（图片来源：视觉中国）

蓝鲸新闻9月23日讯（记者 石雨）AI应用，是各行业的共同核心议题，保险业也不例外。从辅助到赋能，从增加效率到渗透至核心业务流程，保险业对于AI应用的探索链越来越长，各机构的差异也在逐渐拉开。

今年中报，中国平安披露了一个非财务指标：日均Token消耗量突破1200亿，到8月，这个数字攀升至2100亿。而在2025年末，这个数字还是300亿。

中期业绩会上，新华保险副总裁秦泓波分享了一个细节：他跟青年员工座谈时问最需要什么资源支持，回答是“多给我们点Token”——词元已是被一线争抢的日常资源。

尽管各家披露口径不一，但翻看2026年五大上市险企半年报，AI、智能体、数字员工、垂直大模型成为高频关键词。与之形成鲜明对比，多数中小险企的AI应用仍停留在采购通用大模型接口、搭建简易问答机器人的阶段，真正完成垂直大模型微调、部署业务智能体、实现核心流程AI改造的中小险企屈指可数。

同一个行业，同一轮技术浪潮，正在裂出两种截然不同的叙事，就此，蓝鲸新闻记者进行了深度调研。

头部在算什么账

头部险企的AI落地，已经从“上线了多少个场景”推进到“算得清什么账”。

Token消耗的快速走高，是最直观的标尺。记者调研获悉，平安的Token消耗来自两方面：面向客户的AI快捷服务、AI理赔、AI医疗服务；以及面向集团内部的AI coding、AI办公和AI运营三大企业AI工程。

强科技基因的众安在线，2026年上半年消耗Token超34万亿，同比增长超过10倍。同期研发投入3.04亿元，累计上线1000个场景化定制数字员工，覆盖全部业务线。

智能体的落地是直接产出。中国人寿半年显示，目前累计建设数智应用场景超90个，构建智能体超500个；中国人保在今年上半年，落地AI应用场景246个，AI能力调用次数超23亿次。

“不要为了追求技术而去做技术，还是要坚持价值为先，找到最优场景来做创新”，中国太保产险总经理助理叶明满近日在演讲中提出。

这也是当前头部机构科技布局的核心考量——“价值”。

“保险业已经基本走过了‘是否要使用AI’的讨论阶段，正在进入‘如何让AI承担真实生产任务’的阶段”，暖哇科技相关负责人向记者分析，“其中一个明显变化是，保险公司比过去更加关注科技投入的确定性。项目能否落地，不仅取决于技术是否先进，还要有明确的业务价值，比如能够产生多少保费、降低多少成本、控制多少赔付风险，以及多久能够验证。AI项目的评价标准正在由‘有没有’转向‘产生了什么结果’。”

针对AI投入产出与“Token太烧钱”的顾虑，中国平安副总经理兼首席财务官付欣日前在接受蓝鲸新闻等媒体专访时回应，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、可替代等维度评估价值。算力和Token供给扩大、效率提高和应用价值释放正在形成正向循环，让AI投入可以大规模、可持续。

中国太保副总裁俞斌在媒体采访中表示，中国太保主要从客户净推荐值、伴生风险保费、人均保费、管理费用率、投资收益率、风险减损六大指标对AI产出成效进行评估，该指标体系已全面纳入常态化、可量化的考核管理体系。同时，他透露，预计2026年AI投入将同比实现翻倍，约占科技预算的18%。

头部算的不止技术投入账，还有整本经营账。

价值开始说话

于是，在半年报中，各上市险企秀出AI落地的最新成绩单。记者注意到，与初期强调AI重“提效”的价值主张不同，当前各头部险企正加码在服务端、风控端的应用，换言之，成绩单的重点从“节省了多少时间”，扩容至“增加了多少服务，定义了哪些新产品”。寻找差异化，也寻找可持续的业务增量。

2026年上半年，平安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；AI医生使用人数超970万，精准诊断覆盖疾病超1.13万种。从业务价值来看，产险车代渠道94%的单件实现平均一分钟智能出单，寿险闪赔占比59%，反欺诈智能化拦截减损71.1亿元。

