数智驱动 生态共赢
中科软科技执行高级副总裁 王欣
融盛保险总裁 史翔
三井住友保险信息技术部总经理 陈婧
企业微信金融行业总监 张金光
百度智能云
金融业务部保险行业解决方案负责人 宫奇
王欣：大家下午好，欢迎来到本次“数智驱动，生态共赢”2025年财险科技创新论坛的高峰对话环节。今天非常荣幸请到保险行业非常顶尖的专家，把他们从台下请到台上，和我们一起探讨数智时代财险行业的创新以及未来的发展。首先请他们上台：
融盛保险总裁史翔；
三井住友保险信息技术部总经理陈婧；
企业微信金融行业总监张金光；
百度智能云金融业务部保险行业解决方案负责人宫奇；
对于中小保险公司来讲这两年挺难的，如果找不到自己细分市场的突破口，未来可能就会被淘汰或者是并购。请问史总，中小公司如何找到咱们自己的细分市场？在这个过程中需要科技部门，还有科技企业发挥哪些作用？
史翔：非常高兴再次来参加中科软的年会，关于中小保险公司未来几年要如何生存，前期我参与了一些行业交流，主要有八条共同观点：一、规模优先；二、降低成本；三、提高效率，充分发挥中小企业快速反应；四、渠道的差异化，根据资源禀赋去进行差异化；五、解决增量市场和存量市场平衡的问题；六、创新；七、如何依托地方政府相关优势发挥保险公司的优势；八、资产负债管理的问题。
关于差异化，中小公司如何差异化发展的内涵很丰富，我认为主要包括基于资源禀赋渠道差异化，创新能力提升、效率优化带来的经营差异化，以及地方政府特殊支持的资源差异化。对于差异化细分市场，这不是抢救危机的救心丸，必须要考虑长期性，比如股东、资本能否容忍创新性的试错，经营层和企业文化能否支持差异化的落地，我认为细分市场的选择并不难，各公司基于自己的资源禀赋会比较容易找到方向，困难在于股东、经营层的长期支持，近年来，行业高管变化速度很快，很难保证长期战略在公司长期执行。
关于选择科技伙伴，首先，我认为合作的机会特别多，中国还有很多没需要科技去解决的问题。其次，我也希望科技伙伴同样抱有长期性，通过一两个科技手段解决长期性的商业模式和客户感知是无法实现的，我们希望能找到像中科软这样的长期伙伴，能把细分市场做好。
王欣：我听了史总的分享总结下来，一是从八大方面寻找细分市场，其中主要是做差异化，例如：利用好地方政策、利用股东资源等；再有就是公司要形成长期战略的延续性，保证战略能够落地。这几年中科软做了一些咨询项目，这些咨询项目除了今天我们在大会上给大家汇报的业务运营咨询、数据咨询之外，我们还帮助保险公司做战略咨询，帮助公司将战略分解细分到业务架构和技术方案，最终实现公司领导班子的经营思想落地。中科软之前以开发、集成见长，今后也希望把更多咨询方案带给我们保险公司的客户，助力保险公司业务发展。
讲到竞争想问一下陈总，对于外资保险公司会同时面临价格竞争和市场份额竞争。您对企业信息化架构以及数字化转型这个方面都比较有经验，除了刚才您演讲中提到的AI助手等等这些案例之外，还有没有一些其他的科技助力保险公司降本增效的案例分享给大家？
陈婧：我们是外资中小企业，信息科技这个事情是一个长期的事情，在过往的这些年里面不断一点一点的在摸索前行，我理解成是对内和对外，一方面是怎么样能够去增效，怎么帮助企业进行外部竞争力的拓展，所以我们实际上是日资的保险公司，我们更多客户是面向日资，我们无法从费率和价格上来跟国内企业竞争，所以我们必须靠服务，运用数字化的东西帮助客户做赋能，因为大家想保险卖的是什么？不仅仅是一个保单，保单只是风险管理的一部分，是风险补偿。