在中国金融机构里，中国平安是一个「异类」——它既是保险、银行、证券、资管全牌照的综合金融航母，又是一家把 AI 写进核心战略的科技公司。2025 年 1 月发布的平安灵犀大模型 2.0（千亿参数、金融场景准确率较通用模型提升 37%），让集团 12 条业务线全部接入 AI；2025 年上半年 AI 相关业务收入达到 340 亿元、同比增长 38%，专利总数超 3.1 万件连续 5 年位居全球金融机构第一。当蚂蚁靠生态、腾讯靠流量、招行靠零售时，平安交出的答案是：用全牌照场景纵深 + 自研大模型 + 开放生态，把 AI 做成一条独立创收的业务线。
一、机构画像：从「综合金融航母」到「金融 + 科技」双轮驱动
中国平安（601318.SH / 2318.HK）是中国最大的综合金融集团之一，业务覆盖保险、银行、证券、信托、资管、医疗健康等全牌照领域。过去十年，平安的战略叙事从「综合金融」演进为「综合金融 + 金融科技 + 医疗养老」三支柱，AI 被定位为贯穿所有业务的「新基建」。与纯科技公司不同，平安的 AI 不是「做出来卖给别人的软件」，而是先在自己的 2.3 亿个人客户、120 万代理人、近万个线下网点里跑通，再对外输出——这决定了其 AI 战略的「场景优先」底色。
1.1 关键指标与市场地位
| 指标 | 数据（2025 最新公开口径） | 信号解读 |
|---|---|---|
| 股票代码 | 601318.SH（A 股）/ 2318.HK（港股） | A + H 两地上市的综合金融龙头标的 |
| 2025 上半年总营收 | 4946 亿元 | 全牌照综合金融业务底盘稳定 |
| 2025 上半年归母净利润 | 818 亿元 | 盈利能力保持行业头部水平 |
| 科技业务营收 | 752 亿元（占总营收 15.2%） | 科技已从「支撑」升级为「独立营收单元」 |
| 2025 全年科技投入（预计） | 超 220 亿元（同比 +12%） | 其中 AI 相关投入占比 45%，AI 成投入核心 |
| AI 相关业务收入（2025 H1） | 340 亿元（同比 +38%） | 对外 AI 服务收入 112 亿，占 AI 收入 32.9% |
| 研发人员 | 3.1 万人（AI 研发超 8000 人，占 25.8%） | AI 研发是人力投入的最大增量方向 |
| 金融科技专利 | 累计超 3.1 万件（金融 AI 超 1.2 万件） | 连续 5 年居全球金融机构专利数量第一 |
这组数据揭示了一个关键事实：平安的 AI 投入已经进入「正循环」阶段。科技投入 220 亿元中 AI 占 45%，而 AI 相关收入 340 亿元、增速 38%——投入增速（科技总投入 12%）低于收入增速（AI 收入 38%），说明 AI 已越过「烧钱换能力」的拐点，开始产生边际递增的回报。这也是平安与多数仍处于「纯投入期」的金融机构最本质的差异。
1.2 战略定位：AI 不是「赋能工具」，而是「独立业务线」
平安 AI 战略的核心判断是：金融大模型的终局是「模型即服务」。2025 年以来，平安把 AI 的定位从「内部降本增效工具」升级为「对外输出、独立创收的业务线」——灵犀大模型对外开放 API 服务超 200 家企业客户，200+ 金融 Skill 对外调用量超 30 亿次，金融领域 MCP 标准接口吸引超 50 家第三方金融科技公司接入。这种「先内后外、内外双循环」的打法，让平安在没有互联网平台流量加持的情况下，依然把 AI 商业化做到了金融同业的前列——对外 AI 服务收入 112 亿元、占 AI 总收入 32.9%，已形成可独立核算的商业模式。
二、AI 能力全景：灵犀大模型 2.0 引擎与六大 AI 产品矩阵
平安的 AI 布局可以概括为「一个引擎、六大产品、三层架构」：以平安灵犀大模型 2.0为集团级统一引擎，向下连接平安云（金融 AI 云平台）与平安大数据平台（10PB+ 数据、2000+ 用户标签），向上驱动六大 AI 产品，覆盖银行、证券、产险、寿险、客服与对外开放六个场景。
