中国平安自研AI反欺诈系统前三季度拦截减损91.5亿元

硅谷101

通用大模型厂商因缺乏专业数据与行业Know-how难以触碰保险垂直领域，而中国平安通过十年全栈自研的“产业AI化”路径成功构建起商业护城河。

AI-assisted summary of 微表情测谎、极速赔付、AI打败AI，深聊“AI in All”下的保险革命与增长飞轮【硅谷101】 — original source. Check the original for full context.

Source published: 2025-11-28

Detailed notes

## Background 该视频由“硅谷101”于2025年11-28日发布在Bilibili平台。视频简介指出，当全球AI浪潮席卷各行各业时，传统保险业正迎来一场深刻的智能化变革，介绍了微表情测谎、秒级车险理赔以及“用AI打败AI”的防欺诈攻防战，并探讨了平安集团耗时十年坚持全栈自研的“AI in All”战略对行业的革命性启示。

## TL;DR 随着全球AI从“模型领先”转向“价值实现”，保险行业正成为AI落地的核心场景。视频深入探讨了中国平安集团如何通过独特的“AI in all”全栈自研路线，将微表情风控、大模型图像定损和AI语音/图片鉴伪等技术融入具体业务。通过构建全集中的算力平台、海量数据飞轮、自研算法以及智能体（Agent）平台，平安成功降低了欺诈风险并大幅提升了理赔效率，为非科技领域的产业AI化转型提供了重要的商业化样本。

## Atmosphere & style 这档节目展现出一种充满科技感、专业且极具行业洞察力的深度访谈氛围。通过对话首席科学家等一线专家，节目在层层剥茧的叙事中注入了冷峻的技术理性，同时又带有类似美剧《Lie to me》般的戏剧张力。观众在倾听过程中不仅能感受到科技巨头在防欺诈攻防战中的惊心动魄，更能体会到一种在复杂系统工程中严谨求真、用数字说话的务实和笃定，整体基调理性、前瞻且引人深思。

## Key takeaways - [00:00](https://www.bilibili.com/video/BV1tXSGBuExp?t=0s) 全球AI热潮正从“模型领先”转向“价值实现”，而保险行业被公认为最适合AI落地的垂直场景之一。 - [00:00](https://www.bilibili.com/video/BV1tXSGBuExp?t=0s) 硅谷及海外保险巨头（如AIG、Sompo）拥抱AI多采用外采模式，与Palantir、Anthropic等外部技术公司合作，但存在数据安全隐患且难以建立自身AI护城河。 - [00:00](https://www.bilibili.com/video/BV1tXSGBuExp?t=0s) 平安集团构建了基于面部39个运动单元的“五位一言”多模态微表情风控模型，对疾病和说谎的识别准确率达96%，主要用于信贷辅助风控及心理诊断。 - [00:00](https://www.bilibili.com/video/BV1tXSGBuExp?t=0s) 在风控场景中，AI主要扮演辅助提效和降低风险的工具角色，高额理赔等重大决策仍需进入人工核实和复审阶段。 - [04:59](https://www.bilibili.com/video/BV1tXSGBuExp?t=299s) 平安自研的“定损大模型”支持10万+车型及7000+损伤形态，准确率达95%，实现了车险秒级理赔并让98.7%以上的案件在一天内赔付。 - [04:59](https://www.bilibili.com/video/BV1tXSGBuExp?t=299s) 面对生成式AI带来的新型欺诈，保险业正通过“AI对抗AI”的策略控风，语音TTS识别准确率达95%~99%，全面打击深度伪造（Deepfake）诈骗。 - [12:00](https://www.bilibili.com/video/BV1tXSGBuExp?t=720s) 相较于海外的“外采模式”，平安集团坚持了十年的“AI in all”全栈自研路线，选择“产业AI化”将AI能力深度融入自身产业以解决业务痛点。 - [12:00](https://www.bilibili.com/video/BV1tXSGBuExp?t=720s) 用户逐渐养成看病或理财前先咨询大模型的习惯，这种信任度的提升和用户习惯的变化使得“产业AI化”成为行业必然趋势。 - [12:00](https://www.bilibili.com/video/BV1tXSGBuExp?t=720s) 平安构建了由集中算力、海量数据、自研算法及智能体平台组成的“智能应用体系”，形成了高效运转的AI工厂模式。 - [12:00](https://www.bilibili.com/video/BV1tXSGBuExp?t=720s) 智能体（Agent）平台变革了开发模式，让产品经理可自主构建特定场景的智能体，目前集团内部已有超57,000个智能体在运行，覆盖20多万员工。 - [19:59](https://www.bilibili.com/video/BV1tXSGBuExp?t=1199s) 金融和保险行业对准确度要求极高，解决具体业务不能单靠一个通用大模型，而是需要大大小小多个模型协同作战的系统工程。 - [19:59](https://www.bilibili.com/video/BV1tXSGBuExp?t=1199s) 由于保险业积累了大量专业数据和行业 Know-how，该垂直领域成为了通用大模型大厂难以触碰的护城河。 - [19:59](https://www.bilibili.com/video/BV1tXSGBuExp?t=1199s) 中国平安作为唯一一家金融保险公司被高盛纳入“新中国股市AI投资框架”的“非科技领域深入增强型”类别，其AI深耕获资本市场认可。 - [19:59](https://www.bilibili.com/video/BV1tXSGBuExp?t=1199s) AI在平安的医养金融场景中展现出巨大商业价值，实现了近90%车险保单1分钟内出单、AI反欺诈前三季度拦截减损91.5亿元以及AI客服承接80%业务量。

