本文共字，预计阅读时间。

自从年初AI风暴席卷全球以来，各行各业都在寻求与AI的结合，落地的应用也层出不穷，保险行业也不例外。作为一个产业链条漫长复杂，同时存在大量数据处理工作的行业，可以说保险行业天然的需要AI。

事实上，最近一年来行业内确实也出现了许多保险公司与科技公司合作共同推出的保险大模型，其实不乏诸多行业巨头，那么这些大模型推出后效果如何？又帮助行业解决了哪些问题？今天我们就来盘点保险行业的大模型。

反应快，投入大，阳光规划“1+3+N”应用建设模式

在这一次的行业大模型浪潮中，阳光保险的反应几乎是业内最快的。早在今年年初，阳光保险集团就在内部启动了“阳光正言GPT大模型战略工程”，建设了以GPT大模型为核心技术能力的阳光正言大模型开放平台。一方面该公司与多家外部大模型技术进行链接；另一方面在开源大模型私有化部署的基础上进行二次开发，注入阳光保险的知识和数据，构建GPT技术底座，建立保险专业垂直领域能力，实现集团、产寿各条线的全应用覆盖，引领该公司智能化升级。

具体来看，目前阳光保险已经规划了“1+3+N”的应用建设模式：“1”是赋能全员办公；“3”代表重点建设的“三类机器人”，即销售机器人、服务机器人和管理机器人；“N”代表联合科技公司，共同探索大模型在保险行业的垂直深度应用。

在去年，阳光人寿推出“灵犀体验计划”，旨在通过集中科技力量、聚集数据资源，全面提升数据智能产品的生产能力，进而实现数据驱动客户体验升级。2023年，阳光人寿创新升级推出“灵犀3.0”版本，在场景覆盖和客户服务等方面进行了全面升级，大幅度提高了客户服务一次完成率。“灵犀3.0”版本在数据监测范围上进行了场景升级，覆盖的业务办理场景范围由原来的保全、理赔业务，扩展到支持双录、回访、投诉等业务场景，覆盖的办理环节与客户量均有显著增加。客户在办理业务时不仅能体验“一站式”快速办理的全流程服务，还能享受更流畅、超越期望的服务体验。

平安打造数字人产品，实现业务全赋能

作为国内“科技属性”很强的保险公司之一，平安其实在这次的AI浪潮出现之前，就已经有了自己的“大模型”。早在2018年，平安健康就打造了专门为医生服务的“ChatGPT”——AskBob智能医生，可为医生提供个体化精准诊疗推荐和辅助决策，彼时的它还没有一个正式的名字，是与复旦大学附属中山医院全科医学科联合研发的以房颤管理为主的辅助管理系统，叫做房颤辅助管理系统。

经过多年发展，该平台基于4000万医学文献、20万药品说明书、2万临床指南等中英文医疗知识图谱以及融合深度学习模型，可为医生提供个体化精准诊疗推荐和辅助决策。截至目前，平安健康AskBob医生站服务于140多万名医生，覆盖全国范围4.6万家医疗机构，每天提供的诊疗辅助决策次数达27万次，尤其在医疗资源有限的地方帮助提升医疗服务。

此外，平安旗下金融壹账通作为国内金融科技领域的AI先行探索者，已率先布局大模型和生成式人工智能(AIGC)，并在银行、保险、投资等金融垂直领域落地应用。

此外，平安银行对公高频场景、高频渠道等实用性业务场景已经落地了服务型数字人，扮演大堂经理、数字面审官、数字助手、数字客服、数字主持等角色。在技术创新方面，平安银行虚拟数字人针对银行业场景还做了大量定向优化：包括基于异构计算和自动并行框架构建合成引擎，实现数字人秒级响应；通过人脸识别、声纹识别、智能反欺诈相结合，解决面审场景同一时刻、同一场景真人核实难题；通过离线、实时视频流自动切换，实现屏幕分辨率自适应，高并发场景下用户体验不受影响。

复旦自研保险大模型“保险智酷”发布，五功能、一平台是重点

最近，复旦保险红人节暨“保险智酷”大模型发布会召开，由复旦保险团队研发的保险垂直大模型——“保险智酷”在会上发布。

根据介绍，“保险智酷”模型有五大基础功能：保险领域知识问答——“保险智酷”模型融合了广泛的保险领域知识，能够以保险专家的身份，对用户的保险相关问题，用通俗易懂的语言进行解答；保险文本检索问答——通过配备检索模块，能够确保模型在处理保险法规、条款、案例分析时能够准确地引用正确的保险知识和数据；保险文本理解与处理——“保险智酷”具备保险语境理解与文本处理能力，能够有效应对如信息提取、文本总结、文本扩写等自然语言处理任务；保险个性化服务——“保险智酷”能够根据用户的信息和需求，提供定制化的保险建议和解决方案；保险案例分析——“保险智酷”能够结合国家政策法规对保险案例进行深入分析与解读。

在大模型的基础功能训练之外，复旦保险团队还搭建了基于“保险智酷”的一体化服务平台。平台以海量法规、条款、报告数据为基础，以“保险智酷”大模型为核心，集成数据分析、可视化处理、文生图片等一系列能力，实现多角色、多场景的保险个性化服务。

太保：以AI技术为突破口，打造出可复制的、能力复合型的保险数字劳动力

在7月举行的“2023世界人工智能大会”上，中国太保公布了旗下太保科技联合数智研究院的基于大模型建设应用探索的科技产品——数字员工。目前太保数字员工已在集团审计中心进行能力试点，构建了审计检查、公文质检、资讯问答等多名审计数字员工，为集团审计带来价值：一是实现精准化的审计监督；二是有效填补审计人力不足；三是构建智慧审计模式；四是发挥智能技术引领，实现人工智能在审计领域全面化应用的率先突破。

