南方財經(jīng)見習(xí)記者 王達毓 廣州報道

　　9月24日，保險臺風(fēng)“樺加沙”橫掃華南地區(qū)，業(yè)屢迎巨用給廣東沿海城市和港澳等地造成較大影響?？纪?strong>理賠全線鋪開，風(fēng)險風(fēng)險保險業(yè)又迎來一次巨災(zāi)大考。模型

　　同日，構(gòu)建管理在聯(lián)合國氣候變化峰會上，新格中國宣布新一輪國家自主貢獻，保險基本建成“氣候適應(yīng)型社會”的業(yè)屢迎巨用目標(biāo)成為關(guān)注焦點之一。

　　氣候風(fēng)險頻發(fā)是考通必須面對的長期挑戰(zhàn)。因此，風(fēng)險風(fēng)險如何在完善風(fēng)險分擔(dān)機制的模型同時提升保險業(yè)應(yīng)對巨災(zāi)的風(fēng)險管理能力，成為建成“氣候適應(yīng)型社會”的構(gòu)建管理關(guān)鍵環(huán)節(jié)之一。

　　事實上，新格為分擔(dān)直保公司風(fēng)險，保險近年來，行業(yè)持續(xù)推進“直保公司+巨災(zāi)共保體+再保險公司+巨災(zāi)債券+巨災(zāi)專項基金+政府財政兜底”的多層次風(fēng)險分散機制建設(shè)。

　　以廣東為例，其巨災(zāi)保險試點在全國率先探索、先行先試。根據(jù)國家金融監(jiān)督管理總局?jǐn)?shù)據(jù)，2022年至2024年試點期間，廣東省巨災(zāi)保險累計保費達8.6億元，累計賠付19.3億元。

　　而此次受“樺加沙”影響，珠海、江門等地也已觸發(fā)巨災(zāi)保險理賠程序，由地市財政與承保保險公司共同承擔(dān)賠付責(zé)任。

　　在這一日益完善的風(fēng)險共擔(dān)機制下，如何提升險企自身風(fēng)險管理能力、推動風(fēng)險關(guān)口前移，已成為各大險企數(shù)字化轉(zhuǎn)型升級的重點方向。

　　而隨著“AI+”時代的到來，人工智能體的快速發(fā)展為保險業(yè)和資產(chǎn)管理打開了新的想象空間。未來保險業(yè)能否借助行業(yè)通用大風(fēng)險模型（LRM）賦能保險業(yè)實現(xiàn)風(fēng)險減量管理，進一步讓風(fēng)險可見、可算、可控、可料，進一步發(fā)揮風(fēng)險管理功能，賦能氣候適應(yīng)型社會建設(shè)，也成為行業(yè)亟待探索和突破的關(guān)鍵課題。

　　險企加速布局智能化風(fēng)控體系

　　氣候風(fēng)險頻發(fā)，對經(jīng)濟社會和保險業(yè)的沖擊日益加劇。

　　目前，臺風(fēng)“樺加沙”造成的經(jīng)濟損失尚在統(tǒng)計中，但以2024年9月登陸的超強臺風(fēng)“摩羯”為例，其是中國2024年受影響最嚴(yán)重的自然災(zāi)害之一，也是自1949年以來登陸我國的最強秋臺風(fēng)，造成直接經(jīng)濟損失近800億元。保險業(yè)累計賠付及預(yù)賠付金額約42億元。

　　瑞再研究院中國區(qū)首席經(jīng)濟學(xué)家戴鑫向記者表示，隨著全球自然災(zāi)害帶來的保險損失持續(xù)攀升，從源頭采取更多措施降低潛在損失的呼聲日益迫切。這不僅是高風(fēng)險區(qū)域的迫切需求，更是全球范圍內(nèi)的共同訴求。

　　近年來，各大保險公司積極開發(fā)氣候災(zāi)害風(fēng)控系統(tǒng)，將風(fēng)險管理關(guān)口前移，推動行業(yè)加快從“災(zāi)后補償”向“災(zāi)前預(yù)防、災(zāi)中減損、災(zāi)后快賠”的全周期風(fēng)險管理轉(zhuǎn)型。

