這是鹿鳴財經第586篇原創文章
作者：金德路
一、潮頭更迭
剛剛過去的6年，中(zhong)國保險行(xing)業完成了(le)驚(jing)險一躍。
最直(zhi)觀的現(xian)象是，保(bao)險(xian)從(cong)業者迅(xun)速出清。根據北京大學匯豐商學院風險(xian)管(guan)理(li)與(yu)保(bao)險(xian)研究中心發布的《2024中國(guo)保(bao)險(xian)中介市場(chang)生態白皮書》顯示(shi)，截至2023年(nian)末，人(ren)身(shen)險(xian)公司保(bao)險(xian)營銷人(ren)員(yuan)數量為281.34萬(wan)人(ren)，較2019年(nian)高(gao)峰時期(qi)的912萬(wan)人(ren)減少約631萬(wan)人(ren)，降(jiang)幅(fu)達69.2%。
從業者數量一下子回到10多年前2013年的規模水平，這背后是數百萬人大進大出，成為保險行業的階段性過客。意味著，保險行業從2015年開始通過“人海戰術”大干快上的大躍進時代落幕。
與此同時，國家監管也在不斷積極引導整個保險行業生態的規范。“報行合一”，無疑是整個行業的核心焦點，是整個行業從粗放擴張向高質量轉型的關鍵性政策。
所謂“報行合一(yi)”，是從手續費(fei)透明化、費(fei)用(yong)假(jia)設真實(shi)化和銷售行為規范(fan)化三(san)個方向上規范(fan)保險公司的市場行為，杜絕(jue)報備時壓低費(fei)率(lv)，實(shi)際卻通過(guo)高(gao)傭金、返(fan)傭等“暗箱操作”惡性競爭，防范(fan)投資收益(yi)補貼高(gao)額費(fei)用(yong)背后隱(yin)藏的費(fei)差損、利差損等金融系統(tong)性風險。
從2017年(nian)保(bao)(bao)監(jian)(jian)(jian)會發(fa)布《關于進一(yi)(yi)步(bu)(bu)加強保(bao)(bao)險監(jian)(jian)(jian)管工(gong)作的(de)意見》中首提“報(bao)行(xing)(xing)合(he)一(yi)(yi)”政策(ce)的(de)具體措施(shi)和要求，到(dao)2019年(nian)銀保(bao)(bao)監(jian)(jian)(jian)會進一(yi)(yi)步(bu)(bu)強調推動“報(bao)行(xing)(xing)合(he)一(yi)(yi)”政策(ce)的(de)落實，再到(dao)2023年(nian)8月(yue)起，金融監(jian)(jian)(jian)管總局陸(lu)續發(fa)布文(wen)件，從銀保(bao)(bao)渠(qu)道(dao)到(dao)經代渠(qu)道(dao)逐步(bu)(bu)推行(xing)(xing)“報(bao)行(xing)(xing)合(he)一(yi)(yi)”，規范(fan)行(xing)(xing)業生(sheng)態，2024年(nian)8月(yue)進一(yi)(yi)步(bu)(bu)明確個險渠(qu)道(dao)納(na)入“報(bao)行(xing)(xing)合(he)一(yi)(yi)”。
隨著政策的(de)(de)推行(xing)，中介經(jing)代(dai)市場(chang)劇(ju)烈(lie)洗牌，2024年上(shang)半(ban)年行(xing)業(ye)標(biao)保(bao)縮水53%，279家兼業(ye)中介退出(chu)市場(chang)，專(zhuan)業(ye)化高的(de)(de)中介經(jing)代(dai)取得(de)更(geng)多市場(chang)。對(dui)于險(xian)(xian)(xian)(xian)企(qi)而(er)言，短期(qi)內帶來陣痛，頭部(bu)險(xian)(xian)(xian)(xian)企(qi)銀保(bao)渠道(dao)手續費下降30%，中小(xiao)公司依賴高費用擴(kuo)張(zhang)的(de)(de)模式(shi)難以(yi)為繼(ji)，超(chao)半(ban)數壽(shou)險(xian)(xian)(xian)(xian)公司虧(kui)損。 但是隨著時間線(xian)的(de)(de)拉長，卻引(yin)導(dao)了行(xing)業(ye)的(de)(de)專(zhuan)業(ye)化與(yu)透明化，倒逼企(qi)業(ye)產品創新（如分(fen)紅險(xian)(xian)(xian)(xian)、養老險(xian)(xian)(xian)(xian)占比(bi)提升），服務(wu)競爭取代(dai)價格戰。
這個過程中，如果從單個企業的視角來看整個行業的經歷，平安毫無疑問是最典型的代表。它不僅曾經是大進大出“人海戰術”的受益者，頂峰時期擁有140萬代理人大軍，這意味著全中國1000人里就有一個人在平安拿取薪水。它同時也是這一輪改革的引領者，2019年這個資產規模數萬億，利潤近千億的金融巨象便率先開啟了壽險改革。平安人壽常務副總經理胡景平曾將其形容為“一邊開飛機，一邊換引擎”。
2021年，平安(an)壽(shou)險改革(ge)進入深水區，矛盾激烈(lie)爆發。最嚴重(zhong)的時候，因改革(ge)被優(you)化的代理人(ren)出(chu)現(xian)在平安(an)股(gu)東大會現(xian)場拉橫幅。股(gu)價也在市場中坐過山車，一會兒逼近百(bai)元(yuan)大關(guan)，一會兒又重(zhong)挫至50元(yuan)以下，多空雙方(fang)來(lai)回瘋狂博弈拉扯。
內外部質疑(yi)之(zhi)聲此(ci)起彼(bi)伏，鹿鳴財經在2022年(nian)推出的《平安沒有退(tui)路》一文探討這個過程中平安改(gai)革所面臨的壓力與改(gai)革的充(chong)分必要(yao)性(xing)。彼(bi)時，平安管理層預判改(gai)革還(huan)要(yao)持續3年(nian)，如今3年(nian)后(hou)，平安壽險改(gai)革已經接近尾聲，紅(hong)利(li)開始初步釋放(fang)。
根據(ju)平(ping)安(an)財報(bao)，2024年(nian)歸母(mu)凈(jing)利潤(run)1,266.07億元，同(tong)(tong)比(bi)(bi)增(zeng)(zeng)長47.8%；營業收入10,289.25 億元，同(tong)(tong)比(bi)(bi)增(zeng)(zeng)長12.6%，分紅總額(e)連續(xu)(xu)(xu)13年(nian)保持增(zeng)(zeng)長。其中(zhong)壽險改革成(cheng)效(xiao)凸顯，2024年(nian)壽險及健康險業務新業務價值達(da)成(cheng)285.34億元，可比(bi)(bi)口徑下(xia)同(tong)(tong)比(bi)(bi)增(zeng)(zeng)長28.8%，保單(dan)繼(ji)續(xu)(xu)(xu)率顯著改善，13個(ge)(ge)月保單(dan)繼(ji)續(xu)(xu)(xu)率同(tong)(tong)比(bi)(bi)上升3.6個(ge)(ge)百分點，25個(ge)(ge)月保單(dan)繼(ji)續(xu)(xu)(xu)率同(tong)(tong)比(bi)(bi)上升3.9個(ge)(ge)百分點。
代(dai)理人(ren)(ren)渠道業績(ji)、產能同(tong)(tong)比(bi)(bi)提(ti)升(sheng)(sheng)。2024年，代(dai)理人(ren)(ren)出清提(ti)質完(wan)成，人(ren)(ren)員規模企穩(wen)回升(sheng)(sheng)來到(dao)36.3萬，可比(bi)(bi)口徑下代(dai)理人(ren)(ren)渠道新業務(wu)(wu)價(jia)(jia)值同(tong)(tong)比(bi)(bi)增(zeng)長26.5%，人(ren)(ren)均新業務(wu)(wu)價(jia)(jia)值同(tong)(tong)比(bi)(bi)大幅增(zeng)長43.3%，代(dai)理人(ren)(ren)收入同(tong)(tong)比(bi)(bi)提(ti)升(sheng)(sheng)5.9%，達10,395元/人(ren)(ren)均每月(yue)。銀(yin)保渠道經營效能增(zeng)強，新業務(wu)(wu)價(jia)(jia)值同(tong)(tong)比(bi)(bi)增(zeng)長62.7%。社區金融服務(wu)(wu)經營模式也(ye)持續(xu)發力，2024年存續(xu)客戶13個(ge)月(yue)保單繼續(xu)率同(tong)(tong)比(bi)(bi)提(ti)升(sheng)(sheng)5.7個(ge)百分點，新業務(wu)(wu)價(jia)(jia)值同(tong)(tong)比(bi)(bi)提(ti)升(sheng)(sheng)近300%。
