21世紀經濟報道記者 曹媛 深圳報道
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，“很多靠知識和經驗提供專業服務的領域，未來很可能會是少數優秀專業人員來調教、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架構的AI革命，通過“大數據+大算力+強算法”的黃金三角組合，引發了新一輪人工智能發展浪潮。
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“全面數字化戰略是2025開年的首要任務。”招商銀行在年報中將“數字招行”的表述升級為“數智招行”，并強調“全力推進AI等前沿科技創新應用，拓展服務和管理半徑，提升業務效率，降低交易成本，提升風控能力。”
就在AI賦能千行百業熱潮中，肖京強調“市場競爭最終的勝負手還是在于核心技術水平”，而“忽視底層核心技術研發”的問題已初現端倪。
在智能涌現中，我們該如何看待這場AI技術革命。平安集團首席科學家肖京接受21世紀經濟報道等采訪，開展一場AI熱下的“冷思考”。
平安集團首席科學家肖京（受訪者供圖）
智能涌現：技術、專業、場景、生態的四維協同
21世紀：近年來，以ChatGPT和DeepSeek為代表的人工智能技術引爆全球，如何評價這一輪AI技術帶來的新變革？
肖京：DeepSeek這類人工智能技術的價值集中體現在智慧、效率兩點：效率上，它會大幅提升社會、企業運轉速度，提升效率；智慧上，它會推動社會、企業經營決策的模式從“后知、后決、后行”向“現知、現決、現行”，再到“先知、先決、先行”，我們可以真正用數據決策來代替經驗決策，實現“聰明經營”。
目前，人工智能技術的有效應用，最主要的是要做到技術、專業、場景、生態的四維協同：一是要有技術，包括數據、算法、算力；二是要有行業專業經驗和知識；三是要有實際場景，可以不斷迭代、驗證、升級；四是技術、業務、場景多方融合的生態，就可以不斷迭代、打磨出多種多樣的應用方案。
目前，人工智能帶動產業升級趨勢不可當，但是也有順序，有些產業容易先賦能成功：一是行業本身數字化基礎比較好；二是產業規模較大，涉及人數較多；三是利潤率相對較高。如金融、醫療、教育等行業會最先受益。
21世紀：具體來看，DeepSeek這類人工智能技術如何改寫金融業邏輯？
肖京：DeepSeek這類人工智能技術與金融業的融合將加速三個維度的顛覆：業務流程重構、服務模式革新、產業生態重塑。
DeepSeek模型參數全面開源大幅降低行業應用門檻，機構可簡單通過私有化部署實現應用。但這只是一個入門級應用，適用于少量對專業性要求不高的場景，而具備科技能力的金融機構可基于開源模型，站在巨人肩膀上，結合自身專業數據與技術能力，構建垂域大模型，推動金融業的全面智能化升級。
未來，像金融這種靠知識和經驗的專業服務領域，可能是少數優秀專業人員調教、指揮一群AI來服務客戶，這樣必然帶來流程、模式和生態的徹底變革。
21世紀：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性，應用在專業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，并沒有開源訓練數據和訓練代碼，DeepSeek也沒有金融、醫療領域的訓練數據，所以要通過自身能力、專業隊伍去梳理、總結，然后得到高質量專業領域的訓練數據。
訓練數據生成也有幾種方式，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，所以需要專業人員完善、補充、修改，最后形成數據。還可以從過去的歷史案例中，通過專業人員手工總結、歸納、思考，把作業的完整過程總結歸納形成數據。
另外，所有訓練代碼也沒有開源，專業團隊需要去讀懂不同大模型、不同能力是怎么訓練的，然后復現這些技術能力。一旦我們有了復現技術、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合的、適配各種場景的模型體系，可以更好地與業務結合起來，賦能未來的三類場景：一類是存量的業務場景升級，我們叫作“老樹開新花”；第二類是“新枝發新芽”，指通過DeepSeek升級以后，可以借助大模型技術覆蓋到原來觸及不到的業務；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，才能充分發揮大模型平臺、智能體平臺的能力，真正做到為業務提效。
應用蜂擁：但核心技術才是最終勝負手
21世紀：從DeepSeek到Manus，你如何看待目前國內AI發展環境的變化？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發布以后，各類大大小小的模型參數都開源了，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，也加速了各行各業的AI應用拓展。
而Manus是基于大模型智能體的應用系統。很多人對它有誤解，它既不是一個跨越式的技術進步，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研發。
這個問題在國內市場已經初現端倪，有些原本專注大模型底層研發的團隊，最近迫于市場壓力都不得不轉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”，都是低水平的重復建設、創新研發，這類問題要避免。我們更要避免忽視底層技術研發，需要保障核心技術研發的創新環境和土壤生態，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。
21世紀：那中國在AI大模型技術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劣，在算力、芯片、領軍人才、原創的核心算法方面是有差距的，但差距一直在縮小，而且現在“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還完全由國內培養的青年人才完成的，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。
中國的優勢還在于擅長“集中力量辦大事”，大模型技術有一個規模法則（scaling law），以前是算力越大、模型參數越大，涌現出來的能力也越強，現在DeepSeek還做了一個強化學習的規模法則，強化學習的迭代次數越多，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，這種技術就特別適合擅長“集中力量辦大事”的地方，容易形成產業優勢。
風險之問：隱私邊界與倫理重構的多重挑戰
21世紀：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，比如數據安全、隱私保護、算法偏見、模型幻覺、數據泄露、模型篡改、生成不合規內容的風險。
第二，投入和產出不匹配的風險。AI大模型的應用很耗費資源，所以很多產品可能會出現投入資源和產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技術帶來產業模式、流程、生態變革，會導致很多從業人員必須要進行技能轉型，適應不同的產業業態，這就會帶來一些社會風險。
第四，行業產生馬太效應。比如未來有能力的頭部機構AI應用能力會越來越強，但一些小企業就只能用一些簡單應用，和大機構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共同努力，通過業態升級、崗位技能培訓以及行業智能化、解決方案的開放服務等方式來解決。
21世紀：在應用AI技術時，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、醫療行業是強監管行業，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據平臺的建設，遵循合法正當、目的明確、授權同意及最小必要原則，打通全集團各種類型的海量數據孤島，并建立了數據清洗、整合、更新、質量管理、標準化、脫敏安全，以及嚴格的權限管理、隱私保護管理規范、數據全生命周期安全管理等制度。
在此基礎上，我們研發了蜂巢隱私計算平臺，通過聯邦學習、多方安全計算、先進密碼學等技術，構建了面向金融行業“原始數據不出域、數據可用不可見”的數據要素流通范式。平安一直是嚴守數據安全底線，所有的系統都是本地化、私有化部署，不會調用公有云服務，所有數據都在平安系統內運行，這樣，我們的AI系統就能夠非常有效地從根本上降低數據泄露風險，為AI的應用保駕護航。
