中国平安 × AI

[导语·核心观点]2025年8月28日的中期业绩发布会上，中国平安联席CEO郭晓涛把公司的AI战略概括为「五智」——智能化营销、智能化服务、智能化运营、智能化管理、智能化经营，核心逻辑被表述为「AI IN ALL」[1]。一周后披露的细节更具象：自研大模型67个、年内新增14个，集团内部部署AI智能体23000个，超过20%的员工已在使用[2]。把这三组数字并置可以看到，平安的AI已经进入组织层的规模化部署，不再是发布会上的演示。本文的判断是：AI对这家公司的价值被市场系统性低估，理由在于它的落点在生产流程本身，不在口号是否响亮；但同样要说清楚，现有披露尚不足以证明这种价值已经转化为利润。

[事件回顾·发生了什么]据21世纪经济报道，在2025年中期业绩发布会上，平安集团联席CEO郭晓涛披露了发展AI的「五智」战略，包括智能化营销、智能化服务、智能化运营、智能化管理、智能化经营五个方向，并称其核心逻辑是「AI IN ALL」[1]。随后新浪财经的报道补充了应用数据：中国平安自研大模型数量达67个，2025年新增14个；AI智能体已在集团内部广泛应用，全集团部署23000个，超过20%的员工使用AI智能体[2]。报道中郭晓涛表示，AI智能体已在公司内部广泛应用[1][2]。需要说明的是，这两条报道都转述自业绩会口径，没有披露AI在保费收入、赔付成本、费用率或客户留存上的任何量化结果，也没有给出「智能体」与「使用」的具体统计口径（这是本文对报道内容的观察）。

[背景与格局·公司沿革 · 行业脉络]「五智」的排列本身值得读：营销、服务、运营、管理、经营，恰好覆盖保险价值链从获客到交付、从后台成本中心到经营决策的完整链条[1]。这与多数金融机构把AI压缩在单个场景（如客服机器人或文档识别）的做法不同，当然，这一对比是分析判断，报道未提供同业横向数据。平安是一家以保险为基本盘、同时横跨银行、资管与医疗健康等板块的综合金融集团，业务链条长、人力密集环节多，这是其AI落点的现实土壤（公司业务结构为公开信息）。更值得注意的是技术路线：自研大模型67个而非接入单一通用模型[2]，说明平安走的是多模型矩阵路线，底层自建能力，上层由智能体承接具体任务。23000与67之间的数量级差异提示，绝大多数智能体应是在既有模型能力上组装出来的任务级应用，而非独立训练的新模型（此为基于两组数字关系的推算，非报道结论）。行业格局上，中国大型险企近两年普遍加大AI投入，但公开信息多停留在场景试点与工具采购层面，以集团口径披露模型与智能体总量的案例仍不多见[2]。这既构成信息稀缺性，也带来了口径不可比的问题。

[深度解读·为什么发生 · 意味着什么]为什么是现在？保险的商业模式有一个结构性特征：大量低频、高信任门槛的决策，配上一条长而重的人力服务链条——代理人展业、客服应答、核保核赔、保全运营，每一环都是人力成本与响应时效的权衡。AI智能体对这类链条的边际价值最高，因为它直接吃掉的是「可标准化的判断与流转」，而不是创意或关系。这也解释了为什么平安按业务环节而非按技术模块来排列「五智」[1]：战略的核心组织维度是流程，不是算法。 数字里的信息更值得看。23000个智能体、20%员工使用率[2]，这不是「我们上线了AI客服」的量级，而是接近组织渗透率的指标。当五分之一的员工把任务交给智能体执行，变化的不只是效率，还有流程的所有权归属：谁定义任务、谁审核输出、谁对错误负责，这些原本由科层制回答的问题，会重新被问一遍。我认为这才是「AI IN ALL」的真实含义，也是市场尚未定价的部分。 市场给平安定价时，主流框架仍是寿险负债成本、投资端波动、资产质量，AI在这些模型里要么是费用项，要么是叙事溢价。这就产生了错配：如果「五智」真的能把服务半径从「工作日加人工时段」推到连续可用，把运营环节的人力弹性变成算力弹性，那它改变的是商业模式属性，而不是费用率的小数点。但必须把「未被认知」和「确实不行」分开。目前的证据链只到「部署规模」为止：模型数量、智能体数量、员工渗透率，全部属于投入侧的指标和内部计数指标[2]，缺少最关键的一环：产出侧。没有理赔时效、人均产能、自助服务占比、运营费用率中的任何一项，就无法排除「投入很大、产出很薄」。所以我的判断是：证据强度中等，足以支持重新审视这家公司的AI资产，但不足以支持认为AI红利已经兑现。这是两种完全不同的持仓理由。谁受损？短期是重复性岗位与管理层级，中期是那些靠信息不对称赚取的服务溢价。

