在漫威宇宙中，鋼鐵俠的AI管家賈維斯化身“超級秘書”，不僅負責斯塔克家族企業(yè)的運作，平常還是一個忠誠體貼的生活管家，甚至鋼鐵俠連生命安全都托付給了它。

平安集團首席科學家肖京認為上述場景在未來可能會實現(xiàn)，“很多靠知識和經(jīng)驗提供專業(yè)服務的領域，未來很可能會是少數(shù)優(yōu)秀專業(yè)人員來調(diào)教、指揮一群機器人，為客戶提供有溫度的服務。”

在人工智能發(fā)展的七十余年，以GPT-4、DeepSeek為代表的大模型正重塑人類認知世界的方式。這場始于2017年Transformer架構(gòu)的AI革命，通過“大數(shù)據(jù)+大算力+強算法”的黃金三角組合，引發(fā)了新一輪人工智能發(fā)展浪潮。

在當前年報季，上市公司也爭相披露“含AI量”。如平安集團在年報中明確“全面數(shù)字化戰(zhàn)略是2025開年的首要任務。”招商銀行在年報中將“數(shù)字招行”的表述升級為“數(shù)智招行”，并強調(diào)“全力推進AI等前沿科技創(chuàng)新應用，拓展服務和管理半徑，提升業(yè)務效率，降低交易成本，提升風控能力。”

就在AI賦能千行百業(yè)熱潮中，肖京強調(diào)“市場競爭最終的勝負手還是在于核心技術(shù)水平”，而“忽視底層核心技術(shù)研發(fā)”的問題已初現(xiàn)端倪。

在智能涌現(xiàn)中，我們該如何看待這場AI技術(shù)革命。平安集團首席科學家肖京接受采訪，開展一場AI熱下的“冷思考”。

智能涌現(xiàn)：技術(shù)、專業(yè)、場景、生態(tài)的四維協(xié)同

近年來，以ChatGPT和DeepSeek為代表的人工智能技術(shù)引爆全球，如何評價這一輪AI技術(shù)帶來的新變革？

肖京： DeepSeek這類人工智能技術(shù)的價值集中體現(xiàn)在智慧、效率兩點：效率上，它會大幅提升社會、企業(yè)運轉(zhuǎn)速度，提升效率;智慧上，它會推動社會、企業(yè)經(jīng)營決策的模式從“后知、后決、后行”向“現(xiàn)知、現(xiàn)決、現(xiàn)行”，再到“先 知、先決、先行”，我們可以真正用數(shù)據(jù)決策來代替經(jīng)驗決策，實現(xiàn)“聰明經(jīng)營”。

目前，人工智能技術(shù)的有效應用，最主要的是要做到技術(shù)、專業(yè)、場景、生態(tài)的四維協(xié)同：一是要有技術(shù)，包括數(shù)據(jù)、算法、算力;二是要有行業(yè)專業(yè)經(jīng)驗和知識;三是要有實際場景，可以不斷迭代、驗證、升級;四是技術(shù)、業(yè)務、場景多方融合的生態(tài)，就可以不斷迭代、打磨出多種多樣的應用方案。

目前，人工智能帶動產(chǎn)業(yè)升級趨勢不可當，但是也有順序，有些產(chǎn)業(yè)容易先賦能成功：一是行業(yè)本身數(shù)字化基礎比較好;二是產(chǎn)業(yè)規(guī)模較大，涉及人數(shù)較多;三是利潤率相對較高。如金融、醫(yī)療、教育等行業(yè)會最先受益。

具體來看，DeepSeek這類人工智能技術(shù)如何改寫金融業(yè)邏輯？

肖京： DeepSeek這類人工智能技術(shù)與金融業(yè)的融合將加速三個維度的顛覆：業(yè)務流程重構(gòu)、服務模式革新、產(chǎn)業(yè)生態(tài)重塑。

DeepSeek模型參數(shù)全面開源大幅降低行業(yè)應用門檻，機構(gòu)可簡單通過私有化部署實現(xiàn)應用。但這只是一個入門級應用，適用于少量對專業(yè)性要求不高的場景，而具備科技能力的金融機構(gòu)可基于開源模型，站在巨人肩膀上，結(jié)合自身專業(yè)數(shù)據(jù)與技術(shù)能力，構(gòu)建垂域大模型，推動金融業(yè)的全面智能化升級。

未來，像金融這種靠知識和經(jīng)驗的專業(yè)服務領域，可能是少數(shù)優(yōu)秀專業(yè)人員******、指揮一群AI來服務客戶，這樣必然帶來流程、模式和生態(tài)的徹底變革。

