AI 大模型是人工智能预训练大模型的简称，以“大规模预训练+微调”范式满足 多元化需求。在大数据的支持下进行预训练后，仅需少量数据的微调就能直接基 于超大规模基模型打造出领域大模型或行业大模型，进而覆盖更多行业自场景， 直接支撑各类应用，具备强大的泛化性、通用性和实用性，可以在自然语言处理、 计算机视觉、智能语音等多个领域实现突破性性能提升。
生成式 AI 大模型的突破赋予 AIGC 广阔的产业化应用空间。2022 年底 OpenAI 发布人工智能聊天机器人 ChatGPT，在具有庞大参数量的大型语言模型训练下， ChatGPT 展示出了强大的人机交互体验、高质量的持续对话能力以及较好的逻辑 推理能力。生成式 AI 的出现，直接促使大模型带来的价值进一步升级到人类生产 力工具的颠覆式革新。同时，数据规模和参数规模的有机提升，也让大模型开始 具备涌现能力（Emergent Ability），为 AIGC（AI Generated Content）技术的升级 提供了强力支撑。 国内外大模型快速发展，将加速产业智能化变革。2019 年来大模型发展提速， OpenAI、Google、百度、阿里等国内外科技公司开发迭代多版 AI 大模型，大模型 的通用性以及基于“预训练+微调”等新开发范式，让 AI 场景应用的模型定制流 程变得更标准化、效果优化更简单，有望大幅加速人工智能大规模产业化进程， 推动 AIGC 在各行各业的渗透与落地。
我们认为，垂直领域的数据是大模型应用的关键，保险行业作为数据密集型行 业，具备数据优势，在政策支持与自身强智能化意愿下，是 AI 大模型的最佳应 用领域之一。
2.1 垂直领域 AI 大模型成发力方向，金融领域已率先落地
垂直领域大模型成细分领域公司 AI 大模型发力方向。当前 AI 大模型发展方向已 分化为通用大模型与垂直大模型两类，其中通用大模型需要巨大的计算资源和数 据量，对技术团队与资金支持要求极高，是国内外科技领域大厂的重点项目，相 对而言，细分领域企业既不具备开发优势，实际应用场景也较少。而垂直领域大 模型专注于特定的行业、领域或场景，且能够依托行业数据与知识壁垒，为企业 提供更准确、专业的解决方案，更好满足用户在特定领域的需求，当前网络安全、 金融、医疗、教育等领域均有垂直领域大模型布局或落地。此外，垂直领域的大 模型具备算力不够大、算法难度相对低等优势，又对特定领域数据要求高，更适合数据积累丰富的保险行业探索。
彭博最早推出专为金融行业打造的 500 亿参数大语言模型 BloombergGPT，为 垂直领域大模型提供新范式。2023 年 3 月 30 日美国彭博正式发布大型语言模型 BloombergGPT，其具有 500 亿参数，并依托彭博的大量金融数据源，构建了一 个 3635 亿个标签的数据集，使得模型更加聚焦金融场景，更加适应金融术语的 复杂性与独特性，从而支持金融领域的各项任务，有效实现了 GPT+垂直知识的 深度融合。 BloombergGPT 在金融领域表现超越现有模型，展现了基于垂直领域数据打造的 大语言模型在专业领域的强大竞争力。根据彭博发布的论文，其根据模型大小、 训练数据类型、整体性能以及最重要的访问权限，将 BloombergGPT 与其他三个 最相近的模型 GPT-NeoX、OPT、BLOOM 在金融领域和通用领域的表现分别进行 了对比。结果显示，BloombergGPT 模型在金融任务上的表现远超通用模型，在五 项任务中的 ConvFinQA（测试对金融领域相关问题的理解和推理能力）、FiQASA （测试英文财经新闻和社交媒体标题中特定方面的情感）、FPB（金融短语库数据 集，包括对金融新闻的句子情感分类任务）、Headline（判断新闻标题是否包含特 定信息）四项表现最佳，在 NER（对从提交给 SEC 的金融协议中收集的用于信用 风险评估的财务数据进行命名实体识别）测试中表现也位列第二。此外，在四个 特定的情感分析内部任务中，BloombergGPT 的表现也远超其他测试模型。
