技术趋势洞察

大模型的变化有多快？

就像「手机一年换三代」

🚀

产品多元化

  • 从「单一聊天」到「全能Agent」
  • 文生视频（Sora、Seedance 2.0）刷新认知
  • MoE架构成为主流
  • 从7秒记忆到照相机记忆
  • 智能体具备自主规划能力
📈

Token消耗爆发

  • 中国Token调用量两年增长超千倍
  • 2020年：1000亿 → 2023年：100万亿+
  • 中国调用量已超越美国
  • 2025年3月达9.857万亿/周
  • Agent成为核心驱动因素
💰

算力成本下降

  • 推理成本每年降低90%+
  • DeepSeek-V2：每百万Token仅1元
  • 主流模型价格数月降90%+
  • Seedance生成5秒视频仅3.67元
  • 短剧成本从3-5万降至几百元
行业应用落地

三大趋势重塑行业AI应用

📞

营销与展业

众安信科
150万
日均AI外呼次数
98%
语义识别准确率
1:100
人效比（账号）
90%
智能客服问题解决率
⚡

运营与理赔

众安信科
90%
理赔材料识别通过率
15秒
最快结案时间
80%
人力成本下降
10分钟
AI条款审核时间
🎬

内容创作

快手可灵AI
1.68亿
累计生成视频数
3.44亿
累计生成图片数
7.2亿
AI移动端用户规模
47.5%
工业企业大模型应用率
🛡️

智能风控

太保科技
4.35x
理赔录入人效提升
82.5%
审核人效提升
2355起
风险案件识别数
2109万
涉案金额（元）
直面痛点

企业AI应用面临的困境

"个人用AI越来越像科幻，企业用AI越来越像泥潭。AI项目失败十有八九不是算法不行，而是组织、文化和沟通出了问题。"
—— 阿里云CIO与40家企业深度调研
保险理赔AI
上线后准确率仅60%，延期2个月
数据格式混乱、内容过时，需额外清洗数据。根本原因：数据治理缺失。
制造质检AI
误判率15%（人工仅3%），休眠
三套老旧系统打通需半年，预算超支。上线三个月后「休眠」。
零售AI
投入2000万，总结15条教训
两名CIO更替，技术崇拜忽视业务融合。教训：AI向善不是技术问题，是组织能力问题。
破局之道

理赔车险大模型反欺诈助手

项目背景

理赔部与创研共创「理赔车险大模型反欺诈助手」，旨在提升欺诈识别的效率与准确率。大模型技术显著提升了对非结构化信息的识别准确性，并展现出强大的欺诈推理能力。

告别标签化拦截

全面升级单一维度的风控规则

专家经验规模化复制

将顶尖专家的「探案逻辑」提炼并注入模型

Before · 传统规则

死规则（Yes or No）

经典的「Yes or No」判断：
• 出险时间是否在凌晨2-5点？
• 历史出险次数是否 > 3次？
• 车辆使用性质是否变更？
  • • 只能抓取表层结构化数据
  • • 易被黑产摸清规律并绕过
  • • 无法处理复杂场景
  • • 误报率高
After · 专家知识注入

动态推理（找矛盾）

非结构化信息洞察：
深度阅读查勘笔录、分析语音转写

欺诈推理能力：
AI敏锐察觉「客户口述的碰撞轨迹」与「现场车辆受损划痕方向」在物理逻辑上的不符
  • ✓ 1:1复刻老专家探案直觉
  • ✓ 多模态信息深度理解
  • ✓ 灵活应对复杂场景
  • ✓ 专家隐性知识显性化

从「展示层」到「生产层」
专家知识质量决定数字员工的真实价值

大模型可以「看起来可用」
但反欺诈专家的判案知识
才是数字员工能力上限的决定因素

从「看着酷」到「用得好」，真正实现生产力转化