平安集團已搭建起通用模型、垂域模型、應用模型三層大模型體系，為何要堅持自研垂域大模型？具體是如何自研的？

肖京： 通用模型不具備很強的專業(yè)性，應用在專業(yè)領域時好像面面俱到，但實際上不是很精準。另外，DeepSeek只開源了它的模型參數(shù)，并沒有開源訓練數(shù)據(jù)和訓練代碼，DeepSeek也沒有金融、醫(yī)療領域的訓練數(shù)據(jù)，所以要通過自身能力、專業(yè)隊伍去梳理、總結(jié)，然后得到高質(zhì)量專業(yè)領域的訓練數(shù)據(jù)。

訓練數(shù)據(jù)生成也有幾種方式，如可以用大模型，一定條件下讓它生成一些訓練樣本，但會有很多幻覺，所以需要專業(yè)人員完善、補充、修改，最后形成數(shù)據(jù)。還可以從過去的歷史案例中，通過專業(yè)人員手工總結(jié)、歸納、思考，把作業(yè)的完整過程總結(jié)歸納形成數(shù)據(jù)。

另外，所有訓練代碼也沒有開源，專業(yè)團隊需要去讀懂不同大模型、不同能力是怎么訓練的，然后復現(xiàn)這些技術(shù)能力。一旦我們有了復現(xiàn)技術(shù)、代碼能力之后，就能做垂域的增強模型。

然后基于垂域模型，還可以進一步訓練各個專屬場景的模型，比如投資領域場景、復雜險種核保模型等具體場景模型。有了這些能力后，就能促進機構(gòu)增加收入、降低成本、提高效率，也降低風險損失。

接下來，平安還將聚焦打造一系列的工具平臺，包括智能體平臺，模型訓練、蒸餾、推理的工具平臺，有了這些平臺之后，就能基于各種場景快速打造一個模型矩陣。

這個模型矩陣是一個快慢思考結(jié)合的、適配各種場景的模型體系，可以更好地與業(yè)務結(jié)合起來，賦能未來的三類場景：一類是存量的業(yè)務場景升級，我們叫作“老樹開新花”;第二類是“新枝發(fā)新芽”，指通過DeepSeek升級以后，可以借助大模型技術(shù)覆蓋到原來觸及不到的業(yè)務;第三類是“沃土生奇苗”，這是基于AI完全從0到1打造的原生應用場景。只有這樣，才能充分發(fā)揮大模型平臺、智能體平臺的能力，真正做到為業(yè)務提效。

應用蜂擁：但核心技術(shù)才是最終勝負手

從DeepSeek到Manus，你如何看待目前國內(nèi)AI發(fā)展環(huán)境的變化？客觀來說，目前中國在AI大模型領域與海外還存在哪些差距？

肖京： DeepSeek發(fā)布以后，各類大大小小的模型參數(shù)都開源了，加上大模型非常強大的泛化能力，這大幅降低了AI應用門檻，也加速了各行各業(yè)的AI應用拓展。

而Manus是基于大模型智能體的應用系統(tǒng)。很多人對它有誤解，它既不是一個跨越式的技術(shù)進步，也不是國人“自嗨”，它是提供了一種大模型應用場景的解決方案。

但Manus的火爆也凸顯出一個問題，即社會資源的投入可能會比較偏應用，因為大家覺得DeepSeek都開源了，是不是直接基于開源來做應用就行了?這會導致忽視底層核心技術(shù)研發(fā)。

這個問題在國內(nèi)市場已經(jīng)初現(xiàn)端倪，有些原本專注大模型底層研發(fā)的團隊，最近迫于市場壓力都不得不轉(zhuǎn)向一些更加偏應用的領域。我認為這是“殺雞取卵”，市場競爭最終的勝負手還是在于核心技術(shù)水平。

所以我們既不能像以前那樣一窩蜂投入，之前很長一段時間的“百模大戰(zhàn)”，都是低水平的重復建設、創(chuàng)新研發(fā)，這類問題要避免。我們更要避免忽視底層技術(shù)研發(fā)，需要保障核心技術(shù)研發(fā)的創(chuàng)新環(huán)境和土壤生態(tài)，只有這樣中國才能真正地趕上，并且超過海外最高水平的AI能力。

那中國在AI大模型技術(shù)領域的追趕路徑是怎樣的？

肖京： 目前來說中國在AI大模型領域跟海外相比各有優(yōu)劣，在算力、芯片、領軍人才、原創(chuàng)的核心算法方面是有差距的，但差距一直在縮小，而且現(xiàn)在“絕對的依賴性”沒有了。

