微表情测谎、极速赔付、AI打败AI，深聊“AI in All”下的保险革命与增长飞轮

撰稿：陈茜

AI落地最适合的是什么行业？保险毫无疑问是其中之一。

在硅谷，当红AI企业Palantir早就开始布局保险行业，集成高敏感度保险数据，赋能保险运营的各个环节，今年股价突飞猛进最高市值达4200亿美元；今年5月，马斯克旗下的xAI更是携手Palantir和TWG Global合作，在金融服务和保险领域部署人工智能。可以看出AI业界和资本市场，都非常看好和押注AI大模型在保险业上的落地。

而从硅谷到中国，我们观察到，保险+AI的趋势也在快速发生，保险企业如何用好AI、AI如何融入保险业务链条产生商业价值？我们采访了平安集团首席科学家肖京、香港人工智能与机器人学会常务副理事长柳崎峰，聊了聊AI如何重塑保险业的增长逻辑。

（文章内容有删减，欢迎观看完整版视频）

01

微表情风控多模态如何降低欺诈风险

平安在一系列AI in All业务中，我觉得最有意思之一的技术就是“微表情风控”。

因为人的面部有很多的运动单元单位，比如说眉毛，眼神，面部肌肉的跳动，一共有39个运动单元来识别面部表情。平安就构建了“5微1言”多模态模型，挖掘个体潜在情绪、意图及疾病，微表情识别准确率96%。

肖京 平安集团首席科学家： 平安在微表情这个领域的研究有十几年了。因为微表情可以反映人的心理在短时间的波动，一般是1/ 15秒左右。人在想撒谎的时候心理有个小波动，脸部的四十几块肌肉就会有点小反应，这种反应不是人主观控制的，自己可能没意识到，但是会呈现出来。如果摄像头抓住了这些变化，就可以一定程度上反映他是不是有什么倾向。

可以帮助我们去做审批环节的线索，发现一些欺诈、黑产等等这些痕迹。这点已经在我们的信贷场景，尤其是无抵押的小额贷款场景广泛使用，每年能帮我们减少20多亿的欺诈损失。另外它也可以用在心理学上的诊断，像抑郁症、多动症等等这些领域，有96%的准确率。

这是非常好的AI多模态应用场景，但平安的人员告诉我，一些风险案件还是会进入人工核实和复审阶段，不会单靠AI测谎，还是需要多方验证。微表情风控主要是作为辅助工具来提效，而不是作为审判。

02

AI出单理赔

赔付效率全面跃升

另外很有趣的案例，就是车损理赔。我去年也经历了一场车祸，虽然判了对方全责，但整个理赔过程不要太麻烦，我的保险公司、对方的保险公司、各种问卷、邮件、电话等，整个过程太费劲了。而平安推出的这个，基于图像识别的车险AI出单就很有意思：只要几张照片，就可以全部搞定。

以图片定损为例，平安自研的定损大模型，一个模型支持10万多车型、1000万多部件、7000多损伤形态，准确率达到95%。依托于这一核心自研技术，车险全流程实现了端到端的智能化变革，承保环节AI自动进行损伤核验、对资料进行鉴伪，查勘环节利用定损大模型，机器人可以自动收单，实现案件查勘自动化。

肖京 平安集团首席科学家： 客户在出车祸的时候，如果只是车的外观件损伤，之前我们还要派查勘人员去现场拍照片、定损人员去定损，效率很低，成本也高。 有了这个系统，现在我们通过图片定损，客户只要用我们好车主APP，自己拍一些照片上传，就可以快速识别这个车的参保的车是哪个部位受损、损伤程度如何、应该如何修复、赔多少钱等等。会自动出一个赔付计划，客户如果接受了，赔付低于3000块的，在很多地区都可以自动付款，这样效率和体验就大幅提升了。

有了这个系统，我们98.7%以上的案件都可以一天内赔付；70%多的案件可以一小时内赔付。除了平安以外，这个系统还输出给了其他50多家外部的保险公司，包括海外的一些公司。到现在为止，平安的图片识别自动定损系统，还是全世界唯一一个大规模上应用的这种系统。

图像鉴伪

用AI打败AI

别看保险业是个巨大的市场，但欺诈造成的损失一直是这个产业难以降低的成本，包括申请材料、身份验证、理赔环节、信贷申请等等，都有大量的造假和欺诈信息。保险公司甚至发现：现在更多的欺诈是由AI来造假的，因此像平安这样的保险企业，用更高的AI鉴伪能力去检测欺诈材料，用“AI对抗AI”， 来控制风险。

