2025年初，國產開源大模型深度求索橫空出世，憑借其出色的自然語言處理、推理分析及數據處理能力，迅速在金融尤其是保險領域引發應用熱潮。據不完全統計，新華保險、陽光保險、北大方正人壽、水滴公司等機構已率先完成DeepSeek的接入，積極探索其在智能客服、精準營銷、核保理賠等多場景下的應用。

　　在保險行業數智化轉型的背景下，DeepSeek大模型依托于開源特性和低成本優勢正在為業內機構提供差異化賦能，也給保險業的數智化發展帶來了更多暢想。那么，當前保險業的人工智能技術發展應用的成效如何？DeepSeek的出現又會給保險業帶來什么樣的改變？帶著這樣的疑問，其認為，相較于Chat-GPT，DeepSeek的技術差異主要體現在三大方面，而這也將給產業及保險行業帶來新的改變。作為從業機構及從業者，需要以“開放而務實”的心態積極擁抱新技術——既保持對新技術的高度敏感，也要立足行業痛點積極尋找技術價值錨點。

　　陽光數科副總經理顧青山

　　
DeepSeek帶來三大改變

　　DeepSeek給產業和保險業帶來的新的改變，我認為主要有以下幾點：

　　一是因DeepSeek私有化部署的可行，可以廣泛深入應用于保險業務場景，深度嵌入業務流程，融合業務數據，數據保護能力進一步夯實，這使得大模型的應用落地可以更深入。

　　二是DeepSeek私有化成本也相對更低，減輕了應用成本壓力，投產比高，有更多的應用可能。開源、能力更強的大模型拉低了技術的門檻，免費開放的客戶端也激發了更多業務人員的熱情，從而可以在更多的業務應用場景涌現更多創新。

　　三是隨著DeepSeek深度思考、透明化推理的模式不斷增強，可以使大模型從過去簡單的對話型應用向深入保險領域專業場景應用進行轉變，比如在精算定價、風控、理賠定損等核心保險領域真正實現專家型機器人應用。

　　在DeepSeek爆火出圈之前我們已經在持續關注。在對DeepSeek-V2.5測評時我們發現相對于V2版本而言提升很大；去年12月DeepSeek-V3發布后，我們發現其在保險場景的通用能力評測表現突出，隨即我們將之引入并在智能外呼場景進行應用驗證。今年2月初我們完成DeepSeek-R1模型API對接，并開放接口平臺和智能體平臺，為全科技條線提供開放性的應用支持，在全員日常辦公場景全面推廣應用，并在保險業務場景展開應用場景全面探索。目前我們已經完成了DeepSeek-R1模型私有化部署，還舉辦了一系列圍繞DeepSeek應用的相關活動，全面提升各條線員工數智應用的意識和能力，激發各業務條線積極探索科技創新。我們相信，這種“技術敏捷驗證+業務深度協同”的工作模式將進一步加速AI在保險行業的價值釋放。

　　
機構呈現分層格局

　　頭部險企如平安、太保等，以及一直以來重視科技戰略的陽光保險，都已建立了超百人人工智能團隊，并在智能客服、理賠自動化等領域實現了人工智能應用突破。這類險企通過自建AI中臺，正逐步從單點突破轉向全流程智能化重構。

　　中型險企多采用“自研+采購”的混合模式，重點突破智能客服、代理人賦能等場景。這類險企更注重投入產出比，偏好見效快的解決方案。

　　中小險企更傾向直接采用技術廠商的整合方案或者是第三方SaaS服務，但這種方式的定制化能力較為不足，可能會削弱人工智能的應用效果。

　　以智能客服和保險銷售溝通為例，相較于技術升級之前，使用生成式人工智能技術可以大幅提升機器人對話深入理解能力，更好地實現結合上下文理解的多輪對話，根據每個客戶的對話生成更生動地回應內容并實現很多任務的智能化處理，問題解決程度更高，顯著提升客戶業務辦理的體驗。以車險報案場景為例，陽光保險在95510客戶服務熱線部署的智能客服機器人能夠精準識別不同地區客戶說出的出險車牌號、出險地址等關鍵信息，相關自動化流程極大縮短了客戶的等待時間，為客戶帶來更好的體驗。

　　我認為，下一階段，保險科技團隊應在快速學習跨領域知識技能、快速掌握前沿技術、既懂保險業務又懂技術且結合具體場景快速應用新技術等方面構建未來核心競爭力，以適應科技的快速發展，并充分利用先進的技術助力保險業發展。

　　
建議循序漸進制定大模型策略

　　我認為，大模型本身不是顛覆行業的“魔法棒”，而是需與業務場景深度融合的生產力工具。

　　在未來三到五年間，大模型技術可能將在保險業務領域引發一場深刻的變革：一是更有效地提升客戶服務體驗。通過構建全天候的智能客服體系，能夠7×24小時不間斷地提供理賠咨詢、條款解讀等一系列服務，極大地提升了客戶體驗和服務效率。

　　二是全面提升經營管理效率和產能。以智能核保為例，通過引入多模態大模型，迅速解析包括醫療報告、影像資料在內的各類復雜文件，從而實現秒級的風險評估，大幅提升核保效率。

　　三是全面強化風控能力。大模型將推動保險機構風控能力實現多維升級。例如通過整合醫療影像、物聯網設備、社交媒體等非結構化數據，可構建動態風險畫像，實現承保風險實時評估。

　　此外，在制定大模型應用策略時，建議遵循“循序漸進”的基本原則，即依照AI就緒度逐步實施，從“普及應用”階段穩步過渡到“核心建設”階段，并最終邁向“前沿探索”階段。這一策略旨在確保技術有效落地的同時，最大程度地發揮大模型在保險業務中的潛力。

　　最后，