BloombergGPT 在金融领域的强大竞争力主要源于其长期积累的数量庞大的金融 领域数据。为训练 BloombergGPT，研究人员首先构建了一个由一系列英文金融文 件组成的综合数据集“FinPile”，同时用广泛用于训练 LLM 的公共数据对其进行 充实。1）金融领域数据集由彭博在过去四十年的商业经营中积累而来，共包含了 3635 亿个 token，占总数据集 token 量的 51.27%，具体由金融领域相关网页（2978亿 token，占比 42.01%）、金融领域新闻源（376 亿 token，占比 5.31%）、公司财 报（145 亿 token，占比 2.04%）、金融相关公司的出版物（86 亿 token，占比 1.21%）、 bloomberg（49 亿 token，占比 0.7%）构成。2）通用数据集由共包含了 3454 亿个 token，占总数据集 token 量的 48.73%，具体由 The Pile 数据集（1836 亿 token， 占比 25.90%）、C4 数据集（1381 亿 token，占比 19.48%）、Wikipedia 数据集（237 亿 token，占比 3.35%）组成。
2.2 保险行业具备 AI 大模型落地的商业化场景与现实基础
政策层面，金融科技政策持续推出，为保险机构 AI 大模型的发展提供了良好的 政策环境。近年来，国务院、央行、银保监会、中保协等部门/协会不断推出推动 保险等金融机构数字化转型的政策措施，驱动保险科技快速发展。今年 2 月，中 共中央、国务院印发《数字中国建设整体布局规划》，明确指出在金融等重点领 域，加快数字技术创新应用，人工智能作为数字技术中的核心技术之一，在金融 机构的落地也有望加速进行，AIGC 大发展背景下，保险等金融机构 AI 大模型的 场景化应用存在较好的政策环境。
行业层面，掌握核心私域数据的保险行业，在 AI 大模型领域的落地有望领先市 场。我们认为，高质量的数据是助力 AI 训练与调优的关键，就国内数据市场而言， 据发改委官方批露，我国政府数据资源占全国数据资源的比重超过 3/4，但开放规 模不足美国的 10%，个人和企业可以利用的规模更是不及美国的 7%。在此背景 下，具备私域属性的行业数据的重要性更加凸显，手握数据的行业及公司在 AI 大 模型领域的布局将领先一步，有望最早享受 AI 数据革命带来效率升级。保险行业 属于数据密集型行业，信息化与数字技术应用广泛，信息交互频率高，且大型险 企深耕保险科技多年，在数据层面、大模型以及知识图谱方面都有较为深厚的积 累，具备垂直大模型落地的商业化场景与现实基础。 保险行业人力成本高企，监管趋严背景下，具备科技创新赋能意愿。一方面，保 险产品条款复杂、专业术语繁多，对保险公司销售人员的招募与持续培训等方面 的投入提出了远高于其他行业的要求；另一方面，核保核赔等后端服务也需大量 人员对接，因此，保险行业通常被认为是人力密集型行业之一，人力成本高企。 且监管趋严背景下，政策端对保险从业人员专业性要求更为严格，保险公司具备 科技赋能的主动诉求。
3.1 国内上市险企 AI 技术布局已较为深入
我国保险业 AI 领域布局多年，已形成较为成熟的 AI 全场景化应用，沉淀了丰富 的应用数据和场景，在 AI 大模型催化下，AI 效能有望进一步提升。
3.1.1 场景一：前台赋能
1）保险产品智能配置：个性化满足低单价产品的配置需求
