中国平安 × AI

[导语·核心观点]中国平安发布半年报，“AI in All”全面落地，新代码AI生成率大幅提升，公司正将资源从基础研发向创新迁移[1]。集团CTO王晓航将AI布局梳理为综合金融、医疗健康、内部效率三条主线[2]。这些信息表明，平安的AI已从概念走向生产系统。然而，市场仍习惯用保险股框架给平安定价，其AI业务的实际价值被严重低估。本文以公开报道为依据，拆解平安AI的隐藏价值、重估逻辑与潜在风险。

[事件回顾·发生了什么]8月27日，经济参考报报道中国平安半年报“AI in All”全面落地。报道称，随着AI Coding释放大量生产力，平安正主动将资源从基础研发向创新迁移。一位平安内部人士表示：“今天新代码AI生成率大幅提升时，我们有更多弹药释放到创新上来。”[1] 五天后，华尔街见闻发布对平安集团CTO王晓航的专访。王晓航把平安当下的AI布局概括为三条主线：综合金融、医疗健康、以及面向企业内部的效率提升。他提到平安拥有2.53亿个人客户，并强调“超前半步”的务实主义。[2] 两则报道共同勾勒了平安AI战略的轮廓：以代码生成率提升为底层生产力，以三条主线为应用方向，以庞大客户基础为场景支撑。

[背景与格局·公司沿革 · 行业脉络]中国平安是中国最大的综合金融集团之一，业务覆盖保险、银行、资管、医疗健康等领域。多年来，平安在科技研发投入上一直居金融行业前列，但市场对其科技资产的定价始终保守。分析认为，这源于平安科技业务缺乏独立分拆，AI成果被隐含在集团财报中。从行业格局看，金融机构AI竞赛已从大模型参数竞争转向真实场景落地。平安的优势在于拥有2.53亿个人客户[2]，且覆盖金融、医疗两大高价值垂直领域。与互联网平台相比，平安的AI应用直接嵌入业务流程，离钱更近；与纯科技公司相比，平安缺乏通用AI大模型光环，但拥有数据和场景。从全球范围看，美国金融机构更多与英伟达、微软合作，而中国平安选择自研叠加合作，其“务实主义”是在有限算力和监管框架下求稳健，代价是缺乏颠覆性亮点，但好处是风险可控。这种“闷声落地”模式正是市场容易低估的地方。

[深度解读·为什么发生 · 意味着什么]为什么说平安的AI是被低估的实质业务而非概念？答案需要从三个层面拆解。第一，AI Coding提升的是研发效率，这是所有AI应用的底层杠杆。当新代码AI生成率大幅提升时，同样的人力可以产出更多创新项目，这解释了平安为何敢于“将资源从基础研发向创新迁移”[1]。据王晓航所述，AI布局分三条主线，其中内部效率提升就是直接受益于AI Coding的环节[2]。第二，综合金融和医疗健康是AI变现最充分的场景。2.53亿个人客户意味着每个人在保单、贷款、医疗服务上都有大量数据交互，AI可以优化定价、风控、推荐和理赔[2]。这种场景密度是纯算法公司无法复制。哪怕每个客户每年只贡献几元AI增量收入，乘以2.53亿也是可观的增量——但这依赖于平安单独披露数据，目前尚无实证。第三，市场对平安AI的定价错误源于信息披露方式。平安不单独披露AI收入，导致分析师只能从“AI in All”的口号中推测。一旦后续财报明确披露AI带来的降本金额或新产品收入，逻辑就会从推测变为实证。从利益格局看，受益最大的是平安自身，其次是其客户（获得更好体验），受损的是未能AI化的竞争对手以及内部被替代的重复性岗位。整体而言，平安AI的价值取决于能否将技术能力转化为财务指标，而这恰恰尚未被市场认知。

