保险行业的增长逻辑，正在悄然生变。
以往保险公司增长的核心变量，是产品设计与精算、渠道建设、投资能力。而现在在这些因素背后，AI 技术能力正在从辅助工具，逐渐升级为决定保险公司增长能力的关键因素，直接影响保险公司的盈利能力、竞争壁垒和客户体验。
这在中国平安的 2026 年半年报上体现得非常明显，上半年业绩稳健成长，集团总营收同比增长 15%，营运利润 842 亿元，同比增长 8.3%；归母净利润 926 亿元，同比增长 36.1%。
业绩背后，是AI 在发挥着越来越关键的作用。数据显示，中国平安每年研发投入超过 100 亿元，今年以来日均 token 消耗量超过千亿，AI 智能体辅助实现销售额 573.13 亿元。
中国平安联席首席执行官郭晓涛表示，公司 AI 基建在过去几年已经完成，目前处于 AI 场景赋能创造价值的阶段。平安 AI 不是单纯技术研发，坚持 AI in ALL，聚焦智能化运营、智能化管理、智能化经营、智能化服务、智能化营销五大场景，降本增效、促进销售以及未来使用 AI 让代理人产能更加提升，获客成本持续下降，都是 AI 产生价值的地方。
中国平安首席技术官王晓航在与媒体交流时，就 AI 价值、业务落地场景、边界与约束、行业现状进行了深入解读。他表示，" 平安的整体战略是综合金融 + 医疗养老，科技投入也是围绕着集团战略展开的。现在的重中之重是三条主线：综合金融、医疗健康、面向企业效率变革，无论是综合金融还是医疗健康，都是对客超大规模的 AI 应用，会达到每年亿次以上的量级。"
AI 已经成为保险业务的卓越生产力工具
随着 AI 的能力突飞猛进，保险科技相应地进入了演进历程的第四阶段：
最早期是信息化与线上化阶段，典型特征比如保险公司内部建设核心业务系统，即保单管理、财务、客服系统等，替代纸质台账。
之后是渠道互联网化，大流量电商平台接入保险，保险开始嵌入交易场景，销售渠道多元化，获客成本下降，但核保、理赔仍高度依赖人工。
随着科技进步，保险科技进一步深入到数据驱动与科技赋能阶段，比如健康险引入可穿戴设备数据，以及 OCR 识别发票、智能客服、反欺诈模型、自动化理赔等应用，逐渐实现业务流程数字化、数据化，开始从事后赔付向事前风控、事中干预延伸。
如今随着大模型的崛起，保险开始进入全流程智能化，科技对于各业务环节的深入赋能，前所未有。不再只是降本增效，AI 正在进一步帮助保险企业提升生产力水平。
如今在诸多的环节，AI 都在深度参与，以 token 消耗的方式，生成可以赋能实际业务的结果，成为优秀的生产力工具。
以平安为例，在国内主流金融机构日均 token 消耗几十亿到上百亿的背景下，中国平安日均 token 消耗的绝对量与增速惊人。王晓航介绍， 2026 年初，平安集团日均消耗 300 亿 token，6 月 30 日半年报节点，日均 token 消耗增长到 1200 亿。
这些算力都消耗用来做什么呢？
王晓航介绍，Token 消耗来自于两部分，一部分是面向 2.5 亿客户的超大规模应用，包括 AI 快捷服务、AI 理赔服务、AI 医疗服务等；另外一部分就是面向集团内部关键岗位的超高频应用，包括 AI coding，AI 办公等，正在快速爆发。
他表示，下半年 Token 量级预计还会继续突破。未来数十亿级别的用户咨询、理赔、医疗场景将逐步迁移到 AI。
这为中国平安上半年的业绩提升，提供了底层的技术支持。这样的 AI 投入是怎么具体帮助到平安的业绩呢？
可以这样理解，一方面，AI 面向客户，作用于业务流程与环节，强化竞争力与服务客户的能力，成为直接的生产力工具。另一方面，面向企业内部，实现降本增效，提升盈利能力。
下面展开来看，平安如何用好 AI 这个最强生产力工具？
AI 在保险业，已经过了 " 能不能帮我省点钱 " 的阶段，进入 " 能不能让我做成以前做不到的事 " 的阶段。
核心区别在于，降本增效是把现有流程做得更快更便宜，生产力工具是创造新的产品、新的商业模式、新的收入来源。