实际上从三年前开始做风险减量，能够帮助客户做风险的控制，因为我们不一样的地方是更多是面对财险的B端客户，主要是以非车险的企业业务为主，在这个过程当中大部分的客户他们都会面临的问题是不希望风险发生，因此我们其实在过往的三年里面一直在做的事情，就是能够运用我们这样一个数据能力和科技能力，帮助客户提升抵御风险的能力，我们在三年前开始做CRP平台，而这个平台希望针对客户整体的数据分析，结合它的风险标的对标大数据，比如说天气预警灾害或者是物联网、摄像设备等等，通过多种方式帮他检测实时风险，同时在这个过程中帮他在事前进行风险监测和评估。针对查勘出来的问题进行长期追踪。不是原来采用线下方式，一个风险做完了就做完了，后面核保拿不到信息，理赔也拿不到信息，不知道改了没有。现在完全通过线上方式进行标准化，可以将查勘这件事效率提升，可以让更多人可以参与到查勘和自评估里面来，从而对风险有一个整体评估，长期持续的跟进，而所有这些风险评估数据也可以作为两核的依据，作为后续的使用，为整个企业风险库提供信息。
另外实时的监护，比如说在前年的台风季做到可以通过台风轨迹预测到哪些工厂他的标的地址会受到灾害，离风眼多远，提前给他发邮件和短信信息让他做好提前准备，尽可能降低风险和损失。CRP这个平台是针对外部增效方面主要推进的项目。
包括跨境贸易平台或者其他平台都是希望站在客户角度上帮助客户去解决问题，帮助客户提升价值，从而才能在这个过程中有更好的服务，提升我们的价值。
降本的部分，更多是修炼内功，为什么三年前开始做CRP项目？我们初心来自于CRM项目，CRM项目是2016年当时做的以客户为中心的数仓，尽可能把他效益最大化。我们在外部不断孵化RPA的能力、数据中台的能力，让我们形成快速解决方案的架构，这个架构是渗透在我们每一次的需求和效率提升的过程当中，但是它其实是长期主义的事情，所以不管对内的降本还是对外增效，其实都是以价值增长和长期主义的不断的提升来进行的事情。
王欣：刚刚陈总讲了利用科技手段实现以客户为中心，提升效能和风险减量，最终提升公司整体经营效益的经验。
说到以客户为中心，企业微信大家知道有一个产品就是客户生命周期管理。客户生命周期管理可以优化客户从初次接触到购买、到留存、到忠诚度提升的整体过程，我想问一下张总，企业微信是如何重构财险客户全生命周期管理，特别理赔服务这个环节上。
张金光：目前企业微信作为一个保险行业的基础设施在广泛使用，尤其财险的业务场景，跟企业微信契合度非常高，从整个客户管理角度来讲最简单做一个阶段划分，比如说获客阶段，获客现在常见的无论线下获客，面对面的沟通交流，还是线上通过引流、投放获得的客户，其中有一个就在于客户信任的提升和客户之间距离的拉近。
第一、企业微信非常好的点在于名片这么一个简单功能，经过保险公司品牌认证的名片去加客户个人微信，客户对于品牌认证能力是有认可的。在这个基础上结合我们微信其他获客助手之类的产品，在线上或者线下它的转化效率就会非常高。
举个例子，在寿险场景有一些老客户的收展，比如触达客户时使用我们的电销场景跟客户打电话，大家现在有一个很大的体感，年轻用户对于接电话这个事情有很大的心里压力：第一反应如果不是熟悉号码就挂掉了，导致我们整个电话接通率和转化率是在逐年下降的。这种情况下企业微信不能说根本上解决掉这个问题，但是可以提升转化率，当电话客服或者坐席给用户打电话的时候，用户接起电话之后就会触发一条短信，这个短信里面就会带企业微信加好友的链接，使用获客助手这个功能快速加好友。当用户收到短信时坐席人员可以跟客户讲您好，比如说张先生，我是您的保险专属顾问，后续您关于保险任何问题都可以随时咨询我，刚才有一条短信不知道您收到没有，可以点击链接立即加我的企业微信，后续所有问题都可以在微信上随时找我。这么一个简单场景我们在银行、保险、资管、证券、信托很多场景都做了尝试，确实大幅度提升电销获客转化效率。
