2026年保险科技行业月报

2026年中国保险科技行业月报报告类型：月度行业洞察

适用人群：保险公司管理层、保险科技服务商、投资机构、监管研究机构

数据截止：2026年5月

发布日期：2026年6月核心摘要2026年5月，中国保险科技行业延续“从工具赋能到模式重塑”的演进路径。全行业保险科技投入同比增长约12%，增速较去年同期略有回落，但核心业务环节（核保、理赔、定价、营销）的数字化渗透率持续提升。行业总保费收入呈现“寿险回暖、财险承压”的分化格局，科技投入重点也随之调整。核保理赔数字化方面，智能核保引擎和自动化理赔处理系统已在头部险企实现80%以上的非复杂案件覆盖，端到端处理时间从数天压缩至分钟级。AI应用进入深水区，大模型在智能客服、保单条款解析、理赔欺诈识别等场景的规模化部署成为本月最大亮点。渠道变化上，代理人全面数字化赋能的同时，“去中介化”趋势在车险、意外险等标准化产品中加速。客户经营从“保单管理”转向“健康/风险管理生态”，用户活跃度和粘性成为核心指标。竞争格局呈现“一超多强”与“垂直创新”并存的局面：头部保险公司自建科技子公司能力外溢，保险科技SaaS服务商在中小险企市场加速渗透，而互联网平台凭借场景优势持续蚕食标准化产品份额。主要风险集中在数据合规、模型偏差、以及传统渠道的转型阵痛。机会则源于个人养老金制度的全面推进、新能源车险的数字化定价、以及农业保险的科技赋能。本报告基于行业公开数据、监管通报及机构访谈，旨在为从业者提供可操作的策略判断与风险预警。1.行业概况：寿险数字化提速，财险承压倒逼创新1.1现象描述：整体保费增速放缓，科技投入结构性调整2026年1-5月，中国保险业原保费总收入约2.4万亿元，同比增长约4.5%，较2025年同期的5.8%有所回落。其中：人身险：受益于预定利率调整窗口期和银保渠道复苏，寿险保费同比增长5.2%，健康险同比增长6.1%。财产险：车险综改持续影响，保费同比仅增长2.8%，非车险（责任险、农险）增长8%但基数较低。保险科技相关投入方面，行业估算1-5月累计投入约230亿元，同比增长12%。投入结构发生明显变化：核保理赔系统升级（占比35%）AI及大模型应用（占比25%）渠道数字化工具（占比20%）数据平台与合规（占比15%）其他（5%）值得注意的是，中小险企的科技投入增速（18%）高于大型险企（10%），主要因为前者通过采购SaaS服务进行补课式建设。1.2原因分析：利润承压、监管推动、技术成熟利润端压力：寿险公司面临利差损风险，倒逼通过数字化降低运营成本（行业估算，数字化可使运营成本降低15-20%）。财险公司综合成本率（COR）普遍在98%-101%之间，精细化定价和反欺诈成为刚需。监管推动：金融监管总局2025年发布的《保险科技应用监管指引（试行）》要求2026年底前，所有险企完成核保、理赔关键环节的线上化与自动化改造。监管检查已启动，合规压力加速投入。技术供给成熟：成熟的SaaS化保险核心系统、AI影像识别、规则引擎等方案已大幅降价，中小险企年投入50-100万元即可实现核保理赔线上化。**1.3影响判断：行业进入“科技驱动价值”阶段，不再比拼概念对大型险企：科技投入已从成本中心转向利润中心（如平安科技、太保科技对外输出）。内部数字化转型的目标从“提效”升级为“业务模式创新”。对中小险企：依赖第三方科技服务成为常态，“科技即租即用”模式降低了准入门槛，但同时也弱化了差异化能力。对监管：科技应用带来的新型风险（模型歧视、数据滥用）将促使监管出台更细化的操作指南。1.4机会与风险机会：针对中小险企的“轻量化保险科技SaaS”需求旺盛，特别是核保引擎、理赔工作流、代理人展业工具。健康险、寿险的数字化健康管理（如可穿戴设备数据接入、慢病管理）处于早期，具备增长潜力。