翻翻股票配资APP下载平安集团首席科学家肖京：人工智能赋能投资风控实践

专题：全球财富管理论坛·2025上海苏河湾大会

　　来源：中国财富管理50人论坛

　　10月18-19日，全球财富管理论坛·2025上海苏河湾大会在上海市静安区顺利召开。平安集团首席科学家肖京出席并发表演讲。

　　肖京指出，人工智能已迈入能学习、强思考且能触类旁通的新阶段。当前，客户需求与服务模式正发生深刻变革，为增强市场竞争力，平安集团未来将聚焦三大方向：一是借助全场景优势，沉淀各领域专业数据，丰富专业数据资源；二是构建底层的AI 平台与模型平台，让业务人员广泛受益于大模型；三是建立智能体平台，打造赋能工具数字员工，推动人工智能应用的多元化发展。

　　一、新一代人工智能技术构建基于可信AI的“感知-学习-记忆-思考”四步闭环

　　从人工智能的应用历程来看，其发展大致经历了三个阶段。

　　第一阶段是“人工+智能”阶段，这一阶段的人工智能需要人工遍历所有可能出现的情况才能进行识别，例如早期的智能坐席，虽然准确专业，但人工标注成本高昂、覆盖广度有限，且内容较为机械生硬。

　　第二阶段是“博文强记，但不会思考”阶段，人工智能具备了一定的自我学习能力，记忆强大，但缺乏思考能力，容易犯错且无法明确错误来源，模型的可控性较差，应用范围相对有限。

　　而如今，随着DeepSeek等新模型的涌现，人工智能已进入第三阶段，即“能学习、强思考，触类旁通”阶段。这一阶段的人工智能不仅能够自我学习、自我成长，而且其结论与思考过程具有清晰的逻辑和可见路径，可解释性强，能够针对错误追因溯源并进行优化改进，可控性好，未来应用前景极为广阔。

　　第三阶段的新一代人工智能核心是形成“感知-学习-记忆-思考”的四步闭环。一是在感知阶段，人工智能通过与环境的交互，收集各类大数据，为后续的学习和分析奠定基础。二是在学习阶段，借助机器学习技术对数据进行分析，建立模型并从中学习知识，不断优化自身的性能和准确性。三是在记忆阶段，通过知识表达的方式，实现对所学知识的记忆及传承，确保知识的积累和延续。四是在思考阶段，将知识推理与数据建模深度融合，进行思考和演化，从而得出更具深度和广度的结论。

　　二、新一代人工智能技术加速推动智能化转型升级，迎来客户、模式、生态三大变化

　　一是客户变化。首先，客户在发生改变。一方面，客户对人工智能模型的信任度不断提高；另一方面，在AI模型的助力下，客户之间的认知差距逐渐缩小，客户群体也从专业人士转为普通大众，使得客户基数大幅提高。这将促使未来的服务模式发生重大变革，知识、经验、服务型岗位很可能转变为少数专家指挥、调度和管理大批机器人进行服务的模式。

　　二是模式变化。大模型驱动“尺度法则”生效，大模型正从“通用能力”向“专业纵深”跃迁，其核心驱动力正是“尺度法则”（Scaling Law）在强化学习阶段的持续生效。模型的能力不仅取决于参数规模，更取决于高质量领域数据与强化学习的迭代深度。

　　上图是DeepSeek训练的模型架构图，DeepSeek是非常好的开源大模型。实际上，它只开源了左右两端模型的参数，中间的算法代码和训练用的数据并没有开源。如果我们一家企业拥有了中间的技术能力，同时拥有自己企业专业领域最好高质量的专业数据，就能不断训练模型。而如果只用橙色部分开源模型，效果略逊一筹，因为通用模型在专业领域能力是非常有限，这是我们的一个机会。

　　上图是另外一个机会，来源于DeepSeek技术报告，横轴是强化学习的迭代次数，纵轴是模型的思考能力。图中折线的上升，说明在不断补充专业领域专业高质量的数据，并且不断让这个模型进行强化学习的迭代，专业领域垂域模型的思考能力会越来越强，专业能力越来越强，这样自然会在市场上有更好的竞争力，应用的效果更好，这就是强化学习的尺度法则。

　　以平安为例，我们依托自主研发的“平安脑”大模型体系，在保险、医疗、银行、投资等核心场景中，持续注入亿级高质量领域数据，并通过强化学习机制实现模型的“专业进化”。数据显示，在医疗问诊场景中，经过多轮强化学习迭代后，模型在复杂病例的推理准确率显著提升，已接近资深医生水平。

　　这一趋势表明，谁掌握专业数据，谁就拥有模型进化的主动权。未来，金融服务将不再是“人海战术”，而是“专家+大模型+机器人”的协同模式：少数领域专家通过指挥、调度、管理AI代理（AI Agent）集群，实现大规模、高并发、个性化的专业服务。这种“专家知识模型化—模型能力代理化—代理服务规模化”的新范式，正成为金融机构降本增效、提升服务半径的核心路径。

　　三是生态变化。AI大模型的深度应用正引发“链式反应”——不仅单点场景智能化，更催生出一批“AI原生应用”与“领域智能体”的系统性涌现。平安集团近年来持续构建“金融+医疗+养老”三位一体的智能生态，已孵化出包括“平安好医生AI问诊”“智能理赔机器人”“AI投顾助手”“AI核保师”等在内的数十个垂域智能体，覆盖用户全生命周期需求。

　　更重要的是，这些智能体并非孤立存在，而是通过统一的大模型底座实现能力共享与协同进化。到了现阶段，大模型的真正价值不在于大而全，而在于深而专——每一个垂直领域的深度突破，都会反哺整个生态的智能密度。这种“专业深耕—能力溢出—生态共智”的飞轮效应，正在推动金融行业从“工具智能化”走向“系统智能化”，最终构建起以AI为核心生产力的“智能金融操作系统”。

　　三、市场大变局下，如何立于不败之地？

　　通用大模型只是“底火”，谁拥有高质量专业数据、高价值的专业场景、高水平的模型风险控制能力，谁就能点燃差异化引擎。归根结底，要做到模型做深、场景做宽、安全可控。

　　模型做深。依托平安十年沉淀的海量金融医疗数据，以及“平安脑”的强化学习能力，推动私域数据飞轮，使得周级迭代，模型越转越专；

　　场景做宽。我们基于统一中台供给多层次的算法、算力、数据和平台服务，尤其是智能体平台上线后，一年上线近10万个智能体，其中高活智能体近1万个，覆盖保险、银行、投资全场景，使得存量流程、新增产品、AI原生体验都可以快速优化或上线。同时，通过智能体和插件的运营模式，使得各种智能体及插件能像商品一样进行“开店”，并且一人“开店”、万人共享，激活创新能力，快速扩展应用边界。

　　安全可控。把“可解释”写进强化学习奖励函数，因子随市场动态切换，结论透明可追溯；同时建立伦理治理围栏，确保模型合规、安全、价值观对齐。

　　通过三轮驱动，平安将在AI时代的护城河越滚越厚，立于不败之地。