02-产品与技术-AI保险的全栈故事
产品与技术——AI保险的全栈故事
《看懂暖哇科技》系列 · 第 02 篇 阅读时间约 10 分钟
暖哇到底在做什么？
一家保险公司每天要处理的事：判断一个陌生人该不该卖保险给他、卖什么价格、他出险了申请理赔是否在骗你、该赔多少。这些决策过去靠人工，现在暖哇科技要用AI来替代——或者至少，大幅提升效率。
把保险业务拆成最简单的两个环节：承保（卖保险前的事）和理赔（卖保险后的事）。暖哇科技就围绕这两个环节，给保险公司提供AI工具。
两大产品线
| 产品线 | 占营收比例 | 核心功能 | 代表系统 |
|---|---|---|---|
| AI承保解决方案 | ~75% | 产品设计、精准营销、智能核保、用户运营 | “阿拉莫斯"承保系统 |
| AI理赔解决方案 | ~25% | 智能理赔审核、反欺诈检测、健康管理 | “罗布泊"理赔系统 |
来源：暖哇科技招股书
翻译成大白话：
- 承保端：帮保险公司设计保险产品、找到合适的客户、判断该不该承保。比如一个人来买健康险，暖哇的系统帮保险公司快速判断这个人的健康风险，该不该卖给他、卖什么价格。
- 理赔端：客户出险了来理赔，暖哇的系统帮保险公司审核理赔申请、检测是否有欺诈行为、自动化处理简单案件。
七大技术产品拆解
暖哇在招股书中列出了七大技术产品，下面逐一解读：
| 产品 | 做什么 | 壁垒判断 |
|---|---|---|
| 医学知识库 | 把医学文献、疾病诊断规则、药品目录等结构化，作为AI判断的"知识底座” | 中等——需要大量医学专家标注，但不是不可复制 |
| 医疗数据平台（MDP） | 整合多源医疗数据，为风控模型提供训练数据 | 中高——数据量级和清洗质量是壁垒 |
| 商保风控 | 对投保人进行风险评分，辅助核保决策 | 中等——模型有效性取决于历史数据积累 |
| 商保反欺诈平台 | 识别理赔欺诈行为（骗保、过度医疗等） | 中高——反欺诈规则和异常检测模型需要大量真实案例训练 |
| 医疗服务平台 | 连接医疗机构，提供就医引导和健康管理服务 | 低——平台模式，竞争者众多 |
| 定制化保险服务平台 | 为保险公司定制产品方案 | 低——本质是咨询+开发，可替代性高 |
| AI医疗服务平台 | AI辅助诊疗建议、慢病管理 | 中等——技术门槛中等，但监管约束大 |
一句话总结：暖哇的技术核心在医学知识库 + 医疗数据平台 + 风控/反欺诈模型这三块。其他四块更偏服务和平台，壁垒不高。
核心技术壁垒：到底有多深？
这是最值得认真讨论的问题。暖哇宣称自己是"中国保险业最大的独立AI科技公司”，这个壁垒经得起检验吗？
壁垒一：数据积累
截至 2025 年底，暖哇的系统累计处理了超 2.21 亿 保险案件、服务超 4,400 万 保险消费者、累计促成首年保费 130 亿元。
这个数据量级在行业内确实领先。AI模型的有效性高度依赖训练数据——处理过 2 亿案件的模型，理论上比处理过 2,000 万案件的模型更精准。
但有一个致命问题：数据归谁？
保险案件数据的原始所有权属于保险公司，不属于暖哇。暖哇能做的是在处理过程中积累模型训练经验和脱敏后的统计特征，但原始数据带不走。
反方观点：即便原始数据归保险公司，暖哇从 2.21 亿案件中提炼出的风控规则、反欺诈模型、医学知识图谱——这些"经验资产"是有价值的，且很难被竞争对手快速复制。类比：埃森哲不拥有客户的数据，但它的行业经验和方法论就是壁垒。
壁垒二：系统切换成本
保险公司一旦接入暖哇的承保或理赔系统，要切换到其他供应商，成本是很高的——系统对接、数据迁移、人员培训、业务中断风险。这是典型的 B2B SaaS 粘性。
暖哇的数据可以佐证这一点：
- 2025 年保单续保率 98.4%
- 交叉销售率 65.0%（行业平均 15%-25%，来源：招股书引用弗若斯特沙利文）
但矛盾在于：如果系统粘性真的这么高，为什么客户留存率只有 69.6%、而且在下降？
一个可能的解释是：大客户粘性高（系统深度嵌入，不会轻易换），但小客户和试用客户流失率高（试用后觉得不值得长期付费）。暖哇 245 家客户中，真正贡献核心收入的可能只是头部那几十家。
壁垒三：行业理解
保险不是一个通用技术能轻松切入的行业。核保规则、医学诊断逻辑、理赔审核标准——这些需要深度的行业知识。暖哇从众安保险健康业务部孵化而来，创始团队出身保险和保险科技行业，这种"基因"确实是优势。
