平安王曉航：從算力到價值，平安之解

9月22日，中國平安首席技術官王曉航受邀出席2026雲棲大會，以「從Token到價值：平安之解」為主題，分享平安的產業AI實踐。

王曉航認為，從行業趨勢看AI正持續進化，但對企業而言，核心的問題是如何以可控的成本推動AI進入真實業務場景，創造有效的價值。對此，平安深化「綜合金融+醫療養老」雙輪並行、科技驅動戰略，形成了「高效生產Token——精進專業智能——進入真實業務、規模化創造價值」的實踐路徑。「AI正進入平安全集團的核心業務和生產流程，從‘提供答案’走向‘勝任任務’」，王曉航表示。

如下為王曉航演講全文：

各位上午好，中午好！

剛纔，我們看到了非常精彩的分享和一系列產品技術發佈。算力在持續進化，智能的能力邊界在不斷拓展。

對企業而言，一個接地氣的真正命題是：這些越來越強的智能，如何以可接受的成本，大規模地進入真實業務，創造商業價值？

今天結合平安的實踐，分享我們對「從Token到價值」的路徑探索。

從 Token到價值，構建產業AI正循環

對於企業來説，真正重要的是如何把整個AI技術鏈條轉化為商業價值。這中間有三個非常重要的環節。

第一，在價值層，平安集團正在加速用AI改造服務、銷售、運營、經營、風控、生產等核心流程，創造更好的體驗、更高的效率，爭取創造更大的業務增長機會。

第二，在智能層，基於專業數據和專家知識，讓水漲船高的通用智能進一步深入產業，勝任複雜、高價值的專業任務。

第三，在算力層，通過全棧AI優化，以更低的成本、更大的規模、更可持續的方式去生產有效的Token。

從 Token到智能，再到價值，三者形成正循環，價值才能實現規模化，投入才能可持續。

AI in All：AI正在進入平安核心業務和生產流程

如果用一句話介紹今天的平安，就是：綜合金融、醫療養老雙輪並行，科技驅動、服務創新。

今天，我們面向2.5億客户，已經開始大規模提供AI原生的專業服務。面向超過25萬名全職員工，我們正在馬不停蹄地加速讓研發、辦公、經營、管理都跑在AI上。我們還有數十萬人的代理人銷售隊伍，也在通過AI協助做好客户洞察、銷售賦能等工作。所以，AI in All，對於此時此刻的平安而言，再貼切不過。

要支撐這樣大規模的價值兑現，就需要全棧AI技術的支持。平安擁有大量客户，以及金融、醫療等大規模、高價值、複雜的真實場景和任務。阿里巴巴等領先科技企業則擁有全棧AI佈局和先進的AI技術。我們希望大幅縮短從技術創新到價值兑現的周期。

AI快捷服務：一句話辦事，正在成為綜合金融服務主入口

平安通過「服務差異化」打造核心競爭力，我們特別重視客户服務體驗，以及大規模服務背后的成本和效率。

我們的客户往往需要使用多個平安APP。平安擁有一個完備的APP生態，涉及多個賬户、多類產品。過去，客户要辦一件事情，需要找APP、找菜單、找入口、打電話、做轉接，這是常態。現在，通過AI快捷服務，客户只需要一句話，就能辦事。AI可以理解客户意圖，提供諮詢，還可以連接背后的專業賬户系統、服務和專家。

我自己就有一個這樣的例子。前段時間，我的汽車因為電瓶問題，在外面拋錨了。過去，無論是打電話還是找APP，都少不了十來次交互，以及焦慮的等待。現在，通過AI快捷服務，只需要一句話，就可以發起道路救援。系統能夠自動調取車輛位置、保單信息，調動后端的運力網絡，完成整個救援服務。一句話辦事，一氣呵成。

目前，快捷服務已經連接300多項服務，覆蓋交易、融資、理賠、救急等場景，使用人次已達億次。平安每年有十多億次客户諮詢和辦事需求，客户的服務習慣正在以肉眼可見的速度遷移到AI。AI快捷服務正在成為綜合金融服務的新入口。

AI醫生：一站式解決就醫問題，連接線上線下醫療服務

AI快捷服務要從諮詢走向辦事，而AI醫生則要從諮詢進一步走向一站式解決就醫問題。

當客户提出醫療健康諮詢問題后，往往還需要經歷一系列診問診、檢查、就醫、購藥，以及后續的健康管理服務。因此，AI醫生不只是提供答案，還要連接背后的醫療健康資源和專家。

