在政策引导下，中国保险业数字化转型持续提速，科技投入规模保持快速增长。图：IC photo
在全球人工智能技术加速渗透的背景下，国际大型资产管理机构已将人工智能技术从单点工具试验推进至全流程业务嵌入阶段。与国际实践相比，当前国内人工智能应用更偏向辅助赋能。中国保险资产管理行业推进人工智能应用可遵循“认知重构—合作实验—流程再造”的递进路径，逐步实现从单点应用向体系化赋能转变。
一、人工智能大模型发展现状与保险资产管理行业数字化需求
当前，人工智能已成为全球科技竞争和产业发展的战略方向，技术创新、资本投入和产业应用均进入加速发展阶段。在此背景下，全球保险业持续加大人工智能投入，通过自主研发、战略合作、产业投资等多种方式积极布局，以提升核心竞争力并抢占发展机遇。资本市场对“人工智能+保险”赛道的关注度持续升温。根据Gallagher Re和CB Insights联合发布的《Global InsurTech Report》，全球保险科技融资在经历数年调整后于2025年进入复苏期，人工智能成为资本配置的重要方向。2025年，全球保险科技机构股权融资总额为50.8亿美元，同比增长19.5%，实现2021年以来首次年度正增长；其中约33亿美元融资流向以人工智能为核心业务的保险科技机构，资本加速向人工智能领域集中。
不同经济体的发展理念和技术路径选择，深刻影响着人工智能在金融领域的落地形态和效能边界。美国长期受技术加速主义影响，强调以颠覆性技术突破和替代逻辑推动产业变革。2025年，美国政府签署《消除美国在人工智能领域发挥领导作用的障碍》等行政令，要求放松监管约束、释放私营部门创新活力，进一步强化以算力规模、模型参数和算法性能为优先导向的竞争格局。这一路径虽然催生了一系列前沿能力，但也容易导致技术供给和业务价值脱节，高投入难以稳定转化为风险调整后收益，且人工智能对中高技能岗位的替代效应引发了关于人力资本侵蚀和系统性风险积累的讨论（Acemoglu & Restrepo, 2020；Autor, 2015）。欧洲等经济体意识到技术加速可能带来的制度和社会风险后，更多转向价值对齐主义，强调人工智能应与社会价值、公共利益和制度稳定相协调，要求算法可解释、可问责、可约束（Gabriel, 2020）。但是过度侧重风险防控和合规治理，可能提高制度成本，压缩人工智能在投资决策、资产配置等核心增值环节的渗透空间，使人工智能应用更多局限于流程管理和报告生成。全球主要经济体的差异化探索共同揭示了一条经验：人工智能在金融领域的深度价值实现，不能仅依赖单维度的技术突破或风险规避，需要在技术和制度、效率和价值之间实现动态平衡。
中国的战略选择体现了后发优势特征，其根本驱动力来自资源禀赋差异和发展阶段约束下的务实路径构建。在算力层面，受高端芯片获取受限和自主生态培育尚需时间的影响，中国难以复制高算力堆叠驱动的超大参数模型路线。在数据层面，中国拥有规模庞大、场景丰富的行业数据资源，但数据质量、治理水平和跨机构共享机制仍在完善。在人才和产业生态层面，庞大的工程师红利和完整的产业链为人工智能应用提供了广阔腹地，但顶尖基础研究人才密度与硅谷相比仍存差距。上述约束条件促使中国选择了一条强调垂直场景渗透、模型轻量化部署、人机协同共创和开源开放的差异化发展道路。2026年7月，习近平主席在2026世界人工智能大会暨人工智能全球治理高级别会议开幕式上指出，“各国应当秉持以人为本、向上向善理念，让人工智能成为促进共同繁荣、维护共同安全的一个重要动力源，携手构建公正合理的全球人工智能治理体系”，同时强调“鼓励开源开放、合作共享”。这一表述揭示了中国特色人工智能发展路线的核心取向：强调人机协同、支持开源。