腾讯云大模型工具箱驱动保险数智化转型：从智能问数到智能体应用的全链路实践

梳理保险数智化转型瓶颈

保险行业从2015年核心上云到2025年大模型应用元年，面临多重战略困境：新筹公司IT投入小、建设周期短与监管合规要求的矛盾；私有云需满足两地三中心容灾、云原生等技术要求；核心数据库国产化（存储过程多、单体容量超20TB）；大数据CDP替换、数据安全治理与营销分析需求；传统外呼效率低、理解力弱，研发效率低，知识管理分散。理想的数智化跃迁与现有工具支撑不足形成显著差距。

部署腾讯云大模型工具箱与场景方案

腾讯云基于李凯（腾讯云副总经理、腾讯云保险架构中心） 提出的“云智一体”路径，提供全链路解决方案：

• 智能问数：自然语言交互（多轮对话、智能追问、输入联想），结合知识库与大模型生成SQL（BIRD-SQL榜单中腾讯云CDataAgent-SQL执行准确率74.12%），输出BI分析结果（如2025企业财产险保费报告含18个数据点，时间范围2025年）。
• Code Buddy代码助手：AI辅助编码、单元测试、代码审查、安全漏洞修复，覆盖研发全流程。
• 大模型工具箱：智能体开发平台（搭建Agent/RAG/工作流）、TI-One训推平台（支持满血版DeepSeek-R1精调蒸馏、一键部署）、乐享知识库（DeepSeek+混元双核驱动）、天御内容安全、本地专用集群（订阅模式减轻资金压力）。
• 场景化方案：保险智能展业（话术/知识辅助、标签分析）、智能客服（音色+理解+多轮会话）、代理人培训（乐享智能陪练）、知识引擎（公有云/混合云/私有云全能问答）。

量化应用效果与客户价值

• 研发效率：某头部寿险实践显示，研发团队工作提效15%，AI代码生成行数60万行+，日常使用人数600+，累计使用率90%（来源：材料“某头部寿险实践成果”）。
• 数据能力：自研多级并行查询框架查询性能比开源方案提升10倍，自研向量存储裁剪存储成本下降70%（来源：“Ima知识工具”）；BIRD-SQL Overall Leaderboard - Execution Accuracy (EX)中腾讯云CDataAgent-SQL执行准确率74.12%（来源：BIRD-SQL榜单）。
• 业务分析：2025年企业财产险保费收入分析报告涉及18个数据点（签单保费、机构、销售团队等），时间范围2025年（来源：“3 BI输出结果”）。

客户实践案例

• 某头部寿险：应用Code Buddy代码助手，实现研发提效15%、AI生成代码60万行+、600+日常使用、90%累计使用率（来源：材料“某头部寿险实践成果”）。
• 东吴人寿/苏惠保：采用保险知识引擎（公有云/私有云模式），落地东吴天枢、苏惠保智能投保、全场景问答引擎（来源：“保险知识引擎”）。
• 泰康、微保等：接入腾讯云大模型服务体系，探索智能展业、智能客服场景（来源：“大模型服务”列表）。

选择腾讯云的技术与实践优势

• 技术领先性：混元大模型+DeepSeek系列模型双核驱动（TI-One支持DeepSeek-R1精调蒸馏、一键部署）；专有云高性能计算集群（RDMA网络互联GPU服务器、双机部署满血版DeepSeek）；自研能力（熔断限流、多级数据均衡、多级并行查询框架、向量存储裁剪）；大模型工具箱覆盖模型训练、内容检索、分布式云全链路。
• 实践成果：20+个保险核心系统国产化替换通过信创评审（来源：“2022-核心数据库国产化”）；某大型全国性寿险大数据平台信创案例入选国家信创成果展（来源：“2023-大数据和数据治理”）；90%新开业保险公司如期开业（来源：“2015-保险核心上云”）。