在 AI醫療專業能力上，我們正在從全科、專科，進一步走向多學科。平安與權威醫院共同打造的AI-MDT服務，在重疾病種中，與同檔次專家的一致性可以達到91%，而且還在持續提升。

在服務連接上，平安為客户提供了優質的綠通、掛號、陪診、專業體檢等線下服務。目前，已經有25%的線下服務需求由AI首接，再進行精準、性價比最優的轉接和連接。

所以，AI不僅提供專業的醫療諮詢，還會幫助客户明確就醫需求，再根據需求連接到院、到線、到企、到家的服務，形成服務閉環。

AI Coding：從80%代碼生成走向AI原生軟件開發全流程

當然，AI不只是改變服務，也正在改變內部生產模式。其中，軟件研發首當其衝。

在平安，大概80%的代碼、67%以上的測試由AI生成。在很多團隊，我們已經看到，AI真實地幫助我們多交付了20%左右的需求。

但是，做好AI Coding並不是一件簡單的事情。一方面，我們要滿足金融級別的安全和私有化部署要求。另一方面，要追求先進，就必須保持快速跟進前沿能力。所以，我們的選擇是：安全部署、開放引入。

在模型層，我們持續適配前沿的SOTA Coding模型。模型一旦發佈，我們就需要從適配、評測、上線、推廣，到所有程序員可以選擇使用，SLA控制在一周之內。

在 Harness和Agentic框架層面，我們也在持續引入先進的開源Coding Agent框架，連接平安研發工具鏈和企業Context，再納入平安自身的安全和權限管理體系。

代碼的替代只是第一步。下一步，我們要走向AI原生的軟件開發全流程。一方面是全流程。讓AI從單點代碼生成，進一步覆蓋需求、設計、代碼、測試、部署等各個環節，把單點的代碼替代變成全流程的交付。另一方面是全自主。人定義邊界和目標，由AI完成從執行、規劃、驗證到迭代的長程任務。我們希望看到，並且不斷逼近的目標是：需求文檔進，版本發佈出。

在平安的常態化場景中，目前有大約20%的常規需求，可以實現這樣的"無人值守"交付。

專業大模型：構築垂域智能進化飛輪

剛纔提到了大規模AI應用的爆發，以及產業應用帶來的大規模價值。這背后，一個非常重要的問題是：在通用模型智能水漲船高、不斷提升的基礎上，如何讓模型進一步深入適配金融、醫療養老行業內非常專業、複雜，而且很多時候高度定製化的任務？

平安的醫療大模型在HealthBench Hard專業評測中排名第一，金融大模型在CNFinBench評測中也保持榜首。我們搭建了持續優化的閉環：私域數據、專家標準、生產質控。值得一提的是生產質控，AI醫生基於衞健委醫療質控標準，在生產中持續進行質控檢視，幻覺率控制在千分之三以內，對標三甲醫院質控標準。新的質控反饋，再回到模型訓練，推動模型智能不斷進化。

全棧AI優化：以不到2倍算力，支撐十多倍Token供給增長

大規模產業應用的爆發，需要全棧AI技術的支撐。去年年底，平安日均Token消耗大約為300億。到今天這個時候，已經超過3000億，而且還在快速增長，是去年的十多倍。同期，如果以PFlops計量，算力規模增長了不到2倍。也就是説，平安以不到2倍的算力規模，支撐了十多倍的Token供給增長。

這背后，當然有萬卡級的算力集群，也有統一的資源調度能力。通過統一的智算平臺，納管雲資源，針對不同任務的成本、性價比和安全性要求，動態優化Token的延迟、吞吐和成本。

平安不追求絕對的算力規模。我們更關注的是算力效率，以及算力所勝任的任務、所產生的價值。

從算力、推理引擎到模型應用，我們投入大量精力，在整個技術鏈路上追求極致優化。KV Cache、PD分離、模型路由、蒸餾量化、Context管理等等，都在這條優化鏈路上。

通過這一系列優化，今年，我們單位算力的Token產出提高了368%，單位Token成本下降了76%。

這就是我們希望看到的AI算力經濟性。我們不僅要關注算力成本，還要從Token成本進一步延展到任務成本、任務價值。剛纔提到的大規模AI應用，包括AI快捷服務、AI醫療服務、AI Coding，基於這樣的AI全棧優化技術，任務成本可以迅速下降，任務規模和應用價值能夠快速爆發。

最后，回到今天大會的主題。我們對「智以致用」的理解就是：

以 Token生智能，以智能創價值，再用規模化價值去支撐持續投入。

謝謝大家！