图：长正主义——《长正研究院》的核心价值观。一、人工智能的iPhone时刻
二、认识GPT类大模型
三、为什GPT会干死Google？
四、GPT类大模型对保险行业的影响
- 1、最直接：降本增效
- 2、最人性：基础工作的替代
- 3、最革命：价值链的重构
- 4、最颠覆：服务模式的颠覆
五、GPT类大模型融合保险行业的三条主要路径
六、长正对保司的建议
- 1、聚焦人性：专注于人性化、服务类
- 2、发挥特长：主动深挖、改造，甚至重构保险业务价值链
- 3、做重业务：把业务能力做重（深度垂直一体化）
七、长正《GPT类大模型对保险行业发展的影响研究》课程介绍
八、牛顿数科在GPT领域的科技布局
以下是正文：
5月初，IBM的董事长、CEO阿尔温德·克里希纳表示，IBM的人力资源等职能部门的招聘将暂停，此类非面向客户的岗位大约有26000人，克里希纳认为未来5年有至少30%的工作将被人工智能取代，特别是非面向客户的岗位，比如行政支持类工作，将首当其冲。
高盛的调查结果是，在美国，办公室和行政支持工作中，可以自动化的任务比例最高，高达46%。其次是法律行业的相关工作，这个比例是44%。排在后面的，分别是建筑工程领域、社会科学领域、商业和金融业务。
言下之意，我们生活中解决就业问题的大多数岗位，都在里面。
一、人工智能的iPhone时刻
一个伟大的技术，要被发明两次。第一次是被创造出来，第二次是融入各个产业，融入社会网络。人工智能毫无疑问是伟大的技术，而GPT的推出，已经开启了第二阶段。
人类历史上，几乎所有伟大发明，都被发明过两次，例如纸的发明、互联网、计算机、iPhone、电动汽车的发明等等。
现代纸张的第一次发明是物质层面的创造，发明的是纸这个物品本身，最接近现代纸张的是埃及人发明的莎草纸，原因也是因为本地盛产一种纸莎草的植物。拜莎草纸所赐，埃及的图书存量开始迅速增加，公元前三世纪，埃及国王托勒密一世在亚历山大港建造了当时全球最大的图书馆，也是当时全球最先进的智库，此举对当时埃及经济发展可见一斑。第二次发明，是工艺层面的创造，发明的是稳定的造纸工艺，就是我们所熟知的蔡伦造纸术。也是因为有了第二次的发明，才让信息的记录和传播变得规模化和高性价比起来，人类自此不再受记忆约束可传播经验、知识等等，才有了文明的基础。这就是现在我们所熟知的纸张的来历，没有第二次纸张的发明，就没有现如今的世界。
同样，我们现在每天都在使用的计算机，互联网，智能手机也都经历了两次发明。例如互联网，1969年美国军方发明，但真正普及是蒂姆·李在1989~1992年期间发明了World Wide Web和Http后算起，没有蒂姆·李的二次发明，就没有今天的互联网世界。
图01：2007年乔布斯发布iPhone，图源百度
智能手机方面，1993年IBM发布了一个名为Simon的个人通讯设备，被视作世界上第一款使用触摸屏的智能手机。但我们都知道，真正智能手机的兴起，标志性事件是2007年乔布斯发布的iPhone。自此，整个世界被彻底改变，以至于后来，人们将改变世界的标志性事件定义为某某某的“iPhone时刻”，用来说明二次发明的影响之大与颠覆性。
人工智能也不例外。
1、早期版本的通用人工智能
2023年3月24日，微软发布了一份名为《通用人工智能的闪光：GPT的早期测试》（Sparks of Artificial General Intelligence: Early experiments with GPT-4）的报告，这份154页文件对GPT-4的早期版本做了6个方面的能力测试，是迄今为止对GPT-4最全面和详细的测试，结论是：尽管还不完善，但GPT-4已经可以被视为是早期版本的通用人工智能。
这是说，GPT-4已经开启了人工智能被二次发明的新篇章。
2、AI圣杯
所谓的通用人工智能，Artificial General Intelligence，缩写AGI，最通俗的意思就是主要专注于研制像人一样思考、像人一样从事多种用途的机器、机器人，这是整个智能科学领域的终极梦想。因此，AGI也被称之为AI圣杯。
