泰康保險集團 杜彥斌：科技創新 數智升級 助力保險高質量發展.pdf

《泰康保險集團 杜彥斌：科技創新 數智升級 助力保險高質量發展.pdf》由會員分享，可在線閱讀，更多相關《泰康保險集團 杜彥斌：科技創新 數智升級 助力保險高質量發展.pdf（34頁珍藏版）》請在三個皮匠報告上搜索。

1、科技創新 數智升級 助力保險高質量發展目 錄CONTENTS010203長 壽 時 代 泰 康 方 案科 技 驅 動 商 業 模 式 變 革泰 康 數 字 化 轉 型 實 踐3技術趨勢：八大核心技術群交織前行，形成商業智能三大核心支撐200020032007200920122016201820212024互聯網元年（PC）iPhone發布（2007）2012移動互聯網元年區塊鏈大數據5G/IOT 網易/搜狐.騰訊/京東.阿里/百度.BIG DATA.數據紅利云計算 AWS(2008).微軟云.阿里云 手機上網超過PC.BAT三巨頭.淘寶/天貓.微信/.頭條 APPLE2016 人工智能.谷歌A

2、lphaGo 亞馬遜Echo 百度自動駕駛 阿里達摩研究院 騰訊人工智能實驗室邊緣計算.發放5張5G牌照 5G基站300萬+全球IOT設備230億生成式AI.OpenAI發布ChatGPT，2個月月活破億，微軟全線接入.百度“文心一言”.阿里“通義千問”.騰訊“騰訊智影”.華為“盤古NLP模型”資料來源：Gartner，泰康保險集團整理技術演進圖（2000年-2025年）8大核心技術群：Mobile移動互聯、IOT物聯網、5G、AI人工智能、Block Chain區塊鏈、Cloud Computing云計算、Data Tech大數據、Edge Computing邊緣計算 商業智能三大核心支撐：

3、在線化（移動實時）、數據化（海量數據）、智能化（AI算法+云算力）行業趨勢：從4個視角對大模型前景判斷 模型聚焦3巨頭 無超級應用1.模型側聚焦模型側聚焦3 3大巨頭：大巨頭：OpenAI、Anthropic、Google2.2.暫無超級應用暫無超級應用：核心原因是大模型快速迭代，應用側沒有達到穩定3.3.人才挖掘困難：人才挖掘困難：高端人才傾向留在硅谷場景中，國內企業挖角難n 算力再突破，大模型性能將算力再突破，大模型性能將繼續進化繼續進化：英偉達GB200發布，對大模型算力百倍級提升；Scaling law規則沒有打破，意味大模型能力將繼續進化n 大模型廠商會綁定云廠商大模型廠商會綁定云廠

4、商：n 原有模式：原有模式：“數據民工”機械做數據標注，高質量數據是關鍵n 硅谷模式：硅谷模式：從“數據標注”走向“數據準備”，數據準備人才具備超級學歷背景，進行模型側高質量、高密度數據訓練，技術水平遠超從前。信息來源：英偉達大會期間，同業交流，科技管理部整理n 國內企業集中硅谷挖角：國內企業集中硅谷挖角：會議期間，字節、阿里、百度等頭部企業獲取硅谷人才。n 國外人才挖角難國外人才挖角難：由于回國意味著錯過技術代際，因此相關人才12年會選擇留在硅谷場景中，挖角難度大。這也決定了國內大模型難以具備高水平n 國外資本聚集硅谷區域國外資本聚集硅谷區域n 國內資本緊縮國內資本緊縮：由于中國經濟進入下行

5、周期，資本緊縮，相關大廠在收縮資源。模型模型1 1數據數據2 2人才（算法）人才（算法）3 3資本資本4 4美國硅谷主要情況美國硅谷主要情況云廠商云廠商大模型廠商大模型廠商微軟OpenAIAWSAnthropicDeepMindGoogle1.模型：美國持續引領大模型底層創新，國內企業追趕，有拉大趨勢英偉達壟斷大模型訓練算力硬件，OpenAI、谷歌等持續發布創新大模型國內頭部科技企業追趕并接近美國一年前大模型能力（GPT4）看美國：看美國：AI+AI+云云+算力算力看國內：追趕看國內：追趕GPT4GPT4，代差，代差1 1年年OpenAI國際領先大模型陣營國際領先大模型陣營Gemini Gem

