两个同事，同一款车险，价格差了3000

2026年，杭州的两位同事买了同一款车险。张先生年保费4800元，李先生年保费7800元。两人同岁、同款车、同一小区、同样的驾龄。差价3000元。

李先生的愤怒是可以理解的。他找到保险公司质问，得到的答复是：「我们的AI精算模型根据您的综合风险画像给出了定价。具体的定价因素，我们无法完全披露。」

这3000元的差价，来自AI对两人「风险画像」的深度分析：张先生每天开车路线在郊区，李先生每天开车路线在市中心（事故率更高）；张先生习惯用手机导航，李先生习惯用车载导航（手机导航可能意味着更谨慎的驾驶习惯）；张先生的手机夜间使用时间在11点前，李先生在凌晨1点后（晚睡可能意味着更疲劳的驾驶状态）。

这些数据，用户从来没有主动提供给保险公司。但AI通过「数据挖掘」和「交叉分析」，构建了每个人的「风险画像」，然后给出了「千人千价」的保费。

AI保险精算的「数据富矿」

AI保险精算依赖的数据来源远比传统精算广泛：

传统精算：年龄、性别、驾龄、车型、理赔历史、违章记录。约10-20个变量。

AI精算：以上所有变量，加上驾驶行为（急刹车次数、超速比例、夜间驾驶比例）、消费行为（消费能力、消费偏好）、手机使用行为（APP使用习惯、夜间使用时间）、社交行为（社交网络、职业信息）。约500-1000个变量。

变量的增加，让AI精算模型的「定价精准度」大幅提升。2026年，AI精算模型的损失率预测误差比传统精算模型低40%——这意味着保险公司可以更准确地定价，减少「定价不足」和「定价过高」的情况。

「千人千价」的公平性争议

AI保险精算面临的一个核心争议是：「精准定价」是否等于「公平定价」？

批评者认为，AI精算模型可能「系统性歧视」某些群体。比如，AI发现「低收入人群」的出险率更高，于是给「低收入人群」更高的保费。但「低收入人群」出险率高，可能是因为他们开的车更旧、住在治安更差的区域、买不起高级安全配置——这些「社会因素」是否应该成为保费定价的依据？

金句：AI保险精算的「精准」是一把双刃剑——它让「好司机」享受更低的价格，也让「社会弱势群体」承担更高的价格。 在「精准定价」和「社会公平」之间，需要监管划定边界。

2026年，中国银保监会发布了《关于AI保险定价的指导意见》，明确要求AI保险精算不得使用「性别、种族、地域」等敏感变量进行差异定价，并要求保险公司向用户披露「主要定价因素」。但「披露」不等于「解释」——用户可能仍然无法理解AI的定价逻辑。

结论

AI保险精算是保险行业的「定价革命」。它让保险公司可以更精准地掌控风险，也让低风险用户享受更低的保费。但「千人千价」的背后，是「隐私」和「公平」的双重挑战。如何在「精准」和「公平」之间找到平衡，是AI保险精算必须回答的问题。