2.1 AI 产品矩阵一览
| 产品线 | 所属板块 | 核心功能 | 落地进展 / 关键数据 | 战略定位 |
|---|---|---|---|---|
| 平安灵犀大模型 2.0 | 集团级通用引擎 | 多模态理解、复杂逻辑推理、金融专业术语精准输出、行业知识问答 | 12 条业务线落地；2025 H1 调用量超 120 亿次；对外开放服务 200+ 企业客户 | 统一模型引擎，金融能力下限的保障 |
| 平安口袋银行 AI 助理 | 平安银行 | 智能客服、信贷审批辅助、理财规划、账户异常预警 | 全渠道覆盖；2025 年 6 月月活超 8000 万；信贷审批效率提升 60%、客诉解决率 92% | C 端银行场景的 AI 流量入口 |
| 平安证券 AI 投研工作台 | 平安证券 | 研报自动生成、产业链数据追踪、量化策略回测、舆情风险预警 | 研究员 100% 覆盖；单份研报生成从 8 小时缩至 45 分钟；覆盖 A 股 + 港股 4000+ 上市公司 | 机构投研效率革命的样板间 |
| 平安产险 AI 定损平台 | 平安产险 | 车险/财产险图像定损、智能核保、反欺诈识别 | 覆盖 95% 线下网点 + 10 万+ 修理厂；定损 2 小时→15 分钟；反欺诈识别率 98.7%、减损超 12 亿元 | AI 在保险理赔的规模化落地标杆 |
| 平安寿险 AI 代理人助手 | 平安寿险 | 客户需求分析、产品匹配推荐、合规话术生成、保单续期提醒 | 全量 120 万代理人覆盖；人均产能提升 28%、客户转化率提升 19% | 赋能 120 万代理人的人机协作底座 |
| 平安数字人客服 | 平安科技 | 多模态交互、唇形同步、情感识别、多语言服务 | 落地银行网点/寿险门店/App 客服；累计服务超 4.2 亿次；满意度 94.3% | AI 与客户交互的最后一公里 |
2.2 从「平安脑」到「灵犀大模型」：技术演进的四个阶段
理解平安的 AI 布局，需要看一条完整的技术演进线：第一阶段（2018-2020），平安提出「平安脑」战略，以 AskBob 医生助手、声纹核身、知识图谱等技术单点切入，彼时 AI 是「嵌入式能力」；第二阶段（2021-2023），AI 能力开始平台化，金医保、车险 AI 定损、好车主大模型等场景化产品成型，形成「技术中台 + 场景应用」结构；第三阶段（2024），启动集团级大模型战略，将分散的场景模型收敛为统一底座；第四阶段（2025-2026），灵犀大模型 2.0 发布并完成集团级统一，AI 从「支撑工具」正式升级为「独立业务线」，同步启动对外 API 服务与 MCP 开放生态。
这条演进路径的启示在于：平安不是「先有模型再找场景」，而是「先有 20 年场景数据，再长出一个模型」。平安大数据平台接入政务、医疗、零售等 8 大类外部数据源，累计数据量超 10PB，金融用户画像标签超 2000 个——灵犀大模型 2.0 的 100TB 训练数据中金融专属语料占比达 60%，这在中国金融机构中几乎无人能及，也是其金融场景准确率领先的核心原因。
2.3 整体评价
与之前调研的券商、数据商相比，平安的 AI 战略有三个「独一份」：第一，场景广度独一份——没有哪家机构同时拥有银行、证券、产险、寿险四条如此清晰的 AI 落地线；第二，代理人规模独一份——120 万代理人全量接入 AI 助手，是全球罕见的「人机协作」实验场；第三，专利厚度独一份——3.1 万件金融科技专利、连续 5 年全球金融机构第一。以下按五个维度深度拆解三条最有代表性的产品线。
三、三条核心产品线五维度深度拆解
3.1 平安灵犀大模型 2.0：集团级通用引擎
| 维度 | 详情 |
|---|---|
| 功能 | 覆盖金融多业务场景的通用大模型：多模态理解、复杂逻辑推理、金融专业术语精准输出、行业知识问答、智能文档处理；对外提供标准化 API 服务，支持第三方基于灵犀快速开发金融应用 |
