课程地址：https://www.secretflow.org.cn/community/bootcamp/2narwgw4ub8rabq/course/hcwf3rgmscs0omg
主讲人：华泰保险经纪有限公司互联网与创新事业部 总经理 马姜鑫
核心主题：密算技术在车险行业的实践应用及未来前景
一、开篇：致谢与主题说明
-
致谢：感谢蚂蚁密算的邀请，本次主题为双方联合研发成果；
-
内容聚焦：不涉及密算基础理论，重点探讨密算在车险行业的实践应用；
-
分享框架：① 团队车险业务发展介绍；② 密算技术在车险领域的应用及前景。
二、团队车险业务发展：行业生态开创者的实践沉淀
1. 核心定位与成果
团队与国内造车新势力共同成长，是新能源车险生态的开创者，2018年起打造创新车险商业模式，成果显著：
-
业务规模：与生态伙伴累计实现百万台新能源车承保，车险保费销售额超几百亿元，单年最高销售额达70亿元；
-
行业认可：工作成果获同行及客户（行业标杆）积极评价，多项创新成为行业标杆。
2. 关键发展里程碑
-
2018年：联合数家保险中介成立中介共同体，与知名主机厂首创"主机厂品牌车险"，推出以车险为核心的综合服务包；
-
发展期 ：持续创新，行业内率先实现三大突破------
研发免路单智能报价出单平台；
-
实现车险、非车险、非保险产品的"核单-支付-实时清分-实名认证"全流程闭环；
-
构建车险线上云客服务平台；
-
2024年：在头部新能源主机厂上线部分环节"续保云服务机器人"，全流程机器人进入试点阶段。
3. 生态体系与服务能力
-
生态构成：联动主机厂、保险公司、服务公司、经纪公司、支付公司、科技公司等多主体，搭建完整车险运营体系；
-
服务场景：覆盖主机厂、经销商、员工车、社会车、商用车等多元车险需求；
-
核心目标：以"科技+运营"构建品牌保险为核心的车生态服务，依托互联网持续升级车主用户体验。
三、密算技术在车险行业的应用价值：数据安全与价值的平衡之道
1. 车险行业的数据痛点与合规要求
-
数据核心地位：车险生态涉及多主体数据交互，信息化、智能化升级依赖数据支撑，但数据安全、隐私保护、商业机密保护成为核心痛点；
-
合规驱动：国家（《数据安全法》《个人信息保护法》）及行业（《银行保险机构数据安全管理办法》）法规明确要求，金融行业需采用"隐私增强技术"保护数据安全，密算技术成为合规首选。
2. 密算技术的核心价值
密算技术（含联邦学习、安全多方计算、同态加密、可信执行环境等）实现"数据可用不可见"，核心优势：
-
安全协作：数据不动、模型动，数据加密可计算，避免敏感信息泄露；
-
价值融合：融合多方数据优势，生成高价值多维数据；
-
合规适配：符合"数据最小化"与"安全协作"要求，实现"数据流通不泄露，业务协作不降效"。
3. 车险生态的核心数据维度
车险数据涵盖车辆全生命周期，共分六大类，是密算技术的核心作用对象：
-
主机厂用户数据：车辆实际驾驶者的相关信息；
-
车辆数据：车辆基本信息、经营属性、车况等；
-
行驶数据：行驶场景、环境、里程、违章记录等；
-
投保数据：用户投保的历史及当前信息；
-
理赔维修数据：事故理赔、车辆维修的全流程记录；
-
车后生活数据：保养、洗车、代驾、加油、充电、导航等场景数据。
四、密算技术在车险行业的三大核心应用场景
场景1：车险风险评分与定价------实现精准UBI车险
1. 行业痛点
-
保险公司：掌握用户/车辆静态因子（基础信息），需动态因子（驾驶行为、行驶场景）提升风险评级精准度；
-
主机厂：拥有动态因子数据，但涉及用户隐私，无法直接对外提供。
2. 密算解决方案
-
同态加密方案：主机厂加密动态因子数据，保险公司直接使用加密数据计算风险评级，结合自有模型生成保费；
-
联邦学习方案：双方在本地用自有数据训练模型（保险公司用保费/理赔数据，主机厂用驾驶行为数据），仅共享模型参数，保险公司基于联合模型完成定价。
3. 应用价值
-
保险公司：获得精准定价依据，实现"基于人和旅程"的UBI车险；
-
主机厂：无需暴露用户隐私，可提供安全驾驶积分等增值服务，优化车辆安全配置；
-
车主：享受个性化保费及精准服务。
场景2：非车险产品创新------突破责任判定与风险评估瓶颈
聚焦与车高度相关的非车险（如延保、自动驾驶保险、电池损失保险、场景化保险等），核心解决"责任判定难"问题。
案例1：自动驾驶保险
-
数据基础：主机厂掌握实时传感器原始数据、自动驾驶系统操作日志；
-
密算逻辑：主机厂加密数据后上传，保险公司用加密数据按保险责任规则计算，判定是否属于自动驾驶导致的保险责任；
-
价值：为自动驾驶保险的推出提供核心技术支撑。
案例2：电池非现场损失补偿保险
-
行业痛点：新能源车电池底部易受磕碰，损失可能延迟显现，导致事故现场缺失、责任难界定；
-
密算逻辑：主机厂加密电池工况、性能数据，保险公司用加密数据结合理赔规则计算，明确保险责任；
-
延伸价值：加密数据可进一步支撑非车险产品的定价、风控、理赔全流程创新。
场景3：智能理赔与减损------提升效率与反欺诈能力
1. 行业痛点
-
主机厂：掌握车辆故障日志（碰撞时间、故障时序、传感器数据），涉及技术机密与用户隐私；
-
保险公司：掌握报案信息（时间、损失情况），需结合车辆数据判定责任，防范虚假报案。
2. 密算解决方案（安全多方计算）
-
双方构建责任判定协议；
-
主机厂上传加密的故障时间、传感器异常值等数据；
-
保险公司上传加密的报案时间、损失情况、责任规则等数据；
-
通过安全多方计算联合分析"故障与事故的关联性"（如时间差、传感器异常是否匹配碰撞），仅输出"是否属于保险责任"的结果。
3. 应用价值
-
提升理赔审核效率，减少人工核验；
-
防范虚假报案与骗保，助力保险减损；
-
保护双方数据机密与用户隐私。
五、总结与展望
1. 核心价值总结
| 主体 | 核心收益 |
|---|---|
| 保险公司 | 定价更精准、理赔更高效、风控能力更强 |
| 主机厂 | 用户服务更个性化，数据价值安全释放 |
| 车主 | 获得公平保费、安全驾驶体验及多元服务 |
2. 行业展望
密算技术将成为车险市场化、智能化的核心支撑，推动行业实现"数据隐私保护"与"业务创新发展"的双赢，未来有望催生出更高效、专业的垂直领域车险大模型。
3. 致谢
感谢蚂蚁密算提供分享平台，欢迎行业同仁交流探讨。