风险：保费增长乏力背景下，险企可能缩减科技预算，优先保利润，导致部分科技项目搁浅。过度依赖第三方科技服务可能造成关键数据外泄和核心技术空心化。1.5建议大型险企：将科技子公司或科技部门作为独立利润中心，对外输出能力，对内实行市场化结算。中小险企：优先采购成熟的SaaS模块，避免自建系统。将有限的IT预算集中投入到获客和风控两个最直接产生价值的环节。科技服务商：提供“按效果付费”（如按成功核保件数、理赔处理量）的灵活计费模式，降低险企的决策门槛。2.核保理赔数字化：从“人海战术”到“秒级自动化”2.1现象描述：自动化率持续提升，但复杂案件仍需人工截至2026年5月，行业核保理赔数字化呈现以下特征：核保自动化：对于标准健康告知、低额度的个人寿险、健康险、意外险，智能核保引擎可自动完成80%以上的案件。头部险企如平安、国寿、太保的个险核保自动化率已达85%以上。理赔自动化：车险小额案件（5000元以下）、意外险、医疗险（门诊类）的自动化理赔处理率已达70%。从用户上传资料到理赔款到账，最快可实现“秒赔”。行业估算，平均处理时间从2020年的3天降至2026年的15分钟。关键技术：OCR（光学字符识别）识别单据、NLP解析病历和事故认定书、知识库辅助审核、规则引擎自动判定责任与金额。瓶颈领域：重大疾病险、复杂意外险、涉及第三方责任的车险等，仍需人工核赔。行业估算，仍有15-20%的案件需要转人工，且其中约一半需要两次以上沟通。公开资料显示，2025年全行业因理赔自动化节省的人力成本约30亿元。2.2原因分析：技术成熟、客户期望、反欺诈需求技术成熟：OCR准确率已超98%，NLP对医疗文书的解析能力显著提升，规则引擎和知识图谱可覆盖绝大多数标准案件。客户期望变化：互联网用户习惯了“即时反馈”，对传统数天甚至数周的理赔周期容忍度降低。提升理赔体验成为获客和留客的关键。反欺诈需求：自动化系统内置的交叉验证规则（如医院数据碰撞、既往病史比对）可有效识别欺诈案件。行业估算，自动化反欺诈系统能识别出80%以上的常规欺诈行为。2.3影响判断：理赔体验成为险企核心竞争力，人力结构将重塑对险企：理赔自动化水平将直接影响NPS和续保率。在车险、百万医疗险等产品中，“快赔”已成为标配，不跟进自动化的险企将失去竞争力。对从业人员：核保、理赔岗位需求减少。行业估算，未来3年核保理赔岗位将减少30%，但新增“模型运维”、“异常案件处理”等岗位。对欺诈者：简单伪造单证的欺诈手段失效，欺诈者转向更复杂的手段（如真实就医但夸大病情、勾结医院），对系统提出更高挑战。2.4机会与风险机会：为中小险企提供“核保理赔自动化SaaS”，按调用次数或案件量收费。针对复杂案件的“人机协同”工作流平台，提升人工处理效率。风险：自动化系统误判（如错误拒绝合法理赔）可能引发客户投诉和监管处罚。系统安全漏洞可能导致批量理赔数据被篡改或泄露。2.5建议保险公司：建立“自动化+人工复核”的双层机制，对于系统拒赔案件，强制进入人工二次审核，降低误伤率。同时，保留完整的审核日志以满足监管回溯要求。科技服务商：提供“拒赔理由解释”功能，让用户和审核人员清楚了解系统为何拒绝，增强透明度和信任。合规部门：定期抽取自动核保理赔案件进行人工复盘，评估系统准确率和偏差。3.AI应用：大模型从试点走向规模化3.1现象描述：生成式AI进入保险核心场景2026年5月，AI在保险业的应用进入新阶段，大模型（LLM）从概念验证扩展至生产环境：智能客服升级：基于大模型的对话机器人可处理70%以上的常规咨询（保单查询、条款解释、理赔进度），并能根据对话情绪主动转人工。头部险企的客服人工替代率已达60%-80%。保单条款解析与对比：输入一份保单PDF，大模型可自动提取责任、除外、免赔额等关键信息，并与其他产品对比。