9月22日，中国平安（HK2318）首席技术官王晓航受邀出席2026云栖大会，以“从Token到价值：平安之解”为主题，分享平安的产业AI实践。
王晓航认为，从行业趋势看AI正持续进化，但对企业而言，核心的问题是如何以可控的成本推动AI进入真实业务场景，创造有效的价值。对此，平安深化“综合金融+医疗养老”双轮并行、科技驱动战略，形成了“高效生产Token——精进专业智能——进入真实业务、规模化创造价值”的实践路径。“AI正进入平安全集团的核心业务和生产流程，从‘提供答案’走向‘胜任任务’”，王晓航表示。
如下为王晓航演讲全文：
各位上午好，中午好！
刚才，我们看到了非常精彩的分享和一系列产品技术发布。算力在持续进化，智能的能力边界在不断拓展。
对企业而言，一个接地气的真正命题是：这些越来越强的智能，如何以可接受的成本，大规模地进入真实业务，创造商业价值？
今天结合平安的实践，分享我们对“从Token到价值”的路径探索。
从 Token到价值，构建产业AI正循环
对于企业来说，真正重要的是如何把整个AI技术链条转化为商业价值。这中间有三个非常重要的环节。
第一，在价值层，平安集团正在加速用AI改造服务、销售、运营、经营、风控、生产等核心流程，创造更好的体验、更高的效率，争取创造更大的业务增长机会。
第二，在智能层，基于专业数据和专家知识，让水涨船高的通用智能进一步深入产业，胜任复杂、高价值的专业任务。
第三，在算力层，通过全栈AI优化，以更低的成本、更大的规模、更可持续的方式去生产有效的Token。
从 Token到智能，再到价值，三者形成正循环，价值才能实现规模化，投入才能可持续。
AI in All：AI正在进入平安核心业务和生产流程
如果用一句话介绍今天的平安，就是：综合金融、医疗养老双轮并行，科技驱动、服务创新。
今天，我们面向2.5亿客户，已经开始大规模提供AI原生的专业服务（884257）。面向超过25万名全职员工，我们正在马不停蹄地加速让研发、办公、经营、管理都跑在AI上。我们还有数十万人的代理人销售队伍，也在通过AI协助做好客户洞察、销售赋能等工作。所以，AI in All，对于此时此刻的平安而言，再贴切不过。
要支撑这样大规模的价值兑现，就需要全栈AI技术的支持。平安拥有大量客户，以及金融、医疗等大规模、高价值、复杂的真实场景和任务。阿里巴巴（BABA）等领先科技企业则拥有全栈AI布局和先进的AI技术。我们希望大幅缩短从技术创新到价值兑现的周期（883436）。
AI快捷服务：一句话办事，正在成为综合金融服务主入口
平安通过“服务差异化”打造核心竞争力，我们特别重视客户服务体验，以及大规模服务背后的成本和效率。
我们的客户往往需要使用多个平安APP。平安拥有一个完备的APP生态，涉及多个账户、多类产品。过去，客户要办一件事情，需要找APP、找菜单、找入口、打电话、做转接，这是常态。现在，通过AI快捷服务，客户只需要一句话，就能办事。AI可以理解客户意图，提供咨询，还可以连接背后的专业账户系统、服务和专家。
我自己就有一个这样的例子。前段时间，我的汽车因为电瓶问题，在外面抛锚了。过去，无论是打电话还是找APP，都少不了十来次交互，以及焦虑的等待。现在，通过AI快捷服务，只需要一句话，就可以发起道路救援。系统能够自动调取车辆位置、保单信息，调动后端的运力网络，完成整个救援服务。一句话办事，一气呵成。
目前，快捷服务已经连接300多项服务，覆盖交易、融资、理赔、救急等场景，使用人次已达亿次。平安每年有十多亿次客户咨询和办事需求，客户的服务习惯正在以肉眼可见的速度迁移到AI。AI快捷服务正在成为综合金融服务的新入口。
AI医生：一站式解决就医问题，连接线上线下医疗服务
AI快捷服务要从咨询走向办事，而AI医生则要从咨询进一步走向一站式解决就医问题。
当客户提出医疗健康咨询问题后，往往还需要经历一系列诊问诊、检查、就医、购药，以及后续的健康管理服务。因此，AI医生不只是提供答案，还要连接背后的医疗健康资源和专家。
在 AI医疗专业能力上，我们正在从全科、专科，进一步走向多学科。平安与权威医院（884301）共同打造的AI-MDT服务，在重疾病种中，与同档次专家的一致性可以达到91%，而且还在持续提升。
