中国平安 × AI

[导语·核心观点]2025年8月底至9月初，中国平安联席CEO郭晓涛在中期业绩发布会及后续披露中给出了一份AI成绩单：自研大模型67个（年内新增14个），全集团部署AI智能体23000个，超20%员工使用；“五智”战略覆盖营销、服务、运营、管理、经营，核心表述为“AI IN ALL”[1][2]。核心判断：这是从技术试点转向组织级铺开的宣示，但披露集中在部署侧，效益侧空白，结论应以“待验证”为主。之所以重要，是模型数、智能体数、员工渗透率这三个数字，构成了可被后续财报与外部调研检验的观察窗口。

[事件回顾·发生了什么]据2025年8月28日中期业绩发布会披露，中国平安集团联席CEO郭晓涛介绍了公司发展AI的“五智”战略，具体包括智能化营销、智能化服务、智能化运营、智能化管理、智能化经营，报道称其核心逻辑是“AI IN ALL”[2]。9月3日的报道进一步给出落地数据：中国平安“全面实现AI智能化”，自研大模型数量达67个、今年新增14个，AI智能体已在内部实现广泛运用，全集团部署AI智能体23000个，超过20%的员工使用AI智能体[1]。 需要注意两点：其一，两条报道均出自公司高管在业绩发布场合的自述，提供的是“战略框架”与“部署规模”两类信息；其二，报道中没有出现AI相关投入金额、成本节约、收入贡献、客户体验以及风险事件等任何效益与结果侧数据[1][2]。也就是说，目前拿到的是“装了多少台设备”的数字，而不是“这些设备干了多少活”的数字。

[背景与格局·公司沿革 · 行业脉络]中国平安是A股上市的综合性金融集团，此次AI推进是在“全集团”层面统一展开的[1]。从公开表述看，其AI路径有三个特征值得注意。 其一，战略命名方式。以“AI IN ALL”和“五智”概括，意味着AI不再是若干独立项目，而是被挂到营销、服务、运营、管理、经营这条价值链的每一段上[2]。这是治理语言而非技术语言——它暗示考核对象将从“上线了几个系统”转向“业务流程有没有被改写”（分析）。 其二，指标选择。公司没有只讲模型能力，而是同时给出模型数量、智能体数量与员工渗透率三类数字[1]。在大型金融机构中，愿意公开“员工使用率”这类内部渗透指标并不常见，它让外界获得了一个可比较的锚点（分析）。 其三，行业处境。金融业数据密集、流程标准化程度高，同时受强监管约束，AI落地的天然优势在于流程可被拆解，天然阻力在于每一处自动化都要接受合规检验（分析）。这意味着进展速度不完全取决于技术成熟度，也取决于能否把合规审查内嵌进智能体的运行链条——而这恰恰是报道未展开的部分[1][2]。

[深度解读·为什么发生 · 意味着什么]这次披露真正值得琢磨的，是数字之间的落差。 23000个智能体与“超20%员工使用”是两个不同层级的口径[1]：前者是供给侧的部署量，后者是需求侧的渗透率，二者不能互相证明。部署了23000个智能体，不等于有23000个在被日常调用；20%的员工用过一次，也不等于形成日常依赖（分析）。两个数字并排出现，容易让读者产生“规模已经很大”的印象，但真正能说明问题的是活跃智能体数、日均任务完成量与人工接管率——这些报道里一个都没有[1][2]。 从战略设计看，“五智”的排序本身释放了信息：营销与服务在前，运营、管理、经营在后[2]。营销与服务结果直接可见、容错空间相对宽松，适合作为切入；运营与管理涉及跨部门流程重构，经营涉及资源配置决策，难度依次上升（分析）。因此合理推断是，平安的AI渗透大概率呈现“前台快、中后台慢”的形态，这与多数大型企业的经验一致（判断）。 谁受益、谁受损？受益方首先是集团层面：统一的模型与智能体平台有助于把分散在各子公司的流程标准化，降低对个别岗位经验的依赖（分析）；一线销售与服务岗位可能因重复性工作被承接而释放产能。相对受损的是中台的流程审核、资料整理类岗位，其工作内容最容易被智能体替代（分析）。必须强调，这不是结论而是基于“广泛运用”这一表述的方向性推演[1]，公司未披露任何岗位或人力结构变化的数据[1][2]。