這(zhe)表明，以(yi)平(ping)安為代表的(de)(de)中(zhong)(zhong)國保(bao)險(xian)企業(ye)(ye)以(yi)及(ji)監管(guan)政策在過去6年幾乎完成了一(yi)(yi)次骨(gu)血(xue)的(de)(de)再(zai)造(zao)，風險(xian)防(fang)范，提(ti)質增效的(de)(de)跨越，整個行業(ye)(ye)從產品、服務(wu)、銷售、風險(xian)防(fang)范等各個維度上進(jin)入(ru)良性發(fa)(fa)展(zhan)(zhan)循環，實現了與發(fa)(fa)達國家(jia)保(bao)險(xian)行業(ye)(ye)發(fa)(fa)展(zhan)(zhan)階段的(de)(de)對齊(qi)，并且仍(reng)然有巨大(da)的(de)(de)市(shi)場滲投率和空(kong)間可(ke)以(yi)挖掘。平(ping)安聯席CEO郭(guo)曉(xiao)濤直言，“我們相信壽險(xian)進(jin)入(ru)了黃(huang)金的(de)(de)發(fa)(fa)展(zhan)(zhan)期(qi)。”中(zhong)(zhong)國保(bao)險(xian)和世界保(bao)險(xian)同(tong)(tong)業(ye)(ye)第一(yi)(yi)次站在了同(tong)(tong)一(yi)(yi)個起跑線(xian)，共同(tong)(tong)探索再(zai)往前一(yi)(yi)步的(de)(de)發(fa)(fa)展(zhan)(zhan)方向(xiang)。
與此同時，新的(de)行(xing)業(ye)時代命(ming)題(ti)也悄然誕生。以大模型為代表的(de)人(ren)工智能技術迅速席卷而來，從國家到行(xing)業(ye)到企業(ye)甚至(zhi)于個人(ren)都有了同一(yi)個命(ming)題(ti)：在AI時代如何自(zi)處(chu)？
馬明哲更是將這個問題直接表達在平安的業績報中：如何在AI驅動的產業變革中，進一步全面鞏固、加速提升數字化能力和水平，加力發展新動能？非為如何應對變革，而是成為變革本身；非求在浪潮中生存，而要順勢而為、把握浪潮新方向，是我們作為中國新時代企業要回應世界的時代命題。
在這個(ge)命題(ti)之(zhi)下，平安(an)主動調整了自己的戰略結構，形(xing)成以“綜合金融(rong)+醫療養老(lao)”為核心戰略，“科技賦(fu)能(neng)”則作(zuo)為整個(ge)支撐金字(zi)塔(ta)戰略的核心底座，并(bing)且重點強(qiang)調全(quan)面(mian)數字(zi)化戰略是2025年(nian)的首要任務(wu)。那(nei)么，近(jin)萬億市值的平安(an)是怎(zen)(zen)么理解AI，怎(zen)(zen)么理解大模型，必然是整個(ge)行(xing)業視(shi)野的核心關(guan)切。
二、全新的變量
2022年底，ChatGPT橫空出世，一波關于大模型技術發展的浪潮開始席卷全球。馬化騰在騰訊總辦會議上說，“一開始我們覺得是幾十年難遇的機會，但是慢慢發現這可能幾百年難遇的機會。”
相較于以往的AI技術，大模型技術的特點是具備了一定的自我學習能力。它不用人工示范所有的場景，只需要大量歷史案例、數據，就可以通過預訓練進行自我學習，記住很多場景知識。尤其是具有博聞強記能力，使得它可以在不同的情況下像人一樣的交流，擬人化程度比較高。中國平安首席科學家肖京博士將這個階段總結為，“有了一定的溫度，但它缺乏思考，產出的結果可解釋性和可控性較差。”深圳一家互聯(lian)網大廠的(de)高管對這(zhe)個階段也有類似(si)的(de)共識，“盡管AI代(dai)表了未(wei)來，但(dan)也意味著高度的(de)不確定性。”
但是在以(yi)Deepseek R1和OpenAI o1為(wei)代(dai)表的(de)強(qiang)(qiang)(qiang)思(si)考(kao)模型(xing)出現(xian)(xian)以(yi)后，局面就完全(quan)不(bu)同(tong)了(le)。大(da)模型(xing)不(bu)僅能(neng)夠自我學(xue)習，還能(neng)夠強(qiang)(qiang)(qiang)思(si)考(kao)、發(fa)散思(si)維、舉一反三(san)、觸類旁通(tong)，結(jie)合全(quan)新強(qiang)(qiang)(qiang)化學(xue)習規模法則，實(shi)現(xian)(xian)終身學(xue)習、持續成長、持續不(bu)斷地進步，并且邏輯清晰，思(si)考(kao)路徑可(ke)(ke)見，有(you)全(quan)局拆解的(de)整體規劃，可(ke)(ke)解釋性很強(qiang)(qiang)(qiang)，如(ru)果出現(xian)(xian)了(le)錯(cuo)誤可(ke)(ke)以(yi)追根溯源、針對(dui)性地改正(zheng)、優化，應用可(ke)(ke)控性大(da)大(da)增強(qiang)(qiang)(qiang)。
這種變化產生的直接結果是，人工智能其實發展幾十年了，除了自動駕駛外，一直沒有大規模的產業應用案例，但是大模型出現后，尤其是DeepSeek在春節出人意料地點亮了中國的ChatGPT時刻后，千行百業都瘋狂想要擁抱AI，抓住產業升級的機會。肖京認為，這里面存在一個順序的問題，產業規模大、利潤率高、數字化基礎好、業務流程長、人力成本高的產業會更快地融入AI，實現商業價值。
這個階(jie)段的(de)AI如果(guo)應用在(zai)金融、醫療等業(ye)務(wu)領域(yu)，經(jing)過最優秀(xiu)的(de)專家調(diao)校(xiao)和指(zhi)(zhi)導，就(jiu)有可(ke)能通過持(chi)續(xu)自我學習(xi)，逐漸接近甚(shen)至超過人類專家的(de)服(fu)務(wu)水平和溫度感，進而得到客(ke)戶認(ren)可(ke)和信任。肖(xiao)京舉例到，就(jiu)像(xiang)鋼鐵(tie)俠的(de)超級秘書賈維斯(si)一(yi)樣，因為(wei)他能力足夠強，他可(ke)以得到鋼鐵(tie)俠的(de)充(chong)分(fen)信任，連生(sheng)命安全都可(ke)以由他負責。未來有很多(duo)靠知識和經(jing)驗(yan)提(ti)供(gong)專業(ye)服(fu)務(wu)的(de)領域(yu)，很可(ke)能會有一(yi)種新(xin)的(de)形態(tai)，變成少數的(de)優秀(xiu)專業(ye)人員來調(diao)教指(zhi)(zhi)揮一(yi)群機器人，來提(ti)供(gong)客(ke)戶服(fu)務(wu)的(de)模式。
平安聯席CEO郭曉濤則將AI應用的價值總結為效率和智慧。效率指的是它能夠大幅提升社會、企業的運轉速度，提升工作效率、縮短工作時間。智慧則意味著，企業經營決策的模式將會發生從“后知、后決、后行”向“現知、現決、現行”，再到“先知、先決、先行”的轉變，用數據決策來代表經驗決策，實現聰明經營。
經過頻繁的開會討論之后，有的是一對一，有的多個業務管線共同參與，甚至和外部很多大廠進行了深度交流。平安高層最終發現，從保險、銀行、證券、基金等綜合金融大板塊，到醫療養老的各個專業服務場景，甚至細分到各個險種不同產品多種服務眾多投資細分風險防范的維度，大模型將會給產品端和資產端帶來深刻的影響和變革。內部從頂層到各個細分管線業務很快達成了共識：DeepSeek這種人工智能技術和金融融合肯定是大勢所趨，甚至形成了大模型技術將會加速金融業從業務流程到服務模式再到產業生態三個維度顛覆的預判。
顛覆的背后，往往可能導致產業格局的整體重構。DeepSeek R1實現了性能比(bi)肩OpenAI o1，并且成本有(you)了數量級的(de)降(jiang)低(di)，AI普惠成為可能。更重要的(de)是(shi)參(can)數是(shi)全面開源的(de)，讓行業應(ying)用門(men)檻大幅降(jiang)低(di)，不管是(shi)哪家公司，誰都可以簡單地通過私有(you)化的(de)部署，就把DeepSeek這種模型應(ying)用在各自的(de)業務場景。
這(zhe)意(yi)味著，誰能夠(gou)將(jiang)AI更(geng)快更(geng)深度的融(rong)入產品創新、業務(wu)(wu)流程、服務(wu)(wu)模(mo)式上，誰就(jiu)能夠(gou)實(shi)現業務(wu)(wu)的迅(xun)速增長(chang)或者(zhe)彎道(dao)超車，并且(qie)時間線拉得更(geng)長(chang)來看(kan)，這(zhe)種優勢將(jiang)會越滾(gun)越大，行業馬太效(xiao)應(ying)將(jiang)會進一步加(jia)劇。
