保观 | 聚焦保险创新

随着汽车市场新技术不断迭代升级，车联网技术普及和自动驾驶技术的发展，道路上的风险已经与以前大不相同，这也正在深刻影响保险公司的车险产品。

(相关资料图)

由此可预见的是，自动驾驶技术注定会颠覆道路交通的原有面貌，相关专家也预测，自动驾驶技术将会有效减少道路上的事故，从而导致车险保费的降低。

未来自动化驾驶技术大规模的产链化和商业化改变的不止是汽车行业，整个车险市场和财险公司也会受到深远影响。 自动驾驶技术发展将为车险带来哪些机遇和挑战？车险定价、风控的难题又该如何被化解 ？

带着这些疑问，近日我们在直播中针对“自动驾驶时代的车险变革”这一主题连线了前海再保险博士后研究员程源博士。程博士在直播中和我们共同探讨了自动驾驶技术面临的开发难点和风控、定价等问题，同时对于汽车生态大变革下，保司如何发挥价值找到结合点这一问题，也提出了非常具有建设性的意见，本文的主要内容也来自该场直播。

自动驾驶技术发展给车险产品开发带来哪些挑战？

自动驾驶技术是指在传感器、物联网、操作系统相互配合的情况下，感知其环境并在很少或没有人类输入的情况下驾驶的技术。 自动驾驶的具体分级分为L0到L5级，L5级的自动驾驶技术理论上来说已经可以实现全自动化驾驶，能够应对激烈驾驶，不需要人为操作 。

但就目前而言，国内外的自动驾驶技术，更多的是辅助驾驶，离完全自动驾驶还是有一些距离。那么在该形势下，从车险产品来看，自动驾驶条件下的车险产品跟传统车险产品主要有哪些差异？产品开发又有哪些难点？

一是，自动驾驶技术的本质其实是将人为驾驶的功能逐渐取代的演变过程，比如，在L2阶段可能只取代了10%甚至5%的人为驾驶功能，如有的用户不使用，那就是0%。而随着技术的不断完善，如果一旦演变到L3，乃至L4阶段，所取代的占比比重可能变成50%甚至到100%。

那么， 在慢慢的渐变过程中，自动驾驶技术就会带来很多新的问题，与跟保险关系比较大的就是增加了一些新的风险暴露 。

二是，网络风险、误用风险、系统失效风险会增加 。由于自动驾驶技术是加入了一个庞大而复杂的系统来控制车辆，该系统是会进行大量的信息数据交互，随之而来的是网络暴露风险点会增加。

而在实现L4阶段之前，驾驶员由于对自动驾驶系统不太熟悉或者是没有经过训练，不可避免地错误使用该系统，导致一些事故发生，误用风险也随之暴露而出。

此外，就像我们使用的其他领域一些软件和硬件科技系统会出现一些天然性错误一样，自动驾驶技术本身也存在天然性的错误，而这些错误很难在短时间内被消除，也会导致一些事故发生。

三是，在以上这些新增风险暴露点叠加影响下，所带来的结果就使得保司不得不去重新评估原来所谓的传统车险的风险 。换言之，原来传统车险风险只关注驾驶员或者车辆之外的行人造成的以人为本质的风险，而随着自动驾驶技术的广泛运用，以AI算法为核心的自动驾驶系统的风险也需要被考虑。

以此也自然会衍生出一系列问题，除了传统风险的评估方法要去革新，后续还会产生一些责任的问题需要去重点关注。而一旦这些问题能被有效解决，自动驾驶保险体系就会趋向成熟。自动驾驶汽车用户在享受到更安全的驾驶体验的同时也能获得优质的保险保障服务。

当然，随着风险暴露的变化，保险产品开发难度也会相应增加。

一方面，由于自动驾驶市场尚未成熟，数据积累相对较少，要对这些风险数据来做量化分析难度是非常大的 。过往的车险定价的依据其实是基于大量的事故理赔数据，能够找到很好用的定价因子。但现在由于各级别自动驾驶技术用户使用率并没有想象中那么高，已致市场所拿到的数据并不多，也就意味着通过传统统计方法去做定价就会产生很大偏差。

另一方面，随着自动驾驶技术的不断迭代发展演变，在市场呈现的风险也不断在变化，保司基于原有技术以及数据开发的定价模型可能无法适应新的技术 。

此外，用户对自动驾驶技术的使用程度也会影响保险产品的赔付，用户使用的越多，其产品本身的风险占比会更大，导致相关保险产品开发遇到不少难题。

该如何应对车险定价、风控的固有难题？

以上我们谈及的网络风险、误用风险、系统失效风险三个新增风险点暴露，车辆系统本身的风险定价因子是格外重要的，也值得整个行业思考。那目前来看，自动驾驶条件下的车险定价因子有哪些？

首先，自动驾驶汽车需要通过各种传感器来获取环境信息，因此其可靠性和稳定性直接影响到其安全性 。而目前市场上常见的自动驾驶感知方案在硬件上主要依赖多传感器的组合：摄像头、激光雷达和雷达。多数公司选择的方案是将以上三类传感器进行搭配组合，结合机器学习算法对不同传感器采集到的数据进行前融合或者后融合，进而构建一个实时的包含类别标签和矢量信息的行驶环境，为后续行为决策提供信息来源。

