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。
japonensisjavafree技术解析:免费Java工具库的实战指南
在Java开发领域,工具库的选择往往直接影响项目效率与代码质量。近期不少开发者关注到一个名为japonensisjavafree的免费工具库,它主打轻量级、零依赖和开箱即用的特性,试图在臃肿的第三方依赖生态中提供另一种思路。与常见的Apache Commons或Guava不同,japonensisjavafree将重心放在常用工具方法的精简封装上,例如字符串处理、日期转换、集合操作和简单的文件读写。其源码结构清晰,包组织遵循单一职责原则,适合作为学习Java基础工具设计的参考样本。需要说明的是,该项目目前由社区志愿者维护,文档以英文为主,中文资料相对零散,这也是不少国内开发者初次接触时感到困惑的原因之一。
从技术实现角度看,japonensisjavafree的核心模块大致可分为四类:基础类型工具、集合与流式处理辅助、IO简化封装以及轻量级校验器。基础类型工具提供了空值安全的转换方法,避免开发者在Integer与String之间反复书写try-catch;集合辅助则封装了常见的分组、去重和排序逻辑,并支持链式调用。IO部分没有追求大而全,而是聚焦于读取配置文件、按行遍历文本和安全的资源关闭,内部通过try-with-resources模式确保流对象释放。校验器模块则提供正则表达式预编译缓存和常用格式校验,减少重复编译带来的性能损耗。这些设计思路与japonensisjavafree的定位一致:不做框架,只做补丁,让开发者按需引入单个类而非整个jar包。
在实际使用中,建议通过Maven或Gradle以单模块方式引入japonensisjavafree,避免一次性拉起全部依赖。由于该项目并未发布到Maven中央仓库,通常需要手动配置私有仓库地址或直接下载源码编译。配置完成后,开发者应优先阅读官方示例中的“最小可用集”,即只引入自己需要的工具类。性能方面,japonensisjavafree在字符串拼接和集合遍历上做了针对性优化,例如内部使用StringBuilder复用和预分配容量,但在高并发场景下仍需注意其缓存实现并非线程安全,官方文档也明确建议在多线程环境中配合同步措施使用。此外,日期工具类默认使用系统时区,跨时区项目需要显式传入ZoneId,这一点容易被忽略。
社区生态方面,japonensisjavafree的讨论主要集中在GitHub Issues和少数技术博客中,中文社区的相关文章较少,搜索时容易与不相关词汇混淆。建议开发者关注其版本发布说明,因为该项目仍处于活跃迭代阶段,部分API可能在次版本中调整。总体而言,japonensisjavafree适合中小型项目或工具类微服务作为辅助库使用,不建议在大型核心系统中深度依赖。它的价值在于提供了一种“够用就好”的轻量方案,帮助开发者减少重复代码,同时保持对依赖的清醒控制。对于希望研究Java工具库设计模式或寻找免费替代方案的团队,可以将其作为一个轻量参考,但务必结合自身项目做充分的兼容性测试。