在服务连接上，平安为客户提供了优质的绿通、挂号、陪诊、专业体检等线下服务。目前，已经有25%的线下服务需求由AI首接，再进行精准、性价比最优的转接和连接。
所以，AI不仅提供专业的医疗咨询，还会帮助客户明确就医需求，再根据需求连接到院、到线、到企、到家的服务，形成服务闭环。
AI Coding：从80%代码生成走向AI原生软件开发全流程
当然，AI不只是改变服务，也正在改变内部生产模式。其中，软件研发首当其冲。
在平安，大概80%的代码、67%以上的测试由AI生成。在很多团队，我们已经看到，AI真实地帮助我们多交付了20%左右的需求。
但是，做好AI Coding并不是一件简单的事情。一方面，我们要满足金融级别的安全和私有化部署要求。另一方面，要追求先进，就必须保持快速跟进前沿能力。所以，我们的选择是：安全部署、开放引入。
在模型层，我们持续适配前沿的SOTA Coding模型。模型一旦发布，我们就需要从适配、评测、上线、推广，到所有程序员可以选择使用，SLA控制在一周之内。
在 Harness和Agentic框架层面，我们也在持续引入先进的开源Coding Agent框架，连接平安研发工具链和企业Context，再纳入平安自身的安全和权限管理体系。
代码的替代只是第一步。下一步，我们要走向AI原生的软件开发（881272）全流程。一方面是全流程。让AI从单点代码生成，进一步覆盖需求、设计、代码、测试、部署等各个环节，把单点的代码替代变成全流程的交付。另一方面是全自主。人定义边界和目标，由AI完成从执行、规划、验证到迭代的长程任务。我们希望看到，并且不断逼近的目标是：需求文档进，版本发布出。
在平安的常态化场景中，目前有大约20%的常规需求，可以实现这样的"无人值守"交付。
专业大模型：构筑垂域智能进化飞轮
刚才提到了大规模AI应用的爆发，以及产业应用带来的大规模价值。这背后，一个非常重要的问题是：在通用模型智能水涨船高、不断提升的基础上，如何让模型进一步深入适配金融、医疗养老行业内非常专业、复杂，而且很多时候高度定制化的任务？
平安的医疗大模型在HealthBench Hard专业评测中排名第一，金融大模型在CNFinBench评测中也保持榜首。我们搭建了持续优化的闭环：私域数据、专家标准、生产质控。值得一提的是生产质控，AI医生基于卫健委医疗质控标准，在生产中持续进行质控检视，幻觉率控制在千分之三以内，对标三甲医院（884301）质控标准。新的质控反馈，再回到模型训练，推动模型智能不断进化。
全栈AI优化：以不到2倍算力，支撑十多倍Token供给增长
大规模产业应用的爆发，需要全栈AI技术的支撑。去年年底，平安日均Token消耗大约为300亿。到今天这个时候，已经超过3000亿，而且还在快速增长，是去年的十多倍。同期，如果以PFlops计量，算力规模增长了不到2倍。也就是说，平安以不到2倍的算力规模，支撑了十多倍的Token供给增长。
这背后，当然有万卡级的算力集群，也有统一的资源调度能力。通过统一的智算平台，纳管云资源，针对不同任务的成本、性价比和安全性要求，动态优化Token的延迟、吞吐和成本。
平安不追求绝对的算力规模。我们更关注的是算力效率，以及算力所胜任的任务、所产生的价值。
从算力、推理引擎到模型应用，我们投入大量精力，在整个技术链路上追求极致优化。KV Cache、PD分离、模型路由、蒸馏量化、Context管理等等，都在这条优化链路上。
通过这一系列优化，今年，我们单位算力的Token产出提高了368%，单位Token成本下降了76%。
这就是我们希望看到的AI算力经济性。我们不仅要关注算力成本，还要从Token成本进一步延展到任务成本、任务价值。刚才提到的大规模AI应用，包括AI快捷服务、AI医疗服务（881175）、AI Coding，基于这样的AI全栈优化技术，任务成本可以迅速下降，任务规模和应用价值能够快速爆发。
最后，回到今天大会的主题。我们对“智以致用”的理解就是：
以 Token生智能，以智能创价值，再用规模化价值去支撑持续投入。
谢谢大家！