肖京 平安集团首席科学家： 以前防欺诈主要靠人的经验、规则，来做判断和识别，现在随着AI发展，AI造的假人类基本看不出，所以就需要AI技术来识别AI造假的东西。 比如现在的AI语音那真是非常逼真，口气、背景噪音什么全都能弄出来。但我们如果去分析它的频谱，发现它还是跟正常的录音不太一样的，噪音分布、频谱分布是会有区别的。

所以我们通过技术识别，识别出来它是不是AI，在很多场景甚至接近99%的识别率，平均可以达到95%的准确率。 还有图片信息，比如证件造假，能达到90%以上的识别率。如果是合同资料那种少量修改的造假就难一点，可能是80%左右的准确率，如果整个图片全是AI生成，识别率相对来说比较高。 现在国家也很重视，所以要求凡是大模型生成的东西要做标记。

2025年10月15日，平安集团旗下PAObank（香港数字银行）与金融壹账通联合打造的“反欺诈策略平台（Anti-Fraud Strategy Platform）”入选由香港金管局推出的生成式人工智能沙盒（GenA.I.沙盒），聚焦银行业的风险管理、反诈骗及客户体验创新，特别针对“深度伪造诈骗”设立测试方向，重点探索如何“以AI对抗AI”。简而言之，用AI造假，没有那么容易。

通过以上三个案例，相信大家能感受到，为什么说保险是一个非常适合AI落地的场景。对于客户来说，这是一个产品复杂、选项繁多、信息超级爆炸但你又不得不去面对的行业；对于企业来说，你有太多需要提效的人力资源和成本。

那平安是怎么布局整个AI策略的？

04

AI in All

平安的AI护城河

在国际上，虽然大保险公司有所动作，但目前还是采取的“合作模式”，这样很多AI as a service的2B公司获得巨额的订单。

Palantir在保险领域的应用愈发深入，其在官网就明确提出，“Insurance”业务版块涵盖承保、理赔、组合管理与风险筛查。比如日本大型保险公司 SOMPO Holdings（SOMPO）就在2023-2024年与Palantir签署了长期合作协议。

AIG在2025 年投资者日（Investor Day）中，CEO Peter Zaffino与Anthropic CEO Dario Amodei同台，明确将生成式AI（GenAI）视为其保险业务的核心变革力量，尤其聚焦承保与理赔流程。

但有个问题：这些保险大公司过于依赖外部的AI服务，数据安全如何保证？AI的护城河和竞争优势如何建立？为什么不in-house自己搭建AI团队呢？当我知道平安是花了超过十年时间布局全栈AI能力时，我也很好奇它是如何做到的。

陈茜 硅谷101联合创始人： 国际上一些大的保险集团，它们可能对于拥抱AI还是走得比较谨慎的，那平安现在提出要AI in all，是一个非常全栈的态度跟策略去拥抱AI，你们如何定义、理解AI提升企业级价值这件事情的？

肖京 平安集团首席科学家： 人工智能也不是一个新的东西，它60多年两起两落，为什么前面两次衰落？现在第三次兴起，我觉得就看AI能不能产生价值，能不能真正养活自己。 创造价值有两种方式：一种是把AI能力变成一个产品往外输出，我们叫“AI产业化”。还有一种像平安这样，是要“产业AI化”的。我们认为针对B端的，企业、政府、医院等等，AI产业化是更大的挑战，要把AI工具变成产品去服务其他的业务领域，很难做得特别标准化和规模化。所以我们不是all in AI，而是AI in all，重点是产业的AI化。

首先AI在具体场景落地，精度、效果要出来，就得从底层开始打造体系化的基础能力。这是为什么很多公司从零开始的话，很难一下子建成这个体系，所以很希望能够找外部的、AI产业化的科技公司来帮它实现。 但我跟很多国内外的公司交流后发现，如果不自己建，完全去外面采购的话，想要变成平安这样是挺难的。因为这些AI产业化的公司，它对业务理解是很浅的，它没有自己做过，流程都画不出来，更不会知道瓶颈在哪、问题在哪，只能针对某些点状的场景去做，就很难实现像平安这种体系化的AI in all的能力。

我们的客户已经有两个很大的变化。其中一个很大变化就是它对AI更信任，现在很多人去看病前都会先问一下DeepSeek，我们的客户见理财经理之前，都经常先问一下DeepSeek。所以我觉得产业AI化是必然趋势，也是一个很好的机会，你只有真正实现AI化，才有可能比客户知道的更多、更专业，人家才会更信任你、才会要你的服务。

