黄金为什么涨价这么厉害

更新于 2026年11月15日 14:43 · 0 个视频

中国平安总经理谢永林:让AI真正成为企业生产力,而不是生产工具

2026年11月15日 14:43

原标题:专访中国平安总经理谢永林:让AI真正成为企业生产力,而不是生产工具 近日刚刚出炉的中国平安2026年上半年业绩报告,亮出了一组关键数据:寿险新单,分红险占比超九成,低利率下产品转型加速;AI战场,日均Token(词元)从2025年12月的300亿升至2026年6月的1200亿,“AI in ALL”战略加速落地;车险赛道,新能源车险保费增长21.5%,承保新能源车678万辆,在每4辆新能源车中,就有1辆投保平安。 谈及AI战略时,谢永林认为,目前金融行业已进入同质化、存量化竞争,平安通过AI构建“服务差异化”的核心竞争力。平安的百亿元资金科技投入、千亿Token消耗,已经形成“要素供给-业务重塑-闭环反哺”的飞轮效应。 为丰富浮动收益产品供给,满足低利率市场环境下客户多元化需求,平安寿险持续推进分红型产品转型,提升分红险占比。2026年上半年,平安寿险新业务分红险占比超九成。谢永林在受访时表示,低利率环境下发展分红险是保险业产品转型的重要方向,但平安不会简单追求某一种产品的占比,而是会坚持保障与储蓄并重、规模与价值并重、产品与投资协同。 NBD:分红险演示利率上限已从3.9%下调至3.5%,这对分红险销售端的实际冲击有多大? 谢永林:既然是调整,肯定是会有影响,但未必完全是“冲击”。短期看,部分产品销售可能面临一定调整,但长期有利于行业健康发展。演示利率下降后,客户对分红险的收益预期会更加理性,部分以收益演示为主要卖点的产品可能承压。但从长期看,这有助于减少销售误导和非理性竞争,降低未来实际分红与客户预期之间的落差,推动行业建立更加可持续的商业模式。 NBD:平安寿险新业务中分红险占比已超九成,是否还将继续加码? 谢永林:从保险产品的角度来讲,保障功能和投资功能肯定要做到充分平衡。分红险能够较好地满足客户长期储蓄和财富管理需求,保障型产品则是寿险业务长期价值和风险保障功能的重要基础,平安不会简单追求某一类产品的规模或占比,而是根据客户需求、市场环境和公司资产负债匹配能力,动态优化产品结构。 未来人身险产品会更加突出“保证+浮动、保障+储蓄”的合理组合。行业从“高演示”转向“可实现、可持续”,实际上也是对保险长期属性的回归。相关监管也明确要求实际分红水平应与资产负债、投资收益和财务精算约束相匹配。 NBD:下一步寿险业务发力的重点方向是什么?将主推哪些产品形态? 谢永林:接下来还是以客户需求为中心,推动保障与财富管理场景融合。从保险公司角度,可以兼顾新单业务结构的均衡性和三差来源的均衡性。从客户角度,通过不同产品组合,可以获得更加完整的保障和财富管理解决方案。8月上市新重疾组合,采用分红终寿附加提前给付重疾方式实现“红利交清增额”提升重疾保障,分红型重疾将待监管细则出台后尽快研发推出。 中国平安半年报首次披露Token消耗数据:日均用量从2025年12月的300亿大幅升至2026年6月的超1200亿,半年激增3倍。这一数字背后,是平安 “AI in ALL”战略的全面加速落地。谢永林表示,平安的AI投入坚持价值导向,注重目标和过程管理,并将持续进行检视。项目立项时从增收、降本、减损、服务升级等维度进行量化申报与评审。在有限的资源中,优先选择投产比更优的项目推进,确保投入具备清晰的回报逻辑。 NBD:如何看待百亿元科技投入、千亿Token消耗给平安带来的实际效用? 谢永林:从一个公司的角度来讲,要保持自己持续的竞争力,现阶段肯定要在AI方面去加大投入。当然目前金融行业已进入同质化、存量化竞争,所以平安计划通过AI构建“服务差异化”的核心竞争力。平安在科技领域超百亿元资金投入,已经形成“要素供给-业务重塑-闭环反哺”的飞轮效应。在此基础上,平安沿着“前沿探索-场景突破-服务创新”的路径进行探索。集团日均Token消耗从2025年12月的300亿,跃升至2026年6月的超1200亿。最新数据显示,2026年8月的日消耗达2100亿。通过极致的推理优化、全栈算力调度和推理优化技术,单位Token智算成本下降75%。 NBD:平安集团日均Token消耗已达 2100亿,是否已真正转化为企业内部的效率提升? 谢永林:首先,现在的人工智能肯定还没有跨过“奇点”,我们现在主要是通过AI赋能,也就是三大AI工程来提升企业效率: 首先是AI编码,贯彻“AI原生工作法”理念,平安自主研发编码工具“平安爱码”,新代码AI占比大幅提升至77%,OPC(One Person Company,即 “一人公司”,指单人借助AI工具完成原本需团队协作的开发交付)模式跑通“一人即团队”自动化交付; 其次是AI运营,对集团及五大BU(业务单元)在7个标杆岗位进行端到端流程重塑,从 “工具数字化”到“组织智能化”,让AI真正成为企业生产力,而不是生产工具; 再次是AI办公,赋能全集团26万余员工,从“人干活”到“AI干活”,覆盖80%常用需求,嵌入组织毛细血管的“神经末梢”。 NBD:目前平安在AI人才激励和考核方面有哪些配套措施? 谢永林:现阶段我们正在组织向“AI Native”全面转型的过程当中,主要是通过市场化机制来吸引优质AI人才。比如今年7月正式推出的Nova超新星科技人才计划,面向全球一流学府毕业生,自主搭建优质AI人才梯队。然后对业界顶尖人才,通过创新薪酬机制设计,提供市场化的激励机制。另外就是内部通过三大企业AI工程驱动组织智能化跃升。 半年报数据显示,2026年上半年,平安承保新能源车678万辆,可比口径下同比增长27.8%;新能源车险实现原保险保费收入264.15亿元,同比增长21.5%,增速领先市场。平安新能源车险市场份额达28%,意味着每4辆新能源车中约有1辆投保平安。谢永林表示,传统燃油车险已进入存量博弈阶段,新能源车险成为主要增长引擎。相比车企系险企,平安等大型险企经营车险多年,在复杂风险定价和大规模经营方面具有优势。 NBD:如何看待传统头部险企与车企系险企在新能源车险赛道上的竞争? 谢永林:本质上,两条路线是不同能力禀赋下形成的商业模式,所以并不存在简单的优劣之分。 比如说车企系保险的核心优势在于“场景近、数据近、客户近”。车企能够掌握车辆配置、驾驶行为、维修保养、软件升级等大量数据,并且能够在购车、用车、维修等环节直接触达客户,因此可以减少传统保险模式中的部分渠道成本。 另一方面,险企的优势则在于“风险池大、数据长、经验深、网络广”。大型险企经营车险这么多年,已经积累了覆盖不同车型、地区、驾驶人和事故类型的大量历史数据,拥有长期积累的承保数据、精算能力、理赔网络和风险管理经验,在复杂风险定价和大规模经营方面肯定是具有优势的。 NBD:平安新能源车险已进入稳定盈利区间,有哪些举措进一步巩固领先优势? 谢永林:目前平安新能源车险市场份额约为28%,未来我们将通过科技能力、运营能力、综合金融优势,持续提升竞争力。 首先是通过AI赋能,强化精细化定价能力。通过持续积累新能源车型、驾驶行为、事故损失、零部件价格等数据,通过AI和精算模型不断提高风险识别颗粒度,努力实现 “一车一价、因人定价、因场景定价”。 然后就是通过运营优化,降低COR(综合成本率)。通过AI定损、智能理赔、零部件价格管理、维修网络管理以及反欺诈体系,降低单位赔案成本和理赔运营成本。 再就是通过综合金融协同,提升客均价值。将新能源车险作为“流量入口”,向客户延伸提供家财险、意外险、医疗健康及金融理财服务,提升客户黏性以及客均价值。 另外就是生态问题,这方面我们接下来会加强生态建设,实现两种路径的优势互补。通过与车企、维修厂、零部件企业、充换电平台等伙伴合作,一起构建生态,不断丰富数据库,把数据转化为可验证、可迭代的风险模型。

