AI“军备”竞赛升级险企数智化走到哪一步了？
AI“军备”竞赛升级 险企数智化走到哪一步了？
2026年09月12日 02:28
作者：
陈晶晶
近期， 中国平安 （601318.SH）中期财报披露，截至2026年8月，日均Token消耗量已突破2100亿，引发市场关注。
《中国经营报》记者梳理发现，包括 中国人保 、 新华保险 、 中国太保 等上市险企都在财报中披露了 人工智能 相关计划与研发支出。此外，非上市险企中，泰康养医大模型1.0、东吴人寿AI 3.0等也在近期相继发布大模型，加快数智化布局……
记者采访了解到，虽然数字化进程晚于 银行 ，但技术爆发之下，目前AI正全面渗透保险核保、理赔、客服、展业、风控全业务链条。
不过上述“投入”转化为“收入”还需要时间，如何科学检验和评估AI转型的真实成效，如何界定价值兑现的标准与回报周期，都还需要保险机构密集关注。
资金、人力全面倾斜
公开资料显示，近年来多家险企均将数智化上升至战略层面，配套专项资金、算力资源与专业人才投入。近期，其密集披露各项指标与落地规划。
中国平安 日均Token消耗量已突破2100亿背后，是其“AI in ALL”战略的全面落地。
记者从 中国平安 方面获悉，其Token消耗来自两部分：一部分是面向2.5亿客户的应用，包括 AI 快捷服务、AI 理赔服务、AI 医疗服务 等；另一部分是面向集团内部关键岗位的高频应用，包括AI coding、AI办公和AI运营等。
资源配置层面，根据披露， 中国平安 每年科技投入超过百亿元。根据 中国平安 首席技术官王晓航公开讲话，平安把科技投入分成三笔钱：基础研发与运营、规模化创新、前瞻孵化与布局。配置逻辑有两个方面：一是结构优化，二是价值导向。
中国人保 （601319.SH）近期官方微信号文章中披露制定“ 人工智能 +”行动方案，专门成立了数字化发展委员会，制定数字化发展的目标和任务，统筹集团整体的数字化建设和发展工作。
在资金投入上，年报显示，近两年 中国人保 加大了研发费用支出，2024年研发费用支出14.77亿元，2025年达21.63亿元，研发资源重点向财险科技、AI核保核赔、风险减量服务等特色场景倾斜，围绕自身主业链条做大模型开发。
新华保险 （601336.SH）则在2025年11月公布中长期数智化规划，提出大科技“AI+”战略，明确未来3至5年在 人工智能 、 大数据 领域累计投入不低于30亿元。2026年重点推进数字员工规模化落地，打造覆盖七大高频业务领域的数字员工。
中国太保 （601601.SH）亦在加速 AI专项投入，其管理层2026年5月公开称，将“人工智能+”确立为三大战略之一，规划“633”战略蓝图，并于2026年确定30余个首批启动的AI战略项目，全年AI领域投入预算实现翻番，占科技预算18%左右。根据规划目标，确立未来两年AI投入复合增长率不低于40%的长期投入规划。
除了头部保险集团，部分中小险企也在稳步加码数智化布局。
华泰人寿方面在接受记者采访时表示，公司将数字化3.0列为新五年战略三大核心支柱之一，研发中心已于2026年4月正式落地粤港澳大湾区核心城市广州，入驻琶洲 数字经济 试验区核心区域。
记者梳理发现，受经营体量与战略定位差异影响，不同类型险企的路径与投入策略各有侧重。
头部险企普遍走重资产自研路线，投入亿级以上年度预算，自建智算平台与数据底座，深耕保险垂类大模型，构建体系化技术壁垒。部分中型险企主要采购标准化大模型服务，聚焦核保、理赔、风控等刚需场景试点落地。小型险企数智化转型以轻资产合作为主，依托外部SaaS服务落地基础数智化场景，低成本完成业务流程升级。
品牌IP营销专家、广州思益得首席策略官陈彦颐对记者分析表示，金融机构过去数字化投入资金集中在硬件系统搭建、标准化软件采购与流程线上化改造上，以IT部门预算为主体。而现阶段，资源向业务场景深度适配、行业专属知识沉淀、跨部门协同机制倾斜，投入重心从“建系统”转向“育能力”，业务与IT协同加深。
努曼陀罗商业战略咨询创始人霍虹屹也向记者表示，模型、数据和知识库都需要不断更新，这意味着AI正在把过去偏项目制的科技投入，逐渐变成持续性的“生产资料投入”。