陈茜 硅谷101联合创始人： 这一轮的AI浪潮，平安在AI投入上、整体战略上有什么样的考量呢？在模型、算力、数据、安全这几大方向有哪些差异性的优势？

肖京 平安集团首席科学家： 平安的底层算力平台，包括CPU、GPU这些全部是集中的，由遍布全国的数据中心支持，这是我们的动力系统，起到两个作用：一个是作为数据飞轮，去训练各种各样的模型，第二个是在决策、判断、服务客户的时候，作为要素特征。而数据是燃料，这些已经搭建起来了。还有一个就是我们的算法，是指挥大脑。

智能体是一个整体的体系，把大脑、动力和燃料全都串起来，变成一个高速运转、标准化、规范化的体系，形成工厂，让所有员工都能在智能体上快速开发应用，快速地覆盖所有的AI应用适配场景。 现在随着DeepSeek R1、OpenAI o1这些强思考大模型出现，模型不仅可以记忆和泛化，还可以思考、举一反三、触类旁通，并且可解释。这就让应用更加广泛，而且还出现了非常强大的智能体平台，所以平安也构建了自己的智能体平台，尤其智能化应用的覆盖场景。

原来做智能化应用，一般是产品经理、业务人员定义问题，然后开发团队来做开发。现在有了智能体平台以后，产品经理自己就能完成开发，只有那些智能体不能完全解决的，才让开发团队来，可以减少大量开发人员的投入，而且开发团队通过AI编码工具也能提效。 我们做了一年多时间，现在已经有57000多个智能体了，全集团20多万员工都在用，这样就能覆盖了我们边边角角所有的这些智能化应用，最终真正地实现 AI in all。

香港人工智能与机器人学会常务副理事长柳崎峰认为，对于金融和保险行业来说，准确度是非常重要的，而平安的三层大模型去保证准确性将是2B应用落地的一个样本做法。

柳崎峰 香港人工智能与机器人学会常务副理事长： 现在面临巨大的挑战是准确度还是有待提高，所以大模型有它的限制。肖总说的三层结构来保证准确，这是非常好的，因为要解决具体的业务问题，绝非是一个GPT-5冲上去就完事了。

举个例子，即使像Claude是用基于GPT的模型，但是它的prompting都已经几千、甚至上万个token，所以这是非常复杂的系统工程，更不用说肖总介绍的，解决一个问题有可能用多个模型，大大小小、各个环节、各个情况要一起上，目的其实就是要提高准确度，同时在成本可控的范围之内。

行业共识形成

AI正在重塑保险的底层逻辑

日前，高盛发布研报上调了平安的目标股价，维持“买入”评级，并且把平安纳入到高盛提出的新“中国股市AI投资框架”，值得一提的是，中国平安是唯一一家被列入“非科技领域收入增强型（AI驱动营收增长）”这一主题类别中的金融保险公司。

可以说，AI正重塑保险业的增长逻辑，已成为了行业共识，而这个垂类正是“模型大厂“触碰不到的领域，因为有太多专业数据和行业know-how。

具体从第三季度财报看，其产险业务实现近九成车险单平均一分钟出单，63%的人伤案件理赔实现自动化，最快51秒即可结案；寿险“111极速赔”项目中，闪赔占比达到58%；风控方面，AI反欺诈系统前三季度拦截减损91.5亿元；AI坐席已承担公司80%的客服量，AI辅助销售规模接近千亿元。这些数据，都在印证一个共识：AI在医养金融的实际落地，是AI商业化的重要样本。

柳崎峰也在和我们连线的时候认为，虽然面临着一些技术上的难点和挑战，但AI将进一步通过深度学习和Agent技术，对金融和医疗继续产生颠覆性影响。

保险和医养金融这样的复杂、庞大、繁琐的产业，正在被AI的科技创新变革，随着AI大模型能力的进一步提升，模型本身谁更强，对于普通用户来说也许并不是最关键的问题了，大家在乎的，是AI能为我们的生活带来什么样的效率提升，而这正是像平安这样的产业端企业需要不断思索、创新的领域。

视频有视觉和音乐的加持，更能呈现出这些精彩的故事细节。 请跳转至硅谷101【视频号】收看完整版

注：部分图片来源于网络

【本期节目不构成任何投资建议】

【视频播放渠道】

国内：B站｜腾讯｜视频号｜西瓜｜头条｜百家号｜36kr｜微博｜虎嗅

海外：Youtube

联系我们：video@sv101.net

【创作团队】

监制｜泓君 陈茜

撰稿｜陈茜

主持｜陈茜

剪辑｜橘子

动效｜踹

运营｜王梓沁 孙泽平 何源清