21世纪经济报道记者 曹媛 深圳报道
在漫威宇宙中 ，钢铁侠的AI管家贾维斯化身“超级秘书” ，不仅负责斯塔克家族企业的运作，平常还是一个忠诚体贴的生活管家 ，甚至钢铁侠连生命安全都托付给了它。
平安集团首席科学家肖京认为上述场景在未来可能会实现 ，“很多靠知识和经验提供专业服务的领域，未来很可能会是少数优秀专业人员来调教 、指挥一群机器人，为客户提供有温度的服务 。 ”
在人工智能发展的七十余年 ，以GPT-4 、DeepSeek为代表的大模型正重塑人类认知世界的方式 。这场始于2017年Transformer架构的AI革命 ，通过“大数据+大算力+强算法 ”的黄金三角组合，引发了新一轮人工智能发展浪潮。
在当前年报季 ，上市公司也争相披露“含AI量” 。如平安集团在年报中明确“全面数字化战略是2025开年的首要任务 。 ”招商银行在年报中将“数字招行 ”的表述升级为“数智招行” ，并强调“全力推进AI等前沿科技创新应用，拓展服务和管理半径 ，提升业务效率 ，降低交易成本，提升风控能力。”
就在AI赋能千行百业热潮中 ，肖京强调“市场竞争最终的胜负手还是在于核心技术水平 ” ，而“忽视底层核心技术研发 ”的问题已初现端倪。
在智能涌现中，我们该如何看待这场AI技术革命 。平安集团首席科学家肖京接受21世纪经济报道等采访 ，开展一场AI热下的“冷思考” 。
智能涌现：技术、专业 、场景 、生态的四维协同
21世纪：近年来，以ChatGPT和DeepSeek为代表的人工智能技术引爆全球，如何评价这一轮AI技术带来的新变革？
肖京：DeepSeek这类人工智能技术的价值集中体现在智慧、效率两点：效率上 ，它会大幅提升社会、企业运转速度 ，提升效率；智慧上，它会推动社会 、企业经营决策的模式从“后知 、后决、后行”向“现知 、现决 、现行 ” ，再到“先知、先决 、先行 ” ，我们可以真正用数据决策来代替经验决策，实现“聪明经营”。
目前 ，人工智能技术的有效应用 ，最主要的是要做到技术 、专业、场景 、生态的四维协同：一是要有技术，包括数据 、算法、算力；二是要有行业专业经验和知识；三是要有实际场景 ，可以不断迭代 、验证 、升级；四是技术、业务、场景多方融合的生态 ，就可以不断迭代 、打磨出多种多样的应用方案 。
目前，人工智能带动产业升级趋势不可当 ，但是也有顺序 ，有些产业容易先赋能成功：一是行业本身数字化基础比较好；二是产业规模较大，涉及人数较多；三是利润率相对较高 。如金融 、医疗、教育等行业会最先受益。
21世纪：具体来看，DeepSeek这类人工智能技术如何改写金融业逻辑？
肖京：DeepSeek这类人工智能技术与金融业的融合将加速三个维度的颠覆：业务流程重构 、服务模式革新 、产业生态重塑 。
DeepSeek模型参数全面开源大幅降低行业应用门槛 ，机构可简单通过私有化部署实现应用 。但这只是一个入门级应用 ，适用于少量对专业性要求不高的场景，而具备科技能力的金融机构可基于开源模型 ，站在巨人肩膀上 ，结合自身专业数据与技术能力，构建垂域大模型 ，推动金融业的全面智能化升级。
未来 ，像金融这种靠知识和经验的专业服务领域，可能是少数优秀专业人员调教、指挥一群AI来服务客户 ，这样必然带来流程 、模式和生态的彻底变革 。
21世纪：平安集团已搭建起通用模型 、垂域模型、应用模型三层大模型体系 ，为何要坚持自研垂域大模型？具体是如何自研的？