6、ini GPT4GPT4、SoraSoraClaude3Claude3模型模型云云微軟AIAIANTHROPC亞馬遜DeepMind谷歌GPUGPU英偉達2024年一季度，新發布Sora、Claude3、Gemini1.5模型，英偉達B200新GPU國內大模型與國內大模型與OpenAIOpenAI存在存在1 1年代差年代差2022.122023.32023.92024ChatGPTChatGPT上線上線基于GPT3.5發布發布GPT4GPT4發布發布GPT-4VGPT-4VGPT-5GPT-5？發布文心一言發布文心一言對標GPT3發布多個產品發布多個產品對標GPT3.5對標對標GPT-4GPT

7、-4美國美國中國中國國內大模型國內大模型能力接近能力接近GPT-4GPT-4*92.7192.71 90.3690.3687.7587.7586.7786.7785.785.782.5982.59 82.3782.3781.0181.0179.3679.3678.0178.0176.5876.58GPT4-TurboGPT4文心一言4GLM-4通義千問2百川3月之暗面訊飛星火3通義千問1.5MiniMax云雀大模型*SupreCLUE中文大模型綜合性評測基準，2024年2月 2-1 應用：國外ChatGPT占頭名，國內KIMI（問答助手）近期異軍突起16.513.45.53.262.552.0

8、51.681.51.450.89ChatGPTNew BingCanva Text tGeminiDeeplCharacter AlNotion AlGoogle BardQ-ChatShop2月上榜訪問量（億）10061006365365305305247247209209192192183183173173171171142142-33%-33%-45%-45%108%108%-12%-12%-4%-4%-29%-29%-23%-23%-2%-2%27%27%-29%-29%百度文心一言阿里通義千問Kimi(Moonshot)稿定AI魔音工坊訊飛星火火山方舟抖音豆包清華智譜清言Proces

9、sOn2月上榜訪問量（億）2月上榜變化2024 年 2 月，全球 AI 產品訪問量排名前三排名前三的分別為TOP1TOP1：ChatGPT（16.5 億）TOP2TOP2：New Bing（13.4 億）TOP3TOP3：Canva Text to Image（5.50 億）2024 年 2 月，國內 AI 產品訪問量排名前三排名前三的分別為：TOP1TOP1：百度文心一言（1006 萬）TOP2TOP2：阿里通義千問（365 萬）TOP3TOP3：Kimi（Moonshot）（305萬）國外：國外：ChatGPTChatGPT占據頭名，占據頭名，TOP10TOP10聊天機器人聊天機器人國內：

10、聊天機器人占比較高，國內：聊天機器人占比較高，kimikimi關注度極速上漲關注度極速上漲108%108%圖表圖表1 1：20242024年年2 2月國外月國外AIAI應用排行應用排行圖表圖表2 2：20242024年年2 2月國內月國內AIAI應用排行應用排行數據來源：2-2 應用：同業方面，銀行、證券、保險加速提升全流程智能化水平營銷營銷投投顧顧投投研研客服客服風控風控分析分析研發研發內控內控支撐個性化營銷；基于大模型KYC的智能營銷基于財富管理專業知識進行預訓練，建立個體的智能投顧服務通過海量投資標的信息分析,實現對各類投研數據分析以及時間序列數據預測結合多輪對話與KYC探查能力,有效提

