" 我的车坏了，轮胎破了。"

想象一下，在不久的未来你只需要拿出手机在 App 内直接说出诉求，后台系统就会迅速识别出补胎需求，并自动调度了一辆携带备胎的救援车前往。这是 2025 深圳金博会上，平安 "AI 超级客服 " 内测演示的一幕。 

这不仅是一个功能的展示，而是 2025 年作为 " 智能体（Agent）元年 " 的一个缩影。在经历了以大模型惊艳亮相为标志的生成式 AI 阶段后，科技行业开始尝试跨入智能体 AI 的新周期—— AI 不再仅仅满足于理解与表达，而是开始具备规划与执行能力。

前述的 "AI 超级客服 "，只是平安在这场技术代际更迭关口交出的答卷之一。11 月 19 日，平安集团正式发布了其 AI 实践的新全景图，包括 AI 超级客服、AI 家庭医生、AI 养老管家在内的 " 三大 AI 服务 " 矩阵。

与科技公司往往致力于打造通用 " 超级大脑 " 的路径不同，作为一家坐拥 2.5 亿客户、横跨金融与医疗养老庞大实体的综合服务集团，拥有着海量、高壁垒服务场景的中国平安在这场技术浪潮中有着截然不同的生态位，而这也决定了平安对 AI 的诉求不能止步于信息交互，而必须深入到问题解决。 

平安集团 CTO 王晓航向笔者表示：" 行业里不缺一个参数更大的模型，也不缺一个更好的问答咨询工具，缺的是在客户有保障需求时能快速响应、有业务要办时能省心解决问题的服务。" 在他看来，平安的 AI 不追求 " 超级酷炫 "，但必须 " 超级有用 "。 

正是基于 " 超级有用 " 的实用主义导向，平安正用 AI 重构其 " 金融、医疗、养老 " 版图。 

重新定义 " 入口 "

在移动互联网时代，入口之争往往表现为 APP 功能的无限堆叠。通常的做法是构建一个 " 超级 APP"，将海量的产品摆上货架，供用户搜索与挑选。 

在 AI 智能体时代，这种 " 人找服务 " 的货架逻辑正在失效。

" 移动互联网 APP 入口的一站式服务平台，正在升级为面向 AI 时代的综合管家体验。" 王晓航将 "AI 超级客服 " 定义为一种全新的逻辑：前者是 " 一站式的货架 "，而后者则是 " 面向 AI 时代的综合管家 "。

这种范式重构的核心，在于让 AI 从被动的问答者进化为主动的行动者。这并非单纯的产品定义升级，正如王晓航所强调，这种从 " 对话 " 到 " 办事 " 的产品形态跃迁，其背后支撑的是 AI 行业正在发生的三个底层技术质变：

首先是边界扩展，AI 已从数字空间的感知与生成，进化到对物理空间的理解与执行。通过世界模型与具身智能，AI 正深入改造医疗、养老等复杂的线下物理场景。其次是智能跃迁，Scaling Law（缩放定律）持续生效，驱动模型智能上限提升。在金融与医疗等领域，AI 已逼近专业级水平，让重塑垂直行业具备了可行性。最后是角色重塑，AI 不再只是辅助工具，而是进阶为 " 负责任的合作伙伴 "。

正是得益于这些底层能力的突破，平安 "AI 超级客服 " 拥有了 " 办事 " 的底气。王晓航强调：" 我们希望它能办事，不光是一个问答、咨询机器人。" 无论是续保、理赔、交易、转账，还是线下的就医、购药、道路救援，这些过去需要用户在 APP 迷宫中层层点击才能触达的服务，现在被封装进了一个简单的对话框中。 

支撑这一体验的，是庞大的底层工程能力。王晓航透露，平安已将超过 500 个线上线下的服务进行了数字化，并通过 MCP（模型上下文协议）接入系统。这使得智能体具备了理解、匹配、调度乃至 " 规划、编排 " 的能力。

正如文章开篇提到的，当用户发出 " 车坏了 " 的指令时，AI 不再是机械地推送救援电话，而是像一个拥有调度权的指挥官，自动连接后台资源，完成从定位故障到派车救援的全闭环。 

更值得注意的是，平安对这一入口的理解超越了物理形态的限制。王晓航透露，Agent 的载体不应被 APP 定义，它未来可以是穿戴设备，也可以是居家养老的嵌入式硬件。比如，平安正在利用毫米波雷达等多模态技术，实现对居家环境的 " 无线感知 "，监控老人在家里的行为轨迹，识别跌倒风险并进行应急救援。 