如果用微软在这份报告里的评价标准来解释，研究人员认为，一个通用人工智能至少应该像人类一样，能够应付各种各样的任务。而不像过去的AI算法，只能针对某个具体的领域解决问题，比如自动驾驶、图像识别、语音识别。
3、人工智能的iPhone时刻
美国国家科学院院士，人工智能的先驱朱迪亚·珀尔（Judea Pearl）认为，人工智能已经陷入了长达数十年的困境，过去所有的人工智能，都是假的，是弱智能，它们只是算力很强，但并不智能。
2022年开始，GPT所代表的大模型在物理世界的落地与应用，可以说是“假”人工智能转向“真”人工智能的重要拐点。
因此2023年之前的人工智能，被称之为弱人工智能阶段。2023年初，OpenAI 正式发布 ChatGPT-3.5、GPT-4，此为真人工智能的起点。
要知道，在弱人工智能阶段，在非常单一的领域中解决问题的情况下，我们已经诞生了像Google、Facebook、Amazon、抖音（含TikTok）、微信等等这样伟大的产品和市值进入全球前十，甚至一度霸占全球前十多数名次的优秀企业。
那么，通用人工智能如果能全面融入社会，融入产业，将会创造多大的价值？
可以肯定的说，GPT-4的发布，就是人工智能的iPhone时刻。
二、认识GPT类大模型
长正研究院《GPT类大模型对保险行业发展的影响研究》课程核心讨论的是AGI对保险行业发展、保险代理人未来职业发展等等的影响研究，因为GPT类大模型比较容易聚焦，所以我们且以GPT特别是GPT-4及后续产品为主，后面如果发现市面上有更好的大模型产品出现，也会第一时间在课程中补充，例如国内目前最好的是清华大学唐杰教授团队的“悟道”系列产品，也会提及。
1、认识GPT类大模型
GPT的全称，是Generative Pre-Trained Transformer，汉语翻译叫（大型）生成式预训练Transformer模型，是一种基于互联网的、可用数据来训练的、文本生成的深度学习模型，是AGI通用人工智能的一种。
（1）时间线
GPT背后的团队就是著名的OpenAI，对国内市场来说，最著名的就是我们所熟知的ChatGPT-3.5，发布时间是2022年11月份，之后2023年3月份发布GPT-4彻底让市场进入狂欢。
相比于ChatGPT-3.5，GPT-4主要突破了三个能力，第一个是多模态，也就是有了图片，多媒体，文件等等的输出；第二个是提高Prompt（特定应用场景下的人机接口）数量，从3.5的4K版本提升到目前8K和32K版本就是一个典型；第三个是处理艰巨任务上有更多突破，能处理更多更复杂的难题了。这三点也是GPT-4彻底让市场进入狂欢的关键原因。
这么强大的产品，什么时候出来的呢？答案并不是我们所熟知的2023年3月，而是早在2022年8月份之前。我们看一看重点产品的时间线。
图02：AIGC重点产业时间线。图源：中信建投证券《GPT4及ChatGPT相关应用梳理》，长正就不整理了，性价比太低，意义不大。上图只是市场上常见的一些数据，实际上根据OpenAI团队公布的一些数据，早在2022年8月份，GPT-4原始版本就已经开始小范围测试，也就是远早于7个月后我们看到它大放异彩的时间点。而且去年8月份测试的原始版本能力更强，但因为没有规则约束，所以OpenAI团队花了七个多月的时间去解决其潜在的风险，例如欺诈、种族歧视等等，毕竟能力越强，风险和挑战会越大，要在一开始就用一些规则、治理手段约束好人性中恶的一面。另外一方面，OpenAI也并不是一个团队在做这件事，而是细分了很多团队，每一个团队都很激进。
单从这个角度看，OpenAI的GPT产品要比全球其它任何国家的任何产品都要强太多，包括Google。因为尚未对外发布的产品，才可能是更大的杀手锏，例如GPT-5甚至GPT-6等产品，我们看到的结果有滞后不说，更多的是约束或者叫被限制后的一个平均反馈。
（2）GPT能力五要素
从已经发布的产品来看，GPT-3到GPT-4能力的暴涨，可以从算法、算力、数据、核心网宽带和应用场景等五个方面分析。理解清楚GPT-3到GPT-4，其它各类产品的底层逻辑也大差不差。
