2025年初，国产开源大模型深度求索横空出世，凭借其出色的自然语言处理、推理分析及数据处理能力，迅速在金融尤其是保险领域引发应用热潮。据不完全统计，新华保险、阳光保险、北大方正人寿、水滴公司等机构已率先完成DeepSeek的接入，积极探索其在智能客服、精准营销、核保理赔等多场景下的应用。

　　在保险行业数智化转型的背景下，DeepSeek大模型依托于开源特性和低成本优势正在为业内机构提供差异化赋能，也给保险业的数智化发展带来了更多畅想。那么，当前保险业的人工智能技术发展应用的成效如何？DeepSeek的出现又会给保险业带来什么样的改变？带着这样的疑问，其认为，相较于Chat-GPT，DeepSeek的技术差异主要体现在三大方面，而这也将给产业及保险行业带来新的改变。作为从业机构及从业者，需要以“开放而务实”的心态积极拥抱新技术——既保持对新技术的高度敏感，也要立足行业痛点积极寻找技术价值锚点。

　　阳光数科副总经理顾青山

　　
DeepSeek带来三大改变

　　DeepSeek给产业和保险业带来的新的改变，我认为主要有以下几点：

　　一是因DeepSeek私有化部署的可行，可以广泛深入应用于保险业务场景，深度嵌入业务流程，融合业务数据，数据保护能力进一步夯实，这使得大模型的应用落地可以更深入。

　　二是DeepSeek私有化成本也相对更低，减轻了应用成本压力，投产比高，有更多的应用可能。开源、能力更强的大模型拉低了技术的门槛，免费开放的客户端也激发了更多业务人员的热情，从而可以在更多的业务应用场景涌现更多创新。

　　三是随着DeepSeek深度思考、透明化推理的模式不断增强，可以使大模型从过去简单的对话型应用向深入保险领域专业场景应用进行转变，比如在精算定价、风控、理赔定损等核心保险领域真正实现专家型机器人应用。

　　在DeepSeek爆火出圈之前我们已经在持续关注。在对DeepSeek-V2.5测评时我们发现相对于V2版本而言提升很大；去年12月DeepSeek-V3发布后，我们发现其在保险场景的通用能力评测表现突出，随即我们将之引入并在智能外呼场景进行应用验证。今年2月初我们完成DeepSeek-R1模型API对接，并开放接口平台和智能体平台，为全科技条线提供开放性的应用支持，在全员日常办公场景全面推广应用，并在保险业务场景展开应用场景全面探索。目前我们已经完成了DeepSeek-R1模型私有化部署，还举办了一系列围绕DeepSeek应用的相关活动，全面提升各条线员工数智应用的意识和能力，激发各业务条线积极探索科技创新。我们相信，这种“技术敏捷验证+业务深度协同”的工作模式将进一步加速AI在保险行业的价值释放。

　　
机构呈现分层格局

　　头部险企如平安、太保等，以及一直以来重视科技战略的阳光保险，都已建立了超百人人工智能团队，并在智能客服、理赔自动化等领域实现了人工智能应用突破。这类险企通过自建AI中台，正逐步从单点突破转向全流程智能化重构。

　　中型险企多采用“自研+采购”的混合模式，重点突破智能客服、代理人赋能等场景。这类险企更注重投入产出比，偏好见效快的解决方案。

　　中小险企更倾向直接采用技术厂商的整合方案或者是第三方SaaS服务，但这种方式的定制化能力较为不足，可能会削弱人工智能的应用效果。

　　以智能客服和保险销售沟通为例，相较于技术升级之前，使用生成式人工智能技术可以大幅提升机器人对话深入理解能力，更好地实现结合上下文理解的多轮对话，根据每个客户的对话生成更生动地回应内容并实现很多任务的智能化处理，问题解决程度更高，显著提升客户业务办理的体验。以车险报案场景为例，阳光保险在95510客户服务热线部署的智能客服机器人能够精准识别不同地区客户说出的出险车牌号、出险地址等关键信息，相关自动化流程极大缩短了客户的等待时间，为客户带来更好的体验。

　　我认为，下一阶段，保险科技团队应在快速学习跨领域知识技能、快速掌握前沿技术、既懂保险业务又懂技术且结合具体场景快速应用新技术等方面构建未来核心竞争力，以适应科技的快速发展，并充分利用先进的技术助力保险业发展。

　　
建议循序渐进制定大模型策略

　　我认为，大模型本身不是颠覆行业的“魔法棒”，而是需与业务场景深度融合的生产力工具。

　　在未来三到五年间，大模型技术可能将在保险业务领域引发一场深刻的变革：一是更有效地提升客户服务体验。通过构建全天候的智能客服体系，能够7×24小时不间断地提供理赔咨询、条款解读等一系列服务，极大地提升了客户体验和服务效率。

　　二是全面提升经营管理效率和产能。以智能核保为例，通过引入多模态大模型，迅速解析包括医疗报告、影像资料在内的各类复杂文件，从而实现秒级的风险评估，大幅提升核保效率。

　　三是全面强化风控能力。大模型将推动保险机构风控能力实现多维升级。例如通过整合医疗影像、物联网设备、社交媒体等非结构化数据，可构建动态风险画像，实现承保风险实时评估。

　　此外，在制定大模型应用策略时，建议遵循“循序渐进”的基本原则，即依照AI就绪度逐步实施，从“普及应用”阶段稳步过渡到“核心建设”阶段，并最终迈向“前沿探索”阶段。这一策略旨在确保技术有效落地的同时，最大程度地发挥大模型在保险业务中的潜力。

　　最后，