## Detailed walkthrough ### [00:00](https://www.bilibili.com/video/BV1tXSGBuExp?t=0s) AI在保险行业的落地与微表情风控

AI技术正在迅速改造庞大而传统的保险产业。在全球AI热潮从“模型领先”转向“价值实现”的当下，保险领域被公认为最适合AI落地的场景之一。AI在保险业的应用场景非常广泛，包括微表情风控、对抗AI图像造假的图像鉴伪、面向寿险代理人的AI教练、销售出损场景的AI理赔出单，以及医疗方面的体检报告解析和AI健康管理师等。在硅谷，当红AI企业 Palantir 早就开始布局保险行业，集成高敏感度保险数据来赋能运营；2025年5月，马斯克的 xAI 更是携手 Palantir 和 TWG Global，在金融服务和保险领域部署人工智能。Palantir 的股价在过去一年中涨幅超过了200%。此外，保险巨头 AIG 在走出金融危机泥潭后，也选择与AI明星独角兽 Anthropic 合作，推进AI在保险和金融上的落地。

为了深入了解AI如何重塑保险业的增长逻辑，节目组与平安集团首席科学家肖金以及香港人工智能与机器人学会常务副理事长柳其峰进行了深度对话。在平安集团的一系列“AI in all”业务中，最有趣的技术之一便是“微表情风控”。类似于美剧《Lie to me》（《别对我撒谎》）中的心理学设定，人类面部有39个运动单元，细微的表情变化能反映出个体潜在的情绪意图。平安构建了“五位一言”多模态模型，对疾病和说谎时的微表情识别准确率达到了96%。

肖金博士解释道，微表情是人无法主观控制的、持续时间仅约十五分之一秒的短暂心理波动。当人试图撒谎时，脸部40多块肌肉会产生无意识的微小反应。如果摄像头能抓住这些特征，就能为信贷审批环节提供线索，帮助发现欺诈人员和黑产痕迹。目前，该技术已广泛应用于平安的无抵押小额贷款信贷场景。此外，在心理学诊断（如抑郁症、多动症等）中，该模型的准确率也达到了96%以上。不过，平安的产品人员也强调，AI在风控中主要扮演辅助提效、降低风险的工具角色，而非最终的“审判者”，高额理赔（如1000万元的大单）仍需进入人工核实和复审阶段。

- **Palantir 市场表现**：过去一年股价涨幅超过200%，并与日本大型保险公司 Sompo Holdings 签署长期合作协议，计划未来三年利用 Palantir Foundry 与 AIP 提升定价精准度。 - **微表情风控指标**：识别准确率达96%，微表情持续时间约为1/15秒，面部拥有39个运动单元。 - **应用场景**：无抵押小额信贷风控、心理疾病（抑郁症、多动症）辅助诊断。

---

[04:59](https://www.bilibili.com/video/BV1tXSGBuExp?t=299s) 图像识别、车损理赔与AI对抗AI的图像鉴伪

车损理赔是另一个展现AI威力的有趣案例。传统的理赔流程极其繁琐，涉及无数的电话沟通、问卷、邮件以及两家保险公司之间的拉扯。而平安推出了基于图像识别的“车险AI抽单”技术，客户只需使用“平安好车主”APP拍摄几张照片上传，即可搞定全流程。平安自研的“定损大模型”能够支持10万多种车型、1000万多个部件以及7000多种损伤形态，准确率达到95%。

通过图片定损，系统能自动识别受损车辆的身份、受损部位、损伤程度，并计算出该地区对应的理赔修复方案和赔付金额。在很多地区，低于3000元的案件可以实现自动付款。这一技术的上线，使得平安98.7%以上的案件能在一天内赔付，其中70%以上能在一小时内赔付，大幅提升了客户体验并降低了保险公司的运营成本。

除了车损定损，图像识别技术还被重度应用于“图像鉴伪”中，这对于保险业的成本控制至关重要。截至2025年8月末，中国保险业总资产已突破40万亿元，但欺诈造成的损失一直是难以降低的成本。随着AI工具的普及，越来越多的欺诈材料开始由AI生成。平安等巨头正在用“AI对抗AI”的策略来控制风险。肖金指出，虽然现在的AI语音机器人和AI合成图像足以“以假乱真”，但通过分析语音信号的频谱分布和频域特征，系统仍能以95%以上的准确率（部分场景可达99%）识别出由 TTS（语音合成）生成的假声音。对于身份证等证件造假，识别率在90%以上；对于局部文字修改的合同造假，识别率在80%左右；而对于完全由AI生成的图片，由于其照片噪音极小、画面过于光滑，AI也能高效识别其特征。

- **车险理赔数据**：定损大模型支持10万+车型、1000万+部件、7000+损伤形态，准确率95%；3000元以下可自动付款；98.7%以上的案件在一天内赔付，70%以上在一小时内赔付。 - **行业资产规模**：截至2025年8月末，中国保险业总资产突破40万亿元。 - **AI鉴伪准确率**：语音TTS识别准确率95%~99%；身份证等证件造假识别率90%+；局部文字修改合同识别率约80%。 - **政策与合规**：2025年10月15日，平安集团旗下的 Ping An OneConnect Bank（香港数字银行）与金融壹账通联合打造的“欺诈策略平台”（Anti-Fraud Strategy Platform）入选香港金管局推出的“生成式人工智能沙盒”（Gen AI Sandbox），重点探索如何以AI对抗深度伪造（Deepfake）诈骗。

---

[12:00](https://www.bilibili.com/video/BV1tXSGBuExp?t=720s) 平安的“AI in all”战略与全栈自研路径