AI 经过深度学习和对大量解决方案的模拟运算，能够根据用户提供的个人信息量 身定制合适的保险配置方案，扮演“AI 保险规划师”的角色。2023 年 4 月 12 日， 互联网保险代理平台蚂蚁保推出业内首个 AI 智能保险配置工具“省心配”，基于“HRAAM 模型”，根据用户年龄、常驻城市、月收入及负债情况，为每位用户模 拟匹配几万种保险配置方案，并最终选出最匹配用户需求（患病概率、地区医疗 条件及成本、预算情况等）的一组方案（包括医疗险、意外险、定期寿险、重疾 险四类）做推荐。由于 AI 相较于代理人可设置不受产品热度、销售佣金等因素影 响，测试结果显示，通过“省心配”配置保险方案，能为用户节省约 30%的预算。 但需明确的是，长期险具有长期性、无形性的特点，消费者支付保费后获得的是 无形的风险保障，获得感仅在出险后方能得到，因此，客户购买保险产品要么是 出于对产品的足够认同、要么是对销售人员的足够信任，两者现阶段都很难通过 AI 实现，因此，我们认为，中长期看，AI 保险产品配置推荐仍仅适用于低单价的 简单型产品，如意外险、百万医疗、定期寿险等。
2）保险客服：高质高效满足客户基础咨询和业务处理
AI客服是当前AI在保险行业运用最为广泛的场景之一，能够综合应用语音识别、 语义理解、语音合成、OCR、人脸识别、电子签名等多项人工智能技术，为客户 提供咨询（包括保险种类、保险期限、保险条款、保费等）、外呼及回访等众多繁琐的客户咨询和业务处理，提高客户满意度和保险销售效率。 但当前 AI 客服仍是一种基于规则或预定义脚本的自动化程序，只能执行特定的 任务，客户需求超过其预设能力范围后便无法给出解决方案，与生成式 AI 所能带 来的客户体验仍有较大差距。
3）代理人销售支持：增产增效，推动销售人员产能提升
AI 能够通过强大的机器学习能力和数据挖掘能力，快速吸收知识并输出优解，为 销售人员提供专业知识辅导，提升代理人专业能力，助力增产增效的实现。平安 依托其在人工智能领域的深厚积淀及庞大的内外部培训经验，打造平安知鸟培训 平台，其中智能助手（AskBob）与智能陪练是赋能代理人的两大重要应用场景。 1）AskBob：基于海量数据创建专属的企业大脑，通过智能柜面、核保助手、拜访 助手、展业查询、产品宝典、问答社区等 9 大核心功能，实现“学习问答”，一方 面支持代理人碎片化学习、及时提升，另一方面，也为代理人展业提供全方位的 专业知识支撑。当前平安知鸟问答匹配结果准确率 91%，同时支持非结构化文档 （音视频、PDF、PPT 等）搜索。 2）智能陪练：基于深度学习算法、意图识别、微表情识别等技术，通过人机对话 训练的方式，构建多元化智能实训模式，为学员提供 1 对 1 的精准反馈，实现智 能培训的“降本增效”，当前知鸟在智能陪练方面已实现人脸识别率 99.8%，语音 识别率 98%，综合评分准确率 90%。3）营销素材生成：平安寿险推出 AI 短视频跟拍工具，帮助代理人打造内容 IP，吸引公域流量，上线 5 个月全网累计视频播放量 707 万次。
3.1.2 场景二：保险定损理赔
AI 在核赔理赔领域已有广泛探索，在线定损、在线理赔为主要应用场景。1）AI 智能定损：主要应用于车险领域，利用图像识别和智能算法等技术，通过对案件 现场照片风险点的分析、车损照片细节的处理、与历史影像比对等手段，有效识 别车辆损失程度，并判断是否存在故意制造交通事故、套用车辆牌照等欺诈方式， 提升理赔时效。2）AI 智能理赔：当前仍主要应用于车险、人身险小额赔付的自 动处理、快速结案。如：中国太保产险联合百度打造的“全智能、无人工”车辆 定损工具“太·AI”，截至 2021 年 11 月，已适用 2.3 万个车型，覆盖 97%的乘用 车品牌，部件识别准确率超过 98%，损伤识别准确率超过 90%。 需要注意的是，定损、理赔判定依据复杂、专业性高，尤其是人身险在涉及劳动 损失给付等方面的程序时，往往涉及与被保险人的交涉沟通，因此，虽然未来 AI 在定损理赔领域应用前景广阔，但并不可完全对人工形成替代。
3.1.3 场景三：风控减损
AI 在风控减损领域的应用具体可分为事前预防减损与防欺诈两大场景。减损方 面，当前行业应用主要集中于财险的非车险领域，将人工智能与地球科学、大数 据等技术相结合，提供自然灾害风险预警，最大限度降低损失；风控方面则主要 是通过各项防欺诈技术的应用降低骗保风险。
3.1.4 场景四：产品开发
