摘要：中国平安副总经理兼CFO付欣透露，公司去年12月日均Token消耗300亿，今年8月已突破日均2100亿，7个月增长6倍。Token消耗的爆发式增长印证AI已持续在核心业务领域深化落地，全面赋能"综合金融+医疗养老"战略。平安定位为"AI和科技应用赋能主业的受益者"，AI正在从试点走向规模化生产应用。
事件概述：7个月6倍增长的AI使用量
8月25日，中国平安副总经理兼首席财务官付欣在接受新华财经专访时披露了一组令人瞩目的数据：中国平安去年12月的日均Token（词元）消耗量为300亿，而到今年8月，这一数字已突破日均2100亿，短短7个月增长了6倍。付欣将这一爆发式增长解读为AI已经持续在平安核心业务领域深化落地的直接证据。
Token是大语言模型处理文本的基本单位，Token消耗量直接反映了AI在企业中的使用规模和深度。日均2100亿Token意味着平安的员工和系统每天都在大规模地使用AI进行各种工作，从客户服务、风险评估、投资分析到文档处理、营销创意等。这一数字在国内金融企业中处于领先水平，表明平安在AI应用方面已经走在了行业前列。
付欣将中国平安定位为"AI和科技应用赋能主业的受益者"，强调平安的AI战略不是为了技术而技术，而是紧密围绕"综合金融+医疗养老"的核心战略，用AI赋能保险、银行、投资、医疗、养老等主营业务。AI的应用不是停留在试点和探索阶段，而是已经进入规模化生产应用阶段，真正在为业务创造价值。
背景分析：金融行业AI落地的平安路径
中国平安是国内最早布局AI的金融企业之一。早在2018年，平安就提出了"金融+科技"的双轮驱动战略，将科技作为核心竞争力来打造。经过多年的投入和积累，平安已经构建了完整的AI技术体系，包括自研的大模型、AI平台、数据中台等。Token消耗量的爆发式增长，是平安AI战略从"技术积累"进入"规模应用"阶段的标志性数据。
平安AI落地的核心路径是"场景驱动、价值导向"。平安不是盲目地在所有场景中应用AI，而是优先选择那些AI能够创造明确价值的场景，逐步推广和扩展。在保险领域，AI被应用于智能核保、智能理赔、客户服务、营销推荐等场景，提升保险业务的效率和客户体验；在银行领域，AI被应用于智能风控、智能投顾、反欺诈、信贷审批等场景，提升银行业务的风险管理能力和服务效率；在投资领域，AI被应用于投资研究、资产配置、风险监控等场景，提升投资决策的科学性和准确性；在医疗养老领域，AI被应用于智能问诊、健康管理、疾病预测、养老服务等场景，提升医疗养老服务的质量和可及性。
平安AI落地的另一个关键因素是"自研+开放"的技术策略。平安既投入资源自研大模型和AI平台，确保核心技术的自主可控，也积极与外部AI公司合作，引入先进的AI技术和产品。这种"自研+开放"的策略使得平安能够在保持技术自主性的同时，快速跟上AI技术的最新发展。Token消耗量的增长既包括平安自研大模型的使用，也包括外部大模型API的调用，形成了多元化的AI技术供给。
深度解析：Token增长背后的业务价值
日均Token从300亿增长到2100亿，不仅仅是数字的增长，更反映了AI在平安业务中的深度渗透和价值创造。让我们从几个关键场景来解析Token增长背后的业务价值：
智能客服场景：平安拥有数亿客户，每天的客户咨询量巨大。AI智能客服可以处理大部分标准化的客户咨询，大幅降低人工客服的工作量和成本。同时，AI客服可以提供7×24小时不间断服务，提升客户满意度。Token消耗的增长中，相当一部分来自智能客服场景的规模化应用。据估算，AI客服的应用可以为平安每年节省数十亿元的客服成本。
智能核保和理赔场景：保险核保和理赔是保险业务的核心环节，传统上依赖人工审核，效率低、成本高、一致性差。AI可以自动审核投保资料和理赔申请，识别风险点和欺诈行为，大幅提升核保和理赔的效率和准确性。Token消耗的增长反映了AI在核保和理赔场景中的深度应用。AI核保可以将核保时间从数天缩短到数分钟，AI理赔可以将简单理赔的处理时间从数天缩短到数秒，显著提升客户体验。