11、升用戶對話體驗新特征規則發現，結合因果學習探索智能風控策略制定與追因將業務問題轉化為數據分析，進一步轉化為SQL，從人人用數走向Al助理分析用數協助軟件研發計劃、代碼編寫與測試，提升研發敏捷性形成對文件的整體認知與理解，降低對人工審核依賴,給出風險工行工行建行建行農行農行交行交行招行招行太太保保已擁有約64臺訓練集群，今年將擴建200+臺，打造全行智能助手已確定基于千億模型開展測試，下半年完成千卡部署及系統上線基于開源模型訓練ChatABC，向昇騰國產化底座演進確定基于昇騰底座開發助手、辦公助手、分析助手、客服助手總計4個場景投入依托招行APP的財富管理業務，規劃了智能客服、研報生成和摘要生成

12、場景搭建千卡昇騰大模型算力平臺，構建保險行業大模型，構建數字勞動力金融是典型的數據密集、知識密集型行業，大模型可貫穿應用于全業務生產過程3 數據：從“模型為中心”加速轉向“數據為中心”高質量訓練數據集決定模型精度公司公司模型模型參數量參數量數據規模數據規模阿里巴巴M610T1.9TB圖像和292GB文本智源悟道2.01.75T4.9T騰訊混元1T2T百度文心260B45TB百川智能百川2B/7B/13B2.6T抖音豆包7B1300億阿里云通義千問7B3萬億tokens華為盤古200B40TB中文文本、3B圖像公司公司模型模型參數量參數量數據規模數據規模OpenAIGPT10.117B5GBOp

13、enAIGPT21.5B40GBOpenAIGPT3175B45TBMetaLLaMA65B4.7TB圖表圖表1 1：國內外訓練數據量：國內外訓練數據量數據數據集集來源來源主要主要內容內容維基百科網絡百科全書多語言、多領域、質量高、覆蓋面廣BookCorpus書籍作家未出版的免費書籍期刊ArXiv、美國國家衛生研究院等學術寫作WebTextReddit從社交媒體平臺RedditCommon Crawl原始網頁800GB,工商業網站、技術網站、社交網站、新聞媒體等ROOTS社區、爬蟲1.6TB,59種語言數據數據集集來源來源主要主要內容內容中文維基百科維基百科維基百科中文部分中文自然語言處理數據

14、集(CLUE)CLUECLUECorpus2020-small:14GB的中文語料庫WuDaoCorpora智源研究院30億個網頁中文自然語言處理共享平臺清華大學新聞、論壇、微博、問答等百度中文問答數據集(DuReader)百度匿名用戶查詢采樣,數據量831.3K人民日報數據集人民日報人民日報語料庫 1998版和2014版“增加大模型的參數量不再是提升大模型能力的最有效手段，增加大模型的參數量不再是提升大模型能力的最有效手段，大規模大規模、高質量高質量數據和數據和數據數據高效處理工程化高效處理工程化才是關鍵才是關鍵”OpenAI Sam AltmanOpenAI Sam Altman圖表圖表2

15、 2：國內外數據集來源：國內外數據集來源圖表圖表3 3：數據消耗趨勢：數據消耗趨勢Gartner預測預測 低質量語言數據：低質量語言數據：2032-2040年耗盡 高質量語言數據：高質量語言數據：2024年耗盡 圖像數據：圖像數據：2038-2046年耗盡Gartner預測，2024 2024 年用于訓練大模型的年用于訓練大模型的數據中有數據中有60%60%將是合成數據將是合成數據，到到20302030年年絕大部分數據將由人工智能合成絕大部分數據將由人工智能合成4-1 人才:AI時代創業特點，超級天才，少而精團隊創造巨大價值公司公司成立時間成立時間創始人創始人主要經歷主要經歷核心團隊人數核心團

16、隊人數Open AIOpen AI2019年Sam Altman斯坦福大學研究人工智能和計算機科學；2014年擔任Y Combinator總裁；2015年與時任特斯拉和SpaceX首席執行官的埃隆馬斯克共同創立了OpenAI。9090人人A An nthropicthropic2021年Dario Amodei斯坦福、加州理工以及普林斯頓學歷，曾任職百度公司和Google Brain，并開發出人類語音識別系統，2016年該項成就被麻省理工評為當年的突破性技術之一；2016年，加入OpenAI一路升至公司副總裁。60-8060-80人人MidjourneyMidjourney2022年David