在国际上，大多数大型保险公司（如 AIG、Sompo）在拥抱AI时多采取与外部2B公司（如 Palantir、Microsoft、Anthropic）合作的模式。例如，AIG 在2025年的投资者日上，其 CEO Peter Zaffino 与 Anthropic 的 CEO Dario Amodei 同台，明确将生成式AI视为承保与理赔的核心变革力量。然而，这种过度依赖外部服务的模式存在数据安全隐患，且难以建立起企业自身的AI护城河。相比之下，平安集团选择了独特的“AI in all”全栈自研路线，并为此布局了超过10年。

肖金博士回顾了人工智能“两起两落”的历史，指出前两次衰落是因为未能产生实际的商业价值。他认为AI落地有两种方式：一是“AI产业化”（将AI工具作为产品输出，如纯AI技术公司），二是“产业AI化”（将AI能力融入自身产业创造价值）。平安选择的是“产业AI化”，并提出了“AI in all”而非“All in AI”。肖金坦言，外部采购的AI公司对保险业务的理解往往较浅，画不出业务流程，更找不到痛点，因此只能做“点状”落地；而平安通过自研，构建了底层的体系化技术能力，实现了体系化的AI落地。

随着 DeepSeek、GPT 等大模型的广泛应用，客户对AI的信任度显著提升，许多人在看病或见理财经理前会先咨询 DeepSeek。这种用户习惯的变化，使得“产业AI化”成为了必然趋势。平安在AI投入上拥有独特的全栈优势，其构建的“智能应用体系”如同一个高速运转的工厂： 1. **动力系统**：全集中的算力平台（整合所有 CPU 和 GPU 算力），由遍布全国的数据中心支持。 2. **燃料系统**：海量数据。一方面作为“数据飞轮”训练模型，另一方面作为决策判断和服务客户的依据。 3. **指挥大脑**：自研算法。 4. **连接体系**：智能体（Agent）平台。

通过智能体平台，平安实现了开发模式的变革。过去，业务人员需要向开发团队提需求，再由程序员开发；现在，产品经理可以直接在智能体平台上通过编辑、组合和配置参数，自主构建特定场景的智能体。目前，平安集团内部已有超过57,000个智能体在运行，覆盖了20多万员工，极大地实现了“百花齐放”的边角料场景智能化。只有在智能体无法完全解决问题时，才需要开发团队介入，而开发团队也能通过AI编码工具大幅提效。

---

[19:59](https://www.bilibili.com/video/BV1tXSGBuExp?t=1199s) 准确性挑战、商业化成果与行业未来

香港人工智能与机器人学会常务副理事长柳其峰指出，对于金融和保险行业而言，“准确度”是至关重要的。大模型从深度学习阶段至今，依然面临着准确度有待提高的限制。平安采用的“三层大模型结构”是确保准确性的优秀样本。他强调，解决复杂的具体业务问题绝非靠一个“GPT-5”单枪匹马就能搞定，即使是像 Claude 这样领先的模型，其 Prompt 往往也长达数千甚至上万个 Token。这是一个复杂的系统工程，需要大大小小多个模型在各个环节协同作战，并在成本可控的范围内提高准确度。

平安在AI领域的深耕也得到了资本市场的认可。高盛发布研报上调了平安的目标股价，维持“买入”评级，并将平安纳入其“新中国股市AI投资框架”中。值得一提的是，中国平安是唯一一家被列入“非科技领域深入增强型”（即AI驱动营收增长）主题类别中的金融保险公司。

AI重塑保险业增长逻辑已成为行业共识，而这个垂直领域正是通用大模型大厂难以触碰的，因为其中积累了太多的专业数据和行业 Know-how。从实际落地数据来看，AI已经为平安带来了巨大的商业价值和效率提升： - **平安产险**：实现近90%的车险保单平均1分钟内出单；63%的人伤案件理赔实现自动化，最快51秒结案。 - **平安人寿**：在“111极速赔”项目中，闪赔占比达到58%。 - **风控与运营**：AI反欺诈系统在前三季度拦截减损91.5亿元；AI坐席已承担公司80%的客服业务量；AI辅助销售规模将近千亿元。

这些数据表明，AI在医养金融的实际落地已成为AI商业化的重要样本。尽管AI仍面临准确性、数据安全和架构严谨性等技术挑战，但通过深度学习和 Agent 技术，AI将继续对金融、医疗和养老产业产生颠覆性的影响，为用户创造真正的生活价值。

## Notable quotes > [00:00](https://www.bilibili.com/video/BV1tXSGBuExp?t=0s) 微表情是人无法主观控制的、持续时间仅约十五分之一秒的短暂心理波动。当人试图撒谎时，脸部40多块肌肉会产生无意识的微小反应。如果摄像头能抓住这些特征，就能为信贷审批环节提供线索，帮助发现欺诈人员和黑产痕迹。 — 肖金

> [00:00](https://www.bilibili.com/video/BV1tXSGBuExp?t=0s) AI在风控中主要扮演辅助提效、降低风险的工具角色，而非最终的“审判者”，高额理赔仍需进入人工核实和复审阶段。 — 平安产品人员

> [04:59](https://www.bilibili.com/video/BV1tXSGBuExp?t=299s) 虽然现在的AI语音机器人和AI合成图像足以“以假乱真”，但通过分析语音信号的频谱分布和频域特征，系统仍能以95%以上的准确率识别出由 TTS 生成的假声音。 — 肖金

> [12:00](https://www.bilibili.com/video/BV1tXSGBuExp?t=720s) AI落地有两种方式：一是“AI产业化”，二是“产业AI化”。平安选择的是“产业AI化”，并提出了“AI in all”而非“All in AI”。 — 肖金