第二、我们跟用户建立联系之后想要转化用户成为投保付费用户。这个过程中就在于业务人员有一个很大的困扰或者是一个阻碍在于如何更好的知客，就是了解这个客户到底是谁。如果用个人微信加了客户之后，其实需要前期有很大的工作要做，就是对客户的认证和个人身份的确认，企业微信作为微信生态一环，我们有一个基础功能就叫unionid，这个相信在座很多跑在前面的财险公司已经在用了，在微信生态内任何一个用户都有一个ID，这个ID打通了微信内小程序、公众号，还有包括企业微信、视频号，如果一个用户关注了保险公司的公众号或者小程序内做过购买保险、理财产品的操作，其实已经完成了留咨和身份认证的动作，后续当我们使用企业微信加客户微信时，如果这个ID能够得到匹配，我们可以通过企业微信侧边栏可以看到这个用户真正的用户画像，用户360也好，还是客户里程也好，就可以知道这个用户跟保险公司本身CRM系统做了对接，相当于一个ID就可以打通我知道对面这个人是谁，买过什么产品。就能够实现知客，我跟客户之间的沟通和营销过程就会更简单。
第三，客户长期经营过程中需要做一个动作，也是现在比较优秀的代理人都会做的，就是客户分层，如何管理越来越多的用户，尤其优秀代理人当他手机里的客户数量超过1000个时，这个时候对于用户的管理有一个很大难度，这个时候就可以基于企业微信的标签系统，尤其今天各位老师都在讲大模型，大模型在用户画像上的应用也是非常广泛。
举一个异业合作的案例。像某个基金，它现在很多客户获客在线上获客而来，它用自己大模型帮用户做了整个链路、动作和情景以及客户身份的标签系统，一个用户在添加完一周以后通过群里活动和客户经理沟通，能够给用户打到2000个以上标签，通过标签很容易区分用户做分层。再举一个例子像某家银行，今年2025年三八节基于标签系统精准区分出一批25岁到55岁之间的女性群体，提前做三八节的预热，通过群的形式然后做各种理财产品的推送、购买，效果非常好，单周基本上一个群20-30个用户就能实现百万以上理财产品，在保险行业我们一直讲销售代理人基本上是一对一跟客户进行沟通交流，其实除了一对一之外还有群的功能，还有朋友圈的功能，我们今年也在探索如何在使用群功能之上更好服务好用户，这里有一个场景比较好，也是刚才王老师提到的，就是我们理赔场景为什么很多财险公司在理赔场景会先把企业微信用起来。
这里我举一个例子，大家开车都有理赔的经历，当咱们车在某一个高速路段出现刮蹭的时候肯定要报案，报案时原有的链路是我打保险公司的电话，电话客服沟通后续才会有查勘员跟我沟通，现在使用企业微信，很多保险公司这么做，我给客服在打电话同时，客服就会触发一条短信，加企业微信，可以把报案信息上传，包括定位，很多朋友我不知道在哪出了车的刮蹭，所以这个时候通过位置发送和小程序内简单信息的提交，我们查勘员可以通过企业微信一键拉群，这个时候我们客服、查勘员、定损员通过这个群直接联系用户，进行实时沟通和回复。
在保险处理完成之后客户非常关心理赔进度问题，在群里随时告知用户理赔进度。理赔完成之后客服人员跟用户微信还可以作为后期拉活一个重要的手段。
王欣：如果把企业微信只是当做一个工具去使用是不够的，需要定位到公司战略层面才能用好。因为它不仅仅是沟通工具，还需要渠道协同、后端数据的积累、整合和治理等等。总之战略落地应该是长期的，而不是期待用一个工具就能短期见效的。