当前 AI 在保险产品开发方向的应用依然较少，且主要应用于车险领域的定价场 景。我们认为，主要源于当前我国较为标准化的海量医疗行为数据主要掌握在医 保局、卫健委手中，保险公司数据仍较为匮乏，创新型产品开发动力不足，因此 延缓了 AI 技术在产品开发领域的应用。 但自 22 年以来，我国医保局已开始积极探索数据要素放开，预计放开后将为保险 公司多样化产品设计提供数据支撑，从而带动 AI 技术在产品开发领域的应用。一 方面，AI 数据处理与分析能力相较于人工优势显著，可更好识别和利用隐藏在数 据中的趋势、风险因素等，帮助精算师更好地理解风险和预测未来的发生率；另 一方面，通过分析市场趋势、客户需求和风险因素，AI 可以为产品精算人员提供 个性化的保险建议和方案，助力保险公司创新性、具备吸引力的产品的开发。
3.2 海外 AI 大模型多场景赋能保险产业链
海外 GPT 保险领域应用正加快推进，从销售助理、智能客户、核保核赔多场景赋 能保险产业链。考虑到 ChatGPT 浪潮下的 AI 大模型多集中于自然语言处理领域， 我们判断，短期来看，AI 大模型在保险领域的应用将主要集中在前端的智能客服、 销售人员赋能（销售助理）方面，但随着数据与训练的积累，长期来看，AI 大模 型有望向个性化产品定价、核保核赔、风控减损等多场景延伸，深度赋能全产业 链。
3.3 AI 大模型有望全流程赋能保险机构
前国内保险公司 AI 布局虽已较为深入，但主要仍以理解式 AI 为主，生成式 AI 仍在探索中，因此，我们判断，AI 大模型有望从产品研发、渠道营销、运营管理等各方位，实现保险机构的全流程赋能，助力保险业实现更加灵活、更多内 容的高效生产和服务。
4.1 中国平安：金融科技底蕴深厚，AIGC 落地有望最为深入
中国平安是业内领先的科技型保险公司，坚持科技赋能金融、科技促进发展。2017 年，平安正式确定“金融+科技”双驱动战略，以人工智能、区块链、云、大数据 和安全五大核心技术为基础，深度聚焦金融科技与医疗科技两大领域，以科技赋 能金融发展。 公司坚持研发投入，科技人才与专利技术大幅领先同业。2018 年公司管理层表示， 之后每年将会按收入的 1%持续投入，未来十年的科技投入总额至少千亿。与此同 时，公司科研团队持续扩容，截至 2022 年，已形成了一只囊括近 3 万名科技开发 人员、近 3900 名科学家的一流科技人才队伍，驱动科技专利持续增长，至 2022 年，公司累计专利已达 4.6 万件，其中 2022 年新增 7657 件，在人工智能技术领 域、金融科技和数字医疗业务领域的专利申请数排名均为全球第一位。
AIGC 技术已有多场景落地，后续有望向保险领域延伸。一是，平安银行已开始 利用 AIGC 技术对客户的个人信息、历史借款记录、消费行为等数据进行深度分 析，建立客户的信用评级体系，并在此基础上，为不同信用等级、借款需求和偏 好的客户推出个性化的借款产品和服务，包括贷款额度、借款期限、利率等方面 的差异化设置，提高客户满意度和忠诚度。二是，金融壹账通在 AIGC 技术上已有提前布局与落地应用，后续人工智能团队也将积极布局相关技术的探索与研 发。我们认为，公司有着先进的 AI 模型加上丰富的数据积累，且在以 ChatGPT 为代表的新一代人工智能技术的探索方面，积累了领先于同业的先发优势。
（一）对内：科技赋能金融
平安对内深挖业务场景，强化科技赋能，助力实现降本增效、风险管控目标， 打造优质产品，提升获客能力。当前应用场景主要包括智能营销、智能提效、智 能风控三个方面。 营销方面，公司 AI 技术助力代理人招募、培训、展业、客户经营全流程。核心 应用如下： 招募支持：“AI 云面试”高度模拟真实的准增员面试场景，打造了精准的对话语 义理解以及智能回复能力，自动识别用户对话过程的多维度信息并生成面试报告， 节省大量面试人力及成本。截至 2022 年末，AI 面谈已支持准增员对象完成面试 超 1900 万场次，累计面试时长超 300 万小时。