该功能已用于代理人辅助销售和用户自助选品。理赔欺诈识别：结合图神经网络和大模型，系统可分析理赔案件中的异常关联（如多个出险人共享同一手机号、地址），识别团伙欺诈。试点机构报告欺诈识别率提升25%。产品条款生成：基于产品需求和合规库，大模型辅助生成标准化条款初稿，精算师只需审核微调。开发周期从数月缩短至数周。代码辅助：保险科技部门使用Copilot工具开发核心系统，效率提升20%-30%。行业估算，2026年全行业在大模型相关应用上的投入将超过50亿元。3.2原因分析：技术成熟度提升、降本需求强烈、数据基础好技术门槛降低：开源大模型（Llama3、千问）和API服务（OpenAI、百度、阿里）的成熟，使得险企可以低成本试水。数据丰富：保险业拥有海量高质量的文本数据（条款、客服对话、理赔描述、病历），适合微调大模型。明确的降本空间：客服、核保、代码开发等都是人力密集型环节，AI替代的经济效益直观。3.3影响判断：保险业劳动力结构将发生深刻变化，新岗位与新风险并存对效率：AI有望将保险公司的运营成本降低20%-30%，提升响应速度。对就业：简单重复性岗位（电话客服基础层、初级核保）减少，但提示词工程师、模型运营、AI审计师等新岗位涌现。对风险：大模型“幻觉”可能导致错误信息输出，在销售和理赔场景中造成纠纷和损失。3.4机会与风险机会：提供保险行业垂直大模型微调服务，针对特定险种（如健康险、车险）优化。开发“AI保险顾问”产品，面向C端用户提供免费条款解读和产品推荐，通过佣金变现。提供大模型输出安全审核服务（防止幻觉、违规内容）。风险：大模型可能在回答中泄露其他用户的保单信息，造成隐私事件。若模型产生歧视性建议（如拒保特定人群），可能违反《个人信息保护法》和反歧视法规。过度依赖单一AI供应商可能形成新的“卡脖子”风险。3.5建议保险公司：先在与客户非直接交互的内部场景（如代码辅助、内部知识库）试点大模型，积累经验后再逐步推向外部场景。所有AI生成内容必须经过人工复核才能对外发布。科技服务商：提供“大模型沙箱”服务，让险企在隔离环境中测试模型性能和安全边界。同时，开发模型输出的可解释性工具。监管合规：建立AI应用登记和定期审计制度，对涉及消费者权益的模型决策进行公平性检验。4.渠道变化：代理人全面赋能，直销与场景化加速4.1现象描述：渠道“三足鼎立”格局调整2026年5月，保险销售渠道呈现以下变化：代理人渠道：数量继续下降，但人均产能提升。行业估算，代理人数量从高峰期的900万降至约300万。头部险企为代理人配备“智能展业工具包”，包括客户画像、产品推荐、计划书生成、AI陪练等，人均产能提升30%-50%。银保渠道：受益于“报行合一”政策调整，银保新单保费同比增长10%，成为寿险增长主力。银保合作的数字化系统实现保单实时出单、回访线上化。互联网/场景渠道：标准化产品（意外险、百万医疗险、航意险）的线上直销占比持续提升，已超过40%。互联网平台（蚂蚁保、微保、京东保险）利用场景优势（支付、电商、出行）实现“买保险就像买日用品”。经纪/代理渠道：专业中介机构加速数字化，通过SaaS平台管理客户和保单，部分头部机构开始自建MGA（管理总代理）模式。值得注意的是，短视频直播卖保险的热度有所回落，监管对误导性宣传的打击力度加大。4.2原因分析：客户习惯改变、监管导向、成本压力客户习惯：80后、90后成为保险消费主力，习惯线上比价、自助购买。复杂产品（如重疾险、年金险）仍需要人工咨询，但流程中线上化比例提高。监管导向：对代理人“分级分类”管理，要求专业能力提升，倒逼低产能代理人出清。同时，对互联网保险的销售误导、费用乱象持续整顿。成本压力：代理人队伍的人力成本高企，险企倾向于“提质减量”。