[关键数据与证据·来自报道的数字与事实]以下均为报道中的原始信息，逐条标注来源： 1）自研大模型数量达67个，今年新增14个[1]； 2）全集团部署AI智能体23000个[1]； 3）超过20%的员工使用AI智能体[1]； 4）表述为“AI智能体已经在内部实现广泛运用”[1]； 5）“五智”战略指智能化营销、智能化服务、智能化运营、智能化管理、智能化经营[2]； 6）战略核心逻辑被概括为“AI IN ALL”[2]； 7）披露场合为中期业绩发布会，披露人为集团联席CEO郭晓涛[1][2]； 8）两条报道均未提供AI投入金额、成本或收入贡献、风控机制等数据[1][2]。 第8条是事实性的“缺失记录”：它不证明平安没有这些数据，但证明外部目前无法据此评估AI的实际回报[1][2]。

[风险与争议·审慎的批评视角]第一，信源结构单一。两条报道均来自公司高管在业绩场合的表述[1][2]，没有员工侧、客户侧或第三方独立验证。企业自述的部署数据天然偏向“已完成”的叙事，失败场景与回退案例通常不会出现在这类披露中（分析）。 第二，口径模糊。“部署23000个AI智能体”未说明单个智能体的复杂度与调用频次：一个串联三步问答的辅助工具与一个能独立处理材料核验的智能体，会被计入同一个数字（分析）。“67个自研大模型”同样可能包含大量场景化微调版本，数量与能力不是同一回事（分析）。 第三，存在夸大成分。“全面实现AI智能化”是报道标题的表述[1]，但正文支撑的是“广泛运用”与两个比例数字[1]，“全面”更像是标题修辞（分析）。 第四，监管与伦理风险。金融业AI应用受算法备案、消费者权益保护、销售适当性与个人信息保护等多重约束（分析）。在保险销售与理赔环节，AI生成的错误内容可能直接构成违规或纠纷，规模越大，尾部风险敞口越大；而报道未提及可解释性、人工复核与责任归属机制[1][2]。 第五，组织风险。若AI价值主要兑现为流程压缩，“超20%员工使用”这类指标在内部也可能被解读为替代信号，反过来影响一线配合意愿（分析）。

[未来展望·情景推演]未来3—6个月，可给出三种情景。 保守情景：员工使用率停留在20%出头，智能体主要用于知识检索与话术辅助，业务指标无明显变化，此时“AI IN ALL”仍停留在战略表述层面（判断）。 中性情景：使用率继续爬升，营销与服务环节出现可观测的效率改善，但公司仍只披露规模类数字，不披露效益类指标[1][2]。这是当前信息条件下概率最高的情景（判断）。 乐观情景：公司在下一次业绩披露中开始给出过程指标（活跃智能体数、人工接管率）与结果指标（人均产能、费用率、理赔时效），并被外部研究或媒体交叉验证，届时“部署数量”才会真正转化为可信度（判断）。 据此可列出四个关键观察节点：一是年度业绩披露是否把AI指标从“数量”升级为“效果”；二是是否公开智能体的活跃度口径；三是“五智”中哪一智被宣布为标杆并给出前后对比；四是是否公开AI合规与人工复核机制[1][2]。四项中有两项落地，可视为从宣示进入验证阶段。

[建议与启示·面向决策者]对企业决策者，平安案例提供的是“指标设计”层面的教训，而非技术范本。 一是换掉KPI。用“活跃智能体数、任务完成量、人工接管率、单任务耗时”替代“部署数量”，避免组织为数字而堆砌工具（分析）。 二是先做对照。选择一条端到端流程做A/B对照，量化人工处理与智能体处理的差异，再决定是否全量铺开；平安披露中缺失的正是这类证据[1][2]。 三是把合规写进编排层。在强监管行业，智能体的权限、日志与人工复核节点应在架构层固化，而不是靠事后审计补（分析）。 四是正视人的问题。若AI主要替代中台岗位，应提前给出岗位转型路径，否则使用率指标会变成内部博弈。 在工具选择上，当智能体从几十个扩到上万个量级，瓶颈通常不在模型而在调度：谁能统一管理权限、上下文与调用链，谁才能让规模扩张保持可审计。这也是包括AgentSH在内的多智能体调度平台试图解决的问题——它的价值不在多一个AI入口，而在于把“多而不可控”变成“多而可追溯”。

[结语·一句话立场]中国平安拿出了中国大型金融机构中少见的AI量化披露：67个自研大模型、23000个智能体、超20%员工渗透率[1][2]。但这些数字衡量的是铺开速度，不是价值兑现。在效益侧出现可验证数据之前，我的立场是：这是一个值得跟踪的规模化样本，而不是一个已经被证明成功的案例。