　　但過去保險業(yè)在應(yīng)對氣候災(zāi)害時，常受限于細(xì)分風(fēng)險數(shù)據(jù)不足、歷史損失數(shù)據(jù)存在偏差，以及風(fēng)險評估模型滯后導(dǎo)致未能充分反映氣候變化帶來的動態(tài)風(fēng)險演進。

　　近年來，這一局面正逐步改善。保險業(yè)通過運用衛(wèi)星遙感、物聯(lián)網(wǎng)、大數(shù)據(jù)分析等數(shù)字化手段，提升風(fēng)險識別、監(jiān)測與預(yù)警能力，推動風(fēng)險減量管理從理念走向?qū)嵺`，為構(gòu)建更具韌性的社會風(fēng)險防范體系提供支撐。

　　以平安為例，為提升風(fēng)險減量服務(wù)質(zhì)效，2010年起平安產(chǎn)險就著手建設(shè)鷹眼系統(tǒng)，運用人工智能、大數(shù)據(jù)、衛(wèi)星遙感等科技，打造“保險+科技+風(fēng)險減量服務(wù)”模式。

　　例如在應(yīng)對洪水災(zāi)害方面，鷹眼系統(tǒng)最新上線了“未來72小時洪水實時預(yù)報”功能，水平空間精度達30米。據(jù)介紹，該功能以機器學(xué)習(xí)算法為核心，深度集成精細(xì)化降雨預(yù)報模型與高性能水動力模型，對雷達數(shù)據(jù)、數(shù)值天氣預(yù)報產(chǎn)品和歷史降水?dāng)?shù)據(jù)等多源降雨數(shù)據(jù)產(chǎn)品進行算法融合，結(jié)合降雨尺度技術(shù)生成高空間分辨率的預(yù)報數(shù)據(jù)，實現(xiàn)7×24小時動態(tài)滾動更新，最長可提前10天對洪水風(fēng)險做出預(yù)報。

　　據(jù)悉，在自然災(zāi)害風(fēng)險管理方面，鷹眼系統(tǒng)3.0可識別地震、臺風(fēng)、暴雨等24種自然災(zāi)害風(fēng)險。

　　中國平安2025年半年報顯示，僅上半年，平安產(chǎn)險自主研發(fā)的 “鷹眼系統(tǒng)DRS3.0” 發(fā)出臺風(fēng)、暴雨、洪水等災(zāi)害預(yù)警信息42.6億次，覆蓋6，402萬個人及企業(yè)客戶。

　　不只平安，其他險企也在加速布局智能化風(fēng)控體系，推動風(fēng)險管理關(guān)口前置。

　　例如，中國人保2024年可持續(xù)發(fā)展報告顯示，其已形成全集團多維立體的網(wǎng)絡(luò)空間監(jiān)測預(yù)警體系，基于大數(shù)據(jù)和安全自動化技術(shù)構(gòu)建網(wǎng)絡(luò)安全態(tài)勢感知平臺，將合規(guī)檢查、安全監(jiān)測、態(tài)勢感知、預(yù)警通報、協(xié)同響應(yīng)和應(yīng)急處置融為一體。

　　中國太保也在2024年年報中披露，通過開展氣候情景分析與壓力測試，通過融合國際情景模式與本土氣象數(shù)據(jù)，探索構(gòu)建中長期氣候物理風(fēng)險分析模型，增強氣候風(fēng)險量化管理能力。

　　隨著風(fēng)險管理體系不斷深化，保險業(yè)也在尋求更高效的工具。人工智能體與大語言模型（Large Language Model，LLM）的興起，為巨災(zāi)模型的實時化和智能化提供了新的可能。

　　通用大風(fēng)險模型能否構(gòu)建風(fēng)險管理新格局？

　　盡管保險業(yè)已應(yīng)用AI技術(shù)建立起多種氣候巨災(zāi)風(fēng)險監(jiān)測模型用于測算風(fēng)險敞口，但在應(yīng)對日益復(fù)雜、頻發(fā)的極端天氣事件時，傳統(tǒng)模型仍顯露出一定的局限性。

　　放眼未來，人工智能技術(shù)的迅猛發(fā)展正為保險業(yè)與資產(chǎn)管理行業(yè)打開全新的想象空間。如何借助人工智能體技術(shù)，全面提升風(fēng)險控制與資產(chǎn)配置能力，已成為保險機構(gòu)亟待破解的核心課題。

