險數據，賦能保險運營的各個環節，今年股價突飛猛進最高市值達4200億美元；今年5月，馬斯克旗下的xAI更是攜手Palantir和TWG Global合作，在金融服務和保險領域部署人工智能。可以看出AI業界和資本市場，都非常看好和押注AI大模型在保險業上的落地。

而從硅谷到中國，我們觀察到，保險+AI的趨勢也在快速發生，保險企業如何用好AI、AI如何融入保險業務鏈條產生商業價值？我們采訪了平安集團首席科學家肖京、香港人工智能與機器人學會常務副理事長柳崎峰，聊了聊AI如何重塑保險業的增長邏輯。

（文章內容有刪減，歡迎觀看完整版視頻）

01

微表情風控多模態如何降低欺詐風險

平安在一系列AI in All業務中，我覺得最有意思之一的技術就是“微表情風控”。

因為人的面部有很多的運動單元單位，比如說眉毛，眼神，面部肌肉的跳動，一共有39個運動單元來識別面部表情。平安就構建了“5微1言”多模態模型，挖掘個體潛在情緒、意圖及疾病，微表情識別準確率96%。

肖京 平安集團首席科學家： 平安在微表情這個領域的研究有十幾年了。因為微表情可以反映人的心理在短時間的波動，一般是1/ 15秒左右。人在想撒謊的時候心理有個小波動，臉部的四十幾塊肌肉就會有點小反應，這種反應不是人主觀控制的，自己可能沒意識到，但是會呈現出來。如果攝像頭抓住了這些變化，就可以一定程度上反映他是不是有什么傾向。可以幫助我們去做審批環節的線索，發現一些欺詐、黑產等等這些痕跡。這點已經在我們的信貸場景，尤其是無抵押的小額貸款場景廣泛使用，每年能幫我們減少20多億的欺詐損失。另外它也可以用在心理學上的診斷，像抑郁癥、多動癥等等這些領域，有96%的準確率。

這是非常好的AI多模態應用場景，但平安的人員告訴我，一些風險案件還是會進入人工核實和復審階段，不會單靠AI測謊，還是需要多方驗證。微表情風控主要是作為輔助工具來提效，而不是作為審判。

02

AI出單理賠

賠付效率全面躍升

另外很有趣的案例，就是車損理賠。我去年也經歷了一場車禍，雖然判了對方全責，但整個理賠過程不要太麻煩，我的保險公司、對方的保險公司、各種問卷、郵件、電話等，整個過程太費勁了。而平安推出的這個，基于圖像識別的車險AI出單就很有意思：只要幾張照片，就可以全部搞定。

以圖片定損為例，平安自研的定損大模型，一個模型支持10萬多車型、1000萬多部件、7000多損傷形態，準確率達到95%。依托于這一核心自研技術，車險全流程實現了端到端的智能化變革，承保環節AI自動進行損傷核驗、對資料進行鑒偽，查勘環節利用定損大模型，機器人可以自動收單，實現案件查勘自動化。

肖京 平安集團首席科學家： 客戶在出車禍的時候，如果只是車的外觀件損傷，之前我們還要派查勘人員去現場拍照片、定損人員去定損，效率很低，成本也高。 有了這個系統，現在我們通過圖片定損，客戶只要用我們好車主APP，自己拍一些照片上傳，就可以快速識別這個車的參保的車是哪個部位受損、損傷程度如何、應該如何修復、賠多少錢等等。會自動出一個賠付計劃，客戶如果接受了，賠付低于3000塊的，在很多地區都可以自動付款，這樣效率和體驗就大幅提升了。有了這個系統，我們98.7%以上的案件都可以一天內賠付；70%多的案件可以一小時內賠付。除了平安以外，這個系統還輸出給了其他50多家外部的保險公司，包括海外的一些公司。到現在為止，平安的圖片識別自動定損系統，還是全世界唯一一個大規模上應用的這種系統。03

圖像鑒偽

用AI打敗AI

別看保險業是個巨大的市場，但欺詐造成的損失一直是這個產業難以降低的成本，包括申請材料、身份驗證、理賠環節、信貸申請等等，都有大量的造假和欺詐信息。保險公司甚至發現：現在更多的欺詐是由AI來造假的，因此像平安這樣的保險企業，用更高的AI鑒偽能力去檢測欺詐材料，用“AI對抗AI”， 來控制風險。