> [12:00](https://www.bilibili.com/video/BV1tXSGBuExp?t=720s) 外部采购的AI公司对保险业务的理解往往较浅，画不出业务流程，更找不到痛点，因此只能做“点状”落地；而平安通过自研，构建了底层的体系化技术能力，实现了体系化的AI落地。 — 肖金

> [19:59](https://www.bilibili.com/video/BV1tXSGBuExp?t=1199s) 对于金融和保险行业而言，“准确度”是至关重要的。大模型从深度学习阶段至今，依然面临着准确度有待提高的限制。 — 柳其峰

> [19:59](https://www.bilibili.com/video/BV1tXSGBuExp?t=1199s) 解决复杂的具体业务问题绝非靠一个“GPT-5”单枪匹马就能搞定，即使是像 Claude 这样领先的模型，其 Prompt 往往也长达数千甚至上万个 Token。这是一个复杂的系统工程，需要大大小小多个模型在各个环节协同作战，并在成本可控的范围内提高准确度。 — 柳其峰

## Mentioned 马斯克, xAI, Palantir, TWG Global, AIG, Anthropic, 肖金, 柳其峰, 平安集团, 香港人工智能与机器人学会, Lie to me, 平安好车主, Ping An OneConnect Bank, 金融壹账通, 香港金管局, Peter Zaffino, Dario Amodei, DeepSeek, 高盛, 平安产险, 平安人寿

[Source](https://www.bilibili.com/video/BV1tXSGBuExp)

中文简报

中国平安自研AI反欺诈系统前三季度拦截减损91.5亿元通用大模型厂商因缺乏专业数据与行业Know-how难以触碰保险垂直领域，而中国平安通过十年全栈自研的“产业AI化”路径成功构建起商业护城河。随着全球AI从“模型领先”转向“价值实现”，保险行业正成为AI落地的核心场景。视频深入探讨了中国平安集团如何通过独特的“AI in all”全栈自研路线，将微表情风控、大模型图像定损和AI语音/图片鉴伪等技术融入具体业务。通过构建全集中的算力平台、海量数据飞轮、自研算法以及智能体（Agent）平台，平安成功降低了欺诈风险并大幅提升了理赔效率，为非科技领域的产业AI化转型提供了重要的商业化样本。平安自研基于面部39个运动单元的“五位一言”微表情多模态模型，识别说谎与疾病的准确率达96%，已有效应用于无抵押小额信贷风控与心理辅助诊断场景。 (0:00) 平安自研定损大模型支持10万+车型与7000+损伤形态，准确率达95%，助力超98.7%的车险案件在一天内赔付，并以95%~99%的TTS识别率展开“AI对抗AI”的反欺诈攻防。 (4:59) 不同于海外保险巨头采购Palantir、Anthropic等外部方案，平安坚持十余年走“AI in all”全栈自研与产业AI化路径，集团内部运行超5.7万个智能体（Agent）赋能一线业务。 (12:00) AI在金融保险的落地成效显著，平安前三季度通过AI反欺诈系统累计拦截减损91.5亿元，AI坐席承担了80%的客服业务量，成为垂直行业实现商业价值的典型样本。 (19:59)

Reading summary

随着全球人工智能从模型竞争转向价值落地，保险业正通过微表情识别、多模态鉴伪与智能体架构加速重塑。平安集团首席科学家肖金等专家指出，垂直产业依靠全栈自研与海量业务数据构建的“产业AI化”，能够有效突破通用大模型的行业壁垒并转化为运营效益。微表情与多模态AI反欺诈 (0:00) 保险与信贷业务中，欺诈造成的损失一直是核心痛点。平安构建了“五位一言”多模态模型，通过捕捉人脸39个运动单元、持续约十五分之一秒的无意识微表情，在小额无抵押贷款信贷与心理疾病辅助诊断中实现96%的识别准确率。不过产品团队也明确指出，微表情AI仅作为初筛和辅助提效工具，千万元级别的大额理赔仍由人工核实把关。面对日益普及的AI深度伪造（Deepfake），保险机构开始推行“以AI对抗AI”策略。肖金介绍，系统通过分析语音频域特征对TTS合成声音的识别率达到95%至99%，证件造假识别率超90%，局部篡改合同识别率约80%。平安旗下的欺诈策略平台也已入选香港金管局的“生成式人工智能沙盒”，专项防御合成欺诈风险。图像定损与理赔流程自动化 (4:59) 车损理赔是AI规模化提升效率的代表场景。平安自研的定损大模型涵盖了10万多种车型、1000万多个部件与7000多种损伤形态，图像识别准确率达95%。车主在APP端拍照上传后，系统即可自动判损并核算维修方案与赔付金。该技术推动了全流程的快速结案。在部分地区，低于3000元的案件支持自动付款；平安98.7%以上的车损案件可在一天内赔付，其中超70%在一小时内完成。理赔自动化大幅缩减了跨公司扯皮与繁琐沟通的运营开支，优化了终端体验。全栈自研路线与智能体工厂 (12:00) 相较于国际巨头（如AIG携手Anthropic、Sompo采用Palantir）采购外部2B模型的做法，平安选择了全栈自研的“产业AI化”路径。肖金认为，外部技术公司由于缺乏对保险复杂业务链与痛点的深刻理解，通常只能实现点状突破，且容易引发数据安全担忧。平安将自身技术底座搭建为包括集中算力、海量数据、自研算法与智能体平台在内的智能体系。在应用层，产品经理可通过平台自主配置和调试场景智能体。目前平安内部运行的智能体超过57,000个，覆盖20多万员工，将开发模式从单纯依赖程序员提需求转向业务端直接自主落地。准确性瓶颈与商业化成效 (19:59) 香港人工智能与机器人学会常务副理事长柳其峰表示，金融保险对准确率要求极高，单一通用大模型难以独立应对复杂业务，需要依赖三层大模型等系统工程协同提效。由于积累了深厚的行业Know-how与专业数据，垂直巨头在这一领域形成了通用模型难以替代的优势。从商业回报来看，平安产险车险保单近90%在1分钟内出单，人伤理赔自动化率达63%；寿险闪赔占比达58%；前三季度AI反欺诈拦截减损91.5亿元，AI坐席承担了80%的客服业务量，辅助销售规模近千亿元。高盛亦上调平安目标价并维持“买入”评级，将其作为唯一入选“非科技领域深入增强型”的金融保险公司。尽管AI在保险业带来了可量化的降本增效成果，但大模型的准确度瓶颈、底层数据安全与架构严谨性依然是该行业深化AI应用必须面对的技术挑战。