| 技术架构 | 参数规模千亿级，2025 年 1 月发布 2.0 版本并通过国家《生成式人工智能服务管理暂行办法》备案；训练数据超 100TB，金融专属语料占比 60%；「通用大模型 + 垂直领域模型」双轨路线，与阿里通义千问、百度文心一言、腾讯混元等开源模型合作做金融适配优化；算力底座与华为昇腾共建、与英伟达优化推理效率（推理延迟压至 100ms 内） |
| 适用场景 | 银行信贷审批辅助、保险核保与理赔、证券投研分析、合规风控、智能客服、财报解读、投顾问答；金融场景测试通过率超 99%，已在集团内 15 个业务场景落地 |
| 优势 | ★★★★★ 金融专属语料占比 60% 是国内金融机构最高水平，场景准确率较通用模型提升 37%；已通过国家大模型备案，合规确定性高；与华为昇腾共建算力、算力规模较 2024 年提升 120%、训练成本下降 35%；集团内 120 亿次/半年调用量带来充足的业务反馈数据，形成「数据→模型→场景→数据」飞轮 |
| 不足 | 千亿参数规模仍落后于蚂蚁百灵（万亿级），在通用能力的上限上存在差距；金融垂直能力强但多模态、长上下文等通用能力需要依赖外部模型补位；对 200 家企业客户的外部服务仍处于起步期，对外商业化验证尚不如蚂蚁（AI 营收占比 22.7% vs 平安 15.2%） |
3.2 平安证券 AI 投研工作台：机构投研的「AI 原生」改造
| 维度 | 详情 |
|---|---|
| 功能 | 研报自动生成、产业链数据追踪、量化策略回测、舆情风险预警四大核心模块；支持从数据采集、研报撰写到标的估值计算的全流程自动化；2025 年 Q2 开始向机构客户开放试用 |
| 技术架构 | 底层为平安灵犀大模型 2.0 + 平安大数据平台；自研「平安投研 Agent」实现数据爬取、研报撰写、估值计算多 Agent 协作；与平安资管共用投研数据中台，覆盖 A 股 + 港股 4000+ 上市公司信息实时更新 |
| 适用场景 | 券商研究所研报初稿生成、产业研究员产业链梳理、量化团队策略回测、风控团队舆情预警；对外服务目标为基金、银行理财子等机构客户 |
| 优势 | ★★★★☆ 单份研报生成时间从 8 小时缩短至 45 分钟，效率提升约 10 倍；平安证券研究员 100% 覆盖使用，是全行业渗透率最高的 AI 投研工具之一；投研 Agent 已在平安证券、平安资管投产，2025 年 Q1 帮助投研团队效率提升 40%；与产险、寿险共用灵犀底座，跨板块数据协同能力突出 |
| 不足 | 投研工具对外商业化才刚起步（2025 Q2 才开放机构试用），与万得 Wind Alice、同花顺 iFinD 等成熟机构产品相比用户基础薄弱；研报自动生成的「深度分析」质量仍需人工把关，AI 生成的结论在复杂行业判断上存在可靠性边界；与东财 Choice、同花顺在 C 端投研用户中的覆盖差距明显 |
3.3 平安产险 AI 定损平台：保险理赔的规模化 AI 标杆
| 维度 | 详情 |
|---|---|
| 功能 | 车险/财产险图像定损、智能核保、反欺诈识别；用户拍照上传车辆损伤照片，AI 自动识别损伤部件、评估维修费用并生成定损报告；与 10 万+ 合作修理厂系统打通，实现「定损-维修-理赔」全链路线上化 |
| 技术架构 | 基于灵犀大模型的多模态视觉理解能力 + 平安大数据平台 20 年车险理赔数据训练；图像识别模型 + 规则引擎 + 反欺诈模型三重校验；与英伟达合作优化推理效率，支持亿级用户并发 |
| 适用场景 | 车险小额快赔（全国 95% 线下网点覆盖）、财产险智能核保、反欺诈识别（识别率 98.7%）；大幅降低人工查勘成本与理赔周期 |
| 优势 | ★★★★★ 车险定损平均耗时从 2 小时缩短至 15 分钟，用户体验与运营效率双提升；反欺诈识别率 98.7%、2025 年减少欺诈赔付超 12 亿元，是 AI 投入直接产出财务价值的典型样本；覆盖 95% 线下网点 + 10 万+ 修理厂，是全行业落地最深的保险 AI 场景之一 |