17、 Holz北卡羅來納大學教堂山分校應用數學博士學位；NASA蘭利研究中心研究激光雷達、大氣科學和火星任務;曾經是著名公司 Leap Motion 的創始人和CEO1111人人月之暗面月之暗面2023年楊植麟本科畢業于清華大學計算機系，博士畢業于卡內基梅隆大學計算機學院；曾任職Facebook AI Research、Google Brain 工作8080人人百川智能百川智能2023年王小川畢業于清華大學計算機科學與技術專業，擁有工學學士、工學碩士、工程博士及EMBA學位；曾任搜狗公司CEO/董事、搜狐高級副總裁兼CTO。170170人人n 創始人具備創始人具備高高知識密度：知識密度：高學歷科學

18、家+高科技企業工作/創業經歷，“斯坦福、加州理工、清華”、“數學、計算機、博士”等標簽；n 團隊少而精團隊少而精：百人左右團隊，基本都來自國內外知名高校，“年輕的天才團隊”，創造巨大價值4-2 OpenAI：超高人才密度+世界名校+交叉學科+天才使命感151516162020212123232424262628283030323236365757626287879393加州理工學院伊利諾伊大學厄康奈爾大學耶魯大學劍橋大學牛津大學清華大學哥倫比亞大學哈佛大學加州大學洛杉磯南加州大學卡內基梅隆大學麻省理工學院加州大學伯克利斯坦福大學圖圖表表5 5：OpenAIOpenAI公司員工畢業院校（單位：人

19、）公司員工畢業院校（單位：人）n 高學歷人才密度大：高學歷人才密度大：員工畢業學校幾乎100%100%來自世界名校來自世界名校，大部分員工為谷歌、Meta、Apple的前員工n 團隊文化強悍：團隊文化強悍：天才+使命感+偏執狂的領軍人物；有信仰+方向感+定力：n 人才觀人才觀：能動手的研究員,精通算法的工程師4-3 大模型對高學歷員工賦能更加明顯，人才結構將從金字塔向鉆石型轉變結構上看，生成式AI對高學歷員工工作自動化提升的比例更高組織應該構建“鉆石型”科技人才結構，優先招聘領軍人才，并對現有科技人員進行技能培訓576662646463283645485154本科副學士學位碩士以上大專高中或同

20、等無高中學歷麥肯錫本科及以上工作自動化提升30%生成式生成式AIAI對技術自動化潛力的對技術自動化潛力的影響影響美國就業占比（%）293017161391322922249自動化比例提升（PPS）有生成式AI無生成式AI金字塔型鉆石型初級水平的人才數量最多大部分技術人員是經驗較豐富的開發者麥肯錫“鉆石型”人才結構組織人才結構從金字塔向鉆石型轉變組織人才結構從金字塔向鉆石型轉變優先招聘領軍人才，中高級人才培訓升級，初級人才結構轉化優先招聘領軍人才，中高級人才培訓升級，初級人才結構轉化5 大模型性能是大規模商業化落地的關鍵2022.122023.12023.22023.32023.42024202

21、5行業熱度直接應用，直接應用，2C2C為主為主融合應用，融合應用，2B2B為主為主ChatGPTChatGPT上線上線Bing Chat Bing Chat APIAPI開放開放 New BingNew BingGPT-4GPT-4Office-GPTOffice-GPT模型再訓練模型再訓練模型再訓練模型再訓練幻覺率幻覺率（15%21%15%21%）2/72/72/282/283/13/1幻覺率（幻覺率（10%14%10%14%）相較相較ChatGPTChatGPT提高提高40%40%3/173/17微軟在微軟在GPT-4GPT-4發布后，表示過去發布后，表示過去6 6周，周，BingChat