打造智能视频推荐与播放系统,整合热门内容与实时更新资源。平台注重用户体验优化,提供高清播放与稳定访问服务。,袁翔玛 于 2026年11月15日 14:43 发布了相关视频,累计播放 7 次。更多内容可访问 国家统计局决定在全国范围内组织开展2023年人口变动情况抽样调查查看。

露拉3D是什么?从建模到渲染,看懂虚拟角色制作全流程

露拉3D,通常指以“露拉”这一形象为核心的三维虚拟角色资产,以及围绕它展开的建模、绑定、渲染与二次创作。与平面立绘相比,三维角色最大的差别在于“可复用”:模型拥有真实的空间体积、可驱动的骨骼和可替换的材质,同一个角色能在不同镜头、不同动作、不同光照环境下反复调用,而不必重新绘制。这也是近两年虚拟形象在短视频、直播带货、品牌宣传片中被大量使用的原因——一次投入,多场景产出。对普通观众而言,露拉3D可能只是一段流畅的动画;但对创作者来说,它背后是一条从原画到成片的完整工业链路。

制作链路一般从原画设定开始:先确定比例、五官特征、服装结构与配色,再进入建模阶段。建模讲究布线与拓扑,角色面部和关节处需要环线支撑,躯干与四肢以四边面为主,避免三角面过多导致变形时出现撕裂。完成模型后要做UV展开,让二维贴图能准确包裹三维表面;随后进入PBR材质环节,通过漫反射、粗糙度、金属度、法线等通道模拟皮肤、布料、金属饰件的真实质感。角色要“动起来”,还需要骨骼绑定与权重绘制,关节弯曲处权重过渡是否平滑,直接决定动作有没有“橡皮感”。若涉及口型和表情,还要额外制作表情骨骼或混合变形。

