中国平安AI落地实证：AI医生诊疗准确性对齐三甲医院，肿瘤专病专家一致性超90%

医疗AI：从辅助工具到"对齐三甲"

平安集团CTO王晓航在近期的一次对话中详细披露了平安AI在医疗健康领域的落地进展。平安的医疗AI战略目标是"打造最具专业性的AI医生"，目前已经在三个层面取得了实质性进展。在全科和专科领域，AI的诊疗、诊断和咨询准确性"已经对齐三甲医院的水平"。这个表述的分量不轻——三甲医院代表了中国医疗体系的最高水平，AI能够对齐这个水平，说明平安的医疗AI已经超越了"辅助工具"的定位，开始具备独立诊疗的能力。

在面向重疾的多学科会诊（MDT）领域，平安AI也在发力。多学科会诊是针对复杂重症（如癌症）的诊疗模式，需要多个科室的专家共同讨论制定治疗方案，对AI的综合分析能力要求很高。平安AI在这个领域的进展说明其能力已经从单一疾病的诊断扩展到复杂病例的综合分析。

最具体的数据来自肿瘤专病领域。平安与北京大学、平安好医生共同打造专病AI，在肿瘤专病方面，AI与专家的一致性达到90%以上。90%的专家一致性是一个非常高的指标——即使是人类专家之间，对同一病例的诊断一致性也未必能达到90%。这说明平安的肿瘤专病AI在特定疾病的诊断上已经达到了资深专家的水平。

金融AI：Token消耗7个月增6倍

平安AI的另一条主线是金融。平安集团CFO付欣此前披露的数据显示，平安日均Token消耗量从去年12月的300亿增长到今年8月的2100亿，7个月时间增长了6倍。Token消耗量是AI使用量的直接指标，6倍的增长说明AI在平安金融业务中的渗透率在快速提升。Token消耗的增长不是为了"刷数据"，而是因为AI确实在被业务部门使用——从智能客服、智能投顾、风险评估到文档处理、数据分析，AI正在渗透到金融业务的各个环节。

平安在金融AI上的布局有自己的特色。作为一家综合金融集团，平安拥有保险、银行、证券、信托等多个金融牌照，业务场景非常丰富。这为AI的落地提供了大量的真实场景和数据。平安的AI不是从零开始做通用大模型，而是基于自身的业务场景和数据积累，开发面向金融和医疗的垂直AI应用。这种"场景驱动"的AI落地路径，比单纯追求模型参数规模更务实，也更容易产生商业价值。

"四到"服务体系：AI不是终点，服务才是

王晓航提到，线上诊断只是就医的起点，平安还通过"四到"服务体系将AI诊断与线下服务连接起来。所谓"四到"，指的是"到医、到药、到险、到养"——AI诊断后，平安可以为用户对接线下医院就诊、药品配送、保险理赔、健康管理等全链条服务。这个体系的设计思路很清晰：AI的价值不在于替代医生，而在于提升医疗服务的效率和可及性。AI负责初筛、诊断、健康咨询等标准化工作，把医生从重复性劳动中解放出来，专注于复杂病例的诊疗和与患者的沟通。

"四到"服务体系也体现了平安作为综合金融集团的独特优势。平安不仅有医疗AI技术，还有线下医院（平安好医生、北大国际医院等）、药品供应链、保险产品和健康管理服务，能够把AI诊断的结果转化为完整的医疗服务闭环。这种"技术+服务"的模式，比单纯提供AI诊断工具更有竞争力，也更难被复制。

务实主义：超前半步的AI战略

王晓航把平安的AI战略概括为"超前半步"的务实主义。这个定位很有意思——"超前半步"意味着既不保守也不冒进，比市场现状领先半步，但不追求领先一两步。在AI技术快速迭代的今天，很多企业容易陷入"技术追逐"的陷阱，什么技术火就追什么，结果投入巨大但落地效果不佳。平安的"超前半步"策略强调的是技术与业务的匹配——只投入那些在可预见的未来能够产生业务价值的技术，不做纯粹的技术探索。

这种务实主义体现在几个方面。一是不盲目追求自研通用大模型。平安更多是基于开源模型或第三方模型，结合自身的业务数据和场景进行微调优化，开发垂直应用。这样可以大幅降低研发成本，同时更快地将AI能力落地到业务中。二是以业务价值为导向。平安的AI项目不是看技术有多先进，而是看能不能帮业务降本增效、提升客户体验、控制风险。每个AI项目都有明确的业务目标和ROI评估。三是渐进式推广。平安的AI应用不是一步到位全面推广，而是先在小范围试点，验证效果后再逐步扩大范围，降低试错成本。

平安的AI落地经验对其他企业有参考价值。很多企业在AI转型中容易犯两个错误：要么过于保守，不敢投入，结果被竞争对手拉开差距；要么过于激进，盲目跟风，投入大量资源但看不到回报。平安的"超前半步"务实主义提供了一个中间路径——在技术上保持敏感度，在投入上保持纪律性，在落地上保持务实性。AI不是目的，解决业务问题才是目的。这个道理说起来简单，但在AI热潮中能坚持做到的企业并不多。