刚刚张总提到了在企业微信里面用到大模型，陈总也讲了用大模型，很多客户演讲时也分享了大模型经验，例如大家的郝总分享了MCP，下面我们问一下百度的宫总，百度的模型众人皆知，但是现实中大模型落地还是遇到很多挑战，并没有那么顺利，那么您对大模型的落地是怎么看的？
宫奇：我们百度从大模型2023年到现在有两年半时间了，实际上我们和很多保司做了一些落地的实践，基于当前的时间点，我们总结的有三个关键词，在现在的大模型落地下有三个关键词：一、找准场景，因为大模型大家都分享了有这样那样的问题，所以第一步找准场景很重要。二、很多大模型应用我们现在叫超级智能体，实际上承载有一个智能体开发平台，所以叫做选好工具。三、今天谈到的大模型的底座，我们说用好模型。
稍微展开一点就是：因为价值链非常长，大模型也不是万能的产物，我分享几个落地的实际场景，比如说看到的一些经典场景，在财险、电销，我们找的场景非常小，譬如说电销的建联加V，它实际上不是所有的车险的续保客户都要用智能外呼机器人打电话，从财险经营角度来讲，存量客户续保率是很多财险经营车险的生命线，好的能做到70、80，甚至更高，如果做得低了对于财险的综合成本率是不划算的。这一部分是人工坐席他的赢单率更高一些。
但是实际观察中发现很多特别是头部的保司，有上万的坐席，在围绕存量业务开展，还有很大量的名单，每个月几百万的大量名单需要去打，是否都能智能外呼机器人去打？不一定，我们选择了一个小的场景，在本保司投保过，但是脱保的，我重新取得联系，我对他曾经的投保过程是掌握的，通过大模型训练出更加精准的话术，产生赢回的动作，这是很好的场景。
我们再说一个就是大家都是车主，在投保过程中出险以后，你会发现保司在报案热线上也砸了很多人，是否所有人都要调取查勘呢？不需要，成本很高。因为头部保司查勘人员也就是几千人、不到一万人，因为这是一个很大的成本开销。我能通过报案的描述，我能做好一些很好的智能分流，这个场景应用效果也不错，很好规避了我们大模型的弊端。再比如说我们发现每个财险公司都有稽察部，实际上对于历史掌握的欺诈行为去全盘的在事中和事后对于可疑进行调查，这种东西通过大模型建立一个识别欺诈的RAG，把可疑的案件按照公司的人力去打一些高可疑的、高置信空间的案子去做。所以还是要找准一个好的场景，像史总这样的领导可以感受到大模型在实时发挥价值，能够真的提效，变成很好的助手。
第二、要选好工具这件事，大家想用大模型，它的群体非常多，它有总公司的，有分公司的，有业务的，有IT的，有不同角色希望参与到大模型的建设，也想拥抱它，我们选好工具，既要符合0代码、低代码的形态，同时还得能够去复刻，超级智能体有自主规划任务的能力，但是金融、保险基本不可能，还是复刻原来的SOP，搭建这种复杂的业务流程的。那它要具备这种能复刻原来的业务流程，同时传统的RPA等等，能够把2B的复杂场景更加稳定。选好工具更加稳定。
第三、用好模型，实际上还是百花齐放，但是你会发现模型本身的尺寸大小，对于算力本身的成本开销比较大，比如说今天看到的DeepSeek满血版的671B的模型，少则一台，多则两台，都是大卡，类似于96G甚至141G的大卡机器，所以本身如果你要去看这种大尺寸的模型对算力开销还是比较大的。所以要根据场景的特点算好ROI，有些场景接受公有云调用，可能成本开销比较低一点，符合我们公司的数据安全的要求。同时对于安全要求比较高的，我们要根据场景的特点去看是大尺寸的模型好，还是小尺寸的模型好，要算好账，毕竟算力这部分成本目前来看成本还是比较高昂的。