22、BingChat已由已由GPT-4GPT-4驅動驅動各賽道產品打磨驗證提效能力各賽道產品打磨驗證提效能力預計預計1 1年左右可完成多數行業落地性驗證年左右可完成多數行業落地性驗證可能的熱度低谷可能的熱度低谷當前幻覺率距離人類水平較遠多行業落地驗證效果不佳如幻覺率未能保持當前降幅，則如幻覺率未能保持當前降幅，則難以支撐在商業環境下的落地驗難以支撐在商業環境下的落地驗證，行業進入蟄伏期證，行業進入蟄伏期如再維持連續兩次迭代如再維持連續兩次迭代40%40%幻覺率幻覺率下降，則預計下降，則預計1.51.5至至2 2年可真正實現年可真正實現規模商業化（初級規模商業化（初級AGIAGI）過去6周幻覺、情緒

23、表達等問題仍是用戶主要痛點，當前幻覺率仍有不足資料來源：張宏江院士 大模型應用場景落地預計經歷4個階段，機器從輔助到代理，參與度逐漸加深人人嵌入嵌入AI embedded人人人人人人副駕駛副駕駛Copilot助理助理AI Assistant代理代理Collaborative AgentAIAIAIAIAIAIAIAIAI作為工具嵌入流程節點AI從旁協助全流程參與AI自主拆解任務并執行人人人人AI主動與人或其他AI協作目 錄CONTENTS010203長 壽 時 代 泰 康 方 案科 技 驅 動 商 業 模 式 變 革泰 康 數 字 化 轉 型 實 踐15人類社會正在進入長壽時代人類社會正在進入

24、長壽時代，百歲人生時代到來，人人帶病長期生存16第七次人口普查結果印證長壽時代理論低生育率壽命延長柱狀人口結構低死亡率2020全國死亡人口 998萬人口死亡率 7.22025年：2.1億，占15%2035年：3.1億，占25%2020全國出生人口 1200 0萬人口出生率 8.5總和生育率 1.32020平均期望壽命 77.8 8歲每10年增長 2-3歲202065歲以上老年人 1.9億占總人口比 13.5%數據來源：2020年第七次全國人口普查數據，2020年我國衛生健康事業發展統計公報17疾病譜系改變全球范圍內，新發傳染病流行間隔期有明顯縮短的趨勢整體健康需求快速增長慢性疾病占比90%70

25、歲死因占比患病率腦卒中23.3%10.7%缺血性心臟病20.6%18.0%腫瘤19.9%10.7%COPD13.2%20.0%阿爾茲海默4.3%9.3%糖尿病1.6%17.1%小計83%/l城鎮化的發展和人口密度的增加l全球化加劇人口流動l動物生存領地破壞，人類與動物接觸增加l野生動物交易l全球氣候變化l長壽時代的“副作用”傳染病并未離我們遠去數據來源：世界疾病負擔數據庫，規劃發展部桌面研究，劉遠立為什么新發傳染病發生的間隔期有大大縮短的趨勢？世界準備好下一次流行病了嗎？數據來源：世界疾病負擔數據庫，規劃發展部桌面研究，劉遠立為什么新發傳染病發生的間隔期有大大縮短的趨勢？世界準備好下一次流行病

26、了嗎？中國老年人失能占比18%帶病生存時間9.1年65歲以上多病共存的老人占比2/3長壽時代帶來健康時代百歲人生來臨，人人長期帶病生存后續展開“需要介護的老人越來越多，介護士數量跟不上，成本必然增加。如果 我們不進行一些變革的話，日本現有的社會保險體系是無力去支撐這些 高漲的介護費的。以少量的預算和人員，提供與現在相同水準的服務，需要下功夫想辦法。而想來想去，似乎唯一的可似乎唯一的可行辦法就是借助科技之行辦法就是借助科技之 力，用力，用ICT（信息通信技術（信息通信技術）和機器人去提高照護效率）和機器人去提高照護效率?！睂m本隆史（善光會理事、最高執行負責人）n 自2013年起，日本政府開始支援

