中国平安 × AI

[导语·核心观点]中国平安披露，其日均Token调用量突破3000亿，并通过模型、推理引擎、算力调度的全栈优化，使单位算力Token产出提升368%、单位Token成本下降76%[1]。这不是一条普通的AI投入新闻：当多数金融机构的大模型仍停留在试点问答阶段时，平安已把300余项数字化服务封装成可被AI理解意图、拆解任务、规划流程并调用的能力[4]。核心判断是：市场对平安的定价仍锚定在寿险负债端与投资端的周期波动上，其内部已成规模的AI工程能力与成本曲线改善尚未被充分定价，而这条成本曲线的斜率，比3000亿这个总量数字更值得关注。

[事件回顾·发生了什么]先把时间线摆清楚。2026年4月，人民网报道中国平安在服务年升级中推出AI快捷服务与全球急难救援服务，并披露技术侧动作：将300余项数字化服务全面封装，使AI助手能精准理解客户意图、完成任务拆解、实现流程规划与服务调用，同时构建主动服务能力[4]。2026年7月，平安官网新闻列表显示其发布最新AI成果，主题为AI驱动综合金融加医疗养老服务升级，同期还披露台风巴威应对中已接客户报案超2.43万笔、预估理赔金额超4.78亿元[2]。2026年9月，行业媒体报道其日均Token调用量突破3000亿，单位算力Token产出提升368%，单位Token成本下降76%[1]。平安科技官网则自述为集团旗下科技解决方案专家，运用人工智能、大数据、云计算支撑综合金融加医疗健康战略[3]。四条信息合起来，是一条从技术底座到服务封装、再到业务场景的完整链路。

[背景与格局·公司沿革 · 行业脉络]理解这条链路，需要看平安的独特性。多数金融机构的AI部署是采购模型加接入场景，模型能力外生，数据分散在不同系统，服务能力没有被结构化，因此每一次AI调用都要重新跨系统拼装。平安的不同在于它同时握着三类资产：一是场景密度，综合金融与医疗健康两条线本身产生高频、强合规的服务需求[3]；二是服务资产，300余项数字化服务被封装为可调用单元[4]；三是算力与推理侧的自主优化能力[1]。三者叠加，Token调用才可能达到日均3000亿的量级——这个数字出现在互联网公司并不稀奇，但出现在一家以保险为主业的综合金融集团身上，说明其AI已进入被业务反复调用的阶段，而不是演示阶段。行业格局上，金融业AI应用大致分三层：最外层是面向客户的问答与营销文案，中间层是核保、理赔、风控等流程自动化，最内层是服务编排与智能体调度。报道显示平安的着力点已落到最内层[4]，这是判断其AI成熟度的关键坐标，也是与同业拉开差距的地方（分析）。

[深度解读·为什么发生 · 意味着什么]为什么这件事重要，可以从三个层面拆。第一层是成本结构。单位算力Token产出提升368%、单位Token成本下降76%[1]，这两个数字放在一起看，含义不是省了钱，而是把AI从预算项变成了可规模化摊销的运营成本。当单次调用的边际成本足够低，业务部门的决策逻辑会从值不值得用AI，变成为什么不用AI——这是组织内AI渗透率的临界点。第二层是服务封装即智能体的前置条件。AI助手要理解意图、拆解任务、规划流程、调用服务[4]，对应的正是智能体（Agent）的四步范式。真正稀缺的不是大模型，而是把企业内部服务能力改造成机器可读、可授权、可审计的接口，这项工程量大、见效慢，一旦完成却构成难以短期复制的壁垒。第三层是价值可见度。平安科技作为集团科技解决方案专家的定位[3]，意味着这套能力理论上具备对外输出的可能。受益方清晰：客户获得更快的服务响应，如AI快捷服务与全球急难救援[4]；集团获得降本空间与交叉销售触点；理赔等高压场景下AI可承接巨量报案[2]。受损方则是传统人力密集型服务外包环节，以及缺乏同等场景密度、难以摊薄推理成本的中小金融机构。但必须区分市场未认知与确实不行：目前披露的全部是成本侧与调用侧数据，收入侧——AI是否带来更多保单、更高续保率、更低赔付率——并没有出现在报道中。这是重估逻辑成立与否的最大空白（分析）。