最后，两个观察，两个心得体会，我今天听了很多老师的实践，我自己觉得有两个：一、用好现在大模型的SFT技术和蒸馏技术，我们发现很多场景对于准确率要求绝对不是90%，甚至是95%，99%，100%现在我也不敢说，但是我们看到越来越多的场景它对准确率要求是99%、95%。二、它对于首Token的延时要求比较高，我们看到的一些场景，他觉得大模型的首次Token要在两秒以内，所以我们发现我们会基于大尺寸模型做SFT，同时蒸馏出小的模型，既能满足准确率要求，同时能满足时延要求。我们要善用SFT和蒸馏技术，来满足各个场景的特点。
最后一个分享，这个知识双轨，我们老话说，基座模型决定智能水平的一个下限，但是实际上结合到企业的各个领域，你的知识和大模型的结合，也就是自己企业各领域的知识完整性和有效性才是你智能应用的上限，所以我们看到在大数据或者大模型AI的领域，应用效果比较好的往往是大模型应用和知识两个工程并轨，如果能把自己知识治理好，能把大模型应用同步推动，我们看到一般企业会收到非常好的效果，所以知识工程和大模型工程双轨推动更加有效。
王欣：谢谢宫总，大模型落地过程中有三个挑战：对于场景，每个保险公司都挖掘出了很多场景；对于开发平台，我们的厂商比如百度，还有中科软都有这样的开发平台，可以提供给保险公司，一些大的保险公司也在自研；对于基座，更多依靠我们的合作伙伴。中科软技术团队会更多站在客户立场考虑解决高性能、高专业、高精度、低成本的问题，因此我们还是非常强调要建立垂域模型。如何从大模型蒸馏加上保险公司建立自己的知识库，这个是关键。第二轮我再和宫总探讨建垂域模型的问题。
史总，这两年各保司都在做IFRS17，在此也非常感谢很多客户选择中科软实施落地IFRS17项目。您作为精算专家，给大家讲一下IFRS17落地时需要注意哪些事情？此外，大家也在讨论后I17时代，您是怎么理解后I17时代的？
史翔：一、I17的实施，是2000年以来中国保险业第二次重大会计制度准则改革，历史已经证明了中国保险行业具有极大的自我调整能力，在明年正式I17之后，我们相信在监管的正确领导下，能够平稳过渡，圆满完成设定的目标，对此我们充满信心。
微观层面来讲，对于中小财险公司，I17对整个报表影响不会特别大，但后17时代对财险行业有两个方面需要适应：一、管理适应，I17复杂的算法，与财险公司传统内部的考核预算以及基层机构管理水平是不匹配的。所以初期，基层机构分析监控使用用的很可能还是简单赔付率之类的指标，新的财务报表和考核如何结合衔接起来，在后I17时代需要有一个衔接和阅读理解过程，可以认为是一个财务数字的解码过程。第二、经营上的适应，大家最关注的对准备金的影响，受制于模型和参数的影响，我们认为保险公司可以通过时间来自我消化。
I17对经营影响有三点：一是再保，相信明年再保谈判会出现很大变化，其中对投资成本变化的认定，会较大改变各公司保费收入确认和整体运营结果。这个问题肯定会在再保合同里面有体现。二是投资，会有公司基于I17和I9的规则来改变投资策略。三是人才，目前各家中小公司采用咨询+实施的方式，主要依靠外脑，当外脑撤退之后，内脑能不能跟得上，应该来讲是有担心的，咨询结束后，各层级管理者对规则的理解和适应，这是一个考验。
王欣：I17更多是收入确认方式的调整，它对再保和投资有一定影响。大家为什么提后I17时代，可能是提醒我们不但要从业务和战略管理上去适应它，而且要将它作为管理手段来去提升自己的业务策略，包括产品设计、人员激励等等，这些都是未来要考虑的事情。说到人才，中科软在实施I17项目后也会努力发挥更多作用，争取在咨询和实施上帮助保险公司应对后续可能遇到的问题。