线上渠道的获客成本相对可控（行业估算，线上获客成本约200-500元/有效保单，低于线下代理人首年佣金）。4.3影响判断：渠道融合加速，线上线下边界模糊对险企：需要建立“全渠道”能力，客户可以在任何一个触点开始购买流程，在另一个触点完成。例如，线上预约、线下代理人跟进、线上签约支付。对代理人：从“推销员”转型为“顾问+服务者”，使用数字化工具提高效率。低技能、单纯靠人情的代理人将进一步被淘汰。对互联网平台：场景优势明显，但面临监管对“首月0元”等诱导模式的限制，需要探索合规的转化方式。4.4机会与风险机会：提供“代理人数字化工作台”SaaS，集成客户管理、产品对比、计划书、在线签单等功能。为银保渠道提供系统对接服务，实现银行柜员与保险产品的智能匹配。细分场景的保险嵌入（如宠物医疗、骑行意外、家政服务）仍存在蓝海。风险：代理人转型失败可能导致脱落率上升，影响续期保费和服务质量。互联网渠道价格战可能拉低全行业利润率，形成“劣币驱逐良币”。4.5建议保险公司：对代理人实施分层管理：高产能代理人提供更多资源和数字化工具，低产能代理人加速转型或淘汰。同时，建立线上自营平台，减少对第三方渠道的依赖。代理人：主动学习使用数字化工具，将80%的精力用于高价值客户的深度经营，而非广撒网。互联网平台：避免简单价格战，转而通过场景化和服务增值（如理赔协助、健康管理）建立差异化。5.客户经营：从“保单管理”到“风险管理生态”5.1现象描述：用户活跃度成为核心指标，生态圈建设加速2026年5月，保险公司对客户的经营理念发生根本转变：从“成交即终点”到“成交即起点”：头部险企开始重视客户的长期经营指标，如月活、互动频次、NPS、健康行为参与度。健康管理生态：平安健康、太平洋“太享e生”等平台整合在线问诊、体检、慢病管理、药品配送等服务，将保险产品与健康管理权益绑定。数据显示，活跃使用健康管理服务的用户续保率提升20个百分点。车险生态：从单纯的理赔服务延伸至违章查询、保养预约、代驾、洗车等用车场景，提高APP打开率。家庭账户：鼓励用户将家庭成员纳入同一账户管理，实现保单统一管理和服务共享。家庭账户用户的客均价值（LTV）是单客的2-3倍。会员制/积分体系：建立保险积分商城，用户通过完成健康任务（步数、体检）、续保、推荐获取积分，兑换健康服务或保费抵扣。行业估算，头部险企的月活跃用户（MAU）已达千万级，但全行业平均用户活跃率不足30%，仍有巨大提升空间。5.2原因分析：存量竞争、客户寿命价值驱动、技术支撑增量枯竭：保险新增用户增长放缓，获客成本高企，迫使险企转向存量经营。LTV驱动：续保、加保、交叉销售带来的利润远高于首年佣金。提升客户粘性成为利润增长的关键。技术赋能：APP、小程序、企业微信等工具使得大规模、个性化的客户互动成为可能。数据中台支持用户画像和行为分析。5.3影响判断：保险公司的属性将“泛服务化”，竞争从产品扩展到生态对险企：需要构建或接入外部服务生态，这对公司的跨界合作能力和平台运营能力提出更高要求。对客户：获得更丰富的服务体验，但也面临隐私担忧和过度营销骚扰。对传统服务商：保险公司可能自建部分服务（如在线问诊），冲击第三方健康管理平台。5.4机会与风险机会：提供“保险+服务”的生态整合SaaS，帮助险企对接各类服务商（问诊、体检、救援、家政）。针对特定客群（如老年人、母婴、宠物主）的垂直保险服务生态。风险：生态圈建设投入巨大，若用户活跃度不达预期，可能成为成本黑洞。服务商的质量参差不齐，若发生服务纠纷（如在线问诊误诊），可能反噬保险品牌。5.5建议保险公司：从小处着手，先选择1-2个与主业强相关的服务（健康险对健康管理、车险对用车服务）试点，验证用户活跃度和续保率提升效果后再逐步扩展。