支持开源意味着中国将以更低的模型获取和定制成本，允许中小金融机构在保障数据安全的前提下，以私有化部署和微调方式将先进人工智能能力嵌入核心业务流程，从而避免技术和业务被少数巨头控制。同时，开源生态将加速知识共享和行业标准的形成，为保险资产管理等行业提供具有高透明度的技术基座。强调人机协同，即目标不是用人工智能取代专业从业人员，而是通过增强信息获取、知识推理和情境判断能力，在资产配置、风险识别和投后管理等环节实现决策质量的系统性提升。这种路线既符合保险资金风险偏好稳健、受托人责任重大的特性，也与中国保险业推动高质量发展、统筹效率和安全的政策方向相契合。
在政策引导下，中国保险业数字化转型持续提速，科技投入规模保持快速增长。上海艾瑞市场咨询股份有限公司预计，2026—2028年，中国保险行业科技投入年均增速将保持在14.3%～16.8%；其中，前沿技术研发投入将达到144.9亿元，2026—2029年复合增长率预计为22.5%。从投入结构看，大数据、云计算和人工智能成为重点方向，2025年相关投入预计分别为73.7亿元、32.3亿元和18.1亿元。未来，随着人工智能和大数据深度融合，保险业将在风险定价、运营管理、客户服务等领域实现全面升级，持续提升经营效率和服务能力，加速迈向高质量数字化发展阶段。
二、人工智能赋能保险资金运用的国际实践和国内探索
（一）国际资产管理机构人工智能应用的发展趋势和实践经验
国际大型资产管理机构已将人工智能技术从单点工具试验推进至全流程业务嵌入阶段。与以往仅追求技术边界的加速突破不同，国际大型机构越来越强调“机器分析+人工决策”的协同模式，将机器的超强计算能力和投资经理的经验洞察相融合，推动资产配置、投研、交易、绩效、系统和风控各环节从经验驱动向人机协同、智慧驱动演进。
在资产配置环节，国际大型资产管理机构已将人工智能纳入战略资产配置体系，广泛应用于因子筛选和动态组合优化、宏观情景模拟等场景，通过机器学习识别资产间非线性风险关联关系，形成“机器分析+人工决策”的协同模式。例如，东方汇理资产管理公司（Amundi Asset Management）自2009年以来一直使用机器学习辅助资产配置决策，通过对宏观金融变量历史数据运用聚类算法识别，找到与当前市场环境类似的时期及其可能的后续市场变化，进而确定跨资产类别的最佳资产配置。随着生成式人工智能技术的进步，该公司开始利用生成式人工智能，将地缘政治分析师的见解作为特定文本纳入资产配置的机器学习模型中，并在对外发布的投资展望中应用了该模型的判断。
在投资研究和决策环节，人机协同正在改变研究洞察和决策制定的生成模式。一方面，借助生成式人工智能的信息收集和整合能力，分析师可以快速获取来自电话会议、财务报告等渠道的数据和信息，极大提升投资标的分析和尽职调查工作效率。根据麦肯锡咨询公司（McKinsey & Company）测算，生成式人工智能能够为投资管理领域带来8%的效率提升。另一方面，人机协同推动了对市场逻辑的深层次理解，人工智能通过对人类专家知识积累的学习，不仅能够识别市场模式，而且能够理解资产价格波动的根本原因，从而做出准确的分析和预测。例如，桥水基金（Bridgewater Associates）在2023年成立了人工智能投资助手实验室（AIA Labs），将大语言模型、机器学习和推理工具深度融合，旨在让人工智能理解市场中的因果关系，并在2024年推出了20亿美元规模的人工智能驱动基金。该基金以过去数十年沉淀的系统化投资研究体系和宏观市场数据库作为高质量专业语料库，整合了OpenAI、Anthropic等外部模型能力，具有鲜明的人机协同特征。
