平安人寿AI 神盾平台在金融生态中的智能风控实践｜AICon上海

一句话看懂：平安人寿在AICon 2026上海站公开了“AI神盾平台”的智能风控实践，核心目标是将资损防控从“事后发现”升级为“事前防御”，目前已支撑年化百亿级交易规模。这背后是Agent从实验室走向生产环境的一次关键工程化验证。

事件核心：发生了什么

在6月26-27日于上海举办的AICon 2026大会上，平安人寿金管家基础平台研发组副经理黄佳豪发表了题为《AI神盾平台在金融生态中的智能风控实践》的演讲。他分享了寿险支付收银台等核心业务系统的智能告警实践，重点介绍了“神盾平台 + AI巡检”的落地应用。该平台覆盖资金、奖品、权益等多维资产的风险控制，通过AI巡检智能体统一汇总和分析告警线索，实现了对红包雨、虚拟奖品套现、黑产攻击等场景的实时防控。黄佳豪在演讲中详述了架构设计，包括基于Flink+Tendis的实时计算组合、AI离线+实时多层决策，以及根据混淆矩阵进行精准度回馈的效果分析。

为什么重要

当前金融支付生态面临复杂度指数级增长——多支付渠道、多业务场景、多维度资产并存，传统“烟囱式”风控架构已显现局限性，尤其是在涉及三方支付、数字货币和积分权益等混合场景下，资损风险盲区显著扩大。平安人寿的“神盾平台”提供了一个可规模化的统一风控底座，其核心价值在于将AI引擎与规则引擎深度融合，把决策节点从事后回溯推至实时拦截。这一实践对金融行业尤其具有示范意义，因为它验证了Agent在万亿级支付链路中跑稳、跑对、跑出规模的可能，同时为“事前防御”这一多年来难啃的工程难题提供了可复用的架构参考。

对用户/开发者/创作者的影响

• 金融行业开发者： 可直接参考其架构方案，包括统一接入层（多协议适配）、核心引擎层（规则+AI+决策）、数据治理层（统一数据模型与实时计算）以及运营告警层（多渠道消息控制）。演讲中给出的红包雨、权益攻击等具体场景方案，可用于同类系统的快速迭代。
• 关注AI Agent工程的团队： 黄佳豪提出的“感知-认知-决策-执行”四层智能体架构，展示了如何将全链路监控埋点、多模态数据融合与风险预测模型组合成可落地的产品，这对正探索Agent工程化落地的技术团队有很大启发。
• 企业采购决策者： 该平台已承载年化百亿级交易，并成功拦截上亿级资损风险，这说明其成熟度已达到可评估引进的水平。对于面临类似风控痛点的金融机构、电商平台或资产运营方，这是一个值得关注的技术方案。

值得关注的后续

• 开放能力层的标准化： 平安人寿是否会将神盾平台的API/SDK标准化后对外开放，成为行业风控基础设施，值得观察。
• 跨行业的复制迁移： 当前方案聚焦寿险支付，能否被电商、游戏、数字藏品等其他存在大规模资金/权益流动的行业快速复用，取决于其数据模型与决策引擎是否具备行业无关性。
• 技术路线演进： 黄佳豪提到了“未来规划：技术演进与生态共建”，后续是否会引入更大的生成式模型用于风险策略推荐或对抗对抗性攻击，将是判断Agent在风控领域天花板的关键指标。

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。

来源：InfoQ CN