王晓航介绍，平安推出 AI 快捷服务（九九归一），" 一句话 " 直达 300+ 高频业务，服务人次上半年突破 4700 万人次，从咨询到办事，办事使用量已超咨询，占比达 58%。同时，把自有 超 9000 万月活用户的 APP 流量生态转化为线上经营渠道。通过全域流量整合和千人千面的个性化分发，综合金融 APP 矩阵线上新增订单达到两位数环比增长，已销售超 260 万非车险订单。同时，获客成本明显低于外部渠道。
AI 已经成为拓展能力边界、重构商业模式的底层生产力要素，它让保险公司第一次真正具备了实时感知风险、主动干预、生态嵌入的能力。
这在当下的中国平安，已经有非常直观的体现。
王晓航介绍，平安已落地肿瘤专病 AI 产品矩阵，AI 可以实现面向肿瘤的专病识别，面向高危人群的识别与早筛，面向慢病，面向癌症复发，提供专门保险；下半年，平安计划推出阿尔茨海默专病保险，配套全病程医疗管家。这些人群原来没有办法去覆盖，因为没有办法科学和精准的进行定价。
这些新的产品，拓展了平安的服务边界，带来更突出的商业价值与社会价值。为什么以前的技术做不了专病保险，现在 AI 可以做针对癌症、阿尔茨海默症的专病保险产品？
王晓航表示，肿瘤、阿尔茨海默这类复杂专病，病历数据高度分散：一个患者全病程档案，会分散在跨多个城市、多家不同医院，检验报告、诊疗记录、用药记录碎片化。
而大模型带来两大能力跃迁。首先是理解复杂非结构化医疗文本，可以消化跨医院、跨城市的完整全病程档案，读懂诊疗记录、化验、用药、临床指南，把分散的病历信息做整合、解析、清洗。传统小模型很难处理这种长链条、非标准化的真实医疗材料。其次是对齐专家临床逻辑：结合专家精标的病历、临床指南、诊疗建议，让模型学会专家的风险判断逻辑，从而可以做高危人群识别、疾病风险预测，实现专病的风险计量、精细化定价。
原来被拒保的高风险人群，现在可以被识别、分层，不再只有简单赔付，产品可以绑定全病程医疗管家服务，升级为兼顾保障与长期疾病管理的一体化专病保险。
这是 AI 在产品层面带来服务能力质变的直接体现。类似的案例还有不少。比如在车险领域，车代渠道 94% 的保单可以在一分之内就能完成出单。因为 AI 在辅助沟通和出单沟通中，可以快速完成。
在医疗健康领域也非常突出。医疗健康在平安是与综合金融并行的核心战略，自然也是 AI 探索的重中之重。
王晓航表示，平安在医疗健康领域，做严肃医疗专家级 AI，不只做普通健康咨询。技术能力上，肿瘤专病 AI 与专家判断一致性达 90% 以上，可以支持全科、重疾多学科会诊。依托大模型还可以处理跨医院碎片化的全病程病历。
目前 AI 作为线上入口，对接平安 " 四到 " 线下医疗服务体系（到线、到院、到家、到企），可以输出就医指导、院内陪伴、企业员工医疗福利、居家养老上门医疗服务，打通线上 AI 问诊到线下实体医疗服务的完整闭环，而不是停留在纯线上问答。
平安还建立完整质控体系，累计完成 13 万例 AI 问诊案例质控，以 AI 承担初筛、资料整理工作，高风险决策保留专家复核，兼顾效率与业务安全。
这对于平安 " 综合金融 + 医疗养老 " 战略，是非常重要的支撑。
除了产品层面，渠道建设对于保险公司来说也至关重要。平安在渠道上以代理人渠道为主，因此 AI 在代理人赋能方面，势必要加强。
据王晓航介绍，平安推出了面向代理人的 AI 赋能工具 AskBob，当前 39% 代理人每日高频使用，最初是问答助手，用于条款问询、策略解读。现在正在逐步升级改造为一个能办事的，能改造整个代理人获客触达访问和转化全流程的 AI 的助手，包含客户洞察、商机提醒、产品方案、销售话术生成等方面，这样可以把代理人从大量事务性工作中解放出来，时间释放给客户沟通。
由此可见，在平安，AI 找到了用武之地，在前台客户业务、销售展业、医疗业务都已经大规模落地、产生业务结果。
三大企业 AI 工程释放内部生产力
在企业内部运营上，AI 助力研发、办公全链路提效，释放内部生产力。
王晓航表示，平安拥有 25 万内勤员工，重点落地 AI Coding、AI 运营、AI 办公三大内部 AI 工程。