DeepSeek這次的進展和突破，捅破了OpenAI先進算法的窗戶紙。DeepSeek R1和OpenAI o1模型只相差一個月左右，并且由于DeepSeek是開源策略應用拓展更加快速。DeepSeek還完全由國內(nèi)培養(yǎng)的青年人才完成的，這說明我們的人才隊伍也有很大進步，但我國在領軍人才方面還有差距。

中國的優(yōu)勢還在于擅長“集中力量辦大事”，大模型技術(shù)有一個規(guī)模法則(scaling law)，以前是算力越大、模型參數(shù)越大，涌現(xiàn)出來的能力也越強，現(xiàn)在DeepSeek還做了一個強化學習的規(guī)模法則，強化學習的迭代次數(shù)越多，它的思考能力也會越來越強，這實際上是一個“大力出奇跡”的技術(shù)，這種技術(shù)就特別適合擅長“集中力量辦大事”的地方，容易形成產(chǎn)業(yè)優(yōu)勢。

風險之問：隱私邊界與倫理重構(gòu)的多重挑戰(zhàn)

AI大模型的應用目前存在哪些潛在風險？

肖京： 這樣顛覆性的變革肯定會帶來一些潛在的風險，我認為有4類風險：一是AI本身帶來的風險，比如數(shù)據(jù)安全、隱私保護、算法偏見、模型幻覺、數(shù)據(jù)泄露、模型篡改、生成不合規(guī)內(nèi)容的風險。

第二，投入和產(chǎn)出不匹配的風險。AI大模型的應用很耗費資源，所以很多產(chǎn)品可能會出現(xiàn)投入資源和產(chǎn)出價值不匹配的風險，所以投入時需要價值導向，避免盲目地大干快上。

第三，社會風險。AI技術(shù)帶來產(chǎn)業(yè)模式、流程、生態(tài)變革，會導致很多從業(yè)人員必須要進行技能轉(zhuǎn)型，適應不同的產(chǎn)業(yè)業(yè)態(tài)，這就會帶來一些社會風險。

第四，行業(yè)產(chǎn)生馬太效應。比如未來有能力的頭部機構(gòu)AI應用能力會越來越強，但一些小企業(yè)就只能用一些簡單應用，和大機構(gòu)的能力差距會越來越大，形成馬太效應、強者恒強。另外大家都用AI，如在金融市場上會導致策略趨同。

對于前兩類風險，我們可以通過技術(shù)能力、管理水平的提升來解決，后兩類風險就需要國家和行業(yè)共同努力，通過業(yè)態(tài)升級、崗位技能培訓以及行業(yè)智能化、解決方案的開放服務等方式來解決。

在應用AI技術(shù)時，如何平衡效率提升與風險防控？能否以平安集團舉例說明？

肖京： 效率和安全永遠是難以平衡的，但是安全是我們的底線。金融、醫(yī)療行業(yè)是強監(jiān)管行業(yè)，對安全要求非常高。

比如，平安集團AI模型上線有一個指標，叫“紅線率”，比如AI醫(yī)生去做咨詢、收集信息，紅線率一定要低于1%，有非常低的紅線率才能讓它上線。

此外，中國平安在十多年前就完成了集團大數(shù)據(jù)平臺的建設，遵循合法正當、目的明確、授權(quán)同意及最小必要原則，打通全集團各種類型的海量數(shù)據(jù)孤島，并建立了數(shù)據(jù)清洗、整合、更新、質(zhì)量管理、標準化、脫敏安全，以及嚴格的權(quán)限管理、隱私保護管理規(guī)范、數(shù)據(jù)全生命周期安全管理等制度。

在此基礎上，我們研發(fā)了蜂巢隱私計算平臺，通過聯(lián)邦學習、多方安全計算、先進密碼學等技術(shù)，構(gòu)建了面向金融行業(yè)“原始數(shù)據(jù)不出域、數(shù)據(jù)可用不可見”的數(shù)據(jù)要素流通范式。平安一直是嚴守數(shù)據(jù)安全底線，所有的系統(tǒng)都是本地化、私有化部署，不會調(diào)用公有云服務，所有數(shù)據(jù)都在平安系統(tǒng)內(nèi)運行，這樣，我們的AI系統(tǒng)就能夠非常有效地從根本上降低數(shù)據(jù)泄露風險，為AI的應用保駕護航。

免責聲明：市場有風險，選擇需謹慎！此文僅供參考，不作買賣依據(jù)。

標簽：