一位平安(an)內部人士(shi)指出，眼(yan)下這個時間點，不管是(shi)(shi)對小到創業(ye)公司還是(shi)(shi)產業(ye)巨頭來說(shuo)，AI其實已經(jing)不是(shi)(shi)選擇題了而是(shi)(shi)必選項，對于(yu)平安(an)來說(shuo)也是(shi)(shi)如此。
三、優勢與方向
平(ping)安是中(zhong)國最(zui)早開始研(yan)究(jiu)AI的(de)(de)金融公司(si)，2015年(nian)3月加(jia)入的(de)(de)首席科學家肖(xiao)京則(ze)是推動平(ping)安AI研(yan)發和產業應(ying)用的(de)(de)核心人(ren)物，在(zai)此之前的(de)(de)背景(jing)是2013年(nian)馬明哲為(wei)平(ping)安提出了(le)“全面擁抱科技與互(hu)聯網”的(de)(de)五(wu)年(nian)轉型計劃。
這位曾經領導(dao)了微軟(ruan)搜索引擎(qing)算法研發(fa)的AI專家在加入平安(an)前，師從兩(liang)位業(ye)界著(zhu)名的老師，其中一位是(shi)(shi)中科院(yuan)自動化研究所原所長、科技(ji)部(bu)原副部(bu)長、視(shi)覺(jue)領域經典教材《計(ji)(ji)算機視(shi)覺(jue)》的作者馬頌德，另一位是(shi)(shi)美(mei)國卡耐基(ji)梅隆大學計(ji)(ji)算機視(shi)覺(jue)泰斗(dou)、美(mei)國工程院(yuan)院(yuan)士金出武雄。
他加入平安后迅速組建了2000人的AI團隊，啟動了“平安腦”智能引擎的研發。2016年，平安的人臉識別技術能力達到全球第一的水平，聲紋識別的準確率來到了業界震驚的超99%，推出的“智能閃賠”場景應用，將車損定險從小時級壓縮至5分鐘，準確率95%。彼時，同為深圳科技巨頭的騰訊剛剛啟動AI研究，成立核心技術部門AI Lab。
在(zai)(zai)這個(ge)過程中(zhong)，他(ta)帶(dai)領(ling)團隊發表了包括融合圖計算、對抗神經(jing)(jing)網絡(luo)等技術(shu)在(zai)(zai)內的(de)(de)論文(wen)102篇(pian)，中(zhong)美專(zhuan)利210項，其(qi)中(zhong)基于自然語(yu)言處理NLP的(de)(de)語(yu)音機器人(ren)四次獲得(de)國(guo)際冠軍。在(zai)(zai)2019年(nian)，肖京(jing)獲得(de)了中(zhong)國(guo)AI領(ling)域的(de)(de)最高榮譽“吳文(wen)俊人(ren)工智能杰出(chu)貢獻(xian)獎”。經(jing)(jing)過這些年(nian)的(de)(de)發展，平安(an)的(de)(de)5大實驗(yan)室已(yi)經(jing)(jing)沉淀了大量關于AI的(de)(de)基礎(chu)研究成(cheng)果，科技專(zhuan)利申請數已(yi)經(jing)(jing)超過55080項，在(zai)(zai)金融科技、數字醫(yi)療(liao)等領(ling)域排名全(quan)球(qiu)第(di)一，就算在(zai)(zai)生成(cheng)式人(ren)工智能領(ling)域，聯合國(guo)知識產權局發布的(de)(de)專(zhuan)利報告(gao)中(zhong)，平安(an)的(de)(de)專(zhuan)利申請數也是(shi)全(quan)球(qiu)第(di)二。
除了研發成果，平安的研發團隊也在這些年快速增長。截至2024年9月30日，平安已經擁有超 2.1 萬名科技開發人員、超3000 名AI科學家。超過2萬人的隊伍，在當下的大模型語境下究竟往哪個方向走，這是擺在包括肖京在內的平安管理層的方向性問題。而(er)這(zhe)個命題(ti)事實上(shang)也是(shi)市場上(shang)每個企業所必需要回答的問題(ti)，例如DeepSeek母公司深度(du)求索則是(shi)在大模型(xing)(xing)的底層(ceng)技術(shu)上(shang)發(fa)力，阿里巴(ba)巴(ba)則是(shi)圍(wei)繞通(tong)用大模型(xing)(xing)以及大模型(xing)(xing)時代的基礎設施上(shang)下功夫，而(er)在騰訊總(zong)辦內(nei)部(bu)會議上(shang)，馬化騰提(ti)出AI普惠抓住(zhu)AI應用的機會。
騰訊瞄準C端應用(yong)的(de)(de)底氣，來(lai)自于(yu)其微信和QQ在中國社交語境中占據的(de)(de)核(he)心(xin)位(wei)置，13億的(de)(de)用(yong)戶基本盤在下一代設備(bei)革(ge)命來(lai)臨(lin)之前都很難被撼動(dong)。而事實上，平安也有著類似的(de)(de)獨特優勢。它(ta)在綜合金(jin)融和醫療養(yang)老領域深(shen)耕(geng)超過20年，已經(jing)(jing)積累了2.42億的(de)(de)個人用(yong)戶，沉(chen)淀下來(lai)巨量(liang)的(de)(de)行業(ye)專(zhuan)業(ye)經(jing)(jing)驗，再加(jia)上十(shi)多(duo)年前就搭建(jian)起來(lai)的(de)(de)大(da)數據平臺，使得這些行業(ye)專(zhuan)業(ye)經(jing)(jing)驗以數據形式沉(chen)淀下來(lai)。
以醫(yi)療(liao)(liao)領(ling)域為(wei)例，平(ping)安(an)不僅作(zuo)為(wei)保(bao)險公(gong)司(si)長(chang)期承(cheng)擔支付(fu)者的角(jiao)色，參與到醫(yi)療(liao)(liao)過程中去。還擁有北大醫(yi)療(liao)(liao)集團以及(ji)其旗下的十幾家三(san)甲醫(yi)院，以及(ji)線(xian)下遍布的體檢中心和(he)檢驗檢測(ce)中心。此外，還通過平(ping)安(an)好醫(yi)生觸達(da)了(le)數千萬用戶(hu)，通過全職醫(yi)生團隊(dui)提供輕問診服務。這意味著，平(ping)安(an)在醫(yi)療(liao)(liao)領(ling)域3P構(gou)成的產業三(san)角(jiao)中實現了(le)全方位(wei)的布局(ju)，分別(bie)是(shi)醫(yi)療(liao)(liao)服務提供者（provider），主(zhu)要是(shi)醫(yi)院、醫(yi)生，病人(ren)（patient），第三(san)個是(shi)保(bao)險公(gong)司(si)（payer），付(fu)錢的人(ren)，在長(chang)期經營(ying)的情況下，能(neng)夠(gou)從各(ge)個維度沉淀出(chu)醫(yi)療(liao)(liao)領(ling)域內的海量行業專場景數據。
平安基于這些數據搭建了包括三大金融數據庫、五大醫療數據庫以及經營數據庫在內的九大數據庫，成為全球最大金融、醫療數據庫之一，形成了30萬億字節數據，超3.2萬億高質量文本語料，31萬小時帶標注的語音語料，超75億圖片語料在內的海量專業數據優勢。一位長期關注大模型一級市場投資人稱，這種專業數據優勢在中國乃至世界范圍內產業界都是絕無僅有的，除了芯片和算法外，數據其實就是決定模型能力最關鍵的要素。
平安的另一獨特優勢，則源自于在積累這些數據過程中沉淀出來的數據處理能力和數據安全技術。這是一種伴生關系，金融和醫(yi)療行業都對(dui)數(shu)(shu)(shu)據(ju)(ju)安(an)全性有絕對(dui)嚴密(mi)的(de)要(yao)求。如何(he)在(zai)合(he)法正當、目的(de)明確、授權(quan)同意(yi)及(ji)最(zui)小必要(yao)的(de)原則下(xia)，打通(tong)全集團(tuan)接近(jin)2萬家(jia)機(ji)構(gou)各種類型的(de)海量數(shu)(shu)(shu)據(ju)(ju)孤島，顯然并非(fei)易(yi)事。在(zai)數(shu)(shu)(shu)據(ju)(ju)清洗、整合(he)、更新、質量管(guan)(guan)(guan)理(li)、標準(zhun)化、脫(tuo)敏安(an)全的(de)機(ji)制，嚴格的(de)權(quan)限管(guan)(guan)(guan)理(li)、隱(yin)私保(bao)護(hu)管(guan)(guan)(guan)理(li)規范，以及(ji)數(shu)(shu)(shu)據(ju)(ju)全生命(ming)周期安(an)全管(guan)(guan)(guan)理(li)制度都有know how的(de)壁壘(lei)。除此(ci)之外(wai)，平安(an)還通(tong)過聯邦學習、多(duo)方安(an)全計算、先(xian)進密(mi)碼學等技術研發了(le)蜂巢(chao)隱(yin)私計算平臺，構(gou)建了(le)面(mian)向金融行業的(de)“原始數(shu)(shu)(shu)據(ju)(ju)不出域、數(shu)(shu)(shu)據(ju)(ju)可(ke)用(yong)不可(ke)見(jian)”的(de)數(shu)(shu)(shu)據(ju)(ju)要(yao)素(su)流(liu)通(tong)范式，隱(yin)私計算加密(mi)算法性能達到業界的(de)領先(xian)水平，獲評為工(gong)信部“網絡(luo)安(an)全技術應用(yong)試點示范項目”。
