平安王晓航：从算力到价值，平安之解

9月22日，中国平安首席技术官王晓航受邀出席2026云栖大会，以“从Token到价值：平安之解”为主题，分享平安的产业AI实践。

王晓航认为，从行业趋势看AI正持续进化，但对企业而言，核心的问题是如何以可控的成本推动AI进入真实业务场景，创造有效的价值。对此，平安深化“综合金融+医疗养老”双轮并行、科技驱动战略，形成了“高效生产Token——精进专业智能——进入真实业务、规模化创造价值”的实践路径。“AI正进入平安全集团的核心业务和生产流程，从‘提供答案’走向‘胜任任务’”，王晓航表示。

如下为王晓航演讲全文：

各位上午好，中午好！

刚才，我们看到了非常精彩的分享和一系列产品技术发布。算力在持续进化，智能的能力边界在不断拓展。

对企业而言，一个接地气的真正命题是：这些越来越强的智能，如何以可接受的成本，大规模地进入真实业务，创造商业价值？

今天结合平安的实践，分享我们对“从 Token 到价值”的路径探索。

从 Token 到价值，构建产业 AI 正循环

对于企业来说，真正重要的是如何把整个 AI 技术链条转化为商业价值。这中间有三个非常重要的环节。

第一，在价值层，平安集团正在加速用 AI 改造服务、销售、运营、经营、风控、生产等核心流程，创造更好的体验、更高的效率，争取创造更大的业务增长机会。

第二，在智能层，基于专业数据和专家知识，让水涨船高的通用智能进一步深入产业，胜任复杂、高价值的专业任务。

第三，在算力层，通过全栈 AI 优化，以更低的成本、更大的规模、更可持续的方式去生产有效的Token。

从 Token 到智能，再到价值，三者形成正循环，价值才能实现规模化，投入才能可持续。

AI in All：AI 正在进入平安核心业务和生产流程

如果用一句话介绍今天的平安，就是：综合金融、医疗养老双轮并行，科技驱动、服务创新。

今天，我们面向2.5亿客户，已经开始大规模提供 AI 原生的专业服务。面向超过25万名全职员工，我们正在马不停蹄地加速让研发、办公、经营、管理都跑在 AI 上。我们还有数十万人的代理人销售队伍，也在通过 AI 协助做好客户洞察、销售赋能等工作。所以，AI in All，对于此时此刻的平安而言，再贴切不过。

要支撑这样大规模的价值兑现，就需要全栈 AI 技术的支持。平安拥有大量客户，以及金融、医疗等大规模、高价值、复杂的真实场景和任务。阿里巴巴等领先科技企业则拥有全栈 AI 布局和先进的 AI 技术。我们希望大幅缩短从技术创新到价值兑现的周期。

AI 快捷服务：一句话办事，正在成为综合金融服务主入口

平安通过“服务差异化”打造核心竞争力，我们特别重视客户服务体验，以及大规模服务背后的成本和效率。

我们的客户往往需要使用多个平安 APP。平安拥有一个完备的 APP 生态，涉及多个账户、多类产品。过去，客户要办一件事情，需要找 APP、找菜单、找入口、打电话、做转接，这是常态。现在，通过 AI 快捷服务，客户只需要一句话，就能办事。AI 可以理解客户意图，提供咨询，还可以连接背后的专业账户系统、服务和专家。

我自己就有一个这样的例子。前段时间，我的汽车因为电瓶问题，在外面抛锚了。过去，无论是打电话还是找 APP，都少不了十来次交互，以及焦虑的等待。现在，通过 AI 快捷服务，只需要一句话，就可以发起道路救援。系统能够自动调取车辆位置、保单信息，调动后端的运力网络，完成整个救援服务。一句话办事，一气呵成。

目前，快捷服务已经连接 300 多项服务，覆盖交易、融资、理赔、救急等场景，使用人次已达亿次。平安每年有十多亿次客户咨询和办事需求，客户的服务习惯正在以肉眼可见的速度迁移到 AI。AI 快捷服务正在成为综合金融服务的新入口。

AI 医生：一站式解决就医问题，连接线上线下医疗服务

AI 快捷服务要从咨询走向办事，而 AI 医生则要从咨询进一步走向一站式解决就医问题。

当客户提出医疗健康咨询问题后，往往还需要经历一系列诊问诊、检查、就医、购药，以及后续的健康管理服务。因此，AI 医生不只是提供答案，还要连接背后的医疗健康资源和专家。