投资研究场景：平安的投资业务规模庞大，需要处理海量的金融数据和研究报告。AI可以自动分析财报、研报、新闻等信息，提取关键数据和观点，生成投资分析报告，辅助投资决策。Token消耗的增长中，投资研究场景的贡献不容忽视。AI投资研究可以将分析师从重复性的信息收集和整理工作中解放出来，专注于更有价值的深度分析和判断，提升投资研究的效率和质量。
文档处理和知识管理场景：金融企业每天产生和处理大量的文档，包括合同、报告、邮件、政策文件等。AI可以自动处理文档的分类、摘要、翻译、检索等任务，提升文档处理的效率。同时，AI可以构建企业知识库，让员工能够快速找到所需的信息和知识。Token消耗的增长中，文档处理和知识管理场景也是重要的贡献者。
影响解读：金融AI规模化应用的标杆效应
中国平安Token消耗的爆发式增长将对金融行业产生标杆效应。首先，它证明了AI在金融行业的规模化应用是可行的、有价值的。此前，许多金融企业对AI的应用还停留在试点和探索阶段，对AI能否在核心业务中规模化应用存在疑虑。平安的案例表明，只要策略正确、执行到位，AI完全可以在金融核心业务中规模化应用，并创造显著的业务价值。这将鼓舞更多金融企业加大AI投入，加速AI应用的推广。
其次，它将推动金融行业AI应用从"技术驱动"转向"价值驱动"。Token消耗量是一个过程指标，而不是结果指标。真正重要的是AI应用带来的业务价值——成本降低、效率提升、收入增长、风险降低、客户体验改善等。平安的案例强调"AI和科技应用赋能主业"，这种价值导向的AI应用思路将成为行业共识。金融企业在推进AI应用时，将更加关注AI的ROI（投资回报率），优先在能够创造明确价值的场景中应用AI。
第三，它将加剧金融行业的AI竞争。平安在AI应用方面的领先地位将对其他金融企业形成竞争压力。银行、保险、证券等金融企业将加速AI布局，争夺AI人才和技术资源，提升AI应用能力。金融行业的AI竞争将从"有没有AI"转向"AI用得好不好、深不深"。那些能够在AI应用方面取得领先的金融企业，将在效率、成本、客户体验等方面获得竞争优势，而AI应用滞后的企业可能面临被淘汰的风险。
第四，它将带动AI基础设施和服务的需求增长。金融企业AI应用的规模化将带来巨大的AI算力、模型、平台和服务需求。这将为AI芯片企业、云服务商、大模型公司、AI解决方案提供商等创造巨大的市场机会。同时，金融行业对AI的安全性、可靠性、合规性要求很高，这将推动AI技术在安全、可信、合规等方面的进步。
未来展望：金融AI的下一个阶段
中国平安Token消耗的爆发式增长标志着金融AI进入了规模化应用阶段。未来，金融AI将向更深层次发展，出现以下趋势：
一是从"辅助决策"到"自主决策"。目前的金融AI主要还是辅助人类决策，AI提供建议和分析，最终决策由人类做出。未来，随着AI能力的提升和信任度的增加，越来越多的标准化决策将由AI自主完成，人类只负责处理异常情况和关键决策。例如，标准化的信贷审批、理赔处理、交易执行等将实现AI全自动处理。
二是从"单一任务"到"端到端流程"。目前的金融AI应用大多针对单一任务（如客服、核保、风控等），未来AI将覆盖端到端的业务流程，从客户获取、产品推荐、申请审批、服务交付到后续维护的全流程AI化。这将实现业务流程的全面自动化和智能化，大幅提升业务效率。
三是从"通用AI"到"金融专用AI"。目前金融企业使用的AI大多是通用大模型，虽然能力强大，但在金融专业知识和合规性方面还有不足。未来，金融企业将开发更多针对金融场景的专用大模型和AI工具，在通用能力的基础上增强金融专业能力和合规性。金融专用AI将在金融知识理解、金融数据分析、金融合规检查等方面表现更优。
四是从"企业内部AI"到"生态协同AI"。目前的金融AI主要在企业内部应用，未来AI将打破企业边界，在金融生态中协同应用。例如，银行、保险、投资等金融机构之间可以通过AI实现数据共享和业务协同，金融机构与科技公司、医疗机构、政府部门等也可以通过AI实现跨界协同。生态协同AI将创造更大的价值，推动金融服务的创新和升级。
对于金融从业者而言，平安的案例表明AI正在深刻改变金融行业。建议积极学习和应用AI工具，提升自身的AI素养，在AI时代保持竞争力。对于金融企业而言，建议借鉴平安的经验，制定清晰的AI战略，选择合适的应用场景，逐步推进AI的规模化应用，在AI竞争中占据有利位置。