肖京 平安集團首席科學家： 以前防欺詐主要靠人的經驗、規則，來做判斷和識別，現在隨著AI發展，AI造的假人類基本看不出，所以就需要AI技術來識別AI造假的東西。 比如現在的AI語音那真是非常逼真，口氣、背景噪音什么全都能弄出來。但我們如果去分析它的頻譜，發現它還是跟正常的錄音不太一樣的，噪音分布、頻譜分布是會有區別的。所以我們通過技術識別，識別出來它是不是AI，在很多場景甚至接近99%的識別率，平均可以達到95%的準確率。 還有圖片信息，比如證件造假，能達到90%以上的識別率。如果是合同資料那種少量修改的造假就難一點，可能是80%左右的準確率，如果整個圖片全是AI生成，識別率相對來說比較高。 現在國家也很重視，所以要求凡是大模型生成的東西要做標記。

2025年10月15日，平安集團旗下PAObank（香港數字銀行）與金融壹賬通聯合打造的“反欺詐策略平臺（Anti-Fraud Strategy Platform）”入選由香港金管局推出的生成式人工智能沙盒（GenA.I.沙盒），聚焦銀行業的風險管理、反詐騙及客戶體驗創新，特別針對“深度偽造詐騙”設立測試方向，重點探索如何“以AI對抗AI”。簡而言之，用AI造假，沒有那么容易。

通過以上三個案例，相信大家能感受到，為什么說保險是一個非常適合AI落地的場景。對于客戶來說，這是一個產品復雜、選項繁多、信息超級爆炸但你又不得不去面對的行業；對于企業來說，你有太多需要提效的人力資源和成本。

那平安是怎么布局整個AI策略的？

04

AI in All

平安的AI護城河

在國際上，雖然大保險公司有所動作，但目前還是采取的“合作模式”，這樣很多AI as a service的2B公司獲得巨額的訂單。

Palantir在保險領域的應用愈發深入，其在官網就明確提出，“Insurance”業務版塊涵蓋承保、理賠、組合管理與風險篩查。比如日本大型保險公司 SOMPO Holdings（SOMPO）就在2023-2024年與Palantir簽署了長期合作協議。

AIG在2025 年投資者日（Investor Day）中，CEO Peter Zaffino與Anthropic CEO Dario Amodei同臺，明確將生成式AI（GenAI）視為其保險業務的核心變革力量，尤其聚焦承保與理賠流程。

但有個問題：這些保險大公司過于依賴外部的AI服務，數據安全如何保證？AI的護城河和競爭優勢如何建立？為什么不in-house自己搭建AI團隊呢？當我知道平安是花了超過十年時間布局全棧AI能力時，我也很好奇它是如何做到的。

陳茜 硅谷101聯合創始人： 國際上一些大的保險集團，它們可能對于擁抱AI還是走得比較謹慎的，那平安現在提出要AI in all，是一個非常全棧的態度跟策略去擁抱AI，你們如何定義、理解AI提升企業級價值這件事情的？

肖京 平安集團首席科學家： 人工智能也不是一個新的東西，它60多年兩起兩落，為什么前面兩次衰落？現在第三次興起，我覺得就看AI能不能產生價值，能不能真正養活自己。 創造價值有兩種方式：一種是把AI能力變成一個產品往外輸出，我們叫“AI產業化”。還有一種像平安這樣，是要“產業AI化”的。我們認為針對B端的，企業、政府、醫院等等，AI產業化是更大的挑戰，要把AI工具變成產品去服務其他的業務領域，很難做得特別標準化和規模化。所以我們不是all in AI，而是AI in all，重點是產業的AI化。首先AI在具體場景落地，精度、效果要出來，就得從底層開始打造體系化的基礎能力。這是為什么很多公司從零開始的話，很難一下子建成這個體系，所以很希望能夠找外部的、AI產業化的科技公司來幫它實現。 但我跟很多國內外的公司交流后發現，如果不自己建，完全去外面采購的話，想要變成平安這樣是挺難的。因為這些AI產業化的公司，它對業務理解是很淺的，它沒有自己做過，流程都畫不出來，更不會知道瓶頸在哪、問題在哪，只能針對某些點狀的場景去做，就很難實現像平安這種體系化的AI in all的能力。我們的客戶已經有兩個很大的變化。其中一個很大變化就是它對AI更信任，現在很多人去看病前都會先問一下DeepSeek，我們的客戶見理財經理之前，都經常先問一下DeepSeek。所以我覺得產業AI化是必然趨勢，也是一個很好的機會，你只有真正實現AI化，才有可能比客戶知道的更多、更專業，人家才會更信任你、才會要你的服務。陳茜 硅谷101聯合創始人： 這一輪的AI浪潮，平安在AI投入上、整體戰略上有什么樣的考量呢？在模型、算力、數據、安全這幾大方向有哪些差異性的優勢？