刚才探讨了好多AI的话题，数字化转型不只是AI，这几年我跟很多公司领导沟通时大家都知道数字化转型很重要，但是如何去做？需要注意哪些事情？请陈总给大家分享一下经验。
陈婧：数字化转型这个东西，之前我一直举一个例子，数字化转型就是百度地图，其实就是我们数字化的过程当中首先要有数字，你的数字来源于你的高度标准化的业务流程和所有的自动化的过程能够把这些数字落地下来，通过数据治理才有这些数据，才能运用这些数字进行智能化。这个过程中是整体的战略思路。
但是实施过程中我们更多会面临一个挑战，避免孤岛，建立连接。我们很多时候需要布局整体架构和工具的，假如说一个部门提一个需求，只针对这个需求做一件事，有很多烟囱式的开发，但实际上从整个企业数字化过程来讲它是需要有一个整体基盘构建的，比如说需要针对数据有什么数据治理结构，能够在未来让它的数据惠及起来，比如说我自动化，我不仅仅做自动化，我在做自动化过程中我要做数据标准，我要把数字标准落下来，让这些数据可以用。
就像今天说AI这个事情，本身并不仅仅是AI，AI这个事情是企业各个模块都成熟了，你的AI拼装或者各种拼装才能够形成端到端，能够帮助业务解决问题的思路，数字化这个事情特别重要的事就是：对于信息化人员和数字化转型人员要求挺高的，就是要有连接能力，要有连接业务端到端的能力，你要在做任何事情时能够去衔接和设计整个的信息化基盘的能力。
王欣：数字化转型是公司战略，不仅仅是IT部门的任务，所以通常数字化转型项目都是公司领导牵头，有很多保险公司也会请外脑做咨询和推动，借助专业人员的经验和方法解决问题，我想这就是咨询的价值。
下面问一下企微张总，咱们企业微信在强监管和数据安全要求下，企业微信如何助力财险实现合规的客户运营和精准营销的协同发展。
张金光：先接着刚才陈总讲的，我们做数字化转型要避免孤岛，做好连接，其实就非常契合企业微信的产品定位，我们做的就是一端连接消费互联网，一端连接产业互联网，在内部协同办公上希望把企业微信作为一个整体的数字化转型的底座，在这个底座之上做好内外连接和内部办公协同。
我们如何做好精准营销，对外获客展业，另一端做好安全合规，这两方面确实应该结合在一起看。从实践角度来讲，我们要做好精准营销，在数字化转型当中做好基础设施的建设，第一个连接就是客户信息，就是CRM和SCRM的建设，把各类客户真正变成一群客户，原来分散在各个场景，我们通过数字化手段打通。第二个，就是大模型时代来临之后用户画像也好，还是更好的辅助代理人对外沟通展业，这些场景需要做好基础设施。很多财险公司的领导跟我交流过程中提到一点：企业微信做基座，我对外沟通交流是很好，但是担心数据安全，这些数据是不是都被你企业微信给存下来了？是否有窃取我数据的风险？我讲一个最简单的例子，企业微信无论是我侧边栏还是内置应用也好，可以当成一个窗口，数据本身还是做本地化的存储和处理，只在企业微信内做一个数据展示，辅助业务人员对外沟通和交流。同时，在内部办公场景更多做好几个点：一、数据，二、人员权限管理，三、业务流程管理。我觉得这三点结合企业微信场景来做，既能够保证对外获客、展业、经营的数据精准和安全。