打造超500个智能体的中国人寿，在2026年上半年智能核保审核率达96.8%，数字核保员作业率超37%，保全服务智能审核率99%，数智化服务赔案占比超75%。数字本身不是重点，重点在于智能体已经嵌入“培训-展业-理赔”的真实价值链。

新华保险在半年报中强调了“数字员工”规模化落地的成绩。上半年，新华保险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%；团险投标数字员工推荐命中率由60%跃升至90%。

过去很多AI项目的定位是辅助人工，例如提供信息检索、内容生成或决策建议。暖哇科技提出，在大模型能力快速提升的背景下，AI的核心价值正在从“辅助”走向“在合理边界内完成任务”，交付可追溯、可复核、可验证的业务结果。

“我们判断项目是否真正进入生产，主要看：是否持续承接真实业务量，AI结果是否被实际采用，以及是否形成了自动化率、准确率、处理时效、单位成本、风险减损或业务增长等客观指标”，暖哇科技相关负责人向记者进一步解释道。

但成绩单之外，一个更深层的问题正在浮现：这些价值究竟是局部的、分散的，还是已经形成了系统性的能力？蚂蚁集团保险事业群CTO孙振兴在接受记者采访时给出了一个判断：

“从全行业角度来说，目前很多探索还处在第一阶段——让AI解决完整任务中的某一段，类似“高速路段，各管一段”。未来更代表趋势的做法，是尝试让AI在业务环境中形成闭环：能看到行动结果，根据结果做分析判断，再优化下一步。‘高速路’各管一段，最短板一定制约整体效率；如果形成闭环，效率会被充分释放，人也会被解放出来，去做创造新产品、解决AI难解决的问题、提供情绪和需求启发等事情。”

答案不在模型里

尽管头部险企的探索已经落到实效，但在业内看来，距离“质变”仍有差距：模型输出精度不足、对业务场景适配有限，量变尚未引发质变。至于质变该如何到来，头部机构也仍在试错、摸索。

技术角度来说，通用大模型、智能体的快速发展和迭代，并不代表着垂类智能体的成熟。模型是概率性的，而金融业务的执行必须是确定性的。尤其监管八号文发布后，先行者真正要回答的是：如何把概率模型变成可信、可审计、可回退的确定性工程。

业内观点是，把保险业务中的上下文、数据、工具、结果判定和门禁校验结构化下来，让智能体在约束中执行。

这背后指向的判断是：保险AI的竞争，不是基础模型本身的竞争，而是行业知识抽象、流程理解、智能体工程和系统集成能力的竞争。对头部险企而言，这意味着过去依靠科技预算和算力规模建立的优势，未必能直接转化为垂类智能体的成熟度。

“模型能力不会天然‘长出’对保险业务的深刻理解”，暖哇科技相关负责人向记者分析道，如何把长期沉淀在条款、规则、系统和专家经验中的行业知识，转化为模型可以理解、调用和持续迭代的能力，会成为未来非常核心的技术突破点。

此外，多名业内人士向记者提出一个观点：AI的进一步应用，将会实现对行业流程的重构。“传统保险作业流程是在过去技术能力、人工组织方式和系统边界下逐步形成的”，一名保险科技机构相关人士向记者分析指出，当AI开始具备理解复杂材料、执行多步骤任务、调用系统和完成判断的能力后，原来围绕人工操作设计的很多流程、岗位分工和系统机制，都可能被重新审视。未来可能出现直接围绕AI能力重新设计的新型业务模式和作业机制。

这意味着，保险AI的竞争，正在从“谁的模型更强”转向“谁更懂业务、谁更能把行业知识变成AI可执行的能力”。

当然，各机构不会齐头并进。AI应用是全保险业的共同节奏，但不同主体所处的阶段大相径庭。中小险企与头部险企，正呈现出完全不同的布局节奏，这背后对应着各自不同的战略、需求与经营特点。下篇，蓝鲸新闻将聚焦中小险企AI应用的探索与处境进行报道。