對于平(ping)(ping)安而言，C端的(de)入口產(chan)品和大模(mo)型基礎設施，顯然(ran)都不是它的(de)輻射(she)范(fan)圍。它所處的(de)綜合(he)金融和醫療養老的(de)產(chan)業(ye)復雜度(du)(du)，在(zai)深(shen)(shen)度(du)(du)上扎(zha)得更深(shen)(shen)，用AI深(shen)(shen)度(du)(du)賦能主(zhu)航道，其實(shi)都遠比(bi)面向(xiang)C端做一(yi)個AI搜索(suo)應用更為復雜。盡管(guan)Deepseek為行業(ye)重新劃下(xia)一(yi)條科技(ji)創新賦能的(de)起跑線(xian)(xian)，但是平(ping)(ping)安依舊存在(zai)在(zai)這條起跑線(xian)(xian)上獨特的(de)專業(ye)優勢。“垂域大模(mo)型這個詞(ci)語最近(jin)一(yi)年在(zai)內部被非(fei)常高頻(pin)的(de)提及(ji)”平(ping)(ping)安一(yi)位技(ji)術崗位員(yuan)工說。
馬(ma)明(ming)哲在(zai)財報中也提到了(le)自研垂直領(ling)域(yu)大模(mo)(mo)型(xing)(xing)。肖京對此進(jin)一(yi)步解(jie)釋到，大模(mo)(mo)型(xing)(xing)簡單、直接的(de)(de)(de)(de)應用(yong)(yong)是降低了(le)門檻，但只是一(yi)個入門級應用(yong)(yong)，適用(yong)(yong)于(yu)專(zhuan)業(ye)(ye)性(xing)要求不高(gao)的(de)(de)(de)(de)場(chang)景。對于(yu)平(ping)安這種有科技能力的(de)(de)(de)(de)金(jin)融機構，還可以(yi)再基于(yu)開源模(mo)(mo)型(xing)(xing)，利用(yong)(yong)專(zhuan)業(ye)(ye)、高(gao)質量的(de)(de)(de)(de)數據，通過技術能力實現在(zai)金(jin)融垂域(yu)的(de)(de)(de)(de)模(mo)(mo)型(xing)(xing)進(jin)一(yi)步增強(qiang)，這樣可以(yi)站在(zai)巨人肩膀上(shang)，在(zai)垂域(yu)上(shang)做深做強(qiang)，全方位(wei)地應用(yong)(yong)在(zai)各(ge)類金(jin)融專(zhuan)業(ye)(ye)場(chang)景，從而(er)推動金(jin)融業(ye)(ye)的(de)(de)(de)(de)全面智能化產(chan)業(ye)(ye)升級。
1月20日，DeepSeekR1模型橫空出世，用極低的成本實現了堪比OpenAI o1的性能，標志著強思考模型時代的到來，而且它還開源。這里需要厘清的是，目前包括DeepSeek在內的所有通用模型的開源，只是模型參數的開源，并不開源訓練數據和訓練代碼。強思考模型的訓練數據又和以往的訓練數據有較大差別，最直觀的是它需要更多思考過程的訓練數據。之前訓(xun)練數(shu)據大多以靜態數(shu)據為主，比如醫療的知識(shi)庫是(shi)靜態的結果數(shu)據，但(dan)是(shi)現(xian)在要(yao)訓(xun)練模型的思考能(neng)力，是(shi)需要(yao)整(zheng)個操作中更多的思考過程數(shu)據。
“比如說(shuo)一個(ge)理(li)賠員去看(kan)(kan)有(you)沒(mei)有(you)欺詐(zha)的時候，他(ta)不只是給一個(ge)最后(hou)的結果(guo)，這(zhe)個(ge)案件給你一個(ge)最后(hou)的數據(ju)，他(ta)還要(yao)(yao)(yao)提供先看(kan)(kan)什么資(zi)料有(you)沒(mei)有(you)問題(ti)(ti)，再看(kan)(kan)什么資(zi)料有(you)沒(mei)有(you)問題(ti)(ti)，做完所有(you)的動作之后(hou)，再根據(ju)什么要(yao)(yao)(yao)點、要(yao)(yao)(yao)素做出判(pan)斷，這(zhe)樣(yang)的過程準備好，才能(neng)真正(zheng)讓大模(mo)型學(xue)會(hui)優秀員工的思考能(neng)力(li)，這(zhe)些數據(ju)我們要(yao)(yao)(yao)不斷去完善。”
如此高(gao)質量的(de)(de)(de)專業(ye)領域(yu)訓練數據(ju)要(yao)求，顯然(ran)拔(ba)高(gao)了垂(chui)域(yu)大模型(xing)的(de)(de)(de)研發難度。“這樣的(de)(de)(de)數據(ju)不僅市場(chang)上沒有(you)(you)，連我們也不可能(neng)有(you)(you)現成(cheng)的(de)(de)(de)”肖京感(gan)嘆到。最終，平安采取了多種(zhong)方式一起(qi)來生成(cheng)這類訓練數據(ju)，一種(zhong)是大模型(xing)輔助生成(cheng)，通過框(kuang)定限(xian)定輸出條件生成(cheng)訓練樣本，這是一種(zhong)高(gao)效但是無法完全避免(mian)幻覺的(de)(de)(de)方式，需要(yao)有(you)(you)專業(ye)人員去(qu)對(dui)齊完善、補充(chong)、修改，最后形(xing)(xing)成(cheng)數據(ju)。第二種(zhong)，從過去(qu)歷史的(de)(de)(de)案例(li)數據(ju)里面，專業(ye)人員純手工總結、歸(gui)(gui)納、思(si)考(kao)，把(ba)作業(ye)過程、完成(cheng)工作的(de)(de)(de)完整過程總結歸(gui)(gui)納形(xing)(xing)成(cheng)數據(ju)。
其實可以發現，無論哪種方式，都意味著巨大的成本投入，但正是因為這樣卻造就了更高的技術壁壘和能力領先。整個鏈路形成了一個完整的飛輪閉環，因為金融、醫療專業場景的耕耘，沉淀了無可比擬的專業數據，專業數據可以打造更有競爭力的垂域大模型，而訓練具備推理能力的垂域大模型又對訓練數據提出了更高的要求，反過來又提高了沉淀的數據質量和完善了數據結構。
四、能力與工具箱
ChatGPT點燃全球的AI大模型熱情(qing)以(yi)來，整個市場都充斥(chi)著嚴重的FOMO情(qing)緒（害怕錯(cuo)過）。
大到(dao)科技巨頭(tou)、產(chan)業(ye)王者(zhe)，小(xiao)到(dao)小(xiao)微企業(ye)與個(ge)體(ti)創業(ye)者(zhe)，都(dou)被這種情緒(xu)所左右。這種情緒(xu)一定程(cheng)度上，導致整個(ge)市場中出(chu)(chu)現的各種現象(xiang)。AI四小(xiao)龍橫空出(chu)(chu)世迅速被資本和巨頭(tou)捧高，一場關于基礎大模型的技術(shu)軍備競賽就(jiu)此(ci)展開。
科技巨頭除(chu)了押注市場中創業團(tuan)隊，也在(zai)自身體(ti)系內不(bu)斷(duan)出(chu)牌(pai)，例(li)如阿里云在(zai)一(yi)開始(shi)就選擇了賽道(dao)通(tong)吃的(de)(de)技術路徑(jing)，不(bu)管是開源(yuan)還是閉(bi)源(yuan)一(yi)股腦(nao)的(de)(de)全上(shang)。而字節跳(tiao)動則(ze)從(cong)通(tong)用大模型(xing)到C端入(ru)口應用，甚至于AI硬件等(deng)全方(fang)位瘋狂出(chu)拳。最瘋狂的(de)(de)時候，連一(yi)兩(liang)個人的(de)(de)個體(ti)工作室都(dou)想要(yao)買兩(liang)片4090，部署個7B的(de)(de)開源(yuan)小(xiao)模型(xing)進行微調，這也直接炒高了英偉達4090的(de)(de)價格。