营销部门：建立“客户健康度”指标体系，不仅关注保费，也关注登录频次、服务使用次数、互动率等过程指标，并将这些指标纳入代理人考核。科技部门：建设统一的客户数据平台（CDP），实现跨渠道、跨服务的用户身份识别和行为追踪。6.竞争格局：头部自建科技能力外溢，SaaS服务商加速渗透6.1现象描述：三大梯队竞争格局清晰第一梯队（平安、国寿、太保、人保等）：自建科技子公司，技术能力已可对外输出。平安壹账通、太保科技、人保金服等不仅服务集团内部，还承接外部中小险企的系统建设。它们在核心系统、AI、数据平台等领域的自研程度超过80%。第二梯队（其他上市险企、大型合资公司如友邦、中信保诚）：部分自研与外部采购结合，在关键业务环节（核保、理赔、营销）有较强数字化能力，但核心系统仍依赖外部供应商。第三梯队（大量中小险企、区域险企）：主要采购SaaS服务，自身科技团队规模在几十人以内，聚焦业务需求和数据分析。保险科技服务商：市场格局分散，CR5约30%。头部玩家包括中科软、众安科技、暖哇科技、力码科技等。竞争焦点从“功能齐全”转向“行业深度+SaaS化+效果付费”。6.2原因分析：资源差异、路径依赖、监管分级资源差异：大型险企年科技投入数十亿元，中小险企仅数千万元，决定不同路径。路径依赖：早期自研的险企已形成技术资产和人才团队，倾向于继续深化；而过去依赖外包的险企则惯性选择采购。监管分级：系统重要性保险公司面临更严格的科技自主可控要求，倒逼自研。6.3影响判断：科技服务商面临“向上整合、向下服务”的分化头部科技服务商：与大型险企科技子公司形成竞争与合作并存的关系，在大型险企不愿自研的细分领域（如特定AI模型）提供补充。中小科技服务商：聚焦第三梯队客户，提供低成本、开箱即用的SaaS。该市场空间大但利润薄，需要高客户数量支撑。未来趋势：保险科技SaaS领域可能出现并购整合，形成2-3家平台型公司。6.4机会与风险机会：为第二梯队险企提供“混合云”方案，兼顾自研灵活性和SaaS成本优势。针对特定险种（如农业险、信用保证险）的垂直科技解决方案，避开通用平台的正面竞争。风险：大型险企科技子公司对外输出时，可能低价抢单，挤压第三方服务商的生存空间。SaaS模式客户流失率较高，需要持续投入产品迭代和客户成功。6.5建议中小险企：评估自身的差异化竞争优势，如果在特定领域（如某地区、某险种）有深耕，可考虑在该领域进行少量自研或定制；否则，全面采用SaaS是理性选择。保险科技服务商：开发“保险核心+周边应用”的一体化SaaS，提高客户粘性。同时，与大型险企科技子公司建立合作关系，成为其生态中的ISV（独立软件开发商）。投资机构：关注在SaaS续费率（NDR>90%）、客户数增长、产品标准化程度三方面表现均衡的保险科技公司。7.风险：数据合规、模型偏差、转型阵痛7.1现象描述：三大核心风险持续暴露数据合规风险：保险业务涉及大量敏感个人信息（健康、医疗、财务）。2025年，至少有5家险企因数据采集未充分授权、数据出境违规等问题被罚款或通报。行业估算，数据合规相关的IT改造成本已占科技投入的10%以上。模型偏差与算法歧视风险：基于历史数据训练的定价和核保模型，可能继承甚至放大歧视（如对特定职业、地域、健康状况的群体定价不公）。某健康险平台曾因对慢性病患者加费过高引发投诉。渠道转型阵痛风险：代理人数量锐减，但新型渠道（线上、银保）尚未完全补位，可能出现保费收入断档。特别是长期寿险等复杂产品，线上转化率仍然较低。第三方依赖风险：大量险企将核心系统、数据存储、AI服务外包给第三方，一旦服务商出现问题（如断供、数据泄露、破产），险企业务连续性面临挑战。7.2原因分析：技术应用超前于规则、业务压力、供应商管理不足规则滞后：AI模型在保险业的大规模应用领先于监管细规，行业在探索中暴露问题。