AI 代码生成方面，上半年平安新增生产代码中 62% 由 AI 生成，经过人工复核审批后投入生产。AI 编码减少重复编码工作量，将人力从基础研发运维释放出来，调配到业务创新、前瞻孵化项目，优化科技资源投入结构。
AI 运营与 AI 办公方面，对于重复性事务岗位，标杆岗位实现了工时两位数级别的提效。会议、审批等内部办公流程智能化改造，压缩内部流转时间，降低整体管理运营成本。
随着业务大规模落地，平安日均 Token 消耗从年初 300 亿增长 6 月底 1200 亿，大规模 AI 应用会带来算力成本压力。王晓航表示，平安通过全栈技术优化，包括上下文压缩、模型推理优化、异构多 GPU 算力集群、昼夜错峰调度等手段，实现单位 Token 成本下降超 50%，算力供给、运行效率、业务价值三者正向循环，保障大规模 AI 应用的经济性。
用好 AI，要有组织制度保障
AI 转型是一场硬仗，一场持久战，需要组织层面有创新，有制度，来推进 AI 技术的研发与应用落地。王晓航介绍，平安在在组织层面为 AI 落地建立多套制度保障。
首先是顶层战略对齐机制。组织上明确 AI 不是独立技术部门的业务，必须服务集团 " 综合金融 + 医疗养老 " 双飞轮战略，技术目标由业务战略倒推，不脱离业务去做纯技术竞赛，拒绝重技术轻业务的资源浪费，不投入大量资源做通用基础大模型。
这样，AI 完全锚定集团主业战略，明确 "AI in ALL" 五大智能落地方向，包括智能化运营、智能化管理、智能化经营、智能化服务、智能化营销，作为全集团 AI 项目统一指引，所有 AI 项目围绕五大方向展开。
其次是科技资源分配制度，即 " 三笔钱 " 资源配置模式，动态调整资源结构。
王晓航表示，为解决集团 AI 资源分配、项目优先级排序问题，内部把科技投入划分为三类，形成制度化的资源调度机制，形象的称呼是三笔钱，一笔钱是最基础的研发和运营。第二部分是规模化的创新，也就是那部分已经完成验证，可以规模化的部署和推广的这些产生价值的技术。第三部分就是相对于说比较前瞻的孵化和布局。
这样，依托 AI 带来的效率红利，可以将人力、算力资源从基础运维释放出来，向规模化创新、前瞻孵化倾斜，实现资源结构动态优化，而不是平均分配资源。
另外就是项目考核与投产跟踪，内部建立 "K 体系 " 目标管理机制，压实责任、价值导向。
王晓航表示，" 一套完整的目标管理和投产跟踪体系，就是覆盖这个远期、中期、短期对目标的定义，投产的跟踪和结果的评估，包括对压实责任到管理者个人的的评估。"
具体而言，每个 AI 项目同时定义远期、中期、当期目标，不只用短期技术指标评判。AI 项目立项的前提是要讲清楚业务价值，业务产出价值倒推人力、算力投入规模，不是先给预算再找场景；项目投产评估结果和管理者个人考核挂钩；价值清晰、可落地的场景，优先供给算力、人力；没有明确业务价值的项目不盲目投入。
AI 基建完成之后，集团不再单纯看 Token、模型参数这类技术指标，重点看业务价值产出。
这套组织制度，本质上是给 AI 套上一套业务导向的管理框架：向上对齐集团整体战略。中间管好钱、管好项目考核，防止资源浪费。向下管住 AI 带来的新型风险，理顺人机分工，底层夯实数据底座。
这让平安的大模型技术得到很好提升。近日，中国平安金融大模型 PingAnGPT-Qwen3-32B 在行业权威大模型评测体系 CNFinBench 大语言模型公开榜单上综合排名第一。平安旗下平安科技联合平安好医生、北大医疗研发的 " 医疗大模型 3.5"，在全球医疗 AI 权威评测集 HealthBench Hard 中超越 Meta、OpenAI 等头部企业，位居榜首。
这样的机制也使得平安的 AI 可以从试点走向大规模生产力，既拿到降本增效、产品创新的收益，又规避大型企业发展 AI 容易出现的重技术轻业务、风险失控、投入产出失衡等问题。
本内容由作者授权发布，观点仅代表作者本人，不代表虎嗅立场。如对本稿件有异议或投诉，请联系 tougao@huxiu.com。
本文来自虎嗅，原文链接：https://www.huxiu.com/article/4885522.html?f=baijiabaiducom