一位二(er)級市(shi)場關注AI的(de)(de)(de)首席(xi)分析(xi)師指(zhi)出，“要辯(bian)證(zheng)的(de)(de)(de)看這個問題，雖然短期可能(neng)造(zao)就(jiu)資(zi)源過(guo)(guo)度集中(zhong)，出現(xian)一些資(zi)源浪費(fei)，但(dan)是(shi)(shi)拉(la)長(chang)時間線來看，有(you)可能(neng)就(jiu)會發(fa)現(xian)正是(shi)(shi)這種熱潮推動下沉淀下來長(chang)期價值。”這點(dian)也(ye)(ye)在平安的(de)(de)(de)大模(mo)型(xing)實(shi)踐(jian)上(shang)有(you)體現(xian)，平安一開始(shi)也(ye)(ye)做(zuo)了大量通用基(ji)礎大模(mo)型(xing)研發(fa)工作，而(er)現(xian)在則把(ba)自研垂域大模(mo)型(xing)作為(wei)重(zhong)(zhong)點(dian)，引來市(shi)場上(shang)一些質疑其合理性。“這是(shi)(shi)必須(xu)的(de)(de)(de)過(guo)(guo)程，沒(mei)有(you)人能(neng)在一開始(shi)想清楚定(ding)位，大家太看重(zhong)(zhong)結(jie)果，不(bu)關注過(guo)(guo)程，正是(shi)(shi)在這個過(guo)(guo)程中(zhong)沉淀下來一系列極具(ju)競爭力(li)的(de)(de)(de)底(di)層(ceng)技(ji)術(shu)能(neng)力(li)，才(cai)構(gou)成平安的(de)(de)(de)長(chang)期技(ji)術(shu)價值。”平安一位技(ji)術(shu)線中(zhong)層(ceng)評論到。
平安的確是市面上少有甚至說是唯一具備全棧AI體系能力的金融科技公司。在(zai)DeepSeek出來前就完備了包括通用的(de)(de)、垂域的(de)(de)、場景在(zai)內三層(ceng)結構(gou)的(de)(de)模型平(ping)臺，以(yi)及模型背后完善的(de)(de)工(gong)具平(ping)臺，部署(shu)、測試的(de)(de)數據集(ji)、測試的(de)(de)系統(tong)，甚至(zhi)高效打造Agent的(de)(de)智能體(ti)平(ping)臺也是(shi)完備的(de)(de)。在(zai)高盛最近提出的(de)(de)中(zhong)國AI投資框(kuang)架中(zhong)，在(zai)一眾科技(ji)公司的(de)(de)列表中(zhong)平(ping)安是(shi)唯一的(de)(de)綜合金融(rong)機構(gou)。
肖京介紹到，“相較于同業平安一定能更快技術用在具體場景中，比如已經在用A模型，現在如果發現DeepSeek效果更好，最完備的全體系能力，可以實現最快速地接入最先進的技術。” 肖京進一步補充到，“在目前AI發展日新月異，基本上每天都在更新、每天都在迭代的情況下，你需要有這樣的底層能力，才有可能快速地應對市場的發展、技術的發展，引入到我們的實際的業務系統中去，并且發生價值。如果沒有這些能力，你只能眼睜睜地看著，你還沒把上一代技術融入你的系統，下一代技術就已經出來了，這樣你就永遠是在落后的狀態。但平安就(jiu)不會有(you)這個(ge)問題，因為(wei)我(wo)們已經有(you)所有(you)的條(tiao)件了(le)，我(wo)只要(yao)簡單(dan)引入就(jiu)可以了(le)，所以我(wo)們肯定(ding)是這個(ge)行業里最(zui)快能把價值(zhi)發揮出來(lai)的。”
這其實就是這個行業兩種最(zui)主(zhu)要(yao)的底層思路(lu)區(qu)別，一種認(ren)為模型能(neng)力(li)(li)和成本維度(du)(du)都是向好發(fa)展，深度(du)(du)入局(ju)可以等性能(neng)和性價比都到一個較(jiao)好的區(qu)間(jian)，能(neng)最(zui)快發(fa)揮(hui)出價值(zhi)。第二(er)種是，深度(du)(du)參與這個發(fa)展過程，沉淀底層能(neng)力(li)(li)，價值(zhi)在這個過程中慢慢顯(xian)現出來。平安(an)顯(xian)然不(bu)想等待。
首先是(shi)，大模型(xing)(xing)底層(ceng)核心(xin)技術的(de)(de)(de)(de)研究。例如(ru)，新(xin)型(xing)(xing)的(de)(de)(de)(de)大模型(xing)(xing)算法框(kuang)架，可能會帶來訓練和(he)推理成本的(de)(de)(de)(de)大幅降(jiang)低與效率提高。快思考、慢思考融合的(de)(de)(de)(de)創新(xin)模型(xing)(xing)技術，不同場景(jing)下更有的(de)(de)(de)(de)服務體驗，因(yin)為有的(de)(de)(de)(de)場景(jing)是(shi)需要(yao)快速反饋的(de)(de)(de)(de)，有的(de)(de)(de)(de)場景(jing)是(shi)需要(yao)深度思考的(de)(de)(de)(de)。
其次是，在模型層發力，打造三層模型體系。第一層是通用模型，就像DeepSeek這種通用模型，所有場景都通用，但在垂直領域性能未必最佳。第二層是針對每個垂域建立的綜合模型，綜合金融和綜合醫療領域都有專屬的垂域模型，利用金融和醫療領域專業知識對這類大模型進行訓練，再結合金融領域的作業思考過程、操作過程，訓練它的思考、推理能力等等，進而得到垂直領域的綜合模型。第三層是針對具體場景的場景專屬大模型，它可(ke)以(yi)是在第二層(ceng)模(mo)型基(ji)礎上(shang)，加上(shang)搜索增強(qiang)、知識庫，就能(neng)夠達到(dao)具體場(chang)(chang)(chang)景(jing)最優使用(yong)(yong)的場(chang)(chang)(chang)景(jing)，如(ru)果(guo)達不(bu)到(dao)最優，就需要(yao)(yao)專(zhuan)門在這個(ge)場(chang)(chang)(chang)景(jing)上(shang)準備(bei)數(shu)據，然(ran)后去調整(zheng)模(mo)型參數(shu)進(jin)行(xing)訓練，使得這個(ge)場(chang)(chang)(chang)景(jing)下的表(biao)現特(te)別好(hao)。通過三(san)層(ceng)模(mo)型構建，基(ji)本可(ke)以(yi)覆(fu)蓋所有場(chang)(chang)(chang)景(jing)需求，而(er)且是能(neng)夠適配(pei)不(bu)同場(chang)(chang)(chang)景(jing)使用(yong)(yong)不(bu)同模(mo)型，不(bu)是所有場(chang)(chang)(chang)景(jing)都(dou)要(yao)(yao)用(yong)(yong)指(zhi)定哪一層(ceng)模(mo)型，可(ke)以(yi)自(zi)主選擇。
支(zhi)撐這(zhe)樣模(mo)(mo)(mo)型(xing)(xing)(xing)(xing)(xing)(xing)(xing)在(zai)垂(chui)(chui)(chui)直(zhi)領域(yu)(yu)垂(chui)(chui)(chui)直(zhi)打造的(de)(de)(de)底(di)(di)層(ceng)(ceng)能(neng)(neng)力(li)(li)(li)(li)，除了大(da)(da)模(mo)(mo)(mo)型(xing)(xing)(xing)(xing)(xing)(xing)(xing)訓(xun)練過程(cheng)所需要的(de)(de)(de)數據處理能(neng)(neng)力(li)(li)(li)(li)，還有就(jiu)是大(da)(da)模(mo)(mo)(mo)型(xing)(xing)(xing)(xing)(xing)(xing)(xing)復(fu)現(xian)(xian)(xian)技術(shu)能(neng)(neng)力(li)(li)(li)(li)。不(bu)(bu)僅(jin)要求有能(neng)(neng)力(li)(li)(li)(li)讀(du)懂不(bu)(bu)同大(da)(da)模(mo)(mo)(mo)型(xing)(xing)(xing)(xing)(xing)(xing)(xing)的(de)(de)(de)技術(shu)細(xi)節、不(bu)(bu)同能(neng)(neng)力(li)(li)(li)(li)是怎(zen)么(me)訓(xun)練的(de)(de)(de)，還需要掌握復(fu)現(xian)(xian)(xian)這(zhe)些能(neng)(neng)力(li)(li)(li)(li)的(de)(de)(de)技術(shu)。