对内企业微信最近几年很多保险公司用得比较多的就是企业微信的高级安全功能，文件权限、防泄漏等等。很多人用到了企业微信的数据保障功能，当出现管理员账号被盗，或者业务人员扫码过程中了病毒，导致好友链丢失、群解散，可以用数据保障的功能、恢复好友链的功能。企业微信会话存档功能，在座企业都有在用。我们对外沟通或者对内沟通交流有一些场景需要会话留存的，可以通过接口形式把数据留存下来，基于大模型可以做实时对话分析，互联网保险公司可以在场景里面辅助业务人员高效处理用户对话，原来一个客户经理同一时间服务一两个客户已经很高了，用了我们AI大模型辅助对话之后他的侧边栏可以出现基于上下文对话的推荐答案，它的整个合规率还是用户回复专业度就会有一个极大的提升。
王欣：数据安全这个话题比较大，国家非常重视，行业也出台了很多关于安全的监管要求。对于保险公司，不仅仅是企业微信需要解决数据安全，我们在做底层数据治理时就要考虑到数据安全，今天中科软技术团队在介绍数据方案的时候也提到了，大家如果感兴趣可以和我们联系。
刚才讨论大模型时留给宫总一个问题，您对于建设垂域模型有什么经验？
宫奇：这些年大家都在谈行业大模型，甚至是领域大模型，实际上还是算帐的过程，我们今天看这个做这个模型的预训练就是行业大模型，一般内部会讲，这里面肯定要讲药材、炼丹炉，这是技术维度看如何练好丹，就是算力、算法。其实技术不是瓶颈，反而反而做领域模型它的预训练的算力开销成本比较高。所以如果找不到高价值场景，它的领域模型这个账算不过来。如果今天训一个理赔领域的大模型，我们以半年为一个工期来反推我们需要多少算力消耗，可能需要1000张卡，这个成本肯定是千万级。如果涉及到预训练我们瞄准的场景能够给我们带来的价值能不能是10倍、20倍。如果这样一个换算方式我们才觉得可能这个领域大模型和行业大模型才变得比较现实。
但是我们看到了这个也实事求是的讲，我们今天发现了在高价值场景，走到了我们不管是寿险还是财险，特别是财险双核领域，特别是车险理赔领域，这个技术的公允性来解决原来所谓的定损、核损带来的车险渗漏和欺诈，这部分可以算过来账的。所以我们发现有头部企业跟我们在聊车险定损大模型，就是车险理赔大模型的预训练，谈到这个模型时还有两个背景，我们发现一个比较有意思的现象，大语言模型发展到今天你会发现它的能力，上升得有点慢慢变缓，就是大语言模型的能力基座没有之前在2024年发展得那么快，但是我们看到2025年多模态大模型和财险很多领域会有比较深入的结合，不管是在企财、家财、车险探讨得非常多。
除了领域模型以外会有一个中长期的发展，第二，我们看到今天企业的领导都在谈MCP，实际上我们一直在说大语言模型如果能够对于复杂任务进行拆解，如果对于原有的系统进行有效的调用，且稳定，那么可能就是我们智能体L3的水平，如果把智能体的水平从L0到L5，L3是能够人机协同，能够让我们今天的人变成超人，我觉得这个也是我们所期待的在2025年下半年、2025年我们看到和多模态结合、和MCP结合，能够产生超级智能体，甚至高价值的智能体，它下面也是一个领域模型作为一个基座。
王欣：说到垂域模型，我们就必须解决多模态数据问题。保险公司数据多样化，结构化、非结构化、半结构化数据非常多。把非结构化数据利用起来是非常重要的。我记得今天合作伙伴合合和保险公司的陈总都分享了文档识别、图象识别的方案。中科软的影像系统现在也增加了AI能力，提升了图像识别能力。之前有使用中科软影像系统的客户，后续可以做进一步升级。中科软影像系统已经不只是一个工具，它可以用在很多业务场景，甚至于可能会重塑整个业务流程，也许会带来整个业务模式的颠覆。
由于时间关系最后咱们每一位嘉宾再说一说对未来的规划，无论业务层面还是技术层面。史总，您作为公司领导，您有什么期待或者希望我们科技部门或者科技企业做哪些事情？