肖京：通用模型不具备很强的专业性，应用在专业领域时好像面面俱到 ，但实际上不是很精准 。另外 ，DeepSeek只开源了它的模型参数，并没有开源训练数据和训练代码，DeepSeek也没有金融 、医疗领域的训练数据 ，所以要通过自身能力 、专业队伍去梳理、总结 ，然后得到高质量专业领域的训练数据。
训练数据生成也有几种方式，如可以用大模型 ，一定条件下让它生成一些训练样本 ，但会有很多幻觉，所以需要专业人员完善 、补充 、修改 ，最后形成数据 。还可以从过去的历史案例中 ，通过专业人员手工总结、归纳、思考，把作业的完整过程总结归纳形成数据 。
另外 ，所有训练代码也没有开源 ，专业团队需要去读懂不同大模型 、不同能力是怎么训练的，然后复现这些技术能力。一旦我们有了复现技术 、代码能力之后 ，就能做垂域的增强模型。
然后基于垂域模型 ，还可以进一步训练各个专属场景的模型，比如投资领域场景、复杂险种核保模型等具体场景模型 。有了这些能力后，就能促进机构增加收入 、降低成本 、提高效率 ，也降低风险损失 。
接下来 ，平安还将聚焦打造一系列的工具平台，包括智能体平台 ，模型训练、蒸馏 、推理的工具平台 ，有了这些平台之后，就能基于各种场景快速打造一个模型矩阵。
这个模型矩阵是一个快慢思考结合的 、适配各种场景的模型体系 ，可以更好地与业务结合起来 ，赋能未来的三类场景：一类是存量的业务场景升级，我们叫作“老树开新花 ”；第二类是“新枝发新芽 ” ，指通过DeepSeek升级以后 ，可以借助大模型技术覆盖到原来触及不到的业务；第三类是“沃土生奇苗”，这是基于AI完全从0到1打造的原生应用场景 。只有这样 ，才能充分发挥大模型平台、智能体平台的能力 ，真正做到为业务提效 。
应用蜂拥：但核心技术才是最终胜负手
21世纪：从DeepSeek到Manus，你如何看待目前国内AI发展环境的变化？客观来说，目前中国在AI大模型领域与海外还存在哪些差距？
肖京：DeepSeek发布以后 ，各类大大小小的模型参数都开源了 ，加上大模型非常强大的泛化能力，这大幅降低了AI应用门槛 ，也加速了各行各业的AI应用拓展。
而Manus是基于大模型智能体的应用系统 。很多人对它有误解 ，它既不是一个跨越式的技术进步，也不是国人“自嗨 ” ，它是提供了一种大模型应用场景的解决方案 。
但Manus的火爆也凸显出一个问题 ，即社会资源的投入可能会比较偏应用，因为大家觉得DeepSeek都开源了 ，是不是直接基于开源来做应用就行了？这会导致忽视底层核心技术研发。
这个问题在国内市场已经初现端倪 ，有些原本专注大模型底层研发的团队，最近迫于市场压力都不得不转向一些更加偏应用的领域 。我认为这是“杀鸡取卵 ” ，市场竞争最终的胜负手还是在于核心技术水平 。
所以我们既不能像以前那样一窝蜂投入 ，之前很长一段时间的“百模大战”，都是低水平的重复建设 、创新研发，这类问题要避免。我们更要避免忽视底层技术研发 ，需要保障核心技术研发的创新环境和土壤生态 ，只有这样中国才能真正地赶上，并且超过海外最高水平的AI能力 。
21世纪：那中国在AI大模型技术领域的追赶路径是怎样的？
肖京：目前来说中国在AI大模型领域跟海外相比各有优劣 ，在算力 、芯片、领军人才 、原创的核心算法方面是有差距的 ，但差距一直在缩小，而且现在“绝对的依赖性”没有了 。
DeepSeek这次的进展和突破 ，捅破了OpenAI先进算法的窗户纸。DeepSeek R1和OpenAI o1模型只相差一个月左右 ，并且由于DeepSeek是开源策略应用拓展更加快速。DeepSeek还完全由国内培养的青年人才完成的，这说明我们的人才队伍也有很大进步 ，但我国在领军人才方面还有差距 。