与平安一样，其实太保在AI领域也已早有布局，早在2019年，中国太保就表示未来要聚焦“大健康、大区域、大数据”这三大方向实施战略布局。而随后，中国太保又在2022年成立了太保科技，引领中国太保的高质量科技转型发展。今年以来中国太保一系列重仓AI落地推进以数字员工为核心的“保险数字劳动力生态”，正是出于对“大数据”战略的实践。除去数字员工外，太保围绕新技术还有两款标杆产品：黑灯工厂和数字化决策中心。

简要来说，“RPA黑灯工厂”是一种流程自动化集约运营平台，让AI机器24小时午休地执行重复任务，以此节省人力的重复工作成本。“数字化决策中心”，能基于场景融合多项能力，进行多任务协同，最终去支撑运营风控、营销等场景。

太保科技的愿景及其科技蓝图也十分清晰，就是用AI技术作为突破口，打造出可复制的、能力复合型的保险数字劳动力。最后，再通过保险领域的生成式大模型平台，将数字劳动力以数字助手、数字员工的方式嵌入到业务环节和客户服务环节中。

“自建”“外援”两条腿，人保发力大模型

今年以来，人保也持续在保险+AI领域持续发力，他们采取的探索模式是自研与合作双轨并行。自研方面，通过自建人工智能算法团队、推进内外部生态合作，中国人保打造了人保大模型，并在代理人赋能、智能客服等场景试点应用，为集团各公司提供基于大模型的智能产品和技术服务。外部合作方面，人保与认知智能国家重点实验室及科大讯飞合作研发了人保首个专属问答大模型——“数智灵犀-人保大模型”金融大模型，该模型是基于星火金融大模型底座，经过私有化训练调优形成的中国人保专属企业大模型。

“数智灵犀-人保大模型”具有以下几个特点：

• 强大的自然语言处理能力：该模型能够理解和处理自然语言，包括中文和英文。它能够识别和理解用户的问题，并提供准确的答案和解决方案。
• 多领域知识覆盖：该模型涵盖了多个领域的知识，包括保险、金融、健康等。它能够根据用户的问题，提供相关的知识和信息，帮助用户解决问题。
• 个性化服务：该模型能够根据用户的需求和偏好，提供个性化的服务。它能够根据用户的个人信息和历史记录，为用户提供定制化的建议和推荐。
• 高效的推理能力：该模型具有高效的推理能力，能够快速地分析和处理大量的数据。它能够在短时间内给出准确的答案和解决方案，提高用户的满意度和体验。

通过自研与合作双轨并行，人保构建了以深度理解保险行业的专属通用大模型为底座、面向垂直业务领域的自研场景大模型为主体、外部大模型能力为辅助的人保大模型生态，已在该集团各公司百余个场景中应用落地。未来人保也将持续探索保险+AI领域的可能性。

泛华：通过人工智能技术，以“科技+运营”模式赋能全行业

作为国内领先的保险中介平台，泛华控股一直致力于通过人工智能技术赋能全行业发展。今年9月，泛华携手腾讯共同发布了“泛华榕数开放平台数字租户产品”。据介绍，泛华开放平台不仅仅是科技平台，而是集产品、内容、服务、运营、专业支持、生态服务于一体的保险销售行业的解决方案。

该平台面向所有租户开放，链接上下游生态，优化获客、出单、服务、推广、赋能等各项业务环节，助力企业转型增速，降本增效。泛华建立了数字化底座及销售赋能体系，并搭建开放渠道，实现集成，满足平台授权模式、自签模式、MGA模式和融合业务模式等租户的多元业务发展，全面赋能保险销售服务。租户系统既能够进行内部管理，又能够通过后台配置实现toA、toB、toC 的服务系统，推动组织人员管理、展业管理、业务管理、渠道业务发展及客户服务等业务的数字化转型。

通过“科技+运营”模式，泛华开放平台通过人工智能等方法为保险销售服务机构提供全链路线上经营服务，集成数智人、榕数DOP、保单托管等各类科技工具，串联业务流和数据流，精准赋能销售人员及团队触达、洞察、以及持续获得高质量客户，加快展业效率，促进产能提升。

此外，泛华开放平台构建“保险+生态”，将全市场产品与服务生态开放共享，依托全市场产品货架支撑，同步链接康养、权益与服务、海外配置和家办等多生态服务资源，极大地帮助企业降低成本，赋能企业抢占大财富市场的发展高地。

尾言

除去上述大模型，行业内其实还有不少公司也已经参与到大模型的探索研发中，对于行业来说，大模型的出现的最终意义还是为了行业的降本增效。我们在前文中也看到了不少确实对公司业务产生正面影响的案例。

但客观来说，AI浪潮下，也出现了不少企业“为了做大模型而做大模型”，实际上，企业要不要自建大模型，取决于四个因素：一是数据，有没有大量的丰富、高质量的数据，有没有好的数据标注；二是算力，有没有足够的算力支持训练；三是算法能力，企业自有的算法能力能不能支撑大模型的演练和训练；四是时间成本和ROI（投资回报率）。如果仅仅是因为焦虑被时代所抛弃而进行盲目投入，则很有可能面临竹篮打水一场空的结局，大模型很热，但企业们，特别是资金实力没有那么强的中小型险企，还是要冷静一些。

当然了，在这场浪潮下，也没有人，没有公司可以置身事外，我们也希望这场浪潮能够真正打开行业的天花板，让行业的每个环节都能够得到赋能！

[Source]

本文系未央网专栏作者发表，属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！首图来自图虫创意。

本文为作者授权未央网发表，属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！首图来自图虫创意。

本文版权归原作者所有，如有侵权，请联系删除。首图来自图虫创意。