男女疯狂爱爱片AAA
更新于 2026年11月14日 18:07 · 4 个视频
▶
3:6
▶
2:7
▶
2:1
▶
8:2
▶
1:5
▶
2:4
▶
9:7
▶
4:9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14日 18:07
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。
致力于构建高质量视频内容生态,整合全网热门资源与实时更新内容。平台支持多终端同步观看,并提供多线路播放方案,确保用户获得更流畅的体验,赖卿萱 于 2026年11月14日 18:07 发布了相关视频,累计播放 8 次。更多内容可访问 “目无法纪,计划外生育子女”,杨艳晖被双开查看。
gif动态图出处第176期:本周热门动图来源全解析
欢迎来到「gif动态图出处第176期」。这一栏目每期从近一周社交平台、聊天群与评论区中流传度最高的动图中筛选样本,逐张还原它们的原始出处。本期共收录12张动图,覆盖影视剧截图、动画片段、游戏录屏、直播切片与广告素材五大类。与往期相比,本期最大的特点是“老图新火”占比明显上升——有多张动图其实来自数年前的作品,却因为一句配音或一个表情被重新剪辑后二次传播,这也让溯源工作更需要耐心比对画面细节。
按类别来看,影视剧类共有4张,其中两张出自国产古装剧的配角反应镜头,一张来自港片经典对峙场面,另一张则是美剧中的办公室日常。动画类3张,分别来自日本TV动画的打斗分镜、国产泡面番的夸张表情以及一部欧美定格短片的片尾彩蛋。游戏类2张,均为玩家自录的高光时刻,画面中的UI元素成为定位版本号的关键线索。直播与广告类合计3张,其中一张是品牌广告中的慢动作回眸,被网友截取后配上文字广泛流传。需要提醒的是,动图在压缩传播过程中常丢失首尾帧,本期溯源均以现存最长版本为准。
本期最值得一说的是一张“猫从天降”的动图。不少读者以为它来自某宠物短视频账号,实际上原片是一部2019年的独立短片,猫落下的镜头用了三台机位,流传最广的版本反而是花絮中的穿帮角度。另一张“拍桌而起”的动图,常被误认为出自某部热门职场剧,经逐帧比对字幕字体、桌面色调与背景挂画,最终确认是另一部年代更早的作品,且原片段中人物台词与流传版本完全不同。这也说明,单靠记忆和印象判断出处极易出错,画面中的道具、服装、字幕样式往往比剧情更可靠。
关于检索方法,本期总结三条实用经验:第一,优先截取动图中信息最密集的一帧,比如带文字、标志或独特服装的画面,再使用以图搜图工具;第二,留意动图的帧率和画幅比例,横屏改竖屏、加边框、调速都会留下痕迹,反向推断原始平台;第三,善用关键词组合,例如“角色名+动作描述+年份”,比直接搜索“gif出处”效率更高。对于反复出现的“求出处”问题,我们也建议先在本栏目往期内容中检索,第150期之后已建立分类索引,多数高频动图都能找到答案。
「gif动态图出处第176期」到这里就告一段落。下期我们将把重点放在体育赛事与综艺节目的动图溯源上,这两类素材镜头切换快、字幕多,识别难度更高,也更容易出现张冠李戴的情况。如果你手头有找不到出处的动图,欢迎在评论区留下画面描述与大致流传时间,我们会挑选有代表性的样本在后续期数中集中解答。理性存图、注明来源,也是让优质内容持续传播的前提。
欢迎来到「gif动态图出处第176期」。这一栏目每期从近一周社交平台、聊天群与评论区中流传度最高的动图中筛选样本,逐张还原它们的原始出处。本期共收录12张动图,覆盖影视剧截图、动画片段、游戏录屏、直播切片与广告素材五大类。与往期相比,本期最大的特点是“老图新火”占比明显上升——有多张动图其实来自数年前的作品,却因为一句配音或一个表情被重新剪辑后二次传播,这也让溯源工作更需要耐心比对画面细节。
按类别来看,影视剧类共有4张,其中两张出自国产古装剧的配角反应镜头,一张来自港片经典对峙场面,另一张则是美剧中的办公室日常。动画类3张,分别来自日本TV动画的打斗分镜、国产泡面番的夸张表情以及一部欧美定格短片的片尾彩蛋。游戏类2张,均为玩家自录的高光时刻,画面中的UI元素成为定位版本号的关键线索。直播与广告类合计3张,其中一张是品牌广告中的慢动作回眸,被网友截取后配上文字广泛流传。需要提醒的是,动图在压缩传播过程中常丢失首尾帧,本期溯源均以现存最长版本为准。
本期最值得一说的是一张“猫从天降”的动图。不少读者以为它来自某宠物短视频账号,实际上原片是一部2019年的独立短片,猫落下的镜头用了三台机位,流传最广的版本反而是花絮中的穿帮角度。另一张“拍桌而起”的动图,常被误认为出自某部热门职场剧,经逐帧比对字幕字体、桌面色调与背景挂画,最终确认是另一部年代更早的作品,且原片段中人物台词与流传版本完全不同。这也说明,单靠记忆和印象判断出处极易出错,画面中的道具、服装、字幕样式往往比剧情更可靠。
关于检索方法,本期总结三条实用经验:第一,优先截取动图中信息最密集的一帧,比如带文字、标志或独特服装的画面,再使用以图搜图工具;第二,留意动图的帧率和画幅比例,横屏改竖屏、加边框、调速都会留下痕迹,反向推断原始平台;第三,善用关键词组合,例如“角色名+动作描述+年份”,比直接搜索“gif出处”效率更高。对于反复出现的“求出处”问题,我们也建议先在本栏目往期内容中检索,第150期之后已建立分类索引,多数高频动图都能找到答案。
「gif动态图出处第176期」到这里就告一段落。下期我们将把重点放在体育赛事与综艺节目的动图溯源上,这两类素材镜头切换快、字幕多,识别难度更高,也更容易出现张冠李戴的情况。如果你手头有找不到出处的动图,欢迎在评论区留下画面描述与大致流传时间,我们会挑选有代表性的样本在后续期数中集中解答。理性存图、注明来源,也是让优质内容持续传播的前提。