[关键数据与证据·来自报道的数字与事实]报道中的可核验数据与表述如下：1）日均Token调用量突破3000亿[1]；2）通过模型、推理引擎、算力调度全栈优化，单位算力Token产出提升368%[1]；3）单位Token成本下降76%[1]；4）300余项数字化服务被全面封装，AI助手可理解客户意图、完成服务拆解、实现流程规划与服务调用[4]；5）服务年升级中推出AI快捷服务与全球急难救援服务[4]；6）平安科技定位为集团旗下科技解决方案专家，运用人工智能、大数据、云计算支撑综合金融加医疗健康战略[3]；7）官网披露AI驱动综合金融加医疗养老服务升级，并披露台风巴威报案超2.43万笔、预估理赔金额超4.78亿元[2]。需指出，以上均为公司自述或媒体转述口径，未见第三方审计或完整基期说明。

[风险与争议·审慎的批评视角]审慎的理由至少有六条。其一，口径不透明。3000亿、368%、76%都缺少统计范围、基期与是否含内测流量的说明[1]，且产出提升368%与成本下降76%在数学上高度相关：若产出与成本近似互为倒数，两个数字可能只是同一件事的两种表述，把它们当作两项独立成果会高估进展（分析）。其二，只有成本没有收入。降本不等于增利，理赔时效、自助完成率、客户留存、赔付率这些能验证AI业务价值的指标，报道中一个都没有[1][4]。其三，自述与第三方证据失衡。服务封装与AI快捷服务的关键表述来自公司披露与媒体转述[4]，缺少独立测评。其四，合规与伦理风险被低估。金融AI涉及销售适当性、算法可解释性与个人信息保护，医疗养老场景还叠加敏感健康数据，监管一旦收紧，调用规模的扩张速度可能受限（分析）。其五，成本优势的可持续性存疑。推理成本下降是全行业共同趋势，模型能力外溢与价格战会稀释先发优势，那76%的对比对象是谁，报道没有交代[1]。其六，叙事与基本面错配。AI话题容易获得估值溢价，但平安的核心矛盾仍在寿险利差损与投资端波动，用AI叙事覆盖基本面波动，对投资者并不公平。此外，官网一处称医疗养老[2]、另一处称医疗健康[3]，战略表述在不同渠道并不统一，提示对外叙事仍在调整（分析）。

[未来展望·情景推演]短中期可分三种情景。保守情景：AI主要停留在内部降本，未来两到三年体现为费用率的边际改善，不足以改变市场对综合金融集团的估值框架；Token调用量继续增长，但披露口径不升级，投资者无法验证其与利润的关系。中性情景：服务封装与智能体化在理赔、保全、健康管理等高频场景落地[4]，公司在定期报告中开始披露可核验的运营指标，如AI自助完成率、平均处理时长，市场逐渐降低对科技投入是否有效的折价，估值获得温和修复。乐观情景：AI能力不仅内部消化，还通过平安科技对外输出[3]，同时AI促成的加保、健康服务使用率等收入侧数据首次可被追踪，公司被部分按科技加金融分部估值，触发一次实质性重估。可观察的催化剂有三个：下一次年报或中报是否出现AI相关运营指标；是否有重大服务或平台级产品发布[2]；AI服务覆盖的客户规模是否被明确披露。需要提醒的是，三种情景的差异不在技术，而在披露（分析）。

[建议与启示·面向决策者]给企业决策者四条可操作建议。第一，把Token总量从KPI里拿掉，换成单位服务成本与自助完成率——前者对应平安所说的单位Token成本下降76%[1]，后者衡量封装后的服务是否真被客户使用。第二，先做服务结构化，再谈模型选型。平安的路径是先封装300余项服务[4]，让AI有东西可调用；多数企业卡住的环节恰恰在服务没有接口化，而不是模型不够强。第三，成本优化要覆盖三层：模型、推理引擎、算力调度[1]，只压模型单价的企业会很快触到天花板。第四，当可调用服务从几十项增长到上百项，单智能体的工具选择会明显退化，需要引入调度层完成任务编排、权限隔离与全链路可审计——这正是AgentSH多智能体调度平台所针对的问题：把分散的服务能力编排成可追踪、可授权、可回溯的任务流，让规模化调用不至于失控。对投资者还有一条：在AI声明与可核验指标对齐之前，先把它当作成本改善，而不是增长故事。

[结语·一句话立场]平安这条新闻的真正价值不在3000亿这个数字，而在于它显示出一家综合金融集团已经走完从用AI到被AI调度服务的关键一段路[1][4]。成本曲线的改善是可验证的，收入曲线的改善目前仍是空白。因此我的立场是：这是被低估的工程能力，但还不是被证明的商业价值——值得跟踪，不值得现在就下重注。