培训支持：1）“智能陪练”基于深度学习算法、意图识别、微表情识别等技术， 通过人机情景式对话训练的方式，模拟真实销售场景，支持代理人与机器进行人 机对练，并点评练习结果，帮助代理人快速提升销售技能。截至 2022 年第一季度， 智能陪练已支持代理人陪练累计达 8305 万次。依托平安先进的人工智能优势，知 鸟在智能陪练方面已实现人脸识别率 99.8%，语音识别率 98%，综合评分准确率 90%。2）“AI 直播”通过风控技术和云技术赋能，实现了互动直播、智能巡检、 智能剪辑，其中基于图像、声纹、文字识别等多模态技术打造的智能剪辑能自动 提取关键视频或核心要点内容，为直播后的精彩片段及要点内容提取提供智能化、 自动化的支持，其剪辑切割准确率达到 92%，大大的节省了人工视频剪辑时间。 在实践过程中，平安运用知鸟智能直播功能，完成全国百万代理人统一培训，毫 秒风控体系实时护航。3）通过大数据技术精准构建“代理人画像”，洞察不同类 别代理人的发展潜力，为之匹配个性化培养规划及 7×24 小时线上培训，绩优养 成时间同比缩短 3.6 个月。
展业支持：智能助理机器人 AskBob 应用大数据和知识图谱技术，整合集团内外 部数据，多渠道吸收内容，提升数据量，并通过从上至下业务拆解，和从下而上 海量数据识别两种方式，打造保险行业知识图谱，落地搜索、社区问答两大核心 功能，为代理人提供高度智能化的助手服务，专业问题 7x24 小时答疑解惑。此外， AskBob 借助拟人的语音对话方式及智能识别技术，有效提升了代理人获取所需信 息和功能的效率。
客户经营：1）“智能拜访助手”打造 AI 线上会客厅功能，提供 VR 会客、销售智 能辅助、面访总结等核心功能，可容纳 300 人同时在线互动，支持举办线上大型 产说会和创说会。2022 年，依托“智能拜访助手”工具，代理人队伍累计举办近 10 万场线上产说会、创说会，月均会客时长超 17 万小时，辅助出单超 6 万件。 2）“AI 跟拍短视频制作工具”等工具，帮助代理人打造内容 IP，吸引公域流量， 上线 5 个月全网累计视频播放量 707 万次。3）“易答销售助手”基于人工智能技 术，为销售人员提供精准的客户画像和销售策略，帮助销售人员更好地了解客户 需求和购买偏好，同时具有全面的合规质检功能，能够自动检测和监控销售过程 中的违规问题，并实时进行提醒和干预，为销售人员精准营销和品质风险管控提 供支持。截至 2023 年一季度末，易答销售助手已累计服务数十万销售坐席和上百 万客户，在降低违规风险的同时，助力保单成交率提升。
提效方面：平安运用科技全面优化改造业务流程，提升作业效率、优化客户体 验。核心应用如下：
智能核保理赔赋能：
1）平安寿险：已构建以闪赔和预赔为核心的立体化理赔服务体系，提供从客户 出险到赔付的全流程专业服务，客户的普通医疗就诊可智能“预赔”、重疾确诊 可“先赔”、联网医院可“快赔”、自助 APP 申请可“闪赔”。 ①“智能闪赔”：2017 年，平安人寿聚焦传统理赔模式时效长、手续繁琐等行业 痛点，依托互联网前沿技术，通过流程创新与优化、人脸识别、OCR+NLP、医 院联网、智能理赔模型等一系列新科技技术，在标准案件 3 日赔付、到标准案件 2 天赔付的基础上，业内首创推出极速、极简的尖刀服务——“闪赔”，从提交 申请——理赔审核——理赔款到账，最快 1 分多钟就能收到理赔款，至 2019 年 9 月，每天有将近四成的理赔客户在 30 分钟内获得理赔款。 ②“智能预赔”：2020 年，平安人寿聚焦看病就诊的痛点和难点，推出理赔创新 服务——“智能预赔”，打破了传统理赔需要客户出院后申请赔付的模式，将理 赔环节前置到住院治疗中，缓解客户治疗的资金压力。智能预赔通过构建理赔客 户画像及大数据模型，综合分析客户疾病、保单等情况，预测赔付金额，实现提 前给付部分款项。