成效进入验证期
记者注意到，随着AI投入的规模化、体系化，数字员工、业务智能体批量上线，AI已深度嵌入销售、核保、理赔、风控、内部办公等全业务链条，特别是经营降本增效已有可量化数据验证。
根据财报， 中国平安 2026年上半年寿险闪赔占比59%，产险车代渠道94%单件平均一分钟智能出单；产险反欺诈智能化理赔拦截减损71.1亿元，同比增长10.4%； AI智能体 辅助实现销售额573.13亿元；AI坐席服务量约9.39亿次，覆盖平安81%的客服总量。
上半年， 中国人寿 （601628.SH）累计建设数智应用场景超90个，构建智能体超500个，实现对销售支持、运营管理、客户服务等核心领域的赋能，例如智能核保审核率达96.8%，数字核保员作业率超37% ，保全服务智能审核率达99%，数智化服务赔案占比超75%。
新华保险 财报披露，上半年营销智能助手累计自动生成计划书400余万份；理赔数字员工智能申请模块日均处理影像件超3万件，识别准确率逾99%；人力招聘数字员工AI面试已覆盖超3000名候选人，官方 数字人 服务大使支持16类保险产品讲解与16类线上业务分步指导。
此外，中国人保上半年已落地 AI应用 场景246个，AI能力调用次数超23亿次。
值得注意的是，目前行业尚未形成统一的数智化成效评估体系，各家险企的考核口径与衡量维度差异显著，比如部分机构以业务自动化率、人力替代规模等运营效率指标为主要衡量依据，有的机构则侧重客户服务体验、运营降本等价值指标。
整体而言，险企对AI价值的量化仍集中在短期运营层面，尚未完整量化AI对保费增长、产品迭代升级、风险管控优化、渠道产能改善、投资端投研效率以及组织数字化能力等中长期维度的 综合 贡献度。
苏商 银行 特约研究员付一夫对记者表示，站在经营角度，保险机构需建立以价值兑现为核心的评估标尺，而非仅关注技术指标。“评估标尺应包含多维度的经营指标，例如客户满意度、风险识别准确率、人均效能、费用率、投资收益与风险减损等，应全面纳入常态化考核体系。同时，以成本可计量、价值可追溯为原则，对业务全链路进行精细化核算，推动数智化建设从‘技术叙事’转向‘财务叙事’。”付一夫说。
一位业内人士表示，拉长发展周期来看，保险业数智化转型本质上属于中长期战略投入，基础算力搭建、数据治理、模型迭代、场景磨合普遍需要2~3年的沉淀周期，组织体系适配、业务模式重构、风险体系升级可能需要3~5年的长期打磨，数智化价值的全面兑现仍处于爬坡阶段。
AI落地面临体系性难点
保险行业核心业务对决策精准度、逻辑可解释性、合规可追溯性有着刚性要求，一直是AI落地难度较高的领域之一。
多位业内专家在接受记者采访时坦言，尽管AI已深度嵌入核保、理赔、客服、销售等核心业务流程，但数智化推进仍面临数据治理薄弱、模型落地效果参差不齐、合规趋严等现实难题。
泰康人寿保险科技创新中心总经理周雄志2026年5月公开称，产品、核保、理赔、客服、养老、医疗等部门知识库相互独立、信息割裂，制约了智能体的知识整合与能力输出，成为制约智能体规模化落地的突出障碍。
“现有保险机构的组织架构以职能分工和层级管理为主，决策链条相对较长，而 AI应用 迭代需要高频试错、快速更新，以及业务端与科技端的紧密协同。这种节奏上的错配，使AI项目在从试点走向规模化推广时容易受阻。”付一夫对记者表示。
数据治理薄弱也是制约模型训练精度与场景适配能力的重要因素。在霍虹屹看来，保险公司建设AI，某种程度上也是在倒逼多年积累的数据治理问题得到重新解决。“以前数据质量不好，可能只是报表不准确；现在如果底层数据和知识库存在问题，AI会把错误进一步放大到核保、理赔甚至客户服务等各项决策中。”
在付一夫看来，要真正释放数智化生产力，需突破三大关键制约。一是推进数据治理和知识治理，打通关键系统之间的数据链路，统一标准和标签体系。二是建立与AI适配的快速决策和业技融合架构。三是每个项目立项时需清晰预判业务增量与经营指标。“当数智化战略从‘技术路线图’转化为‘利润表逻辑’，或能实现从试点验证到规模化释放生产力的跨越。”
（文章来源：中国经营网）