史翔：融盛保险已经制订了详细的三年规划，未来我们公司保持较高的年增速，今年要实现减亏，明年力争盈利，同时，我们也确定了新的业务方向，特别依托股东资源在健康养老生态方面的全面布局。
今年上半年，公司的保费增速超过60%，较去年同期扭亏近2000万元，经营现金流已经转正，较好地完成了三年规划的起步，当然我们也清楚未来两到三年依然任重道远。
同时，我们把互联网作为重要业务方向，公司对科技特别重视，我亲自分管信息技术部，同时还有另外一位高管协助我分管，今年上半年接触的科技公司就有三四十家。我们希望保持一个创业公司的心态和工作要求，以科技为基础，将公司不断发展，做得更好。
陈婧：简单来说就是基于场景拥抱AI，因为我相信未来一定是AI的时代，这也是一个非常重要的技术拐点，我觉得在后续的业务开展的过程当中，一定是基于AI解决问题的能力，因为我们优势是能够站在第一线去看到这些用户场景，区别设想这些用户场景的解决方案，我们也能站在AI的过程中不断尝试新的工具，新的方法，所以简单总结就是八个字，立足场景，拥抱AI。
张金光：第一，企业微信在助力保险行业客户经营路上希望有更好的合作案例以及场景涌现出来，助力行业提效。第二，企业微信现在讲内外一体的案例越来越多，在对内办公场景，员工之间的协同助阵力，包括企业微信目前更新的智能表格附加了非常多的AI能力，助力我们办公提效，这方面希望更多保险公司来跟我们一起做尝试，在这个场景里有更多创新。第三，我希望有更多保险公司我们一起发掘出更多自己的优秀代理人、业务人员，在使用企业微信具体场景，我们打造一些明星案例，有一些成功的个人涌现出来，这是我的一个期望，谢谢。
宫奇：三点：一、从百度侧我们觉得在算力这一块，如果美国继续对我们有一些制裁，我希望百度昆仑芯能做到用芯无忧。第二、我们致力于在模型训练、模型微调、模型蒸馏，帮企业构建智能体，在工具链层面做到更好更优。第三，我们和在座各位一起拥抱AI时代里面作出更好的更多的超级应用，让我们从数字化迈向智能化，更快，更稳。谢谢。
史翔：做AI需要资源投入的，今年上半年我们是Hard-Hard-Hard模式，就是要把钱攒下来，在下半年能有钱投入到AI上面去，希望公司AI业务实现突破和进展。
王欣：中科软作为一家科技企业，一直都在跟踪技术变化，同时我们深耕保险行业几十年，积累了大量保险行业的最佳实践，从战略咨询到业务咨询，从IT规划到产品研发，从需求分析到技术落地，中科软都能全栈助力我们的客户。此外，对于大家都非常关注的AI，我们已经有一些场景方案在保险公司落地，也希望跟更多保险公司一起积累经验，最终在降本增效和风险减量上发挥更多效果。
好的，高峰对话到此结束，希望今天讨论能够为大家带来一些启发，也期待我们行业客户和合作伙伴，咱们一起在数智化道路上携手同行，共创下一个里程碑，谢谢大家！
主持人：非常感谢几位对话嘉宾极具深度与前瞻性的观点碰撞和智慧分享！至此，2025财险科技创新论坛全部议程已圆满落幕！再次向全天贡献真知灼见的所有演讲嘉宾和对话嘉宾致以最崇高的敬意和最衷心的感谢！我们需要时间消化今天一天的技术干货，将最新的前沿保险科技与公司的独特优势和业务特点进行深度融合，通过携手共建合作生态，共同驱动业务发展的强劲飞轮！
今天晚上，主办方中科软为到场的朋友们准备了丰盛的答谢晚宴，于晚7点开始。同时还会有精彩的表演和幸运抽奖活动。明天上午安排了雁栖湖划龙舟水上活动，希望大家能够在一天紧张的会议后放松心情，在宽松的环境下享受雁栖湖畔美好的夜晚！
今天的会议到此结束，谢谢大家！我们晚宴上见！