这种跨平台的布局，显示出平安试图构建一个无处不在的服务网络。

让 " 人 + 机 " 更可信 

在平安深耕的金融与医疗等行业，AI 的落地还面临着与消费互联网截然不同的逻辑：容错率为零。

众所周知，通用大模型虽然通识能力极强，但在面对严肃场景时，其固有的 " 幻觉 " 问题成为了最大隐患。正如平安科技医疗 AI 产品团队总经理倪渊所言：" 现在 AI 最大的问题是，它不知道自己不知道什么，你不管说什么它都能给你回答。"  

针对这一行业痛点，平安在发布的 "AI 家庭医生 " 与 "AI 养老管家 " 中，确立了一条极其务实的路径—— " 人机协作 "，即在医疗健康的核心决策环节坚持 "AI 建议 + 专家负责 " 的双重保障模式。 

" 面向专业金融、严肃医疗，需要人工结合，不只是做纯粹的咨询。" 王晓航清晰地划定了 AI 的红利边界：AI 负责处理标准化、繁琐的信息收集与预诊工作，而将最终的处方权、诊断决策权以及情感抚慰权，交还给专家。

以此次发布的 "AI 家庭医生 " 为例，这套系统在实际运行中展现了高效的分层协作能力。倪渊透露，平安通过 AI 预诊、专家服务，在远程可以解决很多偏远地区的人来线上问诊的问题。例如，一位有胸闷胸痛问题的患者，经过 AI 初诊发现问题严重，随后被安排线下就医，最终确诊为肺部肿瘤；平安还通过多学科会诊帮他连接多个专家，提供了二诊建议。

技术红利不仅服务于平安的客户，同样普惠于更广泛的人群。在基层医疗领域，平安的 AI 眼底筛查模型已部署 500 多家基层医院，年筛查 20 余万人，敏感度达 98% ——相当于专业眼科医生水平，阳性检出率超过 30%。这意味着成千上万的农村患者得以早期发现糖尿病视网膜病变等疾病。

为了支撑这种协作，平安构建了一道独特的技术护城河—— AI 质量合规大模型。

基于数十年的行业数据积累，平安训练了这套专门用于 " 审核 AI" 的模型。" 哪些从合规角度是 AI 不能说的，哪些是 AI 可以说的，我们非常了解。" 一旦遇到 AI 无法回答的复杂问题，系统会立刻转给人工处理。这种知道 " 什么不能说 " 的能力有时更加可贵。

由此可见，平安的 AI 应用在严肃场景中展现出一种极强的 " 敬畏心 "。它不追求让 AI 完全替代人类，而是致力于成为专家身后最可靠的 " 副驾驶 "。 

从 " 人力红利 " 向 " 算力红利 " 跃迁

在 AI 重塑服务体验的表象之下，平安内部正在经历一场更为深刻的生产力变革。 

"AI 生产力的渗透对人的生产力的赋能和提升，是以肉眼可见的速度在发生的。" 王晓航指出，在平安内部，有相当一部分比例的代码由 AI 生成。在客服、理赔、营销等工作的部分特定场景，"1 个人 +AI" 可以胜任原先一个小型团队的工作量。作为一个 " 重服务 " 的企业，平安目前的电话服务中有 92% 是由 AI 接听、拨打和互动的。这不仅带来了成本的优化，更重要的是实现了服务体验的 " 更规范、更标准、更专业 "。

这种生产力的跃迁，正在倒逼组织架构与成本结构的进化。

在王晓航看来，未来的组织将变得 " 更扁平、更精密 "，岗位对人机协作能力的要求将大幅提升。长远来看，企业资源配置逻辑也将发生深刻转变——从依赖 " 人力红利 " 转向挖掘 " 算力红利 "。

在这一逻辑之下，伴随着算力成本的逐步下降，AI 处理复杂任务的能力持续摸高，未来企业的竞争优势将不再单纯取决于员工数量的规模，而取决于算力密度与人机协作的深度。 

更为关键的是，这场生产力革命的终局并非用机器取代人，而是解决更加重要的 " 专业稀缺性 " 问题。

这正是 " 算力红利 " 的本质：不是消灭岗位，而是让稀缺的专业能力得以规模化复制，服务更多用户。在平安的案例中，原本服务于少数人的定制化专业服务，有望通过极低的边际成本，通过 " 三大 AI 服务 " 的载体，将优质的金融、医疗、养老服务规模化地普惠至 2.5 亿大众客户，真正飞入寻常百姓家。 （文｜鹏程说，作者｜蔡鹏程，编辑｜胡珈萌）