Source quotes

[0:00] 肖金: 微表情是人无法主观控制的、持续时间仅约十五分之一秒的短暂心理波动。当人试图撒谎时，脸部40多块肌肉会产生无意识的微小反应。如果摄像头能抓住这些特征，就能为信贷审批环节提供线索，帮助发现欺诈人员和黑产痕迹。 [0:00] 平安产品人员: AI在风控中主要扮演辅助提效、降低风险的工具角色，而非最终的“审判者”，高额理赔仍需进入人工核实和复审阶段。 [4:59] 肖金: 虽然现在的AI语音机器人和AI合成图像足以“以假乱真”，但通过分析语音信号的频谱分布和频域特征，系统仍能以95%以上的准确率识别出由 TTS 生成的假声音。 [12:00] 肖金: AI落地有两种方式：一是“AI产业化”，二是“产业AI化”。平安选择的是“产业AI化”，并提出了“AI in all”而非“All in AI”。 [12:00] 肖金: 外部采购的AI公司对保险业务的理解往往较浅，画不出业务流程，更找不到痛点，因此只能做“点状”落地；而平安通过自研，构建了底层的体系化技术能力，实现了体系化的AI落地。 [19:59] 柳其峰: 对于金融和保险行业而言，“准确度”是至关重要的。大模型从深度学习阶段至今，依然面临着准确度有待提高的限制。 [19:59] 柳其峰: 解决复杂的具体业务问题绝非靠一个“GPT-5”单枪匹马就能搞定，即使是像 Claude 这样领先的模型，其 Prompt 往往也长达数千甚至上万个 Token。这是一个复杂的系统工程，需要大大小小多个模型在各个环节协同作战，并在成本可控的范围内提高准确度。