竞争压力：部分险企为追求效率，忽视模型公平性验证，或过度依赖外部供应商压缩成本。管理能力：许多险企对第三方科技服务商的管理粗放，未建立有效的监控和备份机制。7.3影响判断：合规将成为保险科技的核心竞争维度对险企：未来三年，数据治理、模型风险管理、外包管理能力将直接影响监管评级和市场声誉。对科技服务商：合规能力（如支持数据隔离、模型可解释性、安全审计）将成为重要卖点，甚至比功能更受重视。对行业：不合规的玩家将加速出清，行业集中度可能进一步提升。7.4机会与风险机会：提供“模型公平性测试”工具和服务的科技公司。提供保险数据合规咨询和系统改造的机构。第三方保险系统灾备和应急切换服务。风险：某家头部险企或科技服务商发生重大数据泄露事件，可能引发全行业的监管收紧和客户信任危机。模型歧视引发集体诉讼，赔偿金额可能巨大。7.5建议保险公司：建立专门的“算法伦理委员会”，由法务、合规、业务、技术人员组成，对上线前的模型进行公平性审查。所有外包合同必须包含数据安全、业务连续性条款，并定期进行供应商穿透审计。科技服务商：主动进行合规认证（如等保三级、ISO27001、ISO27701），并向客户提供模型的可解释性报告。监管机构：建议尽快出台保险业大模型应用的具体指引，明确模型验证、数据隔离、人工兜底等要求。8.机会：个人养老金、新能源车险、农业保险、出海8.1现象描述：四大确定性增长方向个人养老金保险：2024年底全面推开后，个人养老金账户可购买的保险产品（专属商业养老保险、年金保险）快速增长。2026年1-5月，相关保费收入同比增长80%。科技需求包括：与银行/人社系统对接的开户流程、税收优惠计算、投资组合展示等。新能源车险：新能源车保有量突破3000万辆，但车险赔付率居高不下（部分车型超过100%）。科技需求：基于驾驶行为（UBI）的动态定价、电池健康监测、维修定损标准化。农业保险：国家持续扩大完全成本和种植收入保险覆盖范围，2025年农险保费突破1500亿元。科技需求：遥感定损、气象指数保险、牲畜电子耳标等。保险科技出海：国内市场竞争激烈，部分科技服务商开始向东南亚、中东输出保险核心系统和SaaS平台。众安科技、平安壹账通等已有多起海外项目案例。8.2原因分析：政策红利、市场需求、技术溢出政策红利：个人养老金、农险扩面均为国家战略，有明确的增长目标和财政补贴。市场需求：新能源车险的定价痛点、农险的定损效率问题，都是刚需且现有方案不完善。技术溢出：国内保险科技经过多年发展，在核心系统、AI定损、UBI等领域积累了能力，具备出海条件。8.3影响判断：抢先布局者将享受先发红利对险企：个人养老金和新能源车险的数字化能力将成为新的竞争壁垒。海外市场可为国内技术公司提供第二增长曲线。对客户：更精准的定价（好司机保费更低）、更便捷的理赔（农险卫星定损）。对服务商：细分赛道的专业服务商（如新能源车险UBI平台）有望脱颖而出。8.4机会与风险机会：为保险公司提供与个人养老金系统对接的中间件。开发新能源车险UBI模型，与车厂合作预装数据采集设备。提供农业保险的遥感定损SaaS，按亩收费。风险：个人养老金保险产品销售依赖银行渠道，险企议价能力弱。新能源车险的UBI数据采集涉及隐私，需用户充分授权。出海面临当地监管、文化差异和竞争对手（如当地科技公司）。8.5建议保险公司：成立专项小组，跟踪个人养老金和新能源车险的政策动态，提前布局系统对接和产品设计。对于出海，建议以“技术输出+轻资产”模式，避免重资本投入。科技服务商：选择上述1-2个领域深耕，打造标杆案例，形成行业口碑。例如，专注于新能源车险UBI，与多家险企和车厂建立合作。投资机构：关注在个人养老金系统集成、新能源车险定价模型、农业遥感定损等领域有技术积累且已获得标杆客户的创业公司。