日均1000亿Token！平安怎么把AI玩明白了？
导语
2026年8月的一个工作日清晨，中国平安一名财险客户经理打开电脑，在对话框中输入一家新能源电池制造企业的名称和员工规模。几秒钟后，AI生成了一份涵盖行业风险特征、过往理赔案例和保障方案建议的保险方案草案。过去，这需要他花上半天时间翻阅资料、咨询核保同事。
这个场景，正在平安遍布全国的数十万员工和代理人终端上以每天数千万次的频率发生。据公开信息，平安2026年上半年实现营业收入5751.38亿元，同比增长15.0%；归母净利润925.85亿元，同比大增36.1%，创下七年来同期最快业绩增速。在业绩数字之外，这家总资产超10万亿的金融集团正在经历一场更深层的变革——AI正从“锦上添花”的试点工具，变成嵌入业务毛细血管的生产力引擎。
一、Token消耗量半年翻七倍：AI从“能用”到“规模化产生价值”
平安在2026年中期报告中首次披露了Token消耗数据：日均Token消耗量从2025年12月的300亿跃升至2026年6月的超1200亿。而到了8月，这一数字已突破日均2100亿。半年时间增长七倍，折射出的不仅是算力投入的加大，更是AI应用从“少量试点”到“深度嵌入核心业务”的质变。
平安副总经理兼首席财务官付欣将平安定位为“AI和科技应用赋能主业的受益者”。据公开信息，平安目前AI坐席服务量约9.39亿次，覆盖81%的客服总量；AI智能体辅助实现销售额573.13亿元；寿险“111极速赔”闪赔占比59%；产险57%车险案件实现自动化查勘。AI覆盖88%的业务场景，可直达300余项高频业务。
德勤发布的《2026年全球保险业展望》指出，以人工智能为代表的颠覆性技术正驱动全球保险行业迎来前所未有的转型。而麦肯锡2026年2月发布的报告测算，生成式AI预计将为全球保险业带来500亿至700亿美元的额外收入。在这一行业趋势下，平安并非孤例——中国太保2026年全面启动“AI+”战略，在核心业务场景中累计上线129个AI应用；中国人寿已落地数百个智能应用场景，覆盖销售、核保、理赔、风控等全链条。
但AI的高投入同样引发市场关注。付欣强调，平安对科技和AI的投入原则是“价值要讲得清楚，能够真正落地、兑现重大价值，我们就愿意聚焦投入”。所有AI项目均遵循严格的投产管理机制，从“规模、入口、场景、可替代”四大维度评估价值。
这四大标尺构成了平安AI投入的决策框架：应用场景必须足够大，不能做“小场景”；数据入口应尽可能标准化；要判断AI能够实现完全替代、部分替代、流程替代还是节点替代。据公开信息，包括AI应用在内的举措已带动平安近一年整体成本收入比进一步优化。平安年度科技投入总体保持百亿元以上水平。
二、低利率时代的“安全垫”：分红险占比超九成，负债成本持续下降
如果说AI是平安的“进攻”武器，那么资产负债管理就是它的“防守”底牌。在长端利率持续下行的背景下，保险业面临的核心挑战是：资产端收益在降，负债端成本却存在刚性。
平安联席首席执行官郭晓涛在接受采访时引用日本案例警示——上世纪90年代末，日本7家寿险公司因在泡沫经济时期大量销售高预定利率保单，随后遭遇资产端收益骤降与负债端成本刚性挤压而相继破产。他的结论是：“低利率本身不可怕，可怕的是资产负债匹配出问题。”
平安的应对策略是“两端联动”。在负债端，核心抓手是分红险转型。据公开信息，2026年上半年平安新业务中分红险占比已超过九成。付欣表示，分红险可增强资产负债表韧性，且资本占用低、权益配置灵活，能够适度降低对绝对收益率的刚性要求。从行业数据看，上半年分红险原保险保费收入达10126亿元，同比增长94.4%。
在资产端，平安坚持“二维平衡”策略。截至2026年6月30日，保险资金投资组合规模达6.61万亿元。近10年平均净投资收益率4.8%，平均综合投资收益率4.9%。付欣透露，平安一方面加配高股息、低波动的优质资产夯实收益底盘，另一方面配置高弹性、高成长的权益资产捕捉结构性机会。郭晓涛则强调“六个匹配”原则——久期匹配、收益率匹配、流动性匹配、资本匹配、账户匹配及监管匹配。
据业内人士分析，2026年保险业全面实施新会计准则，利率波动对资产和负债的影响显著增加，资产负债管理难度大幅上升。平安通过持续的业务转型与精细化资产负债管理，正试图打造“穿越利率周期的经营韧性”。
三、健康险的“三驾马车”：集团与子公司如何各司其职
在医疗养老生态中，健康险是关键的支付方。据公开信息，2025年商业健康险保费规模达9973亿元，近十年年均复合增长率超过20%。多位业内人士预测2026年将突破万亿。平安2026年上半年实现健康险保费收入887亿元，其中医疗险保费超430亿元，同比增长4.9%。
平安在健康险领域的布局呈现出独特的“集团+子公司”分工模式。付欣将集团层面的角色概括为三个“护城河”：战略方向、底层数据和机制协调。在机制层面，平安旗下寿险、产险、健康险三家子公司各司其职——专业健康险公司聚焦疾病、医疗和临床相关的专业健康险；寿险公司将健康保障与储蓄、年金等长期产品结合；财产险公司则依托车主、家庭等既有场景，将短期健康险与车险、家财险等产品组合。
集团层面的医疗和理赔数据也被用于支持健康险定价。付欣以阿尔茨海默病为例表示，疾病在什么年龄发生、发生后的进展速度等，都需要建立在对健康数据的深度了解之上。据公开信息，截至2026年6月30日，平安国内合作医院数超3.8万家，100%覆盖国内百强医院和三甲医院；合作药店数近24.5万家。使用医养服务的客户加保率提升5.9个百分点。
四、挑战与展望：AI能否持续兑现价值？
硬币的另一面是挑战。德勤报告指出，制约AI规模化应用的最大障碍是数据质量与系统基础——多年沉积的遗留系统导致数据分散、标准不统一。据公开信息，保险业AI应用正从场景探索阶段走向价值验证阶段，部分核心业务场景虽已呈现较为明确的投入产出效果，但规模化复制仍面临诸多障碍。
在低利率方面，尽管平安通过分红险转型构建了缓冲空间，但十年期国债收益率已降至1.7%左右。投资收益率的持续下行仍是对保险业盈利能力的长期考验。国泰海通研报指出，分红险将成为低利率时代储蓄险转型的主线。
付欣在谈及AI与人的关系时表示：“现在我们没有看到保险代理人觉得AI能替代他，但我们看到代理人现在有点离不开AI小助手。”过去几年新业务价值保持双位数增长，与此密切相关。据公开信息，平安代理人渠道人均新业务价值同比增长14.1%，银保渠道新业务价值同比增长18.0%。
从行业视角看，2026年被认为是保险业AI从“试点探索”走向“深化应用”的关键窗口期。能否在这一窗口期内将AI能力转化为可验证的业务价值，将决定未来十年保险机构的竞争格局。平安的答卷，目前来看——AI Token消耗量在涨、净利润在涨、分红在涨，但市场最终要追问的是：这轮百亿级的科技投入，能否持续跑出与之匹配的业务回报？
答案或许就在付欣的那句话里：“关注的不只是消耗了多少Token，更看这些Token能不能持续转化为客户价值和经营价值。”
本文由AI辅助生成
