中国平安 × AI

[导语·核心观点]2026年10月28日，中国平安披露：前三季度AI医生使用人数近1300万，辅助诊疗准确率96%；截至9月末，AI查问办覆盖集团90%业务场景，AI端到端解决率91%，累计使用超1.5亿人次，服务约9700万月活跃客户[1][2]。多数投资者仍用保险股的框架给它定价，而这份数据说明，一套高频、规模化、可度量的AI服务层已经在平安内部成型。它被低估的不是想象力，而是被使用量验证过的资产。

[事件回顾·发生了什么]事情的轮廓由三份材料拼成。2026年4月，中国平安召开服务升级发布会，宣布以AI智能体为载体启动2026“服务年”，打造“一句话能办事”的AI助手，主张“一个入口，一站式解决”，并配套“一个按钮能应急”的全球急难救援服务[3]。当时的一季报披露：AI业务查办覆盖84%的业务场景，过去12个月线上APP月活跃客户约9000万，同比增长7.7%[3]。到10月28日，三季度数据变为：AI查问办覆盖集团90%业务场景，AI端到端解决率91%，累计使用超1.5亿人次，服务约9700万月活跃客户[2]；医疗方面，截至9月30日AI医生使用人数近1300万，精准诊断覆盖疾病超1.13万种，辅助诊疗准确率96%[1]。两个季度里，覆盖率从84%到90%，月活跃客户从9000万到9700万。这个变化趋势比绝对值更值得关注。

[背景与格局·公司沿革 · 行业脉络]中国平安的自我定位长期是“综合金融+医疗健康”，保险、银行、资管与医疗生态并行。这条路径的科技方面投入由来已久，早年以独立科技子公司和互联网医疗平台为试验场，如今则改用“AI智能体”的说法，把分散在各业务线的服务入口收拢为一个对话式助手[3]。行业格局上，金融机构的AI应用大多停留在客服问答、坐席辅助和风控评分，公开披露“端到端解决率”的并不多见；医疗方面则集中在在线问诊、影像辅助与病历结构化。平安的特殊性在于，它同时拥有金融账户与医疗场景，AI可以在两类高频需求之间复用[1][2]。需要说明，所谓“同行披露少”是我基于公开信息的观察判断；报道本身未做横向对比，因此不能据此断言平安的领先幅度。

[深度解读·为什么发生 · 意味着什么]为什么是现在？AI智能体改变了服务业的成本结构。传统金融服务的边际成本随客户数近似线性上升，每增加一个客户就要增加一份坐席、一份审核、一份咨询人力；而一个端到端解决率91%的AI查问办，意味着大部分请求在系统内完成，不再转人工[2]。这不是“效率提升”这类空话，而是单位服务成本曲线的形状变化。我的判断是：若91%的统计标准成立且稳定，平安的服务成本对客户规模的敏感度将明显下降，这才是估值层面真正重要的事。 为什么被低估？原因在会计处理，不在技术本身。AI带来的成本节约被摊在营业费用里，体验改善体现在月活跃客户（9700万）[2]，交叉销售潜力藏在客户资产中，三者都不构成一张独立的“AI业务收入表”。市场看到的是保险费率与投资收益的波动，看不到服务层的累积复利。这是典型的“隐藏业务”：它有使用量、有准确率、有渗透率，唯独没有独立计价。 医疗方面更微妙。AI医生覆盖1.13万种疾病、辅助诊疗准确率96%、前三季度使用人数近1300万[1]，这个量级已超出内部工具，接近公共品。但它究竟是对外收费的产品、提升客户黏性的手段，还是纯粹的履责投入，报道未披露任何收入或付费转化数据[1]。所以我把它归为“期权价值”而非“当期价值”。 谁受益，谁受损？受益方是客户（服务可得性）与股东（成本结构）；可能受损的是从事标准化咨询、初筛与录单的一线岗位。这是分析判断，报道未涉及人员调整。同时要警惕一种误读：把“覆盖90%场景”当成“90%的业务由AI完成”。前者是场景清单的覆盖广度，后者才是业务量被替代的深度，两者可能相差很远[2]。