9.预测：2026年下半年三大趋势基于截至5月的行业数据和动向，对2026年下半年的保险科技趋势做出如下预判：9.1大模型进入“精度和安全”竞赛下半年，更多险企将从试点走向规模化应用，竞争焦点不再是“有无大模型”，而是“模型的准确率、安全性、可解释性”。预计将出现：行业基准测试：第三方机构将对主流保险大模型进行横向评测，发布准确率、幻觉率、偏见度等指标。安全事件：预计至少有一家险企因大模型输出错误导致客户纠纷，引发行业对模型安全的高度重视。监管介入：保险业大模型应用指引（征求意见稿）可能在年底前出台。9.2新能源车险定价模式迎来变革随着新车险综改深化和UBI试点扩大，预计下半年将有更多险企推出基于驾驶行为的车险产品。趋势包括：与车厂合作预装数据采集（通过车联网）。定价模型从“从车因素”（品牌、车价）向“从人+从用”转变。将电池健康度纳入定价因子。9.3保险科技并购整合加速在资本市场低迷和竞争加剧的背景下，预计下半年将出现多起并购：大型科技服务商收购垂直领域的SaaS公司，补全产品线。头部险企科技子公司收购中小服务商，快速获取技术和客户。部分经营不善的保险科技创业公司寻求被收购或清盘。10.建议：分角色行动路线图10.1面向保险公司短期（1-3个月）：完成数据合规自查，特别是个人信息采集授权、数据存储位置、第三方数据共享。启动大模型试点前必须通过安全测试。中期（3-12个月）：在健康险或车险领域打造一个“全链路数字化”标杆产品（从线上获客、智能核保、自动理赔到健康生态）。将至少30%的运营成本转移至可变成本（SaaS），降低固定支出。长期（12-24个月）：构建“保险+服务”生态，与2-3个外部服务商建立深度合作。探索个人养老金或新能源车险等新兴领域。10.2面向保险科技服务商短期：确保产品通过等保三级认证，并向客户提供模型可解释性工具。从“卖项目”转向“SaaS订阅+效果付费”模式，减少对单一项目的依赖。中期：深耕1-2个细分赛道（如新能源车险UBI、农险遥感定损），成为该领域的解决方案专家，而非通用平台。长期：与大型险企科技子公司建立“竞合”关系，成为其生态中的ISV。同时，评估出海机会，选择1个目标市场（如东南亚）进行试点。10.3面向投资机构赛道偏好：关注在个人养老金系统集成、新能源车险定价、大模型安全评测、农业保险科技等细分赛道的早期公司。尽调重点：核查客户续费率（NDR）、产品标准化程度（非项目制收入占比）、合规认证情况、团队中保险与技术的复合背景。退出考量：并购是更现实的退出路径，关注潜在买家（大型险企科技子公司、上市公司）的收购意愿和估值逻辑。总结结论2026年5月的中国保险科技行业，正处于“技术红利兑现”与“风险合规重塑”的交汇点。行业共识是：科技不再是保险公司的“可选装备”，而是“生存装备”。六点核心判断：投入理性化：保险科技投入增速放缓，但结构优化，资金向核保理赔、AI应用等能直接产生价值的环节集中。自动化普及：核保理赔的自动化率已达80%左右，人工处理的案件将越来越少，且集中在复杂、高价值领域。大模型从概念走向价值：智能客服、条款解析、代码生成等场景已规模化落地，但幻觉和安全问题仍需解决。渠道变革深化：代理人“提质减量”持续，银保和互联网渠道重要性上升，全渠道融合成为趋势。客户经营转向生态化：保险公司的竞争从“产品”扩展到“服务生态”，用户活跃度和粘性成为核心指标。竞争格局分化：大型险企自建科技能力并对外输出，中小险企依赖SaaS，科技服务商面临整合。最终建议：保险公司应放弃对“颠覆式创新”的迷信，脚踏实地地提升核心环节的数字化水平，同时高度关注数据合规和模型风险。科技服务商应避免“大而全”，在细分领域做深做透。投资机构则应重点关注那些既懂保险业务又