在绩效评估和考核环节，国际机构已利用人工智能实现高频绩效归因分析，推动底层资产穿透和收益来源识别，使绩效管理从定期分析向实时监测演进。例如，道富集团公司（State Street Corporation）的Alpha平台可高效完成资产负债匹配和战略资产配置目标的高频复核，使绩效考核不再依赖静态报表，而是对组合持仓和策略进行实时校准。对于来自第三方管理的母基金、交易型开放式指数基金等资产，该平台可进行高频穿透分析，将绩效归因从产品层穿透至底层资产，清楚揭示收益的真正来源。
（二）中国保险资产管理行业人工智能应用现状和发展方向
在保险资金运用这一资产端核心业务场景中，中国保险机构已实现人工智能技术的实质性嵌入，其应用深度已从辅助支持演进至决策优化层面。目前，行业已有机构完成大模型的本地化部署，依托自有投资管理平台成功落地多项数字员工应用，标志着超大规模语言模型与保险资产管理核心系统的安全耦合成为现实。在另类投资环节，已有机构搭建了面向合规精要、评审要点、法律实务和资金用途指引的智能问答系统，并部署专项数字员工，实现另类合同的自动生成和智能审核，有效提升了复杂文本处理的效率和合规保障水平。同时，已有保险系公募基金平台完成该模型的私有化部署，重点探索人工智能在投资研究、风险控制和客户服务等价值链关键环节的渗透应用。实践表明，以模型私有化为基座，保险资金运用正从辅助支持向决策优化深度演进，全链路的数字员工体系已初具雏形，为数据驱动的智能配置和主动风险管理奠定了坚实的工程化基础。
当前中国保险资产管理行业的人工智能应用主要承担信息整理、数据分析和决策支持功能，投资决策、交易执行等核心环节仍以人工主导，且人机协同决策体系尚未成熟，“机器分析+人工决策”的分工边界和协同机制有待进一步明确。在数据治理和知识建设方面，中国保险资产管理行业的专业知识库和行业语料体系建设尚处起步阶段，高质量数据供给能力有待提升。在风险合规管理能力方面，保险资金天然具有社会属性和受托责任，这决定了人工智能应用必须在可解释、可追溯、可问责的治理框架下进行，保险机构需在模型可解释性、结果验证机制等方面加强人工智能能力和治理水平建设。
三、保险资产管理行业推进人工智能应用的实施路径和策略建议
在实施路径层面，中国保险资产管理行业推进人工智能应用可遵循“认知重构—合作实验—流程再造”的递进路径。首先，应实现人工智能认识论层面的根本转变，将“人机协同、增强能力”确立为智能化的核心准则，兼顾技术革新带来的效率提升、合规要求和技术可靠性。其次，针对保险资产管理公司在人工智能算法研发、算力基础设施和工程化能力上的客观约束，可有效运用公共人工智能基础设施，增加与外部专业机构的合作开发，优先选择具备金融级数据安全能力和可审计性的可靠国内大模型平台。建议保险资产管理公司与监管部门积极沟通，推动开展沙盒实验，围绕真实业务数据进行场景化验证。此类实验可聚焦于智能研报解析、非结构化信息披露风险提取、信用风险预警等典型任务，快速检验和迭代模型有效性、幻觉率和合规边界，在可控风险下积累可复用的工程经验。最后，基于沙盒验证成果，推进核心业务流程的系统性重塑，构建以人机交互节点为枢纽的并行协作模式。
在策略层面，可坚持以数据和模型能力建设为基础，以核心业务场景落地为抓手，以组织机制和人才体系为保障，以风险治理和监管协同为底线，逐步构建覆盖投研、投资、风控、运营和管理全流程的智能化体系，实现人工智能技术从单点应用向体系化赋能转变。
（一）夯实技术和数据体系建设，打造人工智能应用基础能力
人工智能应用的核心竞争力来源于高质量的数据资产和稳定可靠的模型能力，因此应优先完善技术架构和数据基础设施建设。
