專題：全球財富管理論壇·2025上海蘇河灣大會
來源：中國財富管理50人論壇
10月18-19日，全球財富管理論壇·2025上海蘇河灣大會在上海市靜安區順利召開。平安集團首席科學家肖京出席並發表演講。
肖京指出，人工智能已邁入能學習、強思考且能觸類旁通的新階段。當前，客戶需求與服務模式正發生深刻變革，為增強市場競爭力，平安集團未來將聚焦三大方向：一是藉助全場景優勢，沉澱各領域專業數據，豐富專業數據資源；二是構建底層的AI 平臺與模型平臺，讓業務人員廣泛受益於大模型；三是建立智能體平臺，打造賦能工具數字員工，推動人工智能應用的多元化發展。
一、新一代人工智能技術構建基於可信AI的「感知-學習-記憶-思考」四步閉環
從人工智能的應用歷程來看，其發展大致經歷了三個階段。
第一階段是「人工+智能」階段，這一階段的人工智能需要人工遍歷所有可能出現的情況才能進行識別，例如早期的智能坐席，雖然準確專業，但人工標註成本高昂、覆蓋廣度有限，且內容較為機械生硬。
第二階段是「博文強記，但不會思考」階段，人工智能具備了一定的自我學習能力，記憶強大，但缺乏思考能力，容易犯錯且無法明確錯誤來源，模型的可控性較差，應用範圍相對有限。
而如今，隨着DeepSeek等新模型的湧現，人工智能已進入第三階段，即「能學習、強思考，觸類旁通」階段。這一階段的人工智能不僅能夠自我學習、自我成長，而且其結論與思考過程具有清晰的邏輯和可見路徑，可解釋性強，能夠針對錯誤追因溯源並進行優化改進，可控性好，未來應用前景極為廣闊。
第三階段的新一代人工智能核心是形成「感知-學習-記憶-思考」的四步閉環。一是在感知階段，人工智能通過與環境的交互，收集各類大數據，為後續的學習和分析奠定基礎。二是在學習階段，藉助機器學習技術對數據進行分析，建立模型並從中學習知識，不斷優化自身的性能和準確性。三是在記憶階段，通過知識表達的方式，實現對所學知識的記憶及傳承，確保知識的積累和延續。四是在思考階段，將知識推理與數據建模深度融合，進行思考和演化，從而得出更具深度和廣度的結論。
二、新一代人工智能技術加速推動智能化轉型升級，迎來客戶、模式、生態三大變化
一是客戶變化。首先，客戶在發生改變。一方面，客戶對人工智能模型的信任度不斷提高；另一方面，在AI模型的助力下，客戶之間的認知差距逐漸縮小，客戶羣體也從專業人士轉為普通大衆，使得客戶基數大幅提高。這將促使未來的服務模式發生重大變革，知識、經驗、服務型崗位很可能轉變為少數專家指揮、調度和管理大批機器人進行服務的模式。
二是模式變化。大模型驅動「尺度法則」生效，大模型正從「通用能力」向「專業縱深」躍遷，其核心驅動力正是「尺度法則」（Scaling Law）在強化學習階段的持續生效。模型的能力不僅取決於參數規模，更取決於高質量領域數據與強化學習的迭代深度。
上圖是DeepSeek訓練的模型架構圖，DeepSeek是非常好的開源大模型。實際上，它只開源了左右兩端模型的參數，中間的算法代碼和訓練用的數據並沒有開源。如果我們一家企業擁有了中間的技術能力，同時擁有自己企業專業領域最好高質量的專業數據，就能不斷訓練模型。而如果只用橙色部分開源模型，效果略遜一籌，因為通用模型在專業領域能力是非常有限，這是我們的一個機會。
上圖是另外一個機會，來源於DeepSeek技術報告，橫軸是強化學習的迭代次數，縱軸是模型的思考能力。圖中折線的上升，說明在不斷補充專業領域專業高質量的數據，並且不斷讓這個模型進行強化學習的迭代，專業領域垂域模型的思考能力會越來越強，專業能力越來越強，這樣自然會在市場上有更好的競爭力，應用的效果更好，這就是強化學習的尺度法則。
以平安為例，我們依託自主研發的「平安腦」大模型體系，在保險、醫療、銀行、投資等核心場景中，持續注入億級高質量領域數據，並通過強化學習機制實現模型的「專業進化」。數據顯示，在醫療問診場景中，經過多輪強化學習迭代後，模型在複雜病例的推理準確率顯著提升，已接近資深醫生水平。
這一趨勢表明，誰掌握專業數據，誰就擁有模型進化的主動權。未來，金融服務將不再是「人海戰術」，而是「專家+大模型+機器人」的協同模式：少數領域專家通過指揮、調度、管理AI代理（AI Agent）集羣，實現大規模、高併發、個性化的專業服務。這種「專家知識模型化—模型能力代理化—代理服務規模化」的新範式，正成為金融機構降本增效、提升服務半徑的核心路徑。
三是生態變化。AI大模型的深度應用正引發「鏈式反應」——不僅單點場景智能化，更催生出一批「AI原生應用」與「領域智能體」的系統性湧現。平安集團近年來持續構建「金融+醫療+養老」三位一體的智能生態，已孵化出包括「平安好醫生AI問診」「智能理賠機器人」「AI投顧助手」「AI覈保師」等在內的數十個垂域智能體，覆蓋用戶全生命週期需求。
更重要的是，這些智能體並非孤立存在，而是通過統一的大模型底座實現能力共享與協同進化。到了現階段，大模型的真正價值不在於大而全，而在於深而專——每一個垂直領域的深度突破，都會反哺整個生態的智能密度。這種「專業深耕—能力溢出—生態共智」的飛輪效應，正在推動金融行業從「工具智能化」走向「系統智能化」，最終構建起以AI為核心生產力的「智能金融操作系統」。
三、市場大變局下，如何立於不敗之地？
通用大模型只是「底火」，誰擁有高質量專業數據、高價值的專業場景、高水平的模型風險控制能力，誰就能點燃差異化引擎。歸根結底，要做到模型做深、場景做寬、安全可控。
模型做深。依託平安十年沉澱的海量金融醫療數據，以及「平安腦」的強化學習能力，推動私域數據飛輪，使得周級迭代，模型越轉越專；
場景做寬。我們基於統一中臺供給多層次的算法、算力、數據和平臺服務，尤其是智能體平臺上線後，一年上線近10萬個智能體，其中高活智能體近1萬個，覆蓋保險、銀行、投資全場景，使得存量流程、新增產品、AI原生體驗都可以快速優化或上線。同時，通過智能體和插件的運營模式，使得各種智能體及插件能像商品一樣進行「開店」，並且一人「開店」、萬人共享，激活創新能力，快速擴展應用邊界。
安全可控。把「可解釋」寫進強化學習獎勵函數，因子隨市場動態切換，結論透明可追溯；同時建立倫理治理圍欄，確保模型合規、安全、價值觀對齊。
通過三輪驅動，平安將在AI時代的護城河越滾越厚，立於不敗之地。
責任編輯：曹睿潼