CEO 卢旻的履历：易保网络（保险核心系统）-> 阿里云 -> 上海保交所信息技术事业部总经理 -> 暖哇科技创始人。二十年保险科技从业经验。
但反过来想：大型保险公司（平安、太保、人保）都有自己的科技子公司，人才储备和资金实力远超暖哇。它们不用暖哇，可能只是暂时觉得"外包比自建划算"——一旦AI技术进一步成熟、门槛进一步降低，自建的性价比就会反转。
通用大模型会颠覆暖哇吗？
这是 2025-2026 年保险科技领域最热门的争论。
随着 GPT、文心一言、通义千问等通用大模型的能力飞速提升，一个问题变得越来越尖锐：保险公司还需要暖哇这样的垂直AI供应商吗？直接用通用大模型不行吗？
| 维度 | 通用大模型 | 暖哇这类垂直AI |
|---|---|---|
| 语言理解 | 强 | 中等 |
| 医学知识 | 宽但不深 | 窄但更深 |
| 保险业务逻辑 | 弱（需要大量定制） | 强（原生嵌入） |
| 合规审核 | 弱 | 强 |
| 部署方式 | 云端为主 | 可私有化部署 |
| 数据安全 | 保险公司顾虑大 | 已建立信任 |
短期（1-2年）：通用大模型还无法替代暖哇。保险业务的复杂度、合规要求、数据安全敏感性，决定了保险公司不会简单地"用 ChatGPT 做核保"。
中期（3-5年）：风险加大。通用大模型 + 保险行业微调 的路径越来越成熟，大型险企的科技子公司可能基于大模型自建能力，挤压暖哇的生存空间。
反方观点：大模型反而可能帮暖哇。暖哇可以在自己的垂直产品中集成大模型能力，增强产品力。“基础模型 + 垂直行业数据 + 行业经验” 的组合，可能比纯通用模型或纯垂直模型都更有竞争力。
客户画像：谁在买单？
截至 2025 年底，暖哇科技的客户画像：
| 客户类型 | 数量 | 特征 |
|---|---|---|
| 保险公司 | 115 家 | 覆盖前十大险企中 9 家 |
| 互联网平台及其他 | 130 家 | 流量平台、健康管理公司等 |
| 合计 | 245 家 |
来源：暖哇科技 2026 年更新版招股书
前五大客户营收占比变化：
| 年份 | 2022 | 2023 | 2024 | 2025H1 |
|---|---|---|---|---|
| 前五大客户占比 | 92.3% | 82.9% | 78.9% | 73.6% |
来源：暖哇科技招股书
客户集中度在下降，但 73.6% 仍然很高。作为对比，一般上市的 SaaS 公司前五大客户占比通常在 20%-40% 之间。暖哇的客户集中度是行业正常水平的 2-3 倍。
关键判断：暖哇的客户基础在扩大，但核心收入仍然高度集中在少数大客户手中。这不是一个"广泛被市场接受"的产品，更像是"几个大客户深度使用 + 大量小客户浅尝辄止"的格局。
本篇核心结论
| 维度 | 判断 | 信心度 |
|---|---|---|
| 技术壁垒 | 有，但不深——核心壁垒在数据积累和行业经验，而非不可替代的技术 | 中等 |
| 产品能力 | 全栈覆盖是差异化优势，但单点能力不突出 | 中等 |
| 客户粘性 | 大客户粘性高、小客户流失快——两极分化 | 较高 |
| 大模型冲击 | 短期影响有限，中长期是真实威胁 | 中等 |
| 数据资产 | 有经验价值，但原始数据不属于暖哇 | 较高 |
一句话总结：暖哇的技术壁垒不是"高不可攀"，而是"有一定门槛、但会被时间侵蚀"。它的真正壁垒不在技术本身，而在于保险行业的复杂性带来的切换成本。但这个壁垒正在被两股力量侵蚀：一是通用大模型降低技术门槛，二是大型险企自建能力的意愿在增强。
下期预告
下一篇，我们会拆暖哇科技的竞争格局和商业化逻辑——10 亿营收到底是怎么赚来的？增长靠什么驱动？众安依赖到底是"关联交易"还是"战略协同"？
要回答的几个尖锐问题：
- 保险科技赛道有多大？暖哇能吃到多少？
- 镁信健康、思派健康、保险极客——竞争对手活得怎么样？
- 毛利率为什么三年下滑 11 个百分点？
- 众安和暖哇的关系，到底是"蜜月"还是"捆绑"？
本文是《看懂暖哇科技》系列第 02 篇。后续 2 篇将陆续推出。 本系列不构成任何投资建议。暖哇科技截至本文发布日尚未完成港交所上市。 数据来源：暖哇科技港交所招股书（2025年9月/2026年4月）、弗若斯特沙利文、36氪、新浪财经、艾瑞咨询。