· 底层的算法、算力、数据
算法的底层是基于Transformer模型，这个是2017年就已经发布的论文，变化并不大。
效果的提升主要依赖于算力上提升，从V100到A100，未来肯定是H100及后续产品，只要摩尔定律在，就会一直保持每一两年提升两三倍的速度，非常的恐怖。你看英伟达的股价就知道，大模型的流行，最大的受益者并不是OpenAI和背后的微软，短期最受益的是设计了A100芯片的英伟达，因为以英伟达A100显卡的处理能力计算，GPT-3.5大模型需要至少2万块GPU来处理训练数据。这个官方报价1万美金的芯片也一度被炒到了150万人民币往上，不过像阿里云，百度等等国内大厂，本身就拥有超过10万片的A100芯片，这一点在当下的算力需求上也算并不差。但是，2022年3月份，英伟达发布了最新一代Hopper H100芯片，相比于ChatGPT等目前普遍使用的A100，H100的理论性能提升了足足6倍，且2023年2月份已经开始大规模量产，微软、谷歌、甲骨文等云计算服务已开始批量部署。这是我们能从新闻里看到的，实际上H100用的是4纳米的，在英伟达的实验室，2纳米的芯片也已经完全具备量产条件了，这将会是国内大厂布局此方向比较大的一个挑战。
第三个数据方面，为了结果的精准性，早期的训练数据都源自于教材，开放后的数据更多的源自网络爬虫，平台自身积累，维基百科，Reddit和浏览器上的获取等等，有私有数据，也有公开数据，这方面，反倒是各家都不见得有绝对的优势或劣势。
· 核心网带宽
有了数据，芯片，模型等等，要做更大规模的分布式训练，这就要依赖于高速互联的网络。目前核心网上限在800G左右，网络传输上升到上限后，分布式规模自然上不去，总算力就会受限，无论芯片再强也无济于事，这就是大模型发展的瓶颈，毕竟网络传输随着规模的增大一定会有上限。目前看，从800G到1.6T再到3.2T也就是几年的时间，但每上升一个层级，都是成本上指数级的增加，这个挑战是整个AI行业的普遍性挑战。中美在高端技术上的博弈，美国最大的杀手锏之一就是限制中国以后能用的带宽从而打击中国大规模分布式训练中所需的超大规模芯片集群。
· 表层的应用
第五个是应用，能服务实体经济才有价值，应用有两个方面：通用能力应用，针对特定垂直产业的应用（即融入产业的应用）。当下通用能力下的应用场景，例如早期的弱人工智能最大的应用场景就是Google和百度这种检索服务，而强人工智能的应用，通用方面，前面图片中提到的59个场景已经有了一定的方向指引，基于这种能力，一定会诞生第二阶段的Google，抖音等伟大产品和伟大公司。
比通用更重要的是聚焦到特定的细分行业，融入具体产业的应用，例如本文所聚焦的保险行业，再细分就是寿、产、健康、意外...寿险再细分就是寿险业务、代理人展业场景等等，例如代理人这个群体，怎么利用大模型做出一些辅助代理人展业的AI工具，还有就是职能岗位上普通员工使用的工具，例如合规，战略企划和精算等等使用的数据工具等等。每一个细分领域展开，都是庞大的应用空间。
在保险行业的应用上，我们的长正研究院做研究和培训，北京牛顿数科做落地与应用，两家公司相互配合，已经有了一些较成熟的应用和产品，欢迎扫描二维码和创始团队沟通。
（3）各玩家的竞争与机会
基于这个大前提，如果排除地域、政策限制的话，各家竞争的本质，反倒是基于算力的芯片、人才和应用生态构建速度的竞争。
长正研究院研究的结论，在通用领域，大模型主要还是以大厂角逐为主，特别是美国大厂的战场。反倒是细分领域，会有很多国内创业者的机会，但这些机会是建立在大厂成熟的通用模型基础上做了二次训练的结果，而且前提是硬件成本，数据，带宽，人才都因为全球应用规模达到一定量级后成本足够低的情况下，才有可能大规模落地应用，这是长期。站在全球大格局看大模型之争，但也不排除有新的论文或者模型出来，完全颠覆了GPT目前构建的优势。
