专访中国平安首席科学家肖京：核心技术才是“胜负手”

DeepSeek的到来不仅改变了我国对于海外AI技术的高度依赖，同时，也全面引爆了国内对于AI应用热潮，在当下的年报季，AI成了上市公司们年报中的关键词。

中国平安2024年年报的“含科量”高出以往，中国平安董事长马明哲在年报致辞中也表示，当前以DeepSeek为代表的开源大模型，正在深度重塑全球科技革命的方向、重构企业价值创造的底层逻辑，对金融保险业亦影响深远。“改革创新”是中国平安2025年度经营方针的重要主题，全面数字化战略是2025开年的首要任务。

近日，中国平安首席科学家肖京在业绩发布会期间接受媒体采访时，不仅全面介绍了中国平安的科技布局，同时也回应了目前市场关注的AI领域热点话题。

他认为，随着AI技术的应用，一些颠覆性的变革正在到来，比如，未来将会有很多依靠知识和经验提供专业服务的领域，可能会有演变成为少数优秀专业人员调教指挥一群机器人来提供客户服务。同时，类似于这样的变革也会带来一些潜在的风险。

另外，他表示，AI应用固然重要，但更要保持对核心技术探索的热情，“保障核心技术研发的创新环境和土壤生态，只有这样中国才能真正地赶上并且超过海外最高水平的AI能力。”他说。

AI应用的三个发展阶段

肖京说，目前为止，AI的应用大致经历了三个发展阶段，ChatGPT推出之前为第一阶段。当时的人工智能只能说是“人工+智能”，即AI需要人工示范所有可能，这也导致人工训练的成本非常高，且覆盖的范围有限，交流方式就比较机械、生硬。

ChatGPT推出后，AI应用进入第二阶段。AI具备了一定的自我学习能力，只需要把大量的历史案例、数据灌给AI，AI就可以自己通过预训练大模型技术自我学习，通过博闻强记的能力，AI尝试像人一样地交流，拟人化程度比较高。

“但这个阶段的AI依旧缺乏思考能力，不会逻辑推理、触类旁通，比较容易犯错，且不知道错从哪来，如何纠正，可解释性比较差，经常一本正经地胡说八道。”肖京说。

而随着DeepSeekR1和OpenAI o3-mini等强思考模型推出后，AI进入第三发展阶段。如今，AI不仅能自我学习，还能强思考、发散思维、举一反三、触类旁通。而且因为新的强化学习规模法则，AI还可以终身学习、持续成长。

“现在的AI，思考过程、逻辑非常清晰，思考路径可见，而且有全局拆解的整体规划，所以具有很强的可解释性。如果出现错误还可以追根溯源，针对性地改正、优化，所以AI的应用可控性大大增强，应用前景更加广泛。”他说。

第三阶段的AI，拟人化程度更高，温度感更强，具备了从对方的角度出发，围绕交流的主题缜密思考、层层推理的逻辑能力。尤其是在专业领域，诸如金融、医疗等，经过最优秀专家的调教和指导，以及持续的自我学习能力，AI逐渐接近甚至超过人类专家的服务水平和温度感，得到客户的认可和信任。

肖京认为，未来，将会有很多依靠知识和经验提供专业服务的领域，可能会有演变成这样一种新的形态：即少数优秀专业人员调教指挥一群机器人来提供客户服务。

重应用，更要重研发

DeepSeek推出后，一系列应用如雨后春笋般不断涌现，比如前段时间的Manus就引起了市场的热议。在肖京看来，应用固然重要，但更要保持对核心技术探索的热情。

“这个问题在国内市场已初现端倪，大家认为既然DeepSeek已经开源了，拿来即用就好，有些原本专注大模型底层研发的团队，最近迫于市场压力不得不转向一些更加偏应用的领域。事实上，市场竞争最终的‘胜负手’还是在于核心技术水平。所以，既不能像以前那样一窝蜂地投入，更要避免忽视底层技术研发，我们需要保障核心技术研发的创新环境和土壤生态，只有这样中国才能真正地赶上并且超过海外最高水平的AI能力。”他说。