Original transcript

[0:00] AI落地最合适的是什么行业呢毫无疑问保险业这个庞大又传统的产业正在被AI迅速改造随便举几个例子啊比如说微表情风控你说没说谎AI一看就知道每年能帮我们减少20亿左右的其他的损失了现在有人开始用AI去生成假图片片保那么保险公司就可以在图像建委上用AI对抗AI实际上我们发现其实AI是可以适配出AI造假的东西还有面向受险代理人的AI教练培训销售出损场景的AI理配出单还有医疗方面的体检报告解析AI健康管理师等等可以说无论是在国际上还是在国内我们已经看到全球AI热潮由模型领先转向价值实现而在保险领域有着非常好的落地应用场景AI应用不容易它要打造你底层的基础体系化的救星能力才有可能实现的在硅谷,当红AI企业Palantir早就开始布局保险行业,集成高敏感度保险数据,赋能保险运营的各个环节。在今年5月,马斯克旗下的XAI更是携手Palantir和TWG Global合作,在金融服务和保险领域部署人工聚能。顺便说一句,Palantir的股价真的是涨到飞起过去一年的涨幅超过了200%另外保险巨头AI机在花了十多年时间走出金融危机泥毯之后第一步就是选择与AI明星独角兽Andrabe合作推进AI在保险和金融上的落地所以你看AI业绩和资本市场其实都非常看好和压住AI大模型在保险业上的落地而从硅谷到中国我们观察到保险家AI的趋势也在快速的发生因此为了进一步了解AI是如何落地在保险这个行业的我们和平安集团的首席科学家萧金以及香港人工智能与机器人学会常务副理事长柳其峰聊了聊AI会如何重塑保险业的增长逻辑我们发现平安的AI布局也非常的有意思并且非常难以复制那这里我先卖个关子一会儿我们会告诉大家为什么平安的AI路线非常的独特那首先我先来跟大家讲三个非常有趣且实用的AI赋能保险的案例那么第一呢就是微表情风控平安在一系列AI in all的业务当中我觉得最有意思之一的这个技术就是微表情风控了不知道大家有没有看过Lie to me这个美剧讲的就是心理学范畴下不用测谎疑不用证据很多情况下呢一个细微的表情变化就可以判断一个人是否在说谎因为呀其实人的面部有很多运动单元的单位比如说眉毛眼神面部肌肉的跳动那么这样也更有39个运动单元来识别面部的表情平安就构建了五位一言多模态模型挖掘个体潜在情绪意图以及疾病微表情识别准确率96%那这样就可以支持金融防欺诈比如说在贷款面上问答环节使用降低不良案件发生同时也支持医疗心理疾病诊断比如说在视频问诊过程中使用判断心理疾病症状提示疾病风险表情是很有趣的话题可能平安比较独特的一直在坚持微表情的研究了也十几年了微表情的识别它在很多场景是有用的为什么呢它是可以反映人的一个心理的一个小的很短的时间的一个波动它一般是十五分之一秒左右吧就是长短有点范围但基本上是很短的一个心理波动所以人在想撒谎的时候有个小心理波动脸部的那四十几块肌肉就会有点小的反应这种反应不是人主观控制的所以他自己可能都没意识到但是会呈现出来呈现出来的时候如果摄像头抓住了就可以一定程度的反应他是不是心里在有撒谎或者什么的倾向就可以帮助我们去做审批环节的一些线索帮助我们去发现一些欺诈人员黑产人员等等这些痕迹所以在平安也是尝试了很多年一直在不断进步现在是已经在我们这个信贷场景尤其是那个无底压的小的这种贷款场景其实很广泛的用那另外它还用在心理学上现在我们实际上在心理的这种诊断心理的像抑郁症多动症什么等等这些领域的一些诊断也有90%多的96%的那个准确率你看这就是一个非常好的AI多谋他引用场景但是平安的相关产品人员就告诉我一些风险案件还是会进入到人工核实和复审的阶段比如说理赔1000万元的大胆也不会单靠AI多模态来测谎对吧还是需要多方面去验证的而微表情风控的技术主要是人去利用AI为辅助工具来更好的提效为保险机构降低风险而不是用AI来作为审判那么另外还有一个很有趣的案例就是 [4:59] 是车损理赔了那么另外有趣的案例呢就是车损理赔这就不得不说我自己去年发生的那场车祸了OK对方全责stop sign没停我正常执行结果呢他从旁边这个小路给冲出来我没有杀柱就撞了上去还好这没事啊但是整个理赔过程不要太麻烦打了无数的电话那我这边的保险公司还有对方的保险公司各种的问卷邮件电话整个过程实在是太费劲了而平安推出的基于图像识别的车显AI抽单就非常有意思只要拍几张照片就可以全部搞定比如说以图片定损为例平安自研的定损弹模型就可以一个模型的支持10万多车型1000万多部件7000多损伤形态准确率达到了95%那么依托于这一核心的自研技术车显全流程是实现了端到端的智能化变革城堡环节AI自动进行损伤核验对资料进行建委查看环节利用定损大模型机器人可以自动收单实现按键查看自动化我们更关注的是效率就是客户的体验能快速的处理快速解决之前的话我们还是要派这个查看人员去现场拍照片查看然后定损人员去定损就效率很低然后成本也高体验不好那么现在我们通过图片定损的话就可以我们的客户只要用好车组APP自己拍一些照片然后上传就可以快速的识别出这个车就是我保的车哪个部位收损了损伤程度如何在那个地区这种损伤应该是怎么样的一个理赔的修复的宽案应该付多少钱什么等等这些都算出来以后我就可以自动的出一个美付的计划保育的方案报告给我们的客户他如果接受了那么在很多地区低于3000块就可以自动付款这样的话那个效率就大幅提升了体验也大幅提升实际上这个上线以后帮助我们实现了我们98.7%以上的这个案件都可以一天内赔付70%多可以一小时内赔付除了平安以外而这样的图像识别技术还能够充分的运用在图像建委的拥土当中这对保险业的成本控制太重要了那其实大家别说的其实是在图像识别的这种系统的图像识别的这种系统的图像识别的这种系统的图像识别的这种系统的图像识别的这种系统的图像识别的图像识别的图像识别的图像识别的图像建委的拥土当中这对保险业的成本控制太重要了那其实大家别看保险业是一个巨大的市场截至2025年8月末中国保险业的总资产就已经突破了40万亿元美国也是几十万亿美元的一个规模但是呢欺诈造成的损失一直是这个产业当中难以降低的成本这包括了申请材料身份验证以赔缓解信贷申请等等都有非常大量的造假和欺诈信息而如今随着AI工具的能力日记强大且