一是建立统一的数据治理体系。围绕投资研究、资产配置、交易执行、风险管理和运营管理等业务环节，统一数据标准、数据口径和数据标签体系。在保证内部业务系统数据安全的前提下，打通其与外部市场数据和非结构化信息之间的数据壁垒，逐步形成覆盖宏观经济、行业研究、上市公司和投资组合等多维度的数据资产，实现数据的集中管理、快捷调用和持续更新，为人工智能模型训练提供高质量的数据支撑。
二是建设行业专属金融大模型和知识库。充分结合长期资金管理、资产负债管理等行业特点，在通用大模型基础上开展专业化微调，构建覆盖宏观经济、固定收益、权益投资、另类投资、法律合规、风险管理等领域的行业知识库，形成具有保险资产管理特色的专业模型能力，提升模型在专业分析、知识问答、报告生成和投资辅助决策等场景中的准确性和可解释性。
三是建立模型评估和监控机制。针对大模型可能存在的幻觉、偏差和性能衰减等问题，建立覆盖模型开发、测试、部署、运行和迭代的全生命周期管理体系，持续开展模型效果评估、压力测试和在线监测，重点关注模型准确率、稳定性、安全性和业务适用性，并建立模型版本管理和持续优化机制，确保人工智能系统长期稳定、安全运行。
（二）坚持场景牵引，稳步推进业务应用落地
保险资产管理行业人工智能应用应坚持逐步推广的实施路径，优先选择业务价值高、数据基础较好、应用成熟度较高的场景突破，并逐步向全业务链延伸。
一是优先推进高价值核心场景落地。围绕投资研究、组合管理、风险监测、合规审核、客户服务等重点领域，率先推动智能投研助手、会议纪要整理、舆情监测、智能问答、合同审核等成熟场景应用，在降低重复性工作成本的同时，提高研究效率和决策支持能力，形成可复制、可推广的应用模式。
二是推动投研、风控与运营协同建设。以人工智能为纽带，打通投研分析、投资决策、风险控制、运营管理之间的信息流和业务流，实现研究成果共享、风险实时预警、组合动态监控和运营流程协同，推动各业务模块从相对独立运行向智能协同决策转变，提升整体投资管理效率和风险响应能力。
三是建立人工智能驱动的流程自动化体系。充分利用大模型和流程自动化（RPA）等技术，推动投后跟踪、信息披露、估值核算、运营支持等标准化流程自动执行，实现业务流程数字化、智能化和自动化，减少人工操作，提高运营效率和管理质量，使员工更多聚焦于高价值研究和决策工作。
（三）完善组织和人才体系建设，形成持续创新能力
人工智能应用不仅是技术升级，而且是组织能力和管理模式的变革，需要建立与之相适应的组织机制和人才体系。
一是建立跨部门协同推进机制。探索设立各业务部门共同参与的人工智能推进机制，统一规划人工智能战略、项目管理、资源配置和技术路线，形成业务需求牵引、科技能力支撑、多部门协同推进的工作模式，提高项目实施效率和资源利用效率。
二是强化人工智能应用能力培训。针对不同岗位制定分层分类培训体系，帮助研究、投资、风控、运营等岗位员工掌握提示词设计、智能办公、数据分析、人工智能辅助决策等应用能力，推动人工智能由少数专业人员使用向全员普及应用转变。
（四）健全风险治理体系，加强监管协同发展
保险资产管理行业人工智能应用需坚持安全可控、合规透明的发展原则，在创新与风险之间保持平衡。
一是完善数据安全和隐私保护体系。建立覆盖数据采集、存储、传输、使用和共享全过程的数据安全管理机制，加强敏感数据分类分级管理、数据脱敏、访问控制和加密保护，确保客户信息、投资数据和商业秘密安全，满足数据安全和个人信息保护等监管要求。
二是加强行业协同和监管沟通。积极参与行业实践交流和监管试点工作，加强与监管部门、科研机构、金融科技机构和行业协会的沟通合作，共同探索保险资产管理行业人工智能应用的技术标准、评价体系和监管框架，推动形成安全、规范、有序的行业生态，为人工智能技术在保险资产管理领域的长期健康发展提供制度保障。
作者白雪石为阳光资产管理股份有限公司全球策略部部门负责人；古峻维为全球策略部助理研究员；李梦涵为全球策略部高级研究员