目前，中国在AI大模型领域与海外相比是各有优劣，诸如在算力、芯片、领军人才、原创的核心算法等方面与海外仍有差距，但差距在持续缩小，且过去的绝对依赖性已经消散。

而诸如数据资源、创新的政策环境、人力资源、应用场景等方面是中国的优势所在。

所谓大模型技术，遵循着规模法则，算力越大、模型参数越大，涌现出来的能力也就越强，这样“大力出奇迹”的技术特别适合擅长集中力量办大事的地方。

“所以，AI研发应用特别适合在国内快速发展壮大，容易形成产业上的优势，我觉得，AI未来的发展对中国还是比较有利的。”肖京说。

站在巨人的肩膀上创新

AI的发展势不可当，赋能千行百业、助力产业升级。当然，AI与各产业的融合也是有顺序的，哪些产业更容易赋能成功？肖京认为，一是本身数字化基础较好；二是产业规模较大、涉及人数较多，三是利润率相对较高，这样的产业可以更快地借助AI实现其商业价值，诸如金融、医疗、教育等。

其中，金融行业一马当先，在DeepSeek推出之后，积极本地化部署，并掀起了一波AI浪潮。肖京认为，以DeepSeek为代表的AI技术将加速金融业的三个颠覆：一是业务流程的颠覆，二是服务模式的颠覆，三是产业生态的颠覆。

“对于类似于像中国平安这种有科技能力的金融机构而言，我们可以基于这些开源的模型，利用自己的数据和技术能力，实现在金融垂域模型的进一步增强，站在巨人的肩膀上创新，全方位应用在各类金融专业场景，从而推动金融业的全面智能化产业升级。”肖京说。

据肖京介绍，中国平安的大模型平台拥有三层构架：第一层是通用大模型；第二层是垂域大模型，包括金融、医疗、养老等；第三是垂域之上的各个专属大模型。而引入的DeepSeek仅仅是底层通用模型中的一个选项。

“我们引入DeepSeek之后，进行大量的测试评估，比如在业务场景上，我们评估了77个场景，其中，有30个场景替换为DeepSeek，因为经过测试之后发现DeepSeek的准确率更高、性能更好，成本也不增加。有21个场景没有平安自己的大模型效果好，所以就没有替换。另外26个场景非常复杂，仍在评估中。而在77个场景之外还有成千上万的场景，以前的小模型效果都更好，就不需要大模型。”他说。

对于AI的应用，肖京介绍说，未来中国平安将聚焦于三方面，即垂域模型做深做强、打造一系列工具平台、与业务部门通力合作将模型体系与业务深度融合。

算力狂飙下的安全博弈

同时，肖京也提醒，这样颠覆性的变革肯定会带来一些潜在的风险。

肖京说，一是AI本身带来的风险，比如数据安全、隐私保护、算法偏见、模型幻觉、生成内容不合规等。“另外，目前很多大模型的应用是以云服务为主的，大量的信息在网上传输，也存在数据泄露、滥用、模型篡改等风险。”他说。

二是投入产出比的风险，AI大模型的应用极其耗费资源，投入较大，所以，在很多产品上可能会出现投入的资源和产出价值不匹配的风险，“所以，在企业选择投入的时候需要价值导向，避免盲目大干快上，带来不必要的负担。”他说。

三是社会风险，比如AI带来了产业模式、流程、生态的变革，同时，也要求相关从业人员必须去技能转型，适应新的不同产业业态。

四是行业本身的风险，“比如，未来有能力的头部机构，AI应用能力会越来越强，但一些没有能力的小企业就只能用一些简单的应用，导致与大机构之间的能力差距会越来越大，形成马太效应。”他说。

肖京认为，前两类风险可以通过技术能力、管理水平的提升来解决，而后两类风险就需要国家和行业共同努力。

肖京介绍说，中国平安在十多年前就完成了集团大数据平台的建设，遵循合法正当、目的明确、授权同意及最小必要原则，打通全集团各种类型的海量数据孤岛，并建立了数据清洗、整合、更新、质量管理、标准化、脱敏安全，以及严格的权限管理、隐私保护管理规范、数据全生命周期安全管理等制度。

“在此基础上，我们研发了蜂巢隐私计算平台，通过联邦学习、多方安全计算、先进密码学等技术，构建了面向金融行业‘原始数据不出域、数据可用不可见’的数据要素流通范式。平安一直是严守数据安全底线，所有的系统都是本地化、私有化部署，不会调用公有云服务，所有数据都在平安系统内运行，这样，我们的AI系统就能够非常有效地从根本上降低数据泄露风险，为AI的应用保驾护航。”他说。