肖京 平安集團首席科學家： 平安的底層算力平臺，包括CPU、GPU這些全部是集中的，由遍布全國的數據中心支持，這是我們的動力系統，起到兩個作用：一個是作為數據飛輪，去訓練各種各樣的模型，第二個是在決策、判斷、服務客戶的時候，作為要素特征。而數據是燃料，這些已經搭建起來了。還有一個就是我們的算法，是指揮大腦。智能體是一個整體的體系，把大腦、動力和燃料全都串起來，變成一個高速運轉、標準化、規范化的體系，形成工廠，讓所有員工都能在智能體上快速開發應用，快速地覆蓋所有的AI應用適配場景。 現在隨著DeepSeek R1、OpenAI o1這些強思考大模型出現，模型不僅可以記憶和泛化，還可以思考、舉一反三、觸類旁通，并且可解釋。這就讓應用更加廣泛，而且還出現了非常強大的智能體平臺，所以平安也構建了自己的智能體平臺，尤其智能化應用的覆蓋場景。原來做智能化應用，一般是產品經理、業務人員定義問題，然后開發團隊來做開發。現在有了智能體平臺以后，產品經理自己就能完成開發，只有那些智能體不能完全解決的，才讓開發團隊來，可以減少大量開發人員的投入，而且開發團隊通過AI編碼工具也能提效。 我們做了一年多時間，現在已經有57000多個智能體了，全集團20多萬員工都在用，這樣就能覆蓋了我們邊邊角角所有的這些智能化應用，最終真正地實現 AI in all。

香港人工智能與機器人學會常務副理事長柳崎峰認為，對于金融和保險行業來說，準確度是非常重要的，而平安的三層大模型去保證準確性將是2B應用落地的一個樣本做法。

柳崎峰 香港人工智能與機器人學會常務副理事長： 現在面臨巨大的挑戰是準確度還是有待提高，所以大模型有它的限制。肖總說的三層結構來保證準確，這是非常好的，因為要解決具體的業務問題，絕非是一個GPT-5沖上去就完事了。舉個例子，即使像Claude是用基于GPT的模型，但是它的prompting都已經幾千、甚至上萬個token，所以這是非常復雜的系統工程，更不用說肖總介紹的，解決一個問題有可能用多個模型，大大小小、各個環節、各個情況要一起上，目的其實就是要提高準確度，同時在成本可控的范圍之內。05

行業共識形成

AI正在重塑保險的底層邏輯

日前，高盛發布研報上調了平安的目標股價，維持“買入”評級，并且把平安納入到高盛提出的新“中國股市AI投資框架”，值得一提的是，中國平安是唯一一家被列入“非科技領域收入增強型（AI驅動營收增長）”這一主題類別中的金融保險公司。

可以說，AI正重塑保險業的增長邏輯，已成為了行業共識，而這個垂類正是“模型大廠“觸碰不到的領域，因為有太多專業數據和行業know-how。

具體從第三季度財報看，其產險業務實現近九成車險單平均一分鐘出單，63%的人傷案件理賠實現自動化，最快51秒即可結案；壽險“111極速賠”項目中，閃賠占比達到58%；風控方面，AI反欺詐系統前三季度攔截減損91.5億元；AI坐席已承擔公司80%的客服量，AI輔助銷售規模接近千億元。這些數據，都在印證一個共識：AI在醫養金融的實際落地，是AI商業化的重要樣本。

柳崎峰也在和我們連線的時候認為，雖然面臨著一些技術上的難點和挑戰，但AI將進一步通過深度學習和Agent技術，對金融和醫療繼續產生顛覆性影響。

保險和醫養金融這樣的復雜、龐大、繁瑣的產業，正在被AI的科技創新變革，隨著AI大模型能力的進一步提升，模型本身誰更強，對于普通用戶來說也許并不是最關鍵的問題了，大家在乎的，是AI能為我們的生活帶來什么樣的效率提升，而這正是像平安這樣的產業端企業需要不斷思索、創新的領域。

視頻有視覺和音樂的加持，更能呈現出這些精彩的故事細節。 請跳轉至硅谷101收看完整版

注：部分圖片來源于網絡

國內：B站｜騰訊｜視頻號｜西瓜｜頭條｜百家號｜36kr｜微博｜虎嗅

海外：Youtube

聯系我們：video@sv101.net

監制｜泓君 陳茜

撰稿｜陳茜

主持｜陳茜

剪輯｜橘子

動效｜踹

運營｜王梓沁 孫澤平 何源清