| 不足 | 定损模型对复杂事故、多车事故、罕见车型的识别准确率仍有提升空间，极端场景仍需人工复核；反欺诈模型依赖历史欺诈样本，对新式欺诈手法的适应性存在滞后；作为「成本中心」场景，其能力对外输出（如向中小险企 SaaS 化输出）的商业化路径仍不明朗 |
四、大模型战略与开放生态：自研 + 开源合作 + 生态开放的组合拳
平安的模型策略是「自研为主、开源适配、厂商共建、生态开放」的四层结构：以灵犀大模型 2.0 自研底座为核心，与主流开源大模型合作做金融适配，与华为昇腾、英伟达共建算力与推理能力，同时通过 Skill 库、金融 Agent、MCP 标准接口把能力开放给第三方开发者与金融机构。
4.1 自研模型进展与外部合作
在自研侧，平安坚持「通用大模型 + 垂直领域模型」双轨路线，灵犀 2.0 已通过国家备案并在集团内 15 个业务场景落地。在外部合作侧，平安是金融同业中合作面最广的一家：与阿里通义千问、百度文心一言、腾讯混元等主流开源大模型达成合作，基于开源模型做金融场景适配优化，2025 年合作开发的「金融通识问答模块」已在平安口袋银行上线，覆盖超 90% 的通用金融问题解答；与华为昇腾共建金融大模型算力底座，2025 年算力规模较 2024 年提升 120%、训练成本下降 35%；与英伟达优化大模型推理效率，推理延迟降低至 100ms 以内。这套「自研 + 多供应商」的组合，既保证金融核心能力自主可控，又避免在通用能力上重复造轮子，是大型金融机构目前最务实的模型策略。
4.2 Skill / Agent / MCP：三位一体的开放架构
平安科技已构建覆盖金融全场景的通用 Skill 库，包含「信贷风控」「基金投顾」「保险核保」「企业财报分析」等超 200 个垂直领域 Skill，支持按需组合调用，2025 年对外输出调用量超 30 亿次。在 Agent 层面，形成三类产品矩阵：自研「平安投研 Agent」支持自主完成数据爬取、研报撰写、标的估值计算全流程；合作研发「金融合规 Agent」「反诈 Agent」（与清华、北大联合研发）已在平安银行风控部门落地，累计拦截可疑交易超 2.1 万亿元。在 MCP 层面，2025 年 3 月平安科技发布金融领域 MCP 标准接口，支持第三方开发者基于平安灵犀大模型快速开发金融应用，目前已有超 50 家金融科技公司接入，覆盖财富管理、信贷服务、保险经纪等多个场景——这是继万得、同花顺之后，又一家将核心金融能力 MCP 化输出的头部机构，但平安的差异化在于其接口背后连接的是「银行 + 证券 + 保险」全牌照业务数据。
4.3 平台合作与生态：从金融 AI 云到跨界联合
- 平安云 PaaS → 金融 AI 云平台：升级后支持大模型训练、部署、运维全流程服务，2025 年对外服务客户超 300 家，涵盖银行、证券、保险等金融机构
- 平安大数据平台：接入政务、医疗、零售等 8 大类外部数据源，累计数据量超 10PB，金融用户画像标签超 2000 个，为 AI 模型训练提供充足数据支撑
- 与腾讯金融科技：打通微信支付、理财通等场景数据，共同开发「普惠金融服务 Agent」，2025 年已服务超 2000 万下沉市场用户
- 与蚂蚁集团：在数据合规前提下共享风控模型能力，共同提升消费信贷风控准确率 5 个百分点
- 与微软：引入行业标准化的 AI 治理框架，完善大模型安全合规体系，2025 年通过 ISO 42001 人工智能管理体系认证
这套生态的本质是「用数据换场景、用能力换接口」：平安用 10PB 数据和全牌照业务场景，换取腾讯的 C 端流量、蚂蚁的风控模型、华为的算力、微软的治理框架，再把整合后的能力通过 API、Skill、MCP 对外输出。对金融机构而言，这是目前最完整的「生态即战略」样本。
五、竞品对比：全牌照 AI 航母 vs 平台生态的四方博弈