普及化保险公司们也发现更多的欺诈是由AI来造假的因此像平安这样的保险巨头用更高的AI建委能力去检测欺诈材料用AI对抗AI来控制风险以前主要还是靠人的一些经验规则去做一些判断去识别AI是一个辅助工具然后现在随着AI技术发展这人越来越难判断了这个造的假跟真的就看不出去所以就需要选很多AI技术来做但实际上我们发现其实AI是可以识别出AI造假的东西比如说语音语音信号现在做的语音机器人那真是以假乱真就非常非常逼真那口气背景噪音什么全么全都能弄出来但是呢我们如果去分析它那个频谱啊就是它里面那个语音信号里把它分析到那些频域啊一些其他领域去分析一下发现它还是有跟正常的那个收音的讲话那个录音收的那个声音是不太一样的它的那个噪音的分布包括它的那个频谱的分布是会有区别的所以说我们通过技术像声音的话是可以达到95%以上的准确率识别出来它是一个AITTS生成的生意在很多场景甚至更高甚至接近99的识别率但平均的话可能95%以上能识别出来它是造假的所以它如果一个电话AI生成的生意打电话进来那是可以识别出来的普遍现在在那个身份证等等这些证件造假也是90%几以上识别率可以识别出来但是还有一些比如说它是那种什么合同资料那种少量的文字修改一下造假那种就难一点因为那种虽然屏幕上也能看到一点区别但它是非常局部的所以可能现在是80%左右的准确率可以识别出来还有PS或者是AI部分造假如果是整个图片是AI生成的实际上识别准确率是很高的整个图片全是AI生成它那个照片那个噪音太小 [9:59] 很光滑它在屏幕上一看还是能看出一些特征来所以还是识别率相对来说比较高的所以现在我们国家也很重视所以也要求凡是大目星星的东西要做标记所以现在很多基本观赛的项目国家的项目里都在做这些方面的那些研究和突破现在我们在这个领域上有些具体的应用所以效果还是不错那我们看到2025年10月15号平安集团旗下的Powerbank香港数字银行与金融以仗通联合打造的欺诈策略平台Anti-Frost Strategy Platform是入选了由香港金管局推出的深城市人工智能杀核Gen AI杀核来聚焦银行业的风险管理反欺诈及客户体验创新特别针对深度伪造诈骗设立测试方向重点探索如何以AI去对抗AI那么截而言之呢用AI造假没有那么容易好那么以上呢我们说完了这三个案例啊我相信大家已经能够深切的感受到为什么我们在开头说保险是一个非常适合AI去轮火体的场景了那么对于客户来说这是一个产品复杂选项繁多信息超级爆炸但是你又不得不去面对的行业那么对于企业来说你有太多需要提效的人力资源和成本那我也非常的好奇平安是怎么去布局整个AI策略的那以下就是我和肖金博士聊到的平安AI in all战略那我们观察到在国际上虽然大保险公司有所动作但是目前大多数还是采取的合作模式那么这样很多AI as a service 的2B公司就获得了巨额的订单首先Polentier在保险领域的应用愈发深入这家硅谷AI明星公司在官网就明确的提出insurance业务板块涵盖了城堡理赔组合管理和风险筛查比如说日本的大型保险公司Sample Holdings就在2023到2024年与Polentier签署了长期的合作协议利用Polentier Foundry与人工智能平台AIP集成Sumple的数据资产与业务流程计划未来三年投入数据整合与AI解决方案来提升定价精准度与运营效率再看AIG与Anthrobic的合作AIG在2025年的《投资者日中》CEO Peter Zaffino与Anthrobic的CEO Daryl Amode通台明确将生成式AI视为其保险业务的核心变革力量尤其聚焦在城堡与理赔流程但这里有一个问题这些保险大公司过于依赖外部的AI服务那么数据安全如何保证AI的护城河与竞争优势如何建立为什么他们不去in-house自己搭建AI团队呢当我知道平安市花了超过10年时间去布局全占AI能力的时候我也很好奇他是如何做到的其实我们看到在国际上的一些大的保险集团他们可能对于拥抱AI来说还是走得比较谨慎的包括他们可能会跟Pantera跟微软这种外部的AIF不去合作没有像咱们这么就是打出AI in all的这个口号我也想问一下就是说平安现在要提出要AI in all它其实是一个非常全战的approach跟策略去拥抱AI想问一下就是说你们是怎么去定义跟理解平安来运用来实现这个显著企业级价值这件事情的非常好的问题实际上这个能工智能它也不是一个新的东西是吧它是那个五六年正式学科上五零年那个同龄车次开始弄了六十多年两期两落它是两次兴起两次又衰落了现在第三次了那么为什么前面两次衰落我认为它就是没有产生实际的商业价值所以它这个行业不能养活自己所以它就衰落了第三次呢就是我觉得就看它能不能产生价值能不能真正养活自己这个创建只有两种方式一种就是它把AI的工具作为一个产品往外输出就是那种纯的就是我们叫AI产业化的公司他把AI的能力变成一个产品这边的一个产业去发展还有一种像平安这种就是要产业AI化我们想做的就是产业AI化因为我们认为这个AI产业化相对来说是更挑战就是你要把你的AI的工具变成一个产品去服务其他的业务领域它实际上是挺复杂的一件事情很难做的特别标准化很规模化我不是说C端我说是那个B端的图企业图政府这些医院等等这些应用很难做特别标准化能标准化的那个结果就是它很难一下子形成规模效应所以呢我们没有提All in AI我们提的是AI in all所以我们重点讲的是产业的AI化进了我的产业全面的实现AI化创造价值那所以那个在AI in all [14:59] 这个场景里面我们认为是有机会的首先那个AI在具体场景落地刚刚讲其实是一个挺难的过程是吧真的要产业实现AI化AI in all不容易就是它要打造你底层的很多的那个我刚刚讲的基础体系化的技术能力才有可能实现的我也跟很多海外的公司交流过包括我们那个加拿大美国北美这些公司交流过包括中国也有很多公众尝试过想要变成平安这个样子的方式但是不自己建完全是外面去采购去做来实现但实际上是挺难的因为为什么很难因为这些AI产业化的公司它实际上对业务理解是很浅的它没自己做过你没自己做过的话很多东西都不知道流程都换不出来流程换不出来更加不会知道瓶颈在哪问题在哪这样的话实际上落地是只能是点撞的只能是针对某些点撞场景去做那就很难实现像平安这种体系化的AI硬弱的这样的能力很难全面解决问题我觉得我们现在虽然AI落地很难但我们也看到有一些很好的机会尤其是大模型这个Deep