中短期来看，最好的应对措施就是积极和已经布局了大模型的大厂保持沟通，然后尝试将类似GPT的不成熟但可用的工具、能力（API）等等接入公司办公平台或具体业务应用场景，来赋能员工，会是一个常规的方向。
2、AI发展的三个阶段
GPT-4是全面智能化时代来临过程中的一个阶段，如果把人工智能大规模应用于产业具体场景划分为多个阶段来看的话，大致是这样的：
· 第一阶段：弱智能，假人工智能阶段，这是伟大技术应用的第一阶段。利用数据和强大算力强行堆出的一种弱智能，只能解决特定场景下的特定业务问题。从Google开始应用，亚马逊商城尝试用推荐引爆了人工智能首次的大规模应用落地，到移动互联网时代，抖音、微信这种平台彻底将数据智能匹配技术的大规模应用推向高潮。这个过程是从2004年到2022年。具体的应用场景我们也非常清楚了，除了各类平台，生活中还有随处可见的人脸识别，防欺诈，各种网站和app上的智能客服，OCR等等。
· 第二阶段：真人工智能阶段，这是伟大技术应用的第二阶段。ChatGPT的火爆流行，从2022年到现在，目前GPT-4已经以平台的形式将积累的重能力逐步开放出去，其能力可以对接到具体的生产力工具上，例如Office全家桶全部对接，也可以开放API对接到各类应用上，还可以自己形成完整的应用闭环。如果打个比方，这俨然就是第一阶段的微信啊，甚至他比第一阶段的微信更底层，更开放，这就像微信的聊天能力，支付能力，小程序等等全部下沉做成基础能力开放给全世界所有应用一样。你可以想象，任何国内想集成IM能力的app或网站等等，如果IM水准和微信一模一样，会是一个什么样的水平。
GPT-4及后续产品的最大看点之一就在于此：把自己做重，做成基础设施，之后标准化成API开放出去。需要大模型能力的企业，应用，网站，开发者和个人等等，只需要通过API接入即可，GPT团队要做的，是持续的做好研发迭代和治理，剩下就是无数应用传过来海量数据不断的训练模型，提升其精准度。这是典型的平台生态建设的思维。
· 第三阶段：全面智能化社会阶段，即真人工智能融入社会的方方面面的阶段，特别是融入各个产业和各种细分且具体的生活场景中。例如本文所聚焦的保险行业，受限于行业知识、成本、人才等原因，目前并没有针对保险行业的大模型出来，这肯定是一个方向。具体场景方面，弱人工智能时代的所有AI可结合的地方，全部可以用大模型重做一遍，并将原来的智能化程度提升到新的高度，包括我们熟知的智能客服、智能核保、智能核赔、OCR等等。也有很多原来无法解决的场景下的问题，会迎刃而解，例如精算、战略、企划和市场同事们的工作过程中，每次为了确保数据的精准，要反复查询数据，未来以GPT所代表的大模型擅长的就是这一点，需要什么数据，一个简单的问题就能获得几乎所有的数据、图表和其他关联信息等等。而这些还仅仅是大模型落地产业应用的皮毛。有了精准的数据，加上精算、资管等各类模型，人工智能赋能工作就能更进一步。到这个程度，就不仅仅是辅助决策的问题了，而是帮助企业、管理层和核心岗位做出决策。
第三个阶段中，衡量这个“新高度”的一个关键指标就是“精准程度”，保险行业需要精准的数据做精算，但制造业需要用设备的精度来提升品控，例如光刻机要求的精准度，医疗行业的精准程度更是苛刻，每一步都关乎人命等等。
目前，我们正处在第二阶段的起点，而且可以确定的说，一定会有比GPT更智能的东西出来，按照GPT-4为全球资本带来的注意力和资源，这个新事物的出现一定不会太久。
美国有专业人评价说，如果给CahtGPT-3.5打分80分的话，GPT-4可能就是90的成绩，关键是90往上，每上升1分都是千难万难。这个难度是建立在2017年的那篇论文基础之上的。
3、应用场景
早在2022年1月份，ChatGPT-3.5可见的应用场景被验证的就超过49个，具体见图。
图03：早已公布的ChatGPT3.5的49个技术应用场景
初级阶段的GPT，这些应用场景大致可分为四类：（1）代码相关的，例如程序语言转换、生成程序指令、修复代码BUG、SQL语句生成等等。（2）日常生活类多媒体内容生成，例如问答对话，摘要，写一段点评，写一篇命题作文等等。（3）职能工作辅助类，例如写PRD，故事创作，对问题头脑风暴，帮助产品命名等等。（4）创意类工作，包括画图提示，作词作曲，写诗等等。而且这还是最初级的阶段，这个阶段普遍聚焦在“软”的部分，且GPT-4尚未发布。