渲染是把模型变成画面的最后一步,路线大致分为实时与离线两类。实时渲染依托游戏引擎或网页图形接口,强调帧率与交互,适合直播、互动展示和轻量级网页应用;离线渲染则调用路径追踪算法,用更长的计算时间换取更细腻的全局光照、次表面散射和景深效果,常见于宣传片与静帧海报。风格上也有明显分野:写实路线追求皮肤通透感与毛发细节,对显卡与制作周期要求高;三渲二或卡通渲染则通过描边、色阶分层还原手绘质感,成本更可控,也更贴合二次元受众的审美。

应用场景决定了露拉3D该怎么选、怎么做。用于短视频与虚拟主播时,重点看面数是否轻量、是否自带完整绑定、是否支持常见动作捕捉数据导入;用于电商产品展示时,更看重材质还原度与多角度展示能力;用于教育科普或企业播报,则需要稳定的口型驱动与表情库。挑选现成资产时,建议重点核对四项:面数与贴图分辨率是否匹配目标平台性能,文件格式是否兼容主流软件,是否包含骨骼与动画,以及授权范围是否允许商用和二次修改。忽略授权条款,往往是后期返工的最大隐患。

从趋势看,露拉3D这类虚拟角色的门槛正在快速下降。动作捕捉设备从专业光学方案下沉到消费级惯性方案,AI辅助建模与自动绑定工具缩短了从设定到可用 asset 的周期,实时渲染的普及则让“边做边看”成为常态。但技术平权并不意味着作品自动变好,角色的辨识度仍取决于设定阶段的审美判断,动作的说服力仍取决于动画师对重心的理解。对内容创作者来说,与其追逐最高的面数和最贵的渲染,不如先把角色的性格、动作节奏和使用场景想清楚——这才是露拉3D真正能沉淀下来的价值。

露拉3D,通常指以“露拉”这一形象为核心的三维虚拟角色资产,以及围绕它展开的建模、绑定、渲染与二次创作。与平面立绘相比,三维角色最大的差别在于“可复用”:模型拥有真实的空间体积、可驱动的骨骼和可替换的材质,同一个角色能在不同镜头、不同动作、不同光照环境下反复调用,而不必重新绘制。这也是近两年虚拟形象在短视频、直播带货、品牌宣传片中被大量使用的原因——一次投入,多场景产出。对普通观众而言,露拉3D可能只是一段流畅的动画;但对创作者来说,它背后是一条从原画到成片的完整工业链路。

制作链路一般从原画设定开始:先确定比例、五官特征、服装结构与配色,再进入建模阶段。建模讲究布线与拓扑,角色面部和关节处需要环线支撑,躯干与四肢以四边面为主,避免三角面过多导致变形时出现撕裂。完成模型后要做UV展开,让二维贴图能准确包裹三维表面;随后进入PBR材质环节,通过漫反射、粗糙度、金属度、法线等通道模拟皮肤、布料、金属饰件的真实质感。角色要“动起来”,还需要骨骼绑定与权重绘制,关节弯曲处权重过渡是否平滑,直接决定动作有没有“橡皮感”。若涉及口型和表情,还要额外制作表情骨骼或混合变形。

渲染是把模型变成画面的最后一步,路线大致分为实时与离线两类。实时渲染依托游戏引擎或网页图形接口,强调帧率与交互,适合直播、互动展示和轻量级网页应用;离线渲染则调用路径追踪算法,用更长的计算时间换取更细腻的全局光照、次表面散射和景深效果,常见于宣传片与静帧海报。风格上也有明显分野:写实路线追求皮肤通透感与毛发细节,对显卡与制作周期要求高;三渲二或卡通渲染则通过描边、色阶分层还原手绘质感,成本更可控,也更贴合二次元受众的审美。

应用场景决定了露拉3D该怎么选、怎么做。用于短视频与虚拟主播时,重点看面数是否轻量、是否自带完整绑定、是否支持常见动作捕捉数据导入;用于电商产品展示时,更看重材质还原度与多角度展示能力;用于教育科普或企业播报,则需要稳定的口型驱动与表情库。挑选现成资产时,建议重点核对四项:面数与贴图分辨率是否匹配目标平台性能,文件格式是否兼容主流软件,是否包含骨骼与动画,以及授权范围是否允许商用和二次修改。忽略授权条款,往往是后期返工的最大隐患。

从趋势看,露拉3D这类虚拟角色的门槛正在快速下降。动作捕捉设备从专业光学方案下沉到消费级惯性方案,AI辅助建模与自动绑定工具缩短了从设定到可用 asset 的周期,实时渲染的普及则让“边做边看”成为常态。但技术平权并不意味着作品自动变好,角色的辨识度仍取决于设定阶段的审美判断,动作的说服力仍取决于动画师对重心的理解。对内容创作者来说,与其追逐最高的面数和最贵的渲染,不如先把角色的性格、动作节奏和使用场景想清楚——这才是露拉3D真正能沉淀下来的价值。