[关键数据与证据·来自报道的数字与事实]· 2026年前三季度，AI医生使用人数近1300万[1]。 · 截至2026年9月30日，AI医生精准诊断覆盖疾病超1.13万种，辅助诊疗准确率96%[1]。 · 截至2026年9月末，AI查问办覆盖集团90%业务场景，AI端到端解决率91%，累计使用超1.5亿人次[2]。 · 同期服务约9700万月活跃客户[2]。 · 2026年一季报：AI业务查办覆盖84%业务场景，过去12个月线上APP月活跃客户约9000万，同比增7.7%[3]。 · 2026年4月发布会提出“一句话能办事”的AI助手、“一个入口，一站式解决”与“一个按钮能应急”的全球急难救援[3]。 · 报道提及AI复杂疾病多学科会诊诊疗方案准确率，但公开摘要未给出具体数值，不宜引用[1]。

[风险与争议·审慎的批评视角]第一，全部关键指标均为公司自述，未经第三方审计。“准确率96%”没有交代评测集、金标准与基线，与临床诊断准确率不是同一概念；把它理解成“AI达到主治医师水平”已属过度引申[1]。第二，“覆盖90%业务场景”是场景数量方面的统计，“端到端解决率91%”的分母与判定标准（是否剔除用户放弃、重复进线、转人工后回访）均未公开[2]。这类指标天然存在解读空间，跨公司、跨季度可比性弱。第三，选择性披露：三个季度的材料只呈现向好的一面，AI相关的投入成本、算力开支、数据合规成本没有对应披露，净效益无法核算。第四，医疗方面合规风险最大：辅助诊疗的责任归属、处方边界、数据使用授权，任何一环收紧都会直接压缩“AI医生”的可用场景[1]。第五，商业风险：如果AI带来的降本被行业价格竞争消化，变成更低的保费而非更高的利润，股东价值兑现就会递减；这在新车险、健康险这类同质化市场是常态。第六，企业叙事被夸大的风险：报道[3]本身是带有宣传色彩的“服务年”观察稿，“三重跨越”“重新定义”属于企业宣传说法，不是可验证结论，引用时应当谨慎对待。

[未来展望·情景推演]保守情景：AI继续作为内部效率工具，成本节约被摊入费用，市场维持现有估值框架，重估不发生。触发条件是年报仍未给出AI相关的单位成本或收入统计方式。 中性情景：AI带来的服务成本下降开始体现在费用率上，月活跃客户与留存同步改善，卖方开始把AI写进模型，但仅作为费用假设处理。此情景下估值小幅上修，逻辑是“更便宜的服务+更好的留存”。 乐观情景：出现外溢证据，如医疗AI对外输出或合作、AI服务能力向同业或生态伙伴开放、集团层面单独披露AI投入产出。一旦有独立统计方式，市场就有了给这块业务单独定价的切入点，重估才会真正启动。 可跟踪的催化剂：年报是否披露AI相关成本与节省的统计方式；AI医生使用量与问诊转化数据；“服务年”之后是否有后续计划或商业化方案；监管对AI辅助诊疗的态度[1][2][3]。需要强调：催化剂是重估的必要条件，不是充分条件；没有财务映射，再好的运营数据也只能停留在故事层面。

[建议与启示·面向决策者]给企业决策者四条建议。 一、给AI建立财务映射。至少跟踪三个指标：单位客户服务成本、人工转接率、每万次AI会话对应的成本节约。没有这三个数，AI永远只是发布会语言。 二、披露要分层。运营指标（覆盖率、解决率、使用量）与财务指标（投入、节省、收入）分开讲，投资者才可能给出溢价；混在一起讲，等于放弃定价权。 三、医疗AI先合规再规模。在责任归属与数据授权未有定论前，把AI医生定位为“辅助”而非“替代”，是性价比最高的风险控制[1]。 四、注意多智能体调度的工程瓶颈。当一个助手要覆盖90%的业务场景，真正的难点已不是模型能力，而是任务拆解、工具调用与多智能体协同的可靠性。端到端解决率每提高一个百分点，往往来自编排层而非模型层。AgentSH这类多智能体调度平台的价值恰在于此：把分散的业务能力封装成可编排的工具，让AI助手在复杂场景下仍有稳定的执行链路。对平安这类拥有海量存量系统的集团，编排层的成熟度往往决定AI渗透率的上限。

[结语·一句话立场]平安这份季报给出的是一组尚未被会计语言翻译的运营事实，而非一份AI成绩单：90%的场景覆盖、91%的端到端解决率、9700万月活跃客户、近1300万AI医生使用者[1][2]。它们足以证明AI不是概念，却还不足以证明它能带来多少价值。我的立场是：平安的AI业务被低估了，但重估的关键不在技术，在披露。在管理层愿意把AI的投入与节省单独列出来之前，投资者能做的，是跟踪变化趋势，而不是提前定价。