SeekGPT这些现在广泛应用之后我们的客户已经有两个很大的变化其中一个很大变化就是他对AI更信任现在很多病人去看病之前都会先问一下Deep Sek客户经常见理财经理之前都先问一下DeepSeek所以他更信任AI所以我觉得产业AI化是一个必然趋势也是一个很好的机会就是你只有真正实验AI化你真正具备能力才有可能比客户知道的更多更专业人家才会更信任你才会要你的服务所以我觉得也是一个即使一个挑战也是一个很好的机会就像您说的其实平安它其实已经在尝试拥抱AI已经十多年了但是其实这一轮的生成是AI我们所说的这种大元模型其实是在最近几年才风靡起来的那我想问一下就这一轮的AI浪潮以来平安在就是AI投入上以及AI的整体的战略上有什么样的考量呢以及比如说它在模型啊算力啊数据啊安全啊这几大方向在国际的这个保险行业当中有哪些差异性的优势非常好的问题平安的集成算力平台是全集中的包括我的那个CPU GPU所有的算力是全部集中的然后这些算力平台由遍布全国的数据中心来支持这是我们的动力系统然后我们的那个数据呢我们认为是这个蓝料起到两个作用一个作用是帮我们作为数据飞业人去训练各种各样的那个模二个作用是在我们决策判断服务客户的时候作为一个依据要素这个特征来帮我们去更好的服务我们的客户这个数据也是蓝料已经搭建起来第三个那就是我们的算法就是我们的指挥大脑然后我们智能体是我们的一个整个体系把这个大脑动力和蓝料全都串起来变成一个非常高速运转标准化的规范化的一个整个体系工厂让我们所有员工都能够在智能体上快速的开发应用这样的话就是我们形成了一个完整的一个能够智能应用的体系包括整个工厂的所有的需要的要素包括底层的数据刚刚讲的算力然后算法以及我们的工厂的自动化的这些组件这样的话就是我们可以快速的去覆盖所有的AI应用的适配场景觉得这个DeepSeekR1OpenAI文万这些强思考大模型出现在这个发展阶段以后这个模型不仅是可以记忆可以泛化而且还可以思考可以举一反三处类旁通并且可解释所以这样的话就让我们的应用更加广泛而且在这个阶段我们还出现了非常强大的智能体平安机构建了我们的智能体平台可以帮我们提效原来就是传统方式我们在很多业务场景要去做智能化应用需要我们的产品经理或者业务人员去定义这个问题定义问题然后提出需求给开发团队然后开发团队帮他去做具体的开发那现在有了智能体平台以后我们的产品经理可以自己不需要提需求给开发团队自己在智能平台通纳载编辑组合和配置参数它就可以构建它的一些场景的智能体这样的话就可以减少了大量的开发人员的投入也就体效了只有它通过智能体不能完全解决了它才需要提需求给开发团队然后开发团队通过我们现在AI编码工具也能体效这是第二方面体效智能体最近一年以来其实也就做了一年多时间现在已经有57000多的智能体了现在全集团20多万元我们在上面应用这样的话就能百花其放地我们可以复盖我们集团所有的这些从上到下从大到小边边角角的所有的这些智能化应用真正能够实现我们的整个体系的智能化所以我们最终就可以复盖我们的所有价值目标的场景把我们这些金融医疗养老这些核心的业务场景就能快速的全面的去复盖真正的实现AI应用 [19:59] 与机器人学会常务副理事长刘其峰就认为对于金融和保险行业来说准确度是非常重要的而平安的三层大模型去确保准确性将是2B应用落地的一个样本做法那么现在主要面临的一个巨大的挑战是什么呢这个挑战实际上从深度学习这个阶段到现在大模型都存在的就是这个准确度还是有待提高所以这个大模型有它的限制刚才肖总介绍说这个三层的这种结构来保证这个是非常好的因为解决具体的业务问题绝非是一个GPT5冲上去就完事了即使举个例子即使就像这个Cloud这样它也是用基于GPT的这个模型但是它的那个promping都已经几千个token甚至上万个token所以这是非常复杂的一个系统工程更不用说刚才肖总介绍这个解决一个问题可能用多个模型大大小小各个环节各个情况它一起上它不是说一个大不行能解决的那么我们做这些复杂的这些事情的目的其实呢就是还是要提高这个准确度同时呢就在这个成本可控的范围之内高盛也发布了言报上调了平安的目标股价维持满足评级并且把平安纳入到高盛提出的新中国股市AI投资框架值得一提的是中国平安是唯一一家被列入非科技领域深入增强行也就是AI驱动营述增长这一主题类别中的金融保险公司那可以说呢AI正在重塑保险业的增长逻辑已经成为了行业共识而这个锤类正是模型大厂触碰不到的领域因为有太多的专业数据和行业的能耗了具体来看平安产险实现近九成车险单平均一分钟出单63%的人商案件理赔实现自动化最快51秒即可结案受险111急速赔项目当中闪赔占比达到58%在风控方面AI反欺诈系统前三季度拦截减损91.5亿元此外AI作息已经承担公司80%的客户量AI辅助销售规模将近千亿元这些数据都在印证一个公式AI在一养金融的实际落地是AI商业化的重要样本那么香港人工智能与机器人学会常务副理事长刘其峰在与我们连线的时候也认为说虽然面临着一些技术上的难点和挑战但是AI将进一步的通过深度学习和agent技术对金融和医疗继续产生颠覆性的影响那我们这个视频聊到AI在保险养老还有医疗以及金融板块的几个相关应用那因为视频的时长关系其实还有非常多锤类产品和服务我们还没有来得及详细的说到包括AI对销售和客服的培训来提升整体的销售能力还有医疗上的人机协同性模式来更好地进行陪伴式健康管理等等我们看到的是保险和医养金融这样复杂庞大繁琐的业务正在被AI的科技创新改革创造出新的生命力和产品力随着AI大模型能力的进一步提升模型本身谁更强对于普通用户来说也许并不是最关键的问题了而大家在乎的不过是AI能为我们的生活带来什么样的价值但是AI还面临着接下来的技术挑战包括准确性上的挑战所以如何利用更加安全的架构来保证准确率更严谨的制度来确保数据安全以及更创新的范式来对保险业降本增效将是行业继续探讨的重点我们也会为大家继续的关注MING PAO CANADA MING PAO TORONTO