高级阶段，是融入产业，一方面对原有智能环节的替代，另一方面主要是和产业融合形成新的东西。具体请直接和长正团队沟通。
三、GPT可能真的会干死Google
五月初，长正团队专门测试了微软的搜索必应（国外环境），全新的Bing用的是GPT-4来驱动，并完全接入了互联网，我们研究的结果是Bing未来对Google肯定是具备致命性打击的。
例如我们问美国的人口分布（目前主要是英语环境比较准确），它不但会给我们反馈非常精准的即时的人口数据，还会有详细的人口结构，并且把相应的饼状图都一并做了推送。
图04：整合GTP4的微软必应回答美国人口结构时提供的饼状图，图源微软bing。
国内的话，虽然无法使用GPT-4版本的必应，但我们都知道，无论是第一代以百度为代表的搜索，还是第二代以今日头条、抖音为代表的智能分发这两类弱人工智能，在具体使用场景上，专业问题从来不专业，各种垃圾内容，广告泛滥等等，甚至坊间还产生了这么一句话叫“用百度做研究”，来讽刺这类检索所获数据的不严谨、不精确性，在垂直专业领域的真弱智等等。这些在弱AI时代存在的问题，会在大模型时代获得真正的解答。
前面讨论过，关键的分水岭在于结果的“精准性”，特别是垂直专业领域的使用，精准高于一切。仅凭这一点，GPT假以时日，就足以干死Google这类弱人工智能时代的产物。更何况还有算力和算法上的质的飞跃。
长正研究院的研究结论也在于此：大模型类AI是可以真正深入产业提供精准、专业、深度信息（知识、文档甚至答案、创意）等等服务的人工智能。大模型一定会深入的改造各行各业，从更高的维度产生根本性的影响。
四、GPT类大模型对保险行业的影响
既然大模型对产业领域有如此影响，那么对应到保险行业，也不例外。这种影响，长正研究院认为有四大类，具体如下：
· 最直接：降本增效。
· 最人性：基础工作的替代。
· 最革命：价值链的重构。
· 最颠覆：服务模式的颠覆。
其中，前两者是直接影响，也是最简单的影响，后两者是间接影响，也是较大的影响。
1、最直接：降本增效
降本增效，是中短期最直接的应用，也是效果最显著的部分，例如部分岗位的替代与优化，给员工提供赋能工具等等。上一波数字化转型，保司内部有一个很关键的指标叫“柜面替代率”，线上化后对柜面工作和人员的替代比例，用此来衡量企业数字化的深度。这一代的智能化转型，长正研究院给出的一个关键指标叫“职能替代率”，职能和职能性岗位的替代比例。
我们可以从保险业务价值链和保险公司依据业务能力所设置的内外勤岗位设定的角度两方面分析其具体影响。
业务价值链方面，最直接的包括（举例）：围绕客户洞察所做的风险评估、需求挖掘等等；围绕两核所做的防欺诈等；围绕客户服务做所的客户体验提升等等；围绕组织职能部分可提供的生产工具赋能，管理业务，为决策层提供决策支持等等。内外勤岗位上，就像本文一开始提到的IBM董事长和高盛的调查结果所说的那样，基础岗位替代率会超过45%，甚至更高。
简单讲就是以前所有做的“智能XX”项目，都可以利用全新的人工智能重新做一遍，此为升级，具体每一个怎么做，长正研究院会在这套课程（线下培训课程）有详细介绍，欢迎订阅。我们的兄弟公司牛顿数科已经有这方面成熟的应用落地。与此同时，传统组织架构中，简单重复且不面向人直接服务的岗位，绝大多数都会被替代。
2、最人性：基础工作的替代
第二种是解放人性的部分，让AI替代原来工作中没有太多创造性价值，但必须依靠人（以前没有工具可依靠）反复验证的重复性工作，例如精算、战略的数据反复验证，财务工作中的很多职能等等。这样，员工可以把有限的精力投入到更人性化的工作中去，例如创意创造类，例如面向客户服务等等。
解放双手和生产力，历来是工具存在的最大价值之一，这一次的大模型也不例外，我们没必要神话其对人类社会甚至人性方面的颠覆性，但一定要重视其对生产效率带来的冲击。