中国的优势还在于擅长“集中力量办大事 ” ，大模型技术有一个规模法则（scaling law），以前是算力越大 、模型参数越大 ，涌现出来的能力也越强 ，现在DeepSeek还做了一个强化学习的规模法则，强化学习的迭代次数越多，它的思考能力也会越来越强 ，这实际上是一个“大力出奇迹 ”的技术 ，这种技术就特别适合擅长“集中力量办大事”的地方，容易形成产业优势 。
风险之问：隐私边界与伦理重构的多重挑战
21世纪：AI大模型的应用目前存在哪些潜在风险？
肖京：这样颠覆性的变革肯定会带来一些潜在的风险 ，我认为有4类风险：一是AI本身带来的风险 ，比如数据安全、隐私保护、算法偏见 、模型幻觉 、数据泄露、模型篡改 、生成不合规内容的风险。
第二，投入和产出不匹配的风险 。AI大模型的应用很耗费资源 ，所以很多产品可能会出现投入资源和产出价值不匹配的风险 ，所以投入时需要价值导向，避免盲目地大干快上 。
第三 ，社会风险。AI技术带来产业模式 、流程、生态变革 ，会导致很多从业人员必须要进行技能转型，适应不同的产业业态 ，这就会带来一些社会风险 。
第四 ，行业产生马太效应 。比如未来有能力的头部机构AI应用能力会越来越强，但一些小企业就只能用一些简单应用，和大机构的能力差距会越来越大 ，形成马太效应 、强者恒强。另外大家都用AI ，如在金融市场上会导致策略趋同 。
对于前两类风险，我们可以通过技术能力 、管理水平的提升来解决 ，后两类风险就需要国家和行业共同努力 ，通过业态升级、岗位技能培训以及行业智能化 、解决方案的开放服务等方式来解决 。
21世纪：在应用AI技术时，如何平衡效率提升与风险防控？能否以平安集团举例说明？
肖京：效率和安全永远是难以平衡的 ，但是安全是我们的底线。金融 、医疗行业是强监管行业 ，对安全要求非常高 。
比如，平安集团AI模型上线有一个指标 ，叫“红线率 ” ，比如AI医生去做咨询、收集信息，红线率一定要低于1% ，有非常低的红线率才能让它上线 。
此外 ，中国平安在十多年前就完成了集团大数据平台的建设，遵循合法正当 、目的明确 、授权同意及最小必要原则，打通全集团各种类型的海量数据（维权）孤岛 ，并建立了数据清洗、整合、更新 、质量管理 、标准化、脱敏安全 ，以及严格的权限管理 、隐私保护管理规范 、数据全生命周期安全管理等制度。
在此基础上，我们研发了蜂巢隐私计算平台 ，通过联邦学习、多方安全计算 、先进密码学等技术 ，构建了面向金融行业“原始数据不出域 、数据可用不可见 ”的数据要素流通范式。平安一直是严守数据安全底线，所有的系统都是本地化、私有化部署 ，不会调用公有云服务 ，所有数据都在平安系统内运行，这样 ，我们的AI系统就能够非常有效地从根本上降低数据泄露风险 ，为AI的应用保驾护航 。
本文来自作者[admin]投稿，不代表若地号立场，如若转载，请注明出处：https://redac-nomade.com/shcs/202503-3961.html
评论列表（4条）
我是若地号的签约作者“admin”！
希望本篇文章《从DeepSeek到Manus，平安肖京聊AI的“热实践”与“冷思考”》能对你有所帮助！
本站[若地号]内容主要涵盖：国足,欧洲杯,世界杯,篮球,欧冠,亚冠,英超,足球,综合体育
本文概览： 21世纪经济报道记者 曹媛 深圳报道 在漫威宇宙中，钢铁侠的AI管家贾维斯化身“超级秘书”，不仅负责斯塔克家族企业的运作，平常还是一个忠诚体贴的生活管家，甚至钢铁侠连生...