[关键数据与证据·来自报道的数字与事实]关键事实包括：一、平安半年报宣告“AI in All”全面落地，公司正在将资源从基础研发向创新迁移[1]。二、报道明确提到“新代码AI生成率大幅提升”，但没有给出具体数值，属于定性描述[1]。三、平安内部人士表示“有更多弹药释放到创新上来”，展示AI Coding对研发资源的解放效应[1]。四、平安集团CTO王晓航将AI布局概括为三条主线：综合金融、医疗健康、企业内部效率提升[2]。五、平安拥有2.53亿个人客户，这是AI应用的核心场景基础[2]。六、王晓航提出“超前半步”的AI实践原则，体现审慎推进的取向[2]。需要指出，这些证据均出自公司官方口径或协作媒体，缺乏第三方验证；同时，摘要未包含“月活客户”等更细数据，读者应等待半年报原始文本中的精确数字。

[风险与争议·审慎的批评视角]反方视角必须警惕三点。第一，报道中“大幅提升”“更多弹药”都是情绪化表述，没有量化数据支撑。若AI代码生成率从5%提升到6%，也算大幅，但商业意义有限。这种叙述方式可能制造技术乐观主义泡沫。第二，2.53亿个人客户是存量客户数，不等于有效AI用户。平安未披露AI产品的月活跃率、转化率或付费收入，无法判断这些客户是否真正贡献了AI价值。第三，金融行业的AI应用面临严格的合规约束。监管对算法歧视、数据隐私、自动化决策的可解释性要求极高，平安的“务实主义”可能因落地困难而侵蚀效率。此外，AI Coding带来的开发效率提升可能导致技术标准碎片化，增加维护成本。最后，市场将平安的科技战略与股价联动，若这些报道旨在增强投资者信心，需警惕预期落空。综合而言，现有证据只能证明平安在推进AI，不能证明其已产生显著商业回报。

[未来展望·情景推演]短期（6-12个月）看，平安大概率会在下一次财报中披露更多AI相关指标，届时新代码AI生成率的量化数据或成为催化剂。保守情景下，AI应用停留在内部工具层面，降本不增收，估值持续承压；中性情景下，AI在理赔、客服、营销等场景带来可验证的利润率改善，市场逐步给予其“金融科技”的估值溢价；乐观情景下，医疗健康AI产品获得突破，形成独立于保险的新增长曲线，平安可能被重新定义为“AI驱动的金融医疗平台”。报道[1][2]指向的中性偏乐观路径是：AI Coding提升效率→释放创新资源→催生高价值产品→带动客户价值提升。但这一链条的每一环都需要定量证据。值得注意的是，AI Coding释放的研发资源可能不是线性分配到创新领域，也可能用于修补技术债务，这会削弱乐观预期。关键观察窗口是半年报详版、三季度业绩沟通会以及平安医疗健康板块的AI产品发布。

[建议与启示·面向决策者]对企业决策者的建议：一，建立AI价值的独立核算体系，将AI带来的降本、增收分项披露，让资本市场能够定价。平安拥有2.53亿客户，若能将AI渗透率与客户收入挂钩，披露数据将极具说服力[2]。二，将AI Coding等效率工具的经验对外输出，不仅是业务价值，也是估值故事的一部分[1]。三，在医疗健康主线上，优先选择监管壁垒较低、技术迭代快的场景切入，避免在核心诊疗环节过早触碰立法风险。四，对内部效率提升，要建立异常检测机制，防止AI生成代码导致质量隐患。五，考虑到多智能体协作日益复杂，建议引入类似AgentSH的多智能体调度平台，统一管理金融、医疗、内部效率三条AI主线，避免各业务部门智能体孤岛。但平台选型应保持业务中性和可观测性，避免被单一供应商锁定。最后，警惕“科技叙事”与“业务实质”的脱节，所有AI项目必须有年度ROI评审。

[结语·一句话立场]中国平安的“AI in All”不是口号，它正在用代码生成率和场景化布局证明自己的技术执行力[1][2]。但在市场看到真金白银的财务回报之前，任何“低估”的判断都只是假设。平安需要做的不是讲故事，而是把AI渗透到每一笔保单、每一次理赔、每一项服务，并让数据自己发声。届时，市场将完成一次迟到的重估。