例(li)如(ru)，如(ru)果(guo)利用DeepSeek作為底(di)(di)層(ceng)(ceng)來做垂(chui)(chui)(chui)域(yu)(yu)增強模(mo)(mo)(mo)型(xing)(xing)(xing)(xing)(xing)(xing)(xing)，首先得(de)復(fu)現(xian)(xian)(xian)垂(chui)(chui)(chui)域(yu)(yu)的(de)(de)(de)預訓(xun)練、智(zhi)能(neng)(neng)微調、強化學(xue)習、蒸餾等(deng)等(deng)技術(shu)，再結合代碼能(neng)(neng)力(li)(li)(li)(li)和數據能(neng)(neng)力(li)(li)(li)(li)進(jin)行模(mo)(mo)(mo)型(xing)(xing)(xing)(xing)(xing)(xing)(xing)訓(xun)練。“雖然不(bu)(bu)是從(cong)0開始自(zi)(zi)研，但是我們是站在(zai)巨(ju)人肩膀上做自(zi)(zi)研，得(de)到的(de)(de)(de)就(jiu)是自(zi)(zi)主可控的(de)(de)(de)垂(chui)(chui)(chui)域(yu)(yu)模(mo)(mo)(mo)型(xing)(xing)(xing)(xing)(xing)(xing)(xing)”肖京解釋到。同樣的(de)(de)(de)底(di)(di)層(ceng)(ceng)技術(shu)能(neng)(neng)力(li)(li)(li)(li)，再基于垂(chui)(chui)(chui)域(yu)(yu)模(mo)(mo)(mo)型(xing)(xing)(xing)(xing)(xing)(xing)(xing)，就(jiu)可以訓(xun)練出各個(ge)專屬場(chang)景(jing)(jing)(jing)(jing)的(de)(de)(de)模(mo)(mo)(mo)型(xing)(xing)(xing)(xing)(xing)(xing)(xing)，包括投(tou)(tou)資(zi)領域(yu)(yu)里對于某個(ge)場(chang)景(jing)(jing)(jing)(jing)的(de)(de)(de)投(tou)(tou)資(zi)決策模(mo)(mo)(mo)型(xing)(xing)(xing)(xing)(xing)(xing)(xing)，多病種腫瘤模(mo)(mo)(mo)型(xing)(xing)(xing)(xing)(xing)(xing)(xing)，復(fu)雜險(xian)種核(he)保模(mo)(mo)(mo)型(xing)(xing)(xing)(xing)(xing)(xing)(xing)等(deng)具體場(chang)景(jing)(jing)(jing)(jing)模(mo)(mo)(mo)型(xing)(xing)(xing)(xing)(xing)(xing)(xing)。最(zui)關鍵的(de)(de)(de)難點在(zai)于，底(di)(di)層(ceng)(ceng)技術(shu)能(neng)(neng)力(li)(li)(li)(li)和專業場(chang)景(jing)(jing)(jing)(jing)能(neng)(neng)力(li)(li)(li)(li)在(zai)這(zhe)個(ge)過程(cheng)中，深度融合才能(neng)(neng)達到場(chang)景(jing)(jing)(jing)(jing)最(zui)優。
例如，在(zai)AI醫(yi)(yi)(yi)生(sheng)(sheng)(sheng)領(ling)域，平(ping)安健(jian)康（好醫(yi)(yi)(yi)生(sheng)(sheng)(sheng)）聯(lian)合(he)平(ping)安集(ji)團科技構建(jian)的(de)(de)“平(ping)安醫(yi)(yi)(yi)博通”多模態垂域大模型，打(da)造了(le)12個系列(lie)的(de)(de)業務場景專屬模型，賦能健(jian)康醫(yi)(yi)(yi)療服(fu)(fu)(fu)務的(de)(de)各個環節(jie)，效率(lv)和(he)質量指(zhi)標都(dou)有(you)明顯(xian)提(ti)(ti)(ti)升(sheng)。AI體檢(jian)報(bao)告(gao)解(jie)析精(jing)準(zhun)(zhun)率(lv)可以(yi)達到(dao)(dao)(dao)(dao)98%，以(yi)前的(de)(de)流程是(shi)體檢(jian)完以(yi)后(hou)，客戶上傳一(yi)個體檢(jian)報(bao)告(gao)需要(yao)人工(gong)看(kan)，發現異(yi)常，并且給出(chu)異(yi)常的(de)(de)診(zhen)斷，再幫他去做一(yi)些解(jie)讀服(fu)(fu)(fu)務，基本上是(shi)要(yao)等3天(tian)的(de)(de)。現在(zai)上傳到(dao)(dao)(dao)(dao)好醫(yi)(yi)(yi)生(sheng)(sheng)(sheng)平(ping)臺，秒(miao)級出(chu)來(lai)解(jie)析報(bao)告(gao)，精(jing)度比人高(gao)(gao)(gao)，以(yi)前靠(kao)人解(jie)讀還(huan)不一(yi)定有(you)98%的(de)(de)準(zhun)(zhun)確(que)率(lv)。在(zai)咨(zi)詢、診(zhen)斷的(de)(de)準(zhun)(zhun)確(que)率(lv)都(dou)超過95%，紅(hong)線率(lv)都(dou)是(shi)低(di)于(yu)1%到(dao)(dao)(dao)(dao)0.1%的(de)(de)，智能推薦的(de)(de)準(zhun)(zhun)確(que)率(lv)到(dao)(dao)(dao)(dao)99%，慢病管理的(de)(de)改善率(lv)達到(dao)(dao)(dao)(dao)90%。AI能力大幅地提(ti)(ti)(ti)升(sheng)了(le)醫(yi)(yi)(yi)生(sheng)(sheng)(sheng)水(shui)平(ping)，因為它只(zhi)要(yao)解(jie)釋了(le)98%，最后(hou)診(zhen)斷由(you)醫(yi)(yi)(yi)生(sheng)(sheng)(sheng)來(lai)下(xia)。原(yuan)來(lai)醫(yi)(yi)(yi)生(sheng)(sheng)(sheng)要(yao)從頭做到(dao)(dao)(dao)(dao)尾，現在(zai)病歷百(bai)分之(zhi)百(bai)都(dou)是(shi)AI機器(qi)人來(lai)寫，醫(yi)(yi)(yi)生(sheng)(sheng)(sheng)只(zhi)看(kan)一(yi)下(xia)就可以(yi)了(le)，這樣不但(dan)提(ti)(ti)(ti)高(gao)(gao)(gao)了(le)效率(lv)，也提(ti)(ti)(ti)高(gao)(gao)(gao)了(le)服(fu)(fu)(fu)務質量水(shui)平(ping)，醫(yi)(yi)(yi)生(sheng)(sheng)(sheng)效能大幅提(ti)(ti)(ti)升(sheng)。
同時，模型工具平臺和智能體平臺的搭建，也有利于模型快速應用到場景。通過增強訓練和(he)模(mo)型(xing)蒸餾技(ji)術，將龐大(da)復雜(za)的知識有效(xiao)提煉并轉移(yi)到(dao)輕便高效(xiao)的端側小(xiao)模(mo)型(xing)和(he)云端大(da)模(mo)型(xing)中(zhong)，以及(ji)快思考小(xiao)模(mo)型(xing)和(he)慢思考大(da)模(mo)型(xing)技(ji)術工(gong)(gong)具(ju)化形(xing)成模(mo)型(xing)工(gong)(gong)具(ju)平臺(tai)(tai)，具(ju)體(ti)場(chang)景的專(zhuan)業(ye)業(ye)務(wu)人員(yuan)都(dou)可以方便自(zi)主(zhu)打造所需要的各(ge)自(zi)不(bu)(bu)同場(chang)景專(zhuan)屬模(mo)型(xing)。而(er)有了(le)智能體(ti)平臺(tai)(tai)，不(bu)(bu)管是(shi)各(ge)個業(ye)務(wu)管線(xian)從下(xia)到(dao)上(shang)，還(huan)是(shi)從集團頂層到(dao)業(ye)務(wu)線(xian)，還(huan)是(shi)業(ye)務(wu)管線(xian)間(jian)的橫向(xiang)拉(la)通，都(dou)是(shi)快速(su)基于模(mo)型(xing)構造出應用到(dao)具(ju)體(ti)業(ye)務(wu)場(chang)景中(zhong)的agent。老黃在今年的英(ying)偉達GTC大(da)會上(shang)也闡述(shu)了(le)建設AI工(gong)(gong)廠(chang)會是(shi)他們(men)未來的戰略重點(dian)，所謂AI工(gong)(gong)廠(chang)，實際上(shang)就是(shi)智能體(ti)平臺(tai)(tai)。