　　香港綠色發(fā)展研究院高級研究員汪申博士表示，傳統(tǒng)風(fēng)險模型多基于“歷史災(zāi)害數(shù)據(jù)×風(fēng)險暴露程度×資產(chǎn)易損性分析×預(yù)期損失測算”的靜態(tài)框架，未能充分融合新一代人工智能的“開源、推理、多模態(tài)、實時”幾大最核心特質(zhì)，導(dǎo)致模型在靈活性、精度和響應(yīng)速度上存在短板。

　　汪申認(rèn)為，目前業(yè)界正借鑒大語言模型（LLM）的發(fā)展路徑，推動新一代“大風(fēng)險模型”（Large Risk Model， LRM）的誕生。事實上，汪博士在2024年一次氣候相關(guān)的國際會議上已提出LRM并引發(fā)業(yè)界廣泛關(guān)注，將大風(fēng)險模型應(yīng)用于氣候風(fēng)險管理是未來發(fā)展的必然方向。例如，通過整合氣象、地理、遙感、物聯(lián)網(wǎng)等多源異構(gòu)數(shù)據(jù)，大風(fēng)險模型可實現(xiàn)對臺風(fēng)、洪澇、山火等災(zāi)害的動態(tài)模擬與實時推演，真正做到讓風(fēng)險“可見、可算、可控、可料”。

　　他建議，應(yīng)將AI深度融入風(fēng)險建模，實現(xiàn)對風(fēng)險敞口的實時監(jiān)測與動態(tài)評估。當(dāng)AI與風(fēng)險模型結(jié)合，模型本身便可作為一種服務(wù)（Model-as-a-Service， MaaS）輸出。例如，未來大風(fēng)險模型的多模態(tài)特征（Multimodal）不僅可以賦能保險業(yè)構(gòu)建不同氣候風(fēng)險類型模型，還可實時追蹤對災(zāi)害敏感的資產(chǎn)位置與狀態(tài)，動態(tài)計算其預(yù)期損失，保險公司據(jù)此可向客戶提供精準(zhǔn)化、個性化的防災(zāi)減損建議，真正實現(xiàn)從“事后賠付”向“事前預(yù)防”的轉(zhuǎn)型。

　　事實上，這一技術(shù)路徑已有雛形。此前英偉達發(fā)布的Earth-2平臺，融合物理模擬、AI模型與可視化技術(shù)，結(jié)合氣候領(lǐng)域企業(yè)的專有數(shù)據(jù)，可在數(shù)秒內(nèi)生成災(zāi)害預(yù)警與預(yù)測，展現(xiàn)出強大潛力。然而，汪申也坦言：“懂AI的人未必懂保險，當(dāng)前該技術(shù)仍停留在氣象預(yù)測階段，尚未有效嫁接到保險與再保險場景。若能實現(xiàn)跨學(xué)科融合，將是AI與保險業(yè)共同探索的前沿方向?！?/p>

　　除了在負(fù)債端賦能風(fēng)控，汪申更看好LRM在資產(chǎn)端的應(yīng)用前景。他表示，未來可探索基于大風(fēng)險模型的巨災(zāi)債券實時定價機制，健全氣候風(fēng)險分散機制，最終形成“風(fēng)險可定價、資本有回報、保障可持續(xù)”的良性循環(huán)，進一步為險企完善風(fēng)險分擔(dān)閉環(huán)。此外，汪申還表示，大風(fēng)險模型將為資產(chǎn)管理公司提供其資產(chǎn)負(fù)債表隨氣候風(fēng)險演化的實時路徑，這無疑是開創(chuàng)性的工作。

　　展望未來，“人工智能+”戰(zhàn)略正向縱深推進。

　　今年8月，國務(wù)院發(fā)布的《關(guān)于深入實施“人工智能+”行動的意見》明確提出，要加強人工智能在風(fēng)險防范等重點領(lǐng)域的應(yīng)用。隨著算力持續(xù)提升、數(shù)據(jù)壁壘逐步打破、跨界協(xié)作不斷深化，AI驅(qū)動的通用大風(fēng)險模型有望成為保險業(yè)風(fēng)險管理的核心基礎(chǔ)設(shè)施，加速構(gòu)建“保險+科技”的新發(fā)展格局。

(責(zé)任編輯：焦點)