27、護理機器人產業，將其 分為6大類共13個小類。如今在日本養老設施里，主要介主要介 護活動護活動1都有相對應的機器人與智能設施都有相對應的機器人與智能設施。n 在日本養老行業，養老服務人員和需要照料的老人比例一 般是 1:2，而引進各種機器人之后，這一比例為 1:2.729萬萬 但護理人員數量持但護理人員數量持續短缺續短缺但2022年，日本養老護理機構倒閉數量超600家，達歷 史新高，越來越多養老機構面臨被收購或倒閉潮危機。主要原因是護理人員短缺導致主要原因是護理人員短缺導致人事成本增加等因素。人事成本增加等因素。預 計2025年，日本將有29萬萬護理人員的缺口難以補足。日本被護理者需求持日本被

28、護理者需求持續增長續增長日本養老護理產業的市場規模已經超過七千億元人民幣，需要護理的日本老齡人口超過669萬人。據預測,2025年 日本65歲以上老年人中需要護理者將較當前增加約141萬人至約770萬人，是目前的1.22倍宏觀背景宏觀背景 日本借助科技之力，日本借助科技之力，利用機器人與智能設施提高照護效率利用機器人與智能設施提高照護效率困境：被護理者與護理人員嚴重供需不足困境：被護理者與護理人員嚴重供需不足 科技助力：機器人與智能設施參與照護科技助力：機器人與智能設施參與照護備注：所有介護工作中，最耗費時間服務排序為三餐（三餐（27%）、排泄（）、排泄（20.1%）、移動（）、移動（10.7

29、%）、沐?。ǎ?、沐?。?%），間接活動中守護和巡視最耗費時間（14.2%）770萬萬419日本以科技手段減少人力成本，減輕護理負擔，提升護理質量與效率輔助轉移輔助轉移輔助行走輔助行走輔助如廁輔助如廁監護監護交流交流輔助沐浴輔助沐浴輔助護理上事務輔助護理上事務穿 戴 式穿 戴 式n 護理人員的體力性輔助非 穿 戴 式非 穿 戴 式n 護理人員的體力性輔助室 外室 外n 協助外出、物品搬運室 內室 內n 室內移動、站立輔助穿 戴 式穿 戴 式n 預防跌倒、助力行走處 理處 理排 泄 物排 泄 物n 安裝可移動馬桶引 導引 導如 廁如 廁n 預測排泄時間并引導行 動 上行 動 上輔 助輔 助n 行動

30、上輔助養 老養 老機 構機 構n 具有傳感器和外部通信功能的設備平臺居 家居 家n 具有傳感器和外部通信功能的設備平臺生 活生 活照 料照 料n 與老人交流n 協助老人進出浴缸時的一系列動作n 收集并積累與監護、行走、如廁等輔助護理工作相關的信息,并以此為基礎應用于其他的需要上來源:日本厚生勞動省“使用機器人技術進行護理的重點領域”日本厚生勞動省日本厚生勞動省(相當于我國的衛健委和人社部)和經濟產業省和經濟產業省(工業和信息化部)選定的選定的6個領域和個領域和13個項目個項目20養老照護科技不等于信息化，核心是人工替代和效率提升養老科技不等于信息化養老科技不等于信息化科技科技科技科技金融科技基

31、本是信息化（處理信息流）金融科技基本是信息化（處理信息流）金融金融養老養老n金融科技主要是實現業務作業系統化、流程化、線上化，實現數據互聯互通，再疊加數據、智能類產品，提高作業效率n以超體營銷流程為例，基于泰行銷平臺，支持超體流程一體化核心環節，提升超體效率n養老科技第一層次處理的是人工增強和替代（機械設備/物理設備），第二層次才是信息化的事情，第一層次的意義目前遠遠大于第二層次。n以日本生命基礎研究所前田展弘的專題報告為例，展示了當前日本銀發經濟下硬件設備發展的動向21泰康的事業：打造大健康產業生態體系商業模式商業模式泰康依托保險、資管、醫養三大業務板塊，構建支付和服務兩大體系，形成長壽、健