2）平安产险：将 AI 应用于车险理赔全流程，从智能人机交互代替人工坐席接报 案、到基于大数据的动态调度实现极速查勘、智能图片定损，全面提升理赔服务 体验。“智能闪赔”与“信任赔”为两大综合性理赔核心应用。
①“智能闪赔”：借助人工智能技术对出险车辆进行智能图片定损和智能风险渗漏 拦截，搭建的自动智能理赔模式。客户运用闪赔模式报案后，系统可自主完成标准化的损失照片、定损资料、定责资料和支付信息等上传录入，后台将自动判断 责任和损失金额，并快速给出理赔意见，确认金额后，赔款可秒级到账，实现全 自动核赔。此外，智能闪赔还会根据项目特点设定风控规则引擎，包括图片查重、 权限动态调整、数据监测日报、异常数据预警等多种风险管控措施，及时发现欺 诈风险并进行阻断，降低风险概率，管控业务品质。该应用拥有 43 项技术专利， 具备四大核心技术：一是高精度图片识别，覆盖所有乘用车型、全部外观件、23 种损失程度，智能识别精度高达 90%以上；二是一键秒级定损，以海量真实理赔 图片数据作为训练样本，运用机器学习算法智能对车辆外观损失的自动判定，只 需一键上传照片，秒级完成维修方案定价；三是自动精准定价，通过主机厂发布、 九大采集地采集与生产数据自动回写三种方式，构建覆盖全国，精准到县市的工 时配件价格体系，实现定损价格的真实准确，有价有市；四是智能风险拦截，构 建承保到理赔全量风险因子库，应用逻辑回归、随机森林等多元算法，开发 30000 多种数字化理赔风险控制规则，覆盖理赔全流程主要“个案”与“团伙”风险， 实现对风险的事中智能锁死、智能拦截与事后智能筛查，有效降低理赔成本。2019 年，“智能闪赔”项目凭借在智能风控、智能核赔、510 极速查勘等核心服务和保 险技术方面的不断创新和突破斩获“Gartner2018 金融创新奖”，成为亚太地区唯 一获奖的保险公司。
②“信任赔”：根据客户驾驶习惯、交通违章、车辆出险次数、车辆维修记录、消 费信用等内外部数据，进行建模智能画像评分，授予一定的车险理赔信任额度。 授信理赔信任额度范围内的单方小额事故，客户可直接通过手机 APP 或微信小程 序进行定损，拍一两张出险照片，进行人脸识别验证，等待两三分钟理赔款就能 到账。数据显示，“信任赔”单方无人伤案件传统时效 10.59 天，平均时效 188 秒； 用户体验指数 NPS（净推荐值）达 89%，高于传统车险理赔 NPS 的 75.85%；结 案率达 100%，平均结案时效为 2.16 分钟，高于单方事故案件 10 天结案时长。 辅助诊疗赋能：平安健康打造专门为医生服务的“ChatGPT”——AskBob 智能医 生，基于 4000 万医学文献、20 万药品说明书、2 万临床指南等中英文医疗知识图 谱以及融合深度学习模型，可为医生提供个体化精准诊疗推荐和辅助决策。截至 2023 年 2 月，AskBob 服务于 140 多万名医生，覆盖全国范围 4.6 万家医疗机构， 每天提供的诊疗辅助决策次数达 27 万次，尤其在医疗资源有限的地方帮助提升医 疗服务。
AI 坐席赋能：通过 AI 技术赋能人工坐席，2022 年 AI 坐席服务量约 26.0 亿次， 同比增长 26%，覆盖平安 82%的客服总量；AI 坐席驱动产品销售规模约 3444 亿 元，同比增长 25%，在整体坐席产品销售规模中占比 48.5%，同比上升 19.2%； AI 催收覆盖率为 49%，同比上升 20%；AI 催收的 30 日回退率为 72%。②2021年，平安寿险 AI 视频机器人辅助完成近 80%新契约回访任务，同比提升 20 个 百分点。
