“我的車壞了，輪胎破了。”

想象一下，在不久的未來你只需要拿出手機在App內直接說出訴求，后臺系統就會迅速識別出補胎需求，并自動調度了一輛攜帶備胎的救援車前往。這是2025深圳金博會上，平安“AI超級客服”內測演示的一幕。

這不僅是一個功能的展示，而是2025年作為“智能體（Agent）元年”的一個縮影。在經歷了以大模型驚艷亮相為標志的生成式AI階段后，科技行業開始嘗試跨入智能體AI的新周期——AI不再僅僅滿足于理解與表達，而是開始具備規劃與執行能力。

前述的“AI超級客服”，只是平安在這場技術代際更迭關口交出的答卷之一。11月19日，平安集團正式發布了其AI實踐的新全景圖，包括AI超級客服、AI家庭醫生、AI養老管家在內的“三大AI服務”矩陣。

與科技公司往往致力于打造通用“超級大腦”的路徑不同，作為一家坐擁2.5億客戶、橫跨金融與醫療養老龐大實體的綜合服務集團，擁有著海量、高壁壘服務場景的中國平安在這場技術浪潮中有著截然不同的生態位，而這也決定了平安對AI的訴求不能止步于信息交互，而必須深入到問題解決。

平安集團CTO王曉航向筆者表示：“行業里不缺一個參數更大的模型，也不缺一個更好的問答咨詢工具，缺的是在客戶有保障需求時能快速響應、有業務要辦時能省心解決問題的服務。”在他看來，平安的AI不追求“超級酷炫”，但必須“超級有用”。

正是基于“超級有用”的實用主義導向，平安正用AI重構其“金融、醫療、養老”版圖。

重新定義“入口”

在移動互聯網時代，入口之爭往往表現為APP功能的無限堆疊。通常的做法是構建一個“超級APP”，將海量的產品擺上貨架，供用戶搜索與挑選。

在AI智能體時代，這種“人找服務”的貨架邏輯正在失效。

“移動互聯網APP入口的一站式服務平臺，正在升級為面向AI時代的綜合管家體驗。”王曉航將“AI超級客服”定義為一種全新的邏輯：前者是“一站式的貨架”，而后者則是“面向AI時代的綜合管家”。

這種范式重構的核心，在于讓AI從被動的問答者進化為主動的行動者。這并非單純的產品定義升級，正如王曉航所強調，這種從“對話”到“辦事”的產品形態躍遷，其背后支撐的是AI行業正在發生的三個底層技術質變：

首先是邊界擴展，AI已從數字空間的感知與生成，進化到對物理空間的理解與執行。通過世界模型與具身智能，AI正深入改造醫療、養老等復雜的線下物理場景。其次是智能躍遷，Scaling Law（縮放定律）持續生效，驅動模型智能上限提升。在金融與醫療等領域，AI已逼近專業級水平，讓重塑垂直行業具備了可行性。最后是角色重塑，AI不再只是輔助工具，而是進階為“負責任的合作伙伴”。

正是得益于這些底層能力的突破，平安“AI超級客服”擁有了“辦事”的底氣。王曉航強調：“我們希望它能辦事，不光是一個問答、咨詢機器人。”無論是續保、理賠、交易、轉賬，還是線下的就醫、購藥、道路救援，這些過去需要用戶在APP迷宮中層層點擊才能觸達的服務，現在被封裝進了一個簡單的對話框中。

支撐這一體驗的，是龐大的底層工程能力。王曉航透露，平安已將超過500個線上線下的服務進行了數字化，并通過MCP（模型上下文協議）接入系統。這使得智能體具備了理解、匹配、調度乃至“規劃、編排”的能力。

正如文章開篇提到的，當用戶發出“車壞了”的指令時，AI不再是機械地推送救援電話，而是像一個擁有調度權的指揮官，自動連接后臺資源，完成從定位故障到派車救援的全閉環。