32、康、富足三大閉環。長壽閉環買壽險和年金保障在養老社區里安享晚年健康閉環買健康保險保障在醫療體系收獲健康富足閉環投資收益保障醫療和養老需求做大支付、布局服務、建設生態、科技驅動、打造軟實力是達到戰略閉環的路徑。保險資管醫養22泰康的醫養業務布局-泰康之家：布局35個核心城市布局核心城市 3535個/總地上建筑面積約 476476萬平方米/可容納老人近 8 8.5.5萬/規劃約 5.65.6萬個養老單元/醫療床位超 44004400張全國連鎖運營 1919城 2020 項目/在住居民超1001000000 人/院士和學部委員 3636 位/重點大學校長和書記 1919位泰康已完成在北京、上海、廣州

33、、三亞、蘇州、成都、武漢、杭州、南昌、廈門、沈陽、長沙、南寧、寧波、合肥、深圳、重慶、南原、鄭州、青島、福州、溫州、天津、濟南、呼和浩特、昆明、佛山1、長春、貴陽、哈爾濱、西安、無錫等35個核心城市連鎖醫養社區和康復醫院的布局23建設醫教研一體化的五大醫學中心，積極推動醫養、醫險結合醫險結合醫養結合人文關懷學科技術質量安全服務品質泰康仙林鼓樓醫院泰康仙林鼓樓醫院醫教研一體化，運營中，1400床寧波泰康腦科醫院寧波泰康腦科醫院2024年開業，400余床泰康醫療成都診所泰康醫療成都診所2019年開業，運營中泰康同濟（武漢）醫院泰康同濟（武漢）醫院2020年開業，運營中，1600床四川泰康醫院四川泰

34、康醫院2023年開業，1000床深圳前海泰康國際醫院深圳前海泰康國際醫院2024年開業，1000余床目 錄CONTENTS010203長 壽 時 代 泰 康 方 案科 技 驅 動 商 業 模 式 變 革泰 康 數 字 化 轉 型 實 踐從：業務信息化在線化到：全面數智化升級 大模型催動新一輪科技變革，不同業態數字化應用深度差異很大科技變革：大模型催動新一輪科技浪潮科技變革：大模型催動新一輪科技浪潮數字化應用：各行業生產效率與數字化程度正相關數字化應用：各行業生產效率與數字化程度正相關20002007200920122016201820212023互聯網元年I IPhonePhone發布發布云計

35、算移動互聯網元年人工智能區塊鏈5G/IOT大模型大模型2003大數據AWS阿里云 微信滴滴美團頭條 AlphaGo抖音Open AIChatGPT百模大戰新浪/網易5 5年時間，手機上網用戶超過年時間，手機上網用戶超過PCPC用戶用戶催生移動互聯網原生應用大爆發催生移動互聯網原生應用大爆發新新IPhoneIPhone時刻時刻移動、數據、云是過去十年科技驅動主動力大模型催動新一輪變革，將催生10倍于移動時代的產業機會麥肯錫測算，有望貢獻7萬億美元價值0510152025303540504555100總體數字化評分總體數字化評分勞動生產率增速勞動生產率增速房地產娛樂休閑互聯網傳媒ICT行業零售貿易

36、批發貿易化工制藥專業服務醫療保健醫療保健運輸倉儲建筑金融保險：金融保險：在線化基礎好，向數智化加速升級醫療保?。横t療保?。杭訌娀ヂ摶ネ?，構建以患者為中心智慧醫療體系養老服務：養老服務：三化合一1，支持連鎖經營和智慧社區雙主線資料來源：麥肯錫數字時代的中國：打造具有全球競爭力的新經濟，Gartner，集團科技中心整理 注1：三化合一：自動化+信息化+智能化金融保險金融保險養老服務養老服務從：碎片化孤立系統到：以患者為中心智慧醫療從：勞動密集型+分散運營到：大規模連鎖標準化系統支持26泰康科技建設路徑：以決勝數智為目標推進科技策略（算力）（算法）移動能力中臺能力數智能力【移動優先】三大在線銷售在線