在 AI 医疗专业能力上，我们正在从全科、专科，进一步走向多学科。平安与权威医院共同打造的 AI-MDT 服务，在重疾病种中，与同档次专家的一致性可以达到91%，而且还在持续提升。

在服务连接上，平安为客户提供了优质的绿通、挂号、陪诊、专业体检等线下服务。目前，已经有25%的线下服务需求由 AI 首接，再进行精准、性价比最优的转接和连接。

所以，AI 不仅提供专业的医疗咨询，还会帮助客户明确就医需求，再根据需求连接到院、到线、到企、到家的服务，形成服务闭环。

AI Coding：从80%代码生成走向 AI 原生软件开发全流程

当然，AI 不只是改变服务，也正在改变内部生产模式。其中，软件研发首当其冲。

在平安，大概80%的代码、67%以上的测试由 AI 生成。 在很多团队，我们已经看到，AI 真实地帮助我们多交付了20%左右的需求。

但是，做好 AI Coding 并不是一件简单的事情。一方面，我们要满足金融级别的安全和私有化部署要求。另一方面，要追求先进，就必须保持快速跟进前沿能力。所以，我们的选择是：安全部署、开放引入。

在模型层，我们持续适配前沿的 SOTA Coding 模型。模型一旦发布，我们就需要从适配、评测、上线、推广，到所有程序员可以选择使用，SLA控制在一周之内。

在 Harness 和 Agentic 框架层面，我们也在持续引入先进的开源 Coding Agent 框架，连接平安研发工具链和企业 Context，再纳入平安自身的安全和权限管理体系。

代码的替代只是第一步。下一步，我们要走向 AI 原生的软件开发全流程。一方面是全流程。让 AI 从单点代码生成，进一步覆盖需求、设计、代码、测试、部署等各个环节，把单点的代码替代变成全流程的交付。另一方面是全自主。人定义边界和目标，由 AI 完成从执行、规划、验证到迭代的长程任务。我们希望看到，并且不断逼近的目标是：需求文档进，版本发布出。

在平安的常态化场景中，目前有大约20%的常规需求，可以实现这样的 "无人值守" 交付。

专业大模型：构筑垂域智能进化飞轮

刚才提到了大规模 AI 应用的爆发，以及产业应用带来的大规模价值。这背后，一个非常重要的问题是：在通用模型智能水涨船高、不断提升的基础上，如何让模型进一步深入适配金融、医疗养老行业内非常专业、复杂，而且很多时候高度定制化的任务？

平安的医疗大模型在 HealthBench Hard专业评测中排名第一，金融大模型在 CNFinBench 评测中也保持榜首。我们搭建了持续优化的闭环：私域数据、专家标准、生产质控。值得一提的是生产质控，AI 医生基于卫健委医疗质控标准，在生产中持续进行质控检视，幻觉率控制在千分之三以内，对标三甲医院质控标准。新的质控反馈，再回到模型训练，推动模型智能不断进化。

全栈 AI 优化：以不到2倍算力，支撑十多倍 Token 供给增长

大规模产业应用的爆发，需要全栈 AI 技术的支撑。去年年底，平安日均 Token 消耗大约为300亿。到今天这个时候，已经超过3000亿，而且还在快速增长，是去年的十多倍。同期，如果以 PFlops 计量，算力规模增长了不到2倍。也就是说，平安以不到2倍的算力规模，支撑了十多倍的 Token 供给增长。

这背后，当然有万卡级的算力集群，也有统一的资源调度能力。通过统一的智算平台，纳管云资源，针对不同任务的成本、性价比和安全性要求，动态优化 Token 的延迟、吞吐和成本。

平安不追求绝对的算力规模。我们更关注的是算力效率，以及算力所胜任的任务、所产生的价值。

从算力、推理引擎到模型应用，我们投入大量精力，在整个技术链路上追求极致优化。KV Cache、PD 分离、模型路由、蒸馏量化、Context 管理等等，都在这条优化链路上。

通过这一系列优化，今年，我们单位算力的 Token 产出提高了368%，单位 Token 成本下降了76%。

这就是我们希望看到的 AI 算力经济性。我们不仅要关注算力成本，还要从 Token 成本进一步延展到任务成本、任务价值。刚才提到的大规模 AI 应用，包括 AI 快捷服务、AI 医疗服务、AI Coding，基于这样的 AI 全栈优化技术，任务成本可以迅速下降，任务规模和应用价值能够快速爆发。

最后，回到今天大会的主题。我们对“智以致用”的理解就是：

以 Token 生智能，以智能创价值，再用规模化价值去支撑持续投入。

谢谢大家！