中国平安的竞争对手横跨两条线：传统金融机构线上的招商银行，以及互联网平台金融科技线上的蚂蚁集团、腾讯金融科技。四方对比，可以看到金融 AI 竞争的四种截然不同的路线。
5.1 四方综合对比：四种路线的 AI 军备竞赛
| 对比维度 | 中国平安 | 蚂蚁集团 | 腾讯金融科技 | 招商银行 |
|---|---|---|---|---|
| 核心路线 | 全牌照综合金融 + 模型自研 | 平台生态 + 万亿级模型 | 流量连接 + 混元金融版 | 零售银行 + 招银大模型 |
| 大模型 | 平安灵犀 2.0（千亿级，自研） | 蚂蚁百灵（万亿级） | 腾讯混元金融版（千亿级） | 招银大模型（百亿级） |
| 落地场景 | 12 条业务线全覆盖（银行/证券/产险/寿险/资管/健康） | 支付、信贷、财富管理 3 大场景 | 支付、理财、企业服务 3 大场景 | 银行零售、对公 2 大场景 |
| 2025 科技投入（预计） | 超 220 亿元 | 超 180 亿元 | 超 150 亿元 | 超 140 亿元 |
| AI 相关营收占比 | 15.2% | 22.7% | 8.3% | 6.1% |
| 金融 AI 专利 | 超 1.2 万件（全球金融机构第一） | 超 8000 件 | 超 5000 件 | 超 3000 件 |
| AI 开放生态 | 200+ Skill / 金融 MCP 接口 / 灵犀开放 API | 百灵开放平台 + 金融科技出海 | 混元开放 + 微信生态插件 | 行内自用为主，开放有限 |
5.2 平安 vs 蚂蚁：场景广度 vs 生态深度
关键判断：蚂蚁在 AI 商业化（AI 营收占比 22.7%）和模型规模（万亿级百灵）上领先平安，其优势来自 C 端支付/信贷的高频交易场景和成熟的开放平台生态；但平安在场景广度（12 条业务线 vs 3 大场景）、专利厚度（1.2 万 vs 8000 件）和传统金融业务数据纵深上明显占优。两者的竞争本质是「金融 AI 的广 vs 深」：蚂蚁把支付与信贷场景做到极致，平安则试图用全牌照场景做「AI 金融操作系统」。对客户而言，蚂蚁更「好用」，平安更「全面」——这也是平安对外输出 AI 服务（112 亿元）时强调「银行、证券、保险全场景」卖点的原因。
5.3 平安 vs 腾讯金融科技：全牌照自研 vs 流量生态集成
关键判断：腾讯金融科技的 AI 战略依赖腾讯混元大模型 + 微信生态的流量优势，在支付、理财场景的用户触达能力无人能及；但它在金融牌照深度和业务场景多样性上远不及平安——腾讯没有保险全牌照业务矩阵，金融 AI 主要服务于「支付 + 理财」的轻金融场景。平安与腾讯更多是竞合关系：双方已在普惠金融服务 Agent 上深度合作（服务超 2000 万下沉用户），但在财富管理、保险科技等赛道仍是直接竞争者。腾讯的强项是「AI 用起来方便」，平安的强项是「AI 懂金融业务」——在需要深度金融理解的场景（核保、理赔、信贷风控），平安的自研模型与业务数据闭环优势更明显。
5.4 平安 vs 招商银行：综合金融集团 vs 零售银行单点突破
关键判断：招行是传统银行里 AI 布局最积极的一家（招银大模型 + 零售场景深耕），但在模型规模（百亿级 vs 千亿级）、场景广度（银行零售/对公 vs 全牌照）、AI 营收占比（6.1% vs 15.2%）三个维度均落后平安一个身位。招行的优势在于零售银行单点场景的服务深度与品牌信任，其「AI + 人工」的财富管理陪伴模式在零售客户体验上口碑良好；但平安凭借集团科技投入（220 亿 vs 140 亿）和保险、证券、银行的跨板块数据协同，在中长期可能拉大差距。对行业而言，招行代表「单点深耕」路线，平安代表「平台整合」路线，两者短期不会直接冲突，但长期都会争夺「客户金融 AI 入口」这一战略位置。
六、结论与行业启示：全牌照集团的 AI 商业化范式
