2026年3月12日，保险学院在二教104教室举办了《保险科技》课程专题讲座。北京亿维智形科技有限公司联创技术合伙人张宇飞先生受邀作为主讲嘉宾，以《大模型的能力演进与应用落地——从“会聊天”到“会做事”》为题，为同学们带来了一场兼具理论深度与实践价值的前沿分享，让大家近距离感受大模型技术的发展脉络与行业应用魅力。本次讲座由保险学院、中国精算研究院院长周桦教授主持。

讲座开篇，张宇飞先生结合自身多年实践经验，用通俗易懂的语言，从大模型的基础认知入手，逐步引导同学们走进大模型的世界。他首先介绍了LLM（大语言模型）的定义、发展历程及典型应用，指出LLM是基于大规模文本训练、具备强大自然语言处理能力的AI模型，历经多轮迭代，已广泛应用于智能对话、知识问答等领域，成为各行业数字化转型的核心支撑。

张宇飞先生作讲座

结合同学们所学的保险专业，张宇飞先生重点拆解了LLM在保险行业的实际应用场景。他提到，在保险前台服务环节，LLM可搭建智能客服系统，实现7×24小时不间断响应客户咨询，大幅提升服务效率；在承保环节，能够自动处理投保资料、核对承保条件，辅助完成核保初审，既提高了工作效率，也提升了核保的标准化水平，这与当前保险行业智能化转型的趋势高度契合，也让同学们对专业与技术的结合有了更直观的认识。

张宇飞先生直面技术落地的难点，剖析了LLM在实际应用中的局限。他表示，当前大模型普遍存在知识滞后、幻觉生成、专业适配不足以及数据安全合规等问题，这些都成为其规模化落地的“绊脚石”。同时，他还详细阐释了提示词工程存在的诸多局限性，如模型输出结果难以保持稳定、跨版本跨平台模型的适配性较差，无法从根本上弥补大模型本身的能力短板，难以适配大规模复杂任务等。

针对这些痛点，张宇飞先生结合自身研发实践，为同学们介绍了RAG技术（检索增强生成）这一核心解决方案。他形象地将RAG技术比喻为让大模型“开卷答题”，通过将大模型与外部知识库相结合，无需修改模型参数，只需更新知识库，就能快速适配业务迭代需求，有效解决知识滞后、幻觉生成等问题。随后，他详细拆解了RAG技术的核心实施步骤，并结合保险行业特点，对相关模型选型给出了具体建议，强调技术落地需结合机构实际需求，选择适配的模型组合，避免盲目跟风。

讲座最后，张宇飞先生带领同学们展望了大模型的进阶形态——智能体（Agent）。他介绍，智能体的核心优势在于能够自主感知、决策与执行，可整合知识库及各类业务系统，完成复杂的行业任务，其四大核心流程更是让大模型真正实现了从“会聊天”到“会做事”的跨越。他表示，智能体目前已在保险核保理赔等核心环节逐步应用，推动行业从“事后补偿”向“全周期主动风险管理”转型，这也让同学们对大模型的在行业的具体应用有了清晰的认识。

在互动环节，张宇飞先生针对现场师生提出的大模型自动办公实现、低门槛搭建Agent等问题，结合技术实践和落地经验进行了细致解答，并与师生就大模型行业落地、智能保险创新创业等话题展开深入交流。他勉励同学们立足专业深挖行业痛点，将AI技术与行业实际结合，以创新思维为行业发展注入新动能。

讲座结束后，周桦院长向张宇飞先生颁发了授课纪念证书，并代表学院对他的精彩授课表示感谢。

周桦院长为张宇飞先生颁发授课证书

整场讲座脉络清晰、干货满满，张宇飞先生用扎实的专业知识、丰富的实践案例，系统梳理了大模型从基础应用到技术进阶的全链条要点，为行业后续大模型技术落地提供了实用指引。为同学们纷纷表示，此次讲座打破了理论与实践的壁垒，既拓宽了视野，也增强了专业学习和科技赋能的针对性和主动性，搭建了清晰的技术认知框架，让大家深刻认识到保险科技的发展潜力，为今后专业学习和职业发展提供了宝贵的指引。

张宇飞先生，本硕均毕业于上海交通大学，北京亿维智形科技有限公司联创技术合伙人；长期从事算法研究与工程化落地，在深度学习与传统算法结合方面具有丰富实践经验，参与多个行业标准的制定工作；随着大模型技术快速发展，近年重点推进LLM在行业场景中的应用落地，形成了从模型能力认知、场景设计到工程实践的系统理解，并多次面向央企、高校开展专题分享。

（撰稿：张雅慧；审稿：周桦；编辑：王维；审核：周桦）