[关键数据与证据·来自报道的数字与事实]1）战略框架：平安在2025年中期业绩发布会上披露AI发展的「五智」战略，含智能化营销、智能化服务、智能化运营、智能化管理、智能化经营五项[1]。 2）技术自主度：自研大模型数量达67个，2025年新增14个，据此计算，存量中约53个为此前积累[2]。 3）部署规模：全集团部署AI智能体23000个[2]。 4）组织渗透：超过20%的员工使用AI智能体[2]。 5）管理层表述：联席CEO郭晓涛介绍，AI智能体已在公司内部广泛应用[1][2]。 6）信息缺口（本文观察）：两条报道均为定性表述与内部计数，未包含任何财务产出指标，也未说明「自研」的界定标准与「智能体」的计数规则。

[风险与争议·审慎的批评视角]第一，口径风险。67个大模型、23000个智能体、20%员工使用[2]，三个数字都不含分母与定义。「自研」可以是预训练，也可以是在开源底座上微调；「智能体」可以是带工具调用与记忆的任务体，也可以是封装过的规则脚本；「使用」可以是每日调用，也可以是打开过一次。口径不透明时，数字的规模感会系统性地高于其经济含义。 第二，把手段当结果。模型数量是投入指标，本身并不等于产出。67个模型还带来模型运维、版本治理、评测对齐的复杂度，也可能意味着重复建设——同一能力被不同部门各建一遍。数量在很多时候是组织割据的副产品，反而未必能证明技术实力（此为分析判断）。 第三，行业属性带来的监管与伦理风险。保险销售涉及适当性管理与信息披露，AI参与营销话术生成、客户分层或核保定价，一旦出现误导销售、算法歧视或数据越界，反噬强度远高于普通消费行业。报道未提及平安在模型合规、可解释性与人工复核上的机制[1][2]，这本身就是一个需要追问的空白。 第四，商业转化未必发生。AI带来的成本节约，在竞争性市场里往往被定价竞争吞掉；省下来的运营费用能否留在利润表，仍取决于寿险负债成本与投资收益这两条更粗的曲线。 第五，样本偏差。两条报道均源自业绩会与管理层自述[1][2]，属单向披露，缺少第三方审计、同业对照与失败案例，天然存在选择性呈现。

[未来展望·情景推演]保守情景（概率较高）：AI继续作为内部提效工具运行，财务上体现为费用率的缓慢优化，不足以改变估值框架。市场继续按寿险周期给平安定价，AI只出现在投资者交流的脚注里。 中性情景：2025年年报或2026年中期报告开始披露可量化的运营指标，例如自助服务占比、理赔时效、人均产能等产出数据[2]。一旦这些指标出现可归因于AI的连续改善，卖方模型会尝试给科技属性单独估值，重估是渐进而非跳变的。 乐观情景：「五智」沉淀为可复用的平台能力，并向集团外输出（报道未提及对外输出计划，此为条件假设[1][2]）。若成立，平安的估值锚将从单一保险股转向「保险+科技能力」的复合定价，弹性最大。 催化剂清单：下一次财报中对AI产出指标的披露；「五智」在具体产品线的落地公告；监管对保险业AI应用的规则明确（规则明确通常利好头部，因为它抬高合规成本门槛）；以及任何一次可验证的、由AI驱动的服务时效改善。

[建议与启示·面向决策者]给企业决策者三条。一，把AI的度量从「数量」换成「产出」。模型数、智能体数、员工渗透率是立项指标，真正该进董事会议程的是单位任务成本变化、错误率变化、客户留存变化。平安已跨过「有没有」的阶段[2]，下一步的披露质量决定市场给不给溢价。二，规模化之后，治理才是真正的瓶颈。23000个智能体的难题在于调度、权限、审计与退役——谁在何时调用了哪个智能体、读取了哪些数据、输出由谁复核、失效版本如何下线。这套治理骨架不提前搭，智能体越多，组织越慢。这也是多智能体调度平台（如AgentSH在做的事）的现实理由：把分散的任务级智能体纳入统一的编排与可观测层，而不是让每个部门各自为政。三，给投资者一份跟踪清单：未来两到四个财报节点，看是否出现产出侧指标，看管理层是否愿意为AI给出可证伪的目标值。愿意给数字的管理层，比愿意给形容词的管理层更值得相信。

[结语·一句话立场]平安的「五智」与23000个智能体，是中国大型金融机构里少见的、进入组织层的AI部署证据[1][2]。它值得被重新审视，但还不值得被提前庆祝——决定重估的不是部署规模，而是这些智能体能否在利润表上留下可归因的痕迹。我的立场是：这是一个被低估的AI资产，同时是一个尚未被验证的商业命题，两者同时成立，才是准确的说法。