中国平安是金融同业中把「AI 独立商业化」做得最完整的样本。它没有互联网平台的流量天赋，却用 20 年积累的全牌照业务数据、120 万代理人的人机协作网络和 3.1 万件专利的技术储备，走出了一条「自研引擎 + 场景纵深 + 生态开放」的金融 AI 路线——2025 年上半年 AI 收入 340 亿元、增速 38%，已经证明了这条路在财务上的可行性。
6.1 三个结构性优势
- 「全牌照场景 × 自研模型」的双飞轮难以复制：银行信贷、证券投研、产险理赔、寿险代理人是四个完全不同的 AI 场景，平安用灵犀大模型 2.0 一个引擎全部打通，跨场景数据协同带来的能力外溢（如产险反欺诈模型反哺信贷风控）是单业务牌照机构无法构建的。
- 120 万代理人的「人机协作」是全球最大实验场：寿险 AI 代理人助手让 120 万代理人人均产能提升 28%，这种「AI 辅助人、人反馈 AI」的闭环，为平安积累了金融 AI 在「人机混合决策」场景的独家数据资产——这是纯线上金融机构没有的。
- 「先内后外」的 AI 商业化路径风险更低：平安先在自己 2.3 亿客户、近万个网点里验证 AI（2025 H1 调用量 120 亿次），再对外输出（200 家企业客户、50+ MCP 接入方），避免了「模型没跑通就卖出去」的行业通病。AI 相关收入 340 亿元中对外服务 112 亿元，内外结构健康。
6.2 三个需要警惕的短板
- 模型通用能力与蚂蚁的差距可能被放大：蚂蚁百灵已是万亿级，平安灵犀 2.0 仍为千亿级。在通用推理、多模态等能力快速迭代的 2025-2026 年，模型代差可能影响其对外 API 服务的竞争力——若第三方开发者发现「通用模型 + 平安数据」比「平安自研模型」更好用，开放生态的价值会被稀释。
- AI 营收占比（15.2%）仍有提升空间：对比蚂蚁的 22.7%，平安的 AI 商业化在 C 端变现上偏弱——口袋银行 8000 万月活的 AI 增值服务（付费订阅）尚未形成独立营收线，AI 收入更多来自 B 端对外服务与内部降本增效的间接贡献。
- 合规约束与数据开放的两难：作为持牌金融集团，平安的 AI 对外输出（尤其是信贷、保险等强监管场景）面临更严格的合规审查；MCP 接口开放数据给第三方，也需在数据安全与商业价值之间找到平衡——这比互联网平台的开放生态约束更大。
6.3 2025–2026 年的三个观察点
- 灵犀大模型 3.0 会否冲击万亿参数？平安是否会跟进蚂蚁的万亿级路线，或在「金融垂直能力」上走更深的差异化（如保险精算、理赔医学影像等独家领域），是判断其模型战略方向的试金石。
- 金融 MCP 接口能否形成网络效应？50 家接入方只是起点，若 2026 年接入方突破 200 家、第三方应用形成「用灵犀开发金融 App」的开发者惯性，平安将复刻同花顺 SkillHub 的生态叙事，成为金融机构里的「AI 平台公司」。
- AI 对外服务收入（112 亿）能否持续高增？对外 AI 服务收入占 AI 总收入 32.9% 的比例，是检验「AI 独立业务线」成色的核心指标——若 2026 年该比例突破 40%，说明平安已从「金融公司做 AI」进化为「AI 金融科技公司」。
对整个行业，平安的案例提供了三条启示：
- 金融机构做 AI 的正确姿势是「先内后外」：先在自己的核心业务场景里跑通（平安 120 亿次调用量），再考虑对外输出。跳过内部验证直接卖模型，是 2023-2024 年金融 AI 行业最大的教训。
- 数据是金融 AI 的终极护城河：平安 10PB 数据、60% 金融语料占比、2000+ 用户标签，是模型准确率（提升 37%）的根本来源。没有数据深度的模型在金融场景里只是「好看的玩具」。
- 全牌照是 AI 时代的超级杠杆：当 AI 能力可以跨银行、证券、保险复用（同一个灵犀引擎），牌照数量就变成了数据协同与场景覆盖的乘数。这是平安区别于蚂蚁、招行的结构性优势，也可能是未来金融集团并购科技公司的新叙事。
常见问题
中国平安的金融科技与 AI 布局整体框架是什么？