“方向明(ming)確(que)了(le)(le)，能(neng)力具備(bei)(bei)了(le)(le)，效率(lv)自(zi)然也就高(gao)(gao)了(le)(le)”一(yi)位長期關注平(ping)(ping)(ping)安的記者評價(jia)說。模型(xing)(xing)技術、訓(xun)練(lian)工具、專(zhuan)業數據(ju)、應用平(ping)(ping)(ping)臺全(quan)都齊備(bei)(bei)的情況下，對于平(ping)(ping)(ping)安而(er)言，只需要(yao)再在(zai)三件事(shi)上做好(hao)就能(neng)夠產生更高(gao)(gao)的價(jia)值了(le)(le)。首先是(shi)(shi)把垂域模型(xing)(xing)做深(shen)(shen)(shen)做強(qiang)，全(quan)面補充更高(gao)(gao)質(zhi)量更多場景的專(zhuan)業訓(xun)練(lian)數據(ju)，使(shi)得垂域場景性能(neng)更優，壁壘更深(shen)(shen)(shen)。其次(ci)是(shi)(shi)，將(jiang)模型(xing)(xing)工具平(ping)(ping)(ping)臺和(he)智能(neng)體平(ping)(ping)(ping)臺的易用性和(he)完備(bei)(bei)度越來越好(hao)，提高(gao)(gao)內部(bu)使(shi)用效率(lv)。最后就是(shi)(shi)走進(jin)場景，和(he)業務(wu)進(jin)行更深(shen)(shen)(shen)層次(ci)的結合。
五、模型與場景的匹配
2025年1月(yue)，梁文鋒本(ben)想安心回廣(guang)東湛江過個春(chun)節，深度求索公司趕在小年前幾天發布了DeepSeek R1模(mo)(mo)型(xing)。這一(yi)安排卻意外使得整個中國眾多AI行(xing)業的工程師，必須在春(chun)節期(qi)間(jian)加(jia)班(ban)，無法回家過年。比(bi)如(ru)，騰(teng)訊在2月(yue)2日(ri)宣布騰(teng)訊云(yun)支(zhi)持一(yi)鍵部署DeepSeek R1模(mo)(mo)型(xing)。2月(yue)2日(ri)是大年初五(wu)，隨后在1個月(yue)的時間(jian)，騰(teng)訊各個產品(pin)才逐步(bu)接(jie)入DeepSeek R1和V3模(mo)(mo)型(xing)。
看到DeepSeek R1模型(xing)效果(guo)的(de)那一(yi)刻(ke)，肖京就立(li)馬(ma)意識到，這(zhe)(zhe)個模型(xing)所(suo)帶來的(de)意義可(ke)能非同一(yi)般。“DeepSeek這(zhe)(zhe)次的(de)進(jin)展(zhan)和突破(po)，捅破(po)了OpenAI先進(jin)算法的(de)窗戶紙”肖京評價說。平(ping)安沒(mei)有絲(si)毫(hao)猶豫，立(li)馬(ma)在大年二十九(jiu)那天開始了DeepSeek的(de)引(yin)入工(gong)作(zuo)。
第一件事便是測試。首先(xian)，28萬安全(quan)(quan)合規測(ce)試(shi)集(ji)測(ce)試(shi)其是否滿足金融監管要求(qiu)。其次是性(xing)能測(ce)試(shi)，23000個(ge)能力測(ce)試(shi)集(ji)，模型(xing)效果、推(tui)理性(xing)以及是否可商用的評(ping)估很快就會直觀(guan)顯現(xian)出(chu)來。平安的技術團隊在大年初八就完成引(yin)入了DeepSeek包括滿血版和(he)蒸餾版在內(nei)的全(quan)(quan)棧模型(xing)，并且推(tui)給了全(quan)(quan)部員工使用。
緊接著是模型的垂域增強訓練。得益于在之前已經完備的AI體系能力，工具、流程的標準化也很完善，其中DeepSeek 32B參數的模型在開年后一周就完成了增強訓練，垂域升級后相比于原來的通用模型在垂域上的性能提升了8%。彼時，騰訊元寶才剛剛上線DeepSeek滿血版，但是平安內部來自員工辦公、員工作業、員工輔助的場景使用需求已經能達到每天25-30萬次。AI代碼系統中的(de)一些場景，也在(zai)上線3天后成功替換為DeepSeek，短短3天就(jiu)產生(sheng)了30萬行代碼。
最后，在進入業務前還需要進行模型與業務場景的匹配評估。“DeepSeek引進(jin)來后(hou)，不是(shi)(shi)把(ba)我(wo)們(men)以前(qian)(qian)的(de)模(mo)型全部替代掉，它成為底層通用模(mo)型的(de)一(yi)個(ge)選(xuan)項(xiang)”肖京解釋到(dao)，替換(huan)的(de)前(qian)(qian)提是(shi)(shi)在應用系統和(he)應用場(chang)景的(de)測(ce)試(shi)中(zhong)，性(xing)能和(he)準(zhun)確率(lv)要更好，速度、響應時(shi)長、并發(fa)等效率(lv)更高，并且成本也不增加(jia)。目前(qian)(qian)，平安對大模(mo)型賦(fu)能場(chang)景分為三類：一(yi)是(shi)(shi)存量(liang)業務場(chang)景升級，內部稱(cheng)為“老樹開新(xin)花”；二是(shi)(shi)“新(xin)枝發(fa)新(xin)芽”，一(yi)些原(yuan)來做不到(dao)業務，通過DeepSeek升級以后(hou)，能夠覆蓋新(xin)場(chang)景；三是(shi)(shi)“沃土生(sheng)奇苗”，基于AI完全從(cong)0到(dao)1打造的(de)原(yuan)生(sheng)應用場(chang)景。
平(ping)(ping)安在生產(chan)業務環節應用(yong)場(chang)(chang)景中評估了(le)77個(ge)場(chang)(chang)景，比如車險(xian)理(li)賠、核保助手(shou)等(deng)這(zhe)些大場(chang)(chang)景，其中有(you)30個(ge)場(chang)(chang)景已經用(yong)DeepSeek替換了(le)，就(jiu)是經過測試之(zhi)后發現DeepSeek的(de)準確(que)率更(geng)高，性能更(geng)好，成本也不增加，還有(you)21個(ge)沒有(you)以(yi)前(qian)平(ping)(ping)安自己(ji)的(de)大模(mo)型效果好。在77個(ge)場(chang)(chang)景之(zhi)外的(de)成千上萬場(chang)(chang)景，以(yi)前(qian)的(de)小模(mo)型效果都(dou)更(geng)好。
另外還(huan)(huan)有(you)26個場(chang)景(jing)(jing)還(huan)(huan)在(zai)繼續評估，有(you)些(xie)復雜(za)嚴肅場(chang)景(jing)(jing)能(neng)力DeepSeek模(mo)型還(huan)(huan)不具備(bei)，例如投資決策，復雜(za)疾病診斷，雖然比以前好，但(dan)是(shi)也沒法直接用(yong)(yong)(yong)，幻覺(jue)錯誤太多了(le)(le)。在(zai)有(you)幻覺(jue)的(de)(de)(de)情況下(xia)，盡管有(you)技術可(ke)以降低幻覺(jue)的(de)(de)(de)發生概率，但(dan)是(shi)還(huan)(huan)是(shi)有(you)發生的(de)(de)(de)可(ke)能(neng)性(xing)，這(zhe)種可(ke)能(neng)性(xing)就(jiu)對模(mo)型的(de)(de)(de)準確(que)度、可(ke)靠性(xing)的(de)(de)(de)挑戰(zhan)很(hen)大。這(zhe)種場(chang)景(jing)(jing)使用(yong)(yong)(yong)之下(xia)，應用(yong)(yong)(yong)方案落(luo)地就(jiu)需要人(ren)工(gong)(gong)補齊適配大模(mo)型缺點的(de)(de)(de)設(she)計模(mo)式，比如說人(ren)機協同模(mo)式、人(ren)工(gong)(gong)兜底(di)的(de)(de)(de)模(mo)式，降低幻覺(jue)帶(dai)來的(de)(de)(de)影(ying)響，這(zhe)些(xie)都是(shi)提出了(le)(le)很(hen)高的(de)(de)(de)要求和挑戰(zhan)。