3、最革命：价值链的重构
上面这两类是较小范围内最直接的影响，除此之外，还有更大范围内的间接影响，这就是第三和第四类。
第三类是要推动保险行业业务价值链重构。
因为大模型类AI的“精准”特征，替代了原来业务中非面向人类服务的绝大部分工作，那么每家保险公司在旧产品体系里构建的竞争优势怕是会被轻易抹去，例如简单的保险产品数量（备案数量）优势，这对传统保司的组织能力是极大的挑战，因为原来的架构里，我不需要那么多人了，很多工作机器就帮我做了，而且做的比人好，比人工的结果更精准。那么我们所谓的传统业务价值链（调研、设计、销售、保单管理、理赔、资管）中某些环节虽然存在，但维护价值链关键结果的变成了机器。
这时候，各家保司的传统竞争优势将会被拉平，大家再一次处在同一起跑线上，客户重新选择的关键就变成了旧价值链以外的服务或者能力，这时候新的价值链就此形成。差别在于，不同竞争优势的保司，它们的新业务价值链在优势环节各不相同。
这是非常具有革命意义的地方，价值链被重构，组织架构也因此被重构，围绕此，也会诞生更多的服务模式。第四类影响就此产生。
4、最颠覆：服务模式的颠覆
价值链重构是对内而言的话，服务模式的颠覆其实就是对外展现的形态，不同的服务模式可能有不同的价值链，也可能所有的服务模式都是一条完整的价值链。
过去，无论是财险还是寿险，基本模式都是可以被总结为B2A2C+B2C，B2A2C是说保险产品销售的模式，都要依托中间的A这个渠道，可能是代理人，也可能是4S店，还可以是经代公司、互联网平台等等。B2C是说卖出去的保险，后面的服务和交互，更多都是保险公司直接面向客户提供服务的。保司在里面发挥的核心作用还是产品设计、渠道搭建、客户理赔三个核心。
但新的模式里，保险产品的设计、销售、承保和理赔会是基础能力，大家的能力构成基本一致，因此在这个能力至上，会开出什么样的“花朵”，才是各家保险公司竞争的优势所在。而这个“花朵”才是体现保司服务模式的关键所在。
这对保司的业务模式是一种完完全全的颠覆。
五、GPT类大模型融合保险行业的三条主要路径
长正研究院研究认为，目前AI大模型对保险行业的影响，可分为三种路径：
第一种叫“保险+服务+大模型”的业务赋能路径。简单讲就是大模型AI赋能传统业务，核心是降本提效，这种路径更适合中短期。这里，保险+服务是基础。
第二种叫“保险+服务+大模型”的生态战略路径。对于具有生态梦的大型集团保司而特有路径，也是赋能为主，不过这里要让大模型的AI能力成为生态能力，而不是简单的工具。这里，生态能力是基础，保险+服务也是生态的有机组成部分。
第三种叫“大模型+保险+服务”的技术至上路径。利用GPT类大模型产品的优势能力，重新构建保险服务模式。这里，技术能力是核心，驱动业务模式创新。
前两种叫以业务为基础的赋能路径，第三种是把AI能力作为主业务的全新路径。具体我们线下培训课程里有详细介绍。
六、长正对保司的建议
主要的建议有三个，这里权当引子，后续长正《GTP类大模型对保险行业发展的影响研究》线下培训课程全部30讲会详细讨论，关注“长正研究院”公众号第一时间获取最新研究成果。
· 聚焦人性，做好服务。
· 发挥特长，重构价值链。
· 做重业务，深度垂直一体化。
1、聚焦人性：专注于人性化、服务类
侧重于面向客户服务的模式聚焦，让核心业务更多的和客户发生高频Face to Face的交互。
简单的就是代理人A2C的服务，这部分是AI无法替代的。更复杂的场景，例如就医+理赔的一揽子服务，再例如养老服务等等。举个例子，当利用类似于ChatGPT的软件问到心脏手术最好的医院时，AI会准确的告诉你心内科最好的医院是阜外和安贞，也可以详尽的告诉客户，从挂号到住院的全部事项，引导客户完成操作，甚至帮客户抢号，并指明根据患者的病情，推荐找介入张主任和宋主任治疗效果最好。但在特定情况下，无法提供保险附带的绿通服务，也没办法按照客户的个性化需求配置符合当下场景的医治服务的完整解决方案，更无法为客户提供支付。这时候就需要特定领域有专业服务能力的结构和个人介入，提供全方位的服务。这个场景现在已经是非常普遍的场景，传统的健康服务公司像远盟、环球等等基本可以提供完整的闭环，甚至垫付等等，但问题是保司自己不具备这种服务，而且服务也不是保司的核心能力，这就会遇到一个比较大的悖论：核心能力掌握在别人手里。