在该技术的运用下，硬件配置可以作为很直观的定价因子，能够直接反映车辆发生风险的剧烈程度。比如，同类传感器数量越多，其对应的感知能力的冗余就越强。比如遇到突发情况致使左侧一个摄像头坏了，如果存在一个摄像头能够完成左侧的感知任务，那么可以很好的缓解左侧图像感知缺失带来的风险。

其次，不同种类的传感器在应对不同环境下的局限性也对风险定价产生重大影响 。比如，不论是激光雷达，还是摄像头，均会不同程度的受到天气和外部环境因素的影响。摄像头对光线的敏感度比较高，在强光或者弱光环境下的表现会发生波动；激光雷达虽然对光线的敏感度弱，但是会受到恶劣天气导致的固体颗粒或者液体凝结物的干扰；毫米波雷达的抗干扰能力较好，但是其精度不足以代替摄像头和激光雷达完成感知任务。

最后，在ODD（运行设计域）技术层面不同的复杂子系统构成运作下，导致车辆发生事故的频率和后果都充满未知数，对后期风险定价评估方法带来更复杂的要求 。简单来说，ODD就是要定义好在哪些工况下车辆是能够自动驾驶的，脱离了这些工况，自动驾驶就不能保证工作。

比如，用户车辆的ODD规定只能在小雨或者没有雨的时候运行，那发生大雨等短时间极端天气环境下，车辆识别雨量大小的能力以及应对突发大雨的最小风险策略（MRM）的有效性将会对事故风险产生重要的影响。

可见，如果单从各类硬件的数量和种类来评估风险定价显然是很片面的。因为车辆最终发生事故与否，都与整个软硬件系统以及实际运行环境有很大关联，这时候对风控做出有效预判就显得格外重要。那么，保司在风控问题上还面临哪些难点？又该利用何种方法来有效化解呢？

传统车险风控更关注的是人的风险，包括疲劳驾驶、反应变慢等，这时候可以利用科技方法来控制这些风险。比如，在车内装摄像头来提醒用户防止疲劳驾驶和开小差；装ABS系统对事故做预警和紧急刹车规避风险。

而自动驾驶车险的风控需要聚焦于基于AI技术的驾驶系统。比如，前段时间谷歌自动驾驶汽车突然在早上6点，由于大雾天气在路中间停止运行，直至大雾散去才重新启动。这也意味着目前的自动驾驶汽车很难不受到恶劣环境的干扰，那如果保司能够预先设置当地天气预警，提前将未来几小时内可能发生重大天气灾害信息及时发送给各大自动驾驶公司，能够使其有效调整应对策略，给客户带来一些行之有效的风控手段。

汽车生态大变革，保险机构还有哪些抓手？

不可否认，随着自动驾驶技术越来越多的应用在汽车上，愈发完善的数据也慢慢积累起来，相关驾驶技术培训也会得以广泛开展。在这种情况下保险业如何发挥在车险业务中的价值，找到与不断变化的汽车生态的结合点就显得至关重要了。

然而，在这个过程中，一些新能源车企依仗自身掌握更加全面的重要模型数据而组建保险经纪公司，对传统保司产生较大影响，那么，在汽车生态大变革背景下，保险机构还能做哪些适应调整？

一些车企自己去做保险经纪确实给传统保司带来很大的挑战，核心还是在于车企收集了不少用户开车习惯数据、里程驾驶数据等，以此来把驾驶员面临的风险做到非常精细化，最终基于驾驶行为去定价，这是车企具备的最大优势 。

但是从长远趋势上看，人的数据会逐渐失去作用，因为如今自动驾驶的趋势其实是用系统来取代人，人的参与度会慢慢减少，自身的数据的价值也就降低了。

在这种趋势下，汽车数据的价值就会被放大，用户在购买汽车时就会着重考虑自动驾驶内在系统等因素，长而久之，就迫使车企要自己去买保险，为自身产品来投保，去承担产品在用户使用过程中可能会遇到了一些问题。这时候车企就不得不向保司提供自身产品的相关数据，涉及到人的数据就没有太大用处了。

因此，保司及再保险公司在这样一个大趋势方向下，要不断着重培养自身定价的能力，去参与到市场竞争中去磨练销售能力。等到后期阶段原来的单个零散客户就会变成大客户，这时候自身对价格的控制能力和服务能力就变成了很大优势，从而彰显了自身全面综合的软实力。

最后，在自动驾驶技术赋能下的新保险产品开发过程中，保司应该扮演什么角色这一问题上，程源博士也给出了自己的看法：

保司应该更专注于对产品的分析能力，能够将更多的精力投入到关于产品本身的研究上，以定价为核心出发点把产品开发做到更加精细化，便于后期更前置地去了解新的风险 。

比如，当一个像自动驾驶这种全新的风险出现在市场上，各参与主体还没有很多头绪的时候，在前期已率先打磨自身能力的保司就可以很快地投入更多力量和发挥研究能力，与客户形成优势互补关系，共同进行探索和研究，为不断变革的车险市场贡献绵薄之力。