风控方面：1）平安产险：依托鹰眼系统 DRS2.0、平安企业宝等技术平台提供线 上线下多元化风险管理服务。2022 年累计为客户提供千人千面精准预警超 441 万 次，为超 3.8 万家企业客户和重点工程项目提供防灾防损服务；通过生物识别技 术，重塑养殖险风控作业模式，为队伍及客户提供自助化风险识别及防范工具， 2022 年，已累计识别投保牲畜超百万头，AI 识别准确率达 90%以上，有效降低农 险欺诈风险。其中，鹰眼系统 DRS2.0 应用时空大数据引擎、气象灾害模型、卫星 雷达监测、机器学习等多项技术，建立了针对常见灾种、面向多类保险业务、贯 穿保前保中保后的全链路灾害风险管理体系，自项目上线至 2023 年 2 月，累计减 损金额约两亿元，并助力平安产险业务拓展，比如支持某分公司中标地方政府巨 灾保险项目，实现各类保费增收超五千万元。2）平安寿险：在核保核赔环节创新 融合文本识别抽取（OCR）、自然语言处理 NIP、机器学习等技术，辅助资料信息 识别、案件审核，截至 2022 年，已支持近 1,600 种疾病的核保风险识别、超 1,500 种疾病的医疗险理赔审核，核保效率较传统模式提升近 30%，理赔效率提升近 20%。
（二）对外：输出科技与服务，实现价值转化
中国平安通过平安科技、金融壹账通、陆金所控股等子公司进行科技产品和服务 的对外输出。
1）平安科技
平安科技是平安集团旗下的科技解决方案专家，人工智能与云计算两项核心技 术布局领先，且实力深厚。自 2008 年创立以来，公司持续聚焦金融 IT 技术建 设，2018 年起，AI 与算法技术陆续在众多国际赛事中名列前茅，甚至多次问鼎 第一。我们认为，公司市场领先的云计算平台和 AI 服务可以助力 AI 大模型的 训练、推理和部署的高效进行，AI 大模型落地优势显著。
①人工智能：目前已经形成包括预测 AI、认知 AI、决策 AI 在内的系列解决方 案。以疾病预测模型为核心的预测 AI 已应用在流感、糖尿病等多种疾病的预测 中；特别是在认知 AI 领域，人脸识别、声纹识别、OCR、图像识别等技术均达 世界领先水平；综合深度学习、数据挖掘、生物特征识别等先进 AI 技术的平安 脑智能引擎，提供营销、运营、风控、决策、服务、预测 6 大服务集成模块，每 个模块可提供标准化应用和定制 AI 解决方案。 ②云计算：自主研发的平安云已经建设为金融行业内最大的云平台，涵盖平安 集团 95%以上的业务公司，支撑 80%的业务系统投产。并以金融为起点，深度服务于金融、医疗、汽车、房产、智慧城市五大生态圈，作为平安服务的综合输 出平台为全行业提供 laas、Paas、SaaS 全栈式云服务。当前，平安云已形成涵盖 计算、数据库、大数据计算、物联网等在内的 19 大类云计算产品，细分产品多 达 72 项，且已形成企业、混合云、大数据、AI、私有云、安全 6 大通用解决方 案和金融、智慧城市、医疗三大行业解决方案。
2）金融壹账通
为政府、监管和企业用户提供贸易、供应链、数据安全、风险管理等相关科技服 务。公司聚焦数字化银行、数字化保险、加马平台（提供金融科技基础设施服务） 三大板块。数字化银行板块，依托“业务+科技”优势，增强全面的系统能力，助 力金融机构提效率、提服务、降成本、降风险；数字化保险板块，产、寿双轮驱 动持续提速，助力保险机构实现数字化转型；加马平台板块的智能语音服务增长 趋势强劲，结合 AI 语音底层引擎和机器人平台技术，已被多家第三方客户使用。 2022 年，公司营业收入同比+8%至 45 亿元，优质加客户数同比+4%至 221 家。
3）陆金所控股
陆金所控股持续深化科技应用，加大 AI 技术在获客、客户风险识别和贷款管理 领域的应用，截至 2022 年，助力 81 家合作金融机构提升对借款人风险识别的能 力。
4.2 众安在线：互联网保险上市标的，AIGC 已积极布局