相反的，住在保司自建的养老社区的客户，每天都在和保司（康养子公司）各种员工面对面交互，这种服务是机器永远无法直接替代的。无论是交互的过程，交互的数据，交互需要支付的费用等等，都会在整套系统里流转，这种能力是其它轻模式的企业无法具备，也无法替代的。更别说AI替代的可能性了。
GPT所代表的大模型类AI一定会刺激全社会的产品、服务向这个方向发展，与其让各种职能岗位上的员工每天重复枯燥的工作，不如积极引入AI替代，并积极引导员工转向客户服务类工作，做更长远的筹谋与规划。
2、发挥特长：主动深挖、改造，甚至重构保险业务价值链
保司最擅长的其实就是利用保险特有的底层逻辑——大数法则——做好费差经营，而不是利差和死差。在三差中，费差经营是最不可能被AI所替代的，这部分既是管理学的精髓（彼得·德鲁克认为管理是一种博雅技艺），也是人文学的精华所在。
和第四部分“最革命”提到的一样，保险的“支付”能力是特长，充分发挥这个特长，积极整合上下游，才有更多机会。一旦开始整合上下游，其实就是要把自身业务做重（zhong）的过程。
3、做重业务：把业务能力做重（深度垂直一体化）
把自身业务做重其实有两种路径：一种是保险+重能力，例如泰康的保险幸福有约+自建的养老社区，健康险+医院等等，这时候这种重能力可以是细分垂直领域的某一项重能力，也可以是生态型的重能力，即每一个细分领域都有自己的重能力。
一种是单一业务做深做透，实现该类别的保险所对应的业务价值链深度垂直一体化，这更像是垂直保险+all，这个all是指特定领域的所有环节都要通过自建或者控股来整合。例如糖尿病相关的保险，把整条糖链做深度整合，从供应链前、中、后到保险支付全部贯通。再例如车险所对应的车前、车后市场，也是这个逻辑。
4、意义
无论是重构保险业务价值链，还是把业务能力做重，实际上是在全面迎接AI冲击之前，寻找到自己不可被AI所替代的竞争优势。即：保险+？？？，这个“？？？”不是传统投招标采购的某个项目，而是保司独有的，具有不可替代性的某项特权。
你，能为客户提供什么样的特权？这个特权别人替代不了，AI更替代不了。
相比于传统的数字化转型，从线上规模化线上迁移而言，新型基础的颠覆是真正推动保司甚至整个保险行业彻底变革的关键。
相比于传统的弱AI，新型大模型类AI有一个特点，它对人类语言的洞察与应用，已经穿透了语旨层。所谓语旨，是逻辑学对人类语言的一个分层，它把人类语言分为三层：语旨、语意和语效。语意泛指字面意思。语效，是这句话导致了什么样的结果。语旨，就是你说这句话的动机，你的根本目的。
例如我们说我快饿死了，我累死了，语意都是太饿要吃饭，太累要休息，不是真的死了，语旨就是说吃饭和休息，仅此而言，是潜台词。GPT最大的进步就是能准确识别出你语意背后的语旨，读懂你的指令意图。换句话说，过去我们都觉得，GPT是运算能力强，但事实上，它对指令的理解能力，也非常关键。
既有强大的计算能力，又有强大的逻辑推演（理解能力），人类还怎么比？我们要靠重能力。
所以，长正研究院的结论是，新时代的保险模式，用五个字总结就是：保险+重能力。每家保司背后，因为股东关系，长期积累的资源结构等等，他潜在可构建的重能力不仅相同，这是需要做咨询，也是长正团队发挥特长的地方。
七、长正《GPT类大模型对保险行业发展的影响研究》课程介绍
这套课程是长正研究院推出的全新的寿险数字化转型系列课程，全部30讲，以线下培训交付为主。课程整体框架分为：初探、宏观、理论、落地和代理人篇五大部分。其中初探篇仅1节，本问就是初探篇精简版，其它内容包括：
· 宏观篇。从宏观视角分析当下GPT类大模型对人类社会的影响及意义，约3讲。
· 理论篇。两方面内容，第一方面是从底层理论分析、拆解AI，特别是GPT类大模型。第二方面是深入研讨GPT类大模型的本质，保险的本质，以及两者本质的异同及相互融合时可能出现的火花，约6讲。
