纪要涉及的公司 新致软件、精智达、勋龙、国寿财、阳光保险、京东人寿、友邦保险、宝利徕、长城养老、海通投资部、佰仁医疗、中邮人寿、大家人寿、保交所 纪要提到的核心观点和论据 - 新致软件保险领域AI应用策略与进展：策略为“先内后外，稳步前进”，2023年6月介入大模型应用，2024年二季度保险公司明确问题及路径，初期集中内部系统如文档合规和数据处理工具验证大模型有效性，因金融行业特殊性，销售和客服环节直接用大模型有监管和适配问题[3] - 新致软件AI应用核心能力：DeepSeek技术激发客户本地部署需求，已帮勋龙部署蒸馏模型，与国寿财讨论采购算力本地化部署，满血版用于内部服务；认为AI技术壁垒在数据和行业能耗，通过跨公司级数据合作如友邦保险全产品数据落地POC及提供一体化解决方案保持竞争优势[4] - 营销类智能体提升销售效率方式：能即时回答客户问题，包括保险配置模式、个性化方案构建等，提高面对面销售成功率；组建数据团队收集积累相关数据支持其服务代理人需求[5] - 新致软件AI应用核心能力场景：保险销售通过大模型辅助代理人；核保核赔嵌入AI提升效率；合规机器人解决内部合规问题；数据类智能体因有大量存量数据中台项目等待升级而开发[6] - 精智达销售辅助成功原因及应用场景：成功归功于丰富数据积累和细分场景深入挖掘，如销售队列管理和保障缺口分析；与字节跳动合作，数字分身用于保险销售，简单产品线上转换，复杂产品智能体引导留资线下转化，提高客户名单质量和转化效率[7] - 精智达健康险领域提升核保核赔效率方式：大模型技术增强推理能力处理复杂医疗规则，转化专业知识为数据资产，减少人力；已在京东人寿落地，在阳光保险、国寿等公司POC测试；升级推理能力提高审核人员对产品认知[8] - 核赔系统改进理赔流程效果：大模型前置审核功能，用户提交材料时初步审核并引导补交，减少打扰，提高监管合规性，适用于意外险等领域，提升服务质量[9] - 风控类机器人合作及应用效果：精智达与国寿财联合开发，利用大数据分析和人工智能技术实时监测和预警潜在风险，提高保险公司风控水平，增强双方技术实力，提供智能化精准化风控解决方案[10] - 新致软件文档核验产品解决问题及效果：解决保险行业监管规则系统化处理问题，集成审核规则，处理软性规则描述；系统2024年在国寿财上线并推广至多家公司，能检测风险、提供改进建议、预防潜在纠纷[11][12] - 文档核验产品提升服务深度方式：从提示违规写法升级为提供改进建议，依托数据团队收集的数据；扩展服务深度涵盖公司内外规映射、内部规定检查等，丰富风控类智能体功能[13] - 智能BI工具金融行业应用情况：面临挑战，通用型工具难适应，业务价值不明确；新致软件将其与行业深度结合，如阳光保险异动模型等，已落地中邮人寿、国寿财，在大家人寿POC[14] - DeepSeek技术对新致软件业务影响：激发客户需求，节后问询量大增，集中在本地部署；已帮勋龙部署蒸馏模型，与国寿财讨论本地化部署；破圈效应加快场景规划，金融场景内部尝试和落地项目加速，算力需求增加，但满血版需较高推理算力[15][16] - 新致软件未来服务范围扩展计划：不限于现有业务，在风控类智能体增加内部规定检查功能，优化DS深度搜索功能，关注市场需求调整产品策略，满足个性化需求[17] - 两种模型版本测试表现及金融机构态度：Deep Yellow蒸馏版32B整体性能弱于纤维2.5 72B，多数场景以72B算力要求为标准；金融机构认为蒸馏版参数小不适大规模应用，满血版价格高但生产环境更有价值，目前主要用于内部服务，服务能力天花板抬高[17][18] - 新致软件对AI技术壁垒及竞争格局看法：技术壁垒在数据和行业能耗，DSS简化思维过程影响应用场景；多数客户选择与新致软件合作，其在传统大客户市场有优势，能提供优缺点分析，组建一体化团队提供完整解决方案[19] - 新致软件经济实惠解决方案情况：最便宜满血版解决方案成本约150万元，通过量化操作降低成本但效果保障有限；与去年相比需求增长显著，持续收集客户反馈优化方案[19][20] - 未来AI技术金融领域发展趋势：将持续扩展，在简化思维、提高透明度和增强业务介入方面发展；自研尝试存在，中小型保险公司依赖专业厂商；跨公司级数据合作推动创新应用发展[21] - 投资研究应用场景：集中在投研报告生成和结构化收集，根据客户特定需求私下定制，如长城养老、海通投资部个性化需求[22][23] - DS性价比方案在不同算力厂商表现情况：提供最佳性价比方案因素复杂，相同算力配置不同场景表现有差异，保险公司依赖厂商解决问题，头部企业解决效果有限[24] - 市场投研产品情况：不存在通用性投研产品，客户有独特数据源和分析方式，多为私下定制服务，如为海通投资部提供工具[25] 其他重要但是可能被忽略的内容 生产方案中4台910B4在半精度情况下理论高峰值吞吐量应为1,900毫克每秒，但实际测得约1,000 token每秒，在金融场景中仅能支撑20 - 30个有效并发用户，大约400个用户[18]