更值得注意的是，平安對這一入口的理解超越了物理形態的限制。王曉航透露，Agent的載體不應被APP定義，它未來可以是穿戴設備，也可以是居家養老的嵌入式硬件。比如，平安正在利用毫米波雷達等多模態技術，實現對居家環境的“無線感知”，監控老人在家里的行為軌跡，識別跌倒風險并進行應急救援。

這種跨平臺的布局，顯示出平安試圖構建一個無處不在的服務網絡。

讓“人+機”更可信

在平安深耕的金融與醫療等行業，AI的落地還面臨著與消費互聯網截然不同的邏輯：容錯率為零。

眾所周知，通用大模型雖然通識能力極強，但在面對嚴肅場景時，其固有的“幻覺”問題成為了最大隱患。正如平安科技醫療AI產品團隊總經理倪淵所言：“現在AI最大的問題是，它不知道自己不知道什么，你不管說什么它都能給你回答。”

針對這一行業痛點，平安在發布的“AI家庭醫生”與“AI養老管家”中，確立了一條極其務實的路徑——“人機協作”，即在醫療健康的核心決策環節堅持“AI建議+專家負責”的雙重保障模式。

“面向專業金融、嚴肅醫療，需要人工結合，不只是做純粹的咨詢。”王曉航清晰地劃定了AI的紅利邊界：AI負責處理標準化、繁瑣的信息收集與預診工作，而將最終的處方權、診斷決策權以及情感撫慰權，交還給專家。

以此次發布的“AI家庭醫生”為例，這套系統在實際運行中展現了高效的分層協作能力。倪淵透露，平安通過AI預診、專家服務，在遠程可以解決很多偏遠地區的人來線上問診的問題。例如，一位有胸悶胸痛問題的患者，經過AI初診發現問題嚴重，隨后被安排線下就醫，最終確診為肺部腫瘤；平安還通過多學科會診幫他連接多個專家，提供了二診建議。

技術紅利不僅服務于平安的客戶，同樣普惠于更廣泛的人群。在基層醫療領域，平安的AI眼底篩查模型已部署500多家基層醫院，年篩查20余萬人，敏感度達98%——相當于專業眼科醫生水平，陽性檢出率超過30%。這意味著成千上萬的農村患者得以早期發現糖尿病視網膜病變等疾病。

為了支撐這種協作，平安構建了一道獨特的技術護城河——AI質量合規大模型。

基于數十年的行業數據積累，平安訓練了這套專門用于“審核AI”的模型。“哪些從合規角度是AI不能說的，哪些是AI可以說的，我們非常了解。”一旦遇到AI無法回答的復雜問題，系統會立刻轉給人工處理。這種知道“什么不能說”的能力有時更加可貴。

由此可見，平安的AI應用在嚴肅場景中展現出一種極強的“敬畏心”。它不追求讓AI完全替代人類，而是致力于成為專家身后最可靠的“副駕駛”。

從“人力紅利”向“算力紅利”躍遷

在AI重塑服務體驗的表象之下，平安內部正在經歷一場更為深刻的生產力變革。

“AI生產力的滲透對人的生產力的賦能和提升，是以肉眼可見的速度在發生的。”王曉航指出，在平安內部，有相當一部分比例的代碼由AI生成。在客服、理賠、營銷等工作的部分特定場景，“1個人+AI”可以勝任原先一個小型團隊的工作量。作為一個“重服務”的企業，平安目前的電話服務中有92%是由AI接聽、撥打和互動的。這不僅帶來了成本的優化，更重要的是實現了服務體驗的“更規范、更標準、更專業”。

這種生產力的躍遷，正在倒逼組織架構與成本結構的進化。

在王曉航看來，未來的組織將變得“更扁平、更精密”，崗位對人機協作能力的要求將大幅提升。長遠來看，企業資源配置邏輯也將發生深刻轉變——從依賴“人力紅利”轉向挖掘“算力紅利”。

在這一邏輯之下，伴隨著算力成本的逐步下降，AI處理復雜任務的能力持續摸高，未來企業的競爭優勢將不再單純取決于員工數量的規模，而取決于算力密度與人機協作的深度。

更為關鍵的是，這場生產力革命的終局并非用機器取代人，而是解決更加重要的“專業稀缺性”問題。