中国平安以「综合金融 + 金融科技」双轮驱动为底座，AI 布局的核心是「平安灵犀大模型 2.0」这一集团级通用引擎，向下连接平安云、平安大数据平台，向上驱动六大 AI 产品矩阵：平安口袋银行 AI 助理、平安证券 AI 投研工作台、平安产险 AI 定损平台、平安寿险 AI 代理人助手、平安数字人客服与灵犀开放 API。2025 年上半年科技业务营收 752 亿元、占总营收 15.2%，AI 相关业务收入 340 亿元、同比增长 38%，形成「模型引擎 + 场景落地 + 生态开放」三层架构。
平安灵犀大模型 2.0 是什么？有哪些核心能力与落地进展？
平安灵犀大模型 2.0 是中国平安 2025 年 1 月发布的集团级通用大模型，参数规模达千亿级，支持多模态理解、复杂逻辑推理与金融专业术语精准输出，已通过国家《生成式人工智能服务管理暂行办法》备案，金融场景测试通过率超 99%。模型基于超 100TB 训练数据（金融专属语料占比 60%）训练，已在集团内 12 条业务线、15 个业务场景落地，对外开放 API 服务超 200 家企业客户；2025 年上半年调用量突破 120 亿次，金融场景准确率较通用大模型提升 37%。
中国平安的 AI 在保险业务场景有哪些典型落地？
保险场景是中国平安 AI 落地的重头戏：平安产险 AI 定损平台已覆盖全国 95% 的线下网点与超 10 万家合作修理厂，车险定损平均耗时从 2 小时缩短至 15 分钟，反欺诈识别率提升至 98.7%，2025 年减少欺诈赔付超 12 亿元；平安寿险 AI 代理人助手已覆盖全量 120 万代理人，2025 年上半年代理人人均产能提升 28%、客户转化率提升 19%；平安数字人客服累计服务客户超 4.2 亿次，客户满意度达 94.3%。
平安的金融 Skill / Agent / MCP 开放生态布局如何？
平安科技已构建覆盖金融全场景的通用 Skill 库，包含信贷风控、基金投顾、保险核保、企业财报分析等超 200 个垂直领域 Skill，2025 年对外输出调用量超 30 亿次；自研「平安投研 Agent」支持数据爬取、研报撰写、估值计算全流程自动化，2025 年 Q1 帮助投研团队效率提升 40%；与清华、北大联合研发金融合规 Agent、反诈 Agent 已在平安银行风控部门落地，累计拦截可疑交易超 2.1 万亿元；2025 年 3 月发布金融领域 MCP 标准接口，已有超 50 家金融科技公司接入。
中国平安与蚂蚁、腾讯金融科技、招行相比，AI 竞争优劣势如何？
四家机构走的是四条不同路线：平安是「全牌照综合金融 + 模型自研」路线，大模型千亿级、12 条业务线全场景落地，2025 年科技投入预计超 220 亿元、AI 相关营收占比 15.2%、金融 AI 专利超 1.2 万件居全球金融机构第一；蚂蚁是「平台生态 + 万亿级模型」路线，AI 营收占比 22.7% 最高，但落地场景集中在支付、信贷、财富管理；腾讯金融科技是「流量连接 + 混元金融版」路线，侧重支付与理财场景；招行是「零售银行 + 招银大模型」路线，模型百亿级、场景集中于银行零售与对公。平安的优势是场景广度与数据纵深，短板是 AI 独立商业化的营收占比相对蚂蚁偏低。
中国平安 2025-2026 年 AI 相关的关键财务与研发指标有哪些？
2025 年上半年集团总营收 4946 亿元，归母净利润 818 亿元，科技业务贡献营收 752 亿元、占总营收 15.2%；AI 相关业务收入 340 亿元、同比增长 38%，对外输出 AI 服务收入 112 亿元、占 AI 收入 32.9%。2025 年全年科技投入预计超 220 亿元、较 2024 年增长 12%，AI 相关投入占比 45%。截至 2025 年 6 月，研发人员总数 3.1 万人，AI 相关研发人员超 8000 人、占 25.8%；累计申请金融科技专利超 3.1 万件，金融 AI 专利超 1.2 万件，连续 5 年位居全球金融机构专利数量第一。