六、“避免錯誤才能獲得成功”
多數人只關心機會，而忽視(shi)背后所存在的風(feng)(feng)險。“安全”、“紅(hong)線”、“底(di)線”、“風(feng)(feng)險”，是肖京這一個小(xiao)時對話過程(cheng)中提到的最高頻詞(ci)匯。
平(ping)安(an)所處金融和(he)醫(yi)療行業(ye)，都是嚴肅的(de)風險敏感行業(ye)，產業(ye)復雜度遠超大多數其他行業(ye)。對于(yu)BAT字節這樣的(de)大廠或者更大范圍(wei)內的(de)創業(ye)公司而言，他們推出一(yi)款AI的(de)應(ying)用可以采(cai)取先上線(xian)，再在(zai)過程中慢(man)慢(man)調整(zheng)數據(ju)的(de)使用規則，模型的(de)訓(xun)練優化等環節，例如騰(teng)訊元寶(bao)在(zai)推出半年(nian)后(hou)才遭遇用戶(hu)數據(ju)條款質(zhi)疑風波。
金融和醫療的嚴肅業務場景的AI使用，顯然不能采用這種方式，因為不管是數據還是業務結果一旦有所偏差都會產生極為嚴重的后果。平安內部AI模型上線有一個指標門檻，叫紅線率。比如AI醫生上線，要去做咨詢、收集信息，它一定是要紅線率低于1%，有非常低的紅線率才能讓它上線。“我們看病不能看出人命，投資不能造成投資者大量損失，金融業的保險、銀行不能出現客戶的誤導，這些東西都是底線，我們從來不會為了效率而犧牲安全”肖京強調到。
平(ping)安對于風險(xian)考慮的(de)(de)起點從(cong)訓練數(shu)據、模型(xing)測試(shi)開始(shi)一直貫穿到整個業務流程。這(zhe)是行業差異所(suo)導致的(de)(de)風險(xian)偏好差異，而(er)關于大模型(xing)應用所(suo)帶(dai)來的(de)(de)風險(xian)主要是以下4個維度：
其一，AI技術本身帶來的風險。大模型的訓練、推理、應用過程中會產生數據安全、隱私保護、算法偏見、模型幻覺、生成內容不合規等各個環節風險。另外很多大模型應用是以云服務為主的，大量信息在網上傳輸，也存在數據泄露、濫用、模型篡改等風險。
其二，投入的資源和產出價值不匹配的風險。因為AI大模型應用很耗費資源，投入比較大，但是結果又很難快速取得，如果盲目地大干快上，會產生投產浪費，嚴重可能帶來經營上的風險。
第三，社會風險。AI帶來了產業模式、流程、生態的變革，會帶來很多從業人員必須要去技能轉型，適應新的不同的產業業態，這就會帶來一些社會風險。
第四，行業本身的風險。AI應用能力的差距可能會導致行業馬太效應明顯，強者恒強，進而隨著AI使用得越多，會造成市場策略的趨同，給金融市場帶來不穩定的因素。
“前兩個可(ke)以通過技術水(shui)平和(he)管(guan)理水(shui)平的(de)發(fa)展來解(jie)決，后面兩個可(ke)能就需要行業和(he)國家的(de)共(gong)同(tong)參與”肖(xiao)京(jing)分析說。
為了應對這些(xie)安(an)全(quan)風險，平安(an)還(huan)在(zai)內部設立(li)了AI倫(lun)理(li)(li)治(zhi)理(li)(li)的(de)(de)(de)(de)(de)(de)1+5+3的(de)(de)(de)(de)(de)(de)體系(xi)。“1”是(shi)(shi)指在(zai)集(ji)團(tuan)層(ceng)面(mian)設立(li)CEO牽頭的(de)(de)(de)(de)(de)(de)人工智(zhi)能倫(lun)理(li)(li)委員(yuan)會，制(zhi)定(ding)了很清(qing)晰人工智(zhi)能治(zhi)理(li)(li)的(de)(de)(de)(de)(de)(de)準則。“5”是(shi)(shi)5個實驗室，“3”是(shi)(shi)三項具體舉(ju)措(cuo)，一個是(shi)(shi)研(yan)究，技(ji)術研(yan)究、政策研(yan)究、行業研(yan)究等，這些(xie)研(yan)究要(yao)持續不(bu)斷地進(jin)行，找(zhao)到新的(de)(de)(de)(de)(de)(de)問題(ti)，然后(hou)能夠全(quan)方(fang)位防范風險。第二是(shi)(shi)宣(xuan)導，對自己的(de)(de)(de)(de)(de)(de)員(yuan)工、客(ke)戶、社會進(jin)行各種(zhong)宣(xuan)導，尤其是(shi)(shi)對員(yuan)工要(yao)求要(yao)完全(quan)了解、接受、執行倫(lun)理(li)(li)治(zhi)理(li)(li)的(de)(de)(de)(de)(de)(de)規范。第三是(shi)(shi)真正的(de)(de)(de)(de)(de)(de)治(zhi)理(li)(li)和檢視，包括數據的(de)(de)(de)(de)(de)(de)全(quan)生(sheng)命(ming)周期、模型的(de)(de)(de)(de)(de)(de)全(quan)流程，應用系(xi)統的(de)(de)(de)(de)(de)(de)研(yan)發管(guan)理(li)(li)，設立(li)嚴格的(de)(de)(de)(de)(de)(de)管(guan)理(li)(li)、治(zhi)理(li)(li)和檢視的(de)(de)(de)(de)(de)(de)制(zhi)度(du)。
不過，好在隨著強思(si)考模型等模型技術(shu)的(de)(de)迭代，可解釋(shi)性(xing)提高，進而更有利于(yu)風險的(de)(de)控制。它(ta)(ta)在出(chu)結果(guo)的(de)(de)時候(hou)會(hui)告(gao)訴你(ni)它(ta)(ta)的(de)(de)思(si)考過程，因此是(shi)有一定解釋(shi)性(xing)的(de)(de)，不像以前是(shi)完(wan)全黑箱(xiang)，盡管它(ta)(ta)還是(shi)有幻覺(jue)，但是(shi)可以通過多方(fang)驗證引用(yong)資料是(shi)不是(shi)真實的(de)(de)，來分析、判斷出(chu)它(ta)(ta)是(shi)不是(shi)有幻覺(jue)。如(ru)果(guo)發現它(ta)(ta)有偏見、有幻覺(jue)、有些不對(dui)的(de)(de)地方(fang)，可以找出(chu)產生(sheng)錯誤的(de)(de)原因，想辦(ban)法去糾正這個錯誤。“一切(qie)都(dou)在向好的(de)(de)方(fang)向發展，越來越有希望(wang)。”肖京補充說到。
其實(shi)你(ni)會(hui)發現(xian)，從(cong)2010年左(zuo)右的科(ke)技轉型(xing)開(kai)始到(dao)現(xian)在(zai)的大模型(xing)時(shi)代，平安的科(ke)技探索(suo)一定程度上都(dou)在(zai)遵循(xun)的是一種“避免(mian)失敗”的邏輯。在(zai)科(ke)技轉型(xing)的時(shi)候，馬(ma)明哲(zhe)曾喊出過“平安最(zui)大的競爭對手是科(ke)技公司”，是因(yin)為(wei)互聯網在(zai)當時(shi)展現(xian)出來的效率，開(kai)始滲透進生活的各個角落(luo)，比如(ru)(ru)第三方線上支付，如(ru)(ru)果不全面的科(ke)技轉型(xing)，極有可能會(hui)在(zai)日后的競爭中處(chu)于不利的位置。
AI大模型的變量，極有可能會帶來整個行業的重新洗牌，平安要避免失敗就必須要進行持續的改革。而這個時候，又恰恰因為此前科技轉型打造的大數據平臺，打通了數據孤島，在金融和醫療各個專業場景上構建起了專業數據優勢，找到了差異化的垂域大模型，壘砌自己的城墻。事實上，AI時代語境下，這不僅是平安的命題，也是整個中國保險金融行業的命題。馬明哲給出的回答是，“惟改革者進，惟創新者強，惟改革創新者勝。”
所以，在看(kan)待平安這樣企業的(de)時(shi)候，不(bu)(bu)應該去(qu)看(kan)它(ta)是(shi)否有什(shen)(shen)么機遇，能(neng)(neng)抓住了什(shen)(shen)么機會，而是(shi)要用逆向思維去(qu)分析有什(shen)(shen)么因素可(ke)能(neng)(neng)會導致它(ta)的(de)失(shi)(shi)敗(bai)，做了什(shen)(shen)么錯誤的(de)決策，是(shi)產品創新失(shi)(shi)敗(bai)，是(shi)投資失(shi)(shi)敗(bai)，是(shi)市場份額流失(shi)(shi)，是(shi)技(ji)術變革顛覆，還是(shi)組織效率遲緩等(deng)，目(mu)前看(kan)起(qi)來(lai)各個(ge)方面(mian)做得都(dou)還不(bu)(bu)錯。
畢竟查理芒格曾經說過，“避免錯誤就能獲得成功”。