众安在线是我国领先的保险科技公司，长期专注于科技能力建设，对内赋能保险 主业，对外进行科技输出。2016 年，公司成立众安科技子公司，基于人工智能、 大数据、云计算等前沿技术，融合众安生态优势，围绕三大标准化科技产品系列 ——业务增长系列、业务生产系列、业务基建系列，以及战略轻咨询、全域数字 化运营、技术共建等定制化服务，打造“科技+服务”的价值交付体系，助力客户 加速数字化转型升级。 科技研发投入持续增长，驱动科技输出收入高增。公司持续布局人工智能、区块 链、云计算、大数据和生命科技等前沿技术板块，近两年研发投入复合增速高达 22%，且占保费比例长期维持在 5%以上，截至 2022 年末公司工程师及技术人员 近 2000 人，占雇员总数的 49%。2023 年 5 月，公司发布《AIGC/ChatGPT 保险 行业应用白皮书》，并明确已经在全系列产品中规划加入 AIGC 等大模型能力， 并将不断实践探索应用场景，AIGC 探索较为积极，应用有望最先落地。
（一）对内赋能：风控+客户需求挖掘+承保理赔支持与降费
对内赋能：风控+客户需求挖掘+承保理赔支持与降费。1）AI 赋能风控体系，消 费金融业务在线相似场景识别准确率近 100%，相比人工抽检发现风险案件的效 率提升了 10 倍；2）通过 AI 客服的高效交叉引导与企业微客服多种营销手段，实 现用户分层，推荐定制化的产品及服务，唤醒用户创造更大价值，当前智能语义识别率达 97%；3）保险核心系统「无界山 2.0」基于大数据与 AI 技术，支撑海量 碎片化保险业务，22 年共出具超 91 亿张保单，承保自动化率达 99%，服务超 5 亿用户，全年理赔客户同比+28.7%至 1.66 亿元，96%的健康险理赔实现全线上结 案。当前无界山已完成底层数据无感切换，增强了可扩展性和高可用能力，减少 了 30%的费用。
（二）对外输出：国内实现破圈，国际收入稳健增长
对外输出：以众安科技与众安国际为载体，持续开拓海内外市场，已累计服务来 自保险、互联网科技、银行、证券等多个行业的 700 余家客户，将众安的科技中 心转变为销售部门和利润中心，公司 2022 年业绩发布会表示，公司科技板块有望 在两年内实现扭亏为盈。 科技基因深厚驱动科技输出高速增长，近 5 年复合增速超 70%。2022 年受疫情影 响项目交付影响，增速放缓至 14%，但 H2 同比+41%重回常态高增长，预计 23 年 有望继续高增。
国内输出：国内打造业务增长系列（主要包含 X-Man 智能营销平台、X-Magnet 广告运营平台，为客户打造可持续的营销闭环）、业务生产系列（基于云端的分布式 保险核心系统、经代系统）、业务基建系列（智能运维和信息安全 2 个模组，帮助 客户实现安全稳定运行并支持高并发、弹性计算的底层基础架构方案，应对互联 网场景下的高频流量）。当前公司三大系列产品客户包括太平集团、太保集团、友 邦人寿、中宏保险、汇丰人寿等保险公司，22年新签约 18 家来自银行、证券业的 客户，后续将继续将客户范围拓展至范金融领域。2022H2 国内科技输出业务同比 +55.2%，全年收入为 2.91 亿元。
国际输出：众安国际旗下的科技子公司 ZA Tech 聚焦向国际客户输出新型保险科 技解决方案及数字化保险的技术经验，深耕海外市场，业务已遍布日本、中国香港、东南亚和欧洲等各大市场，公司搭建的保险核心系统 Graphene 协助保险客户 连接各类生态合作伙伴，推出多款碎片化、场景化的保险产品；保险核心系统 Nano 协助数字化转型初期的保险客户实现低成本、快速上线数字化保险核心系统；为 互联网平台客户提供低代码整体保险金融解决方案 Fusion。2022 年 ZATech 录得 科技输出收入约 3.01 亿元，可持续性收入占比同比+10pct 至 44%。
科技产品项目实施难点有望通过 AIGC 优化，当前公司已经在全系列产品中规划 加入 AIGC 等大模型能力，并将不断实践探索应用场景。众安科技产品项目实施 过程长期存在内容的生成成本高、产品学习上手困难、业务指导能力弱等通用难 点，生成式 AI 具备可生成内容类的赋能和人力提效、改变人机交互方式、辅助运 营人员管理业务三大优势，可系统提升众安科技产品的综合能力，全面提升产品 易用性、业务价值。
（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）
精选报告来源：【未来智库】。