37、管理在線客戶在線銷售在線管理在線客戶在線業務中臺AI中臺移動中臺銷售在線管理在線客戶在線生成式大模型多模態數據中臺客戶大數據醫療大數據健康大數據【中臺賦能】四大中臺【決勝數智】六大領域27移動優先：銷售在線+客戶在線+管理在線并駕齊驅，加速邁向數智化泰行銷、泰生活、泰家園 三大APP建設，引領泰康科技在線化、移動化道路逐步成熟，向數字化、智能化轉變泰行銷APP泰行銷實現銷售全流程移動化，全部新產品均可通過APP、微信等線上渠道投保，手機投保比率接近100%，月活率65%+，助力渠道特色化經營，賦能績優隊伍線上線下三超場景泰生活APP泰生活提供長壽閉環、財富閉環和健康閉環三大服務內容，累計生態注

38、冊用戶3500萬+，累計注冊用戶2300萬+，為客戶提供極致體驗的線上服務，積累豐富的客戶信息泰家園APP泰家園聚焦四大辦公場景，集賦能管理，賦能業務于一體，日均操作人次2.5萬+，建設優質員工移動平臺聯合飛書打造數字化管理生態圈，賦能泰康大健康生態建設28智慧保險：數據智能全面嵌入業務價值鏈，賦能銷售服務運營 短險催簽場景銷售支持，ChatGPT生成銷售話術并同步對比專家話術 客戶標簽及經營建議，星級客戶關聯轉化標保30億+模型篩客，下發睡眠高價值客戶、金客等項目名單，關聯標保近4億智能輔助銷售 銷售人員培訓打分，通過ChatGPT進行整體評分以及銷售話術分析 AI智訓6萬+訓練腳本，智能人

39、機對話訓練工具，提高實戰能力 主管輔導好助手，代理人展業話術庫 代理人使用AI智訓，提升新人/泰星產能，促進晉升泰學堂AI智訓 AI+RPA機器人廣泛應用于營銷、組發、運營等多個場景 微信機器人（督導、賀報）在線應用4000+，2000人年 從需求涌現到深入發掘，從逐一復用到通用共贏，AI+RPA極大助力壽險提升效率、解放人力、增強能力、助力業務智能RPA機器人新人通過越多，離職率越低，留存率越高新人通關越多，轉正率越高新人通過越多，標保越高，業績越好泰行使用AI訓練，可整體提升標保提升留存助力轉正開單有效泰星價值29智慧社區：適老化全屋智能起居室洗衣區陽臺玄關智能晾衣架智能晾衣架（與門窗聯動

40、）（與門窗聯動）泰康泰康電視電視臺臺智慧畫屏智慧畫屏（藝術療愈）（藝術療愈）空氣質量監測空氣質量監測及部署實物及部署實物姿態監測雷達姿態監測雷達人體感應器人體感應器體征雷達體征雷達智慧藥盒智慧藥盒智能床墊智能床墊臥室拉繩報警拉繩報警衛生間臥室智能馬桶智能馬桶無障礙防滑浴缸無障礙防滑浴缸智能鏡智能鏡智能窗簾智能窗簾掃地機器人掃地機器人智能音箱智能音箱從客廳、臥室到廚房、浴室、書房等生活空間，立體化智慧安全讓老人享受科技帶來的便捷生活30智慧醫療：以電子健康檔案為核心的數字化慢病管理臨床醫生家庭醫生出診開藥醫院就診開具處方1+N團隊(家庭醫生、護士、管家)用藥能力評估、用藥指導、隨訪以健康檔案為中心的數字化慢病管理線下線上建立健康檔案健康評估與分級制定方案用藥管理持續干預效果評估用藥管理，科學吃藥智能藥盒擺藥機31