· 落地篇。即路径篇，详细分析GPT类大模型落地应用保险行业的路径，具体场景等等，约10讲。
· 代理人篇。详细分析GPT类大模型赋能保险代理人的路径，具体场景等等，约10讲。此部分主要面向个代和经纪人。
以上所有课程，都以线下授课交付为主。
除此之外，长正研究院还研发了包括《寿险数智化转型30讲》《保险公司大健康生态建设20讲》《降本增效促增长专题20讲》《寿险代理人IP打造和新媒体运营》等数十套线下培训课程，欢迎咨询。
八、牛顿数科在GPT领域的科技布局
最后，向大家隆重介绍长正咨询及其下属的机构。
北京长正咨询有限公司是一家聚焦保险行业，为保司、中介和各类保险科技公司提供战略、新媒体运营和数智化转型服务、培训为一体的新型咨询公司，下设长正研究院、北京牛顿数科信息技术有限公司（下称牛顿数科）和长正智库三家机构。
1、长正研究院
研究、战略、培训与新媒体为主的新型研培实践为一体的平台。
以研究和战略咨询为主，定位专注于保险业数智化转型、新媒体营销运营和品牌宣传服务等为主的研究性机构平台。
2、牛顿数科
科技平台。
聚焦于保险行业的大数据营销、核保、定价和风控等数据智能服务，特别是新型科技（如GPT、元宇宙）融入保险行业落地应用相关的服务平台。
3、长正智库
数据平台。
专注于为保险行业战略、市场与企划等部门提供精准数据、报告的服务平台。
其它课程精华内容推荐：
长正研究院“中国优秀企业家”专题：
01：泰康保险集团创始人陈东升先生专题。
这是《长正研究院》打造的全新一期《寿险数智化转型30讲》，全部总计30讲约32篇文章，以下是已经更新章节：
发刊词：《为什么寿险正面临史无前例的增长挑战？》。
第01讲：《全面智能化与新能源革命对寿险行业发展的影响》。
第02讲：《资产端“强国”，负债端“富民”》。
第03讲：《40年中国寿险史，孕育着下一波大增长》。
第04讲：《寿险数智化转型分析总框架》。
第05讲：《智能化时代，寿险的六大新模式》。
长正研究院《保司大健康生态建设》系列课程精华内容推荐：
理论：保险公司打造大健康生态的“三步骤”：深挖、跨界、治理。
落地01：怎么用“一张保单”撬动大健康生态建设？从泰康“幸福有约”说起。
落地02：保险公司大健康生态建设，必须打造的三大核心能力是什么？
长正研究院《车险数智化转型30讲》系列课程精华内容推荐：
第01讲：洞察汽车市场发展现状和三维发展趋势。
第02讲：洞悉汽车保险发展现状和数字化发展二维模型。
第03讲：360度洞悉新能源汽车保险的经营现状。
第04讲：营业货车、非营业货车的大数据风控。
第05讲：车险面临史无前例的挑战，数智化转型迫在眉睫。
长正研究院《全球寿险100案例》系列课程精华内容推荐：
第01例：全球寿险数字化转型100强第一篇：先看看这家寿险公司的商业模式和改革路径。
第02例：重塑人身险：2022年美国人身险市场分析及行业破局思考。
~全文完~
参考资料：
【1】颜婷茜，李有龙《寿险数智化转型30讲（2021版）》；
【2】Microsoft Research《通用人工智能的闪光：GPT的早期测试》（Sparks of Artificial General Intelligence: Early experiments with GPT-4）；
【3】腾讯科技《陆奇最新演讲实录：我的大模型世界观》；
【4】凯德·梅茨《深度学习革命 从历史到未来》中信出版集团；
【5】中信建投证券《GPT4及ChatGPT相关应用梳理》。
1、保险行业数智化转型研究和实战。
2、大健康生态建设及保司大健康生态建设研究与落地。
3、保险代理人变革研究与落地。
4、新能源及汽车产业生态建设研究与落地。
5、经代、TPA与保险科技公司发展战略研究和落地。
6、深度剖析100家卓越企业，挖掘卓越企业“长期主义”背后真正价值所在。
道阻且长，行则将至，行而不辍，未来可期。
明者因时而变，知者随事而制。
践行长期主义，做难而正确的事。
