9月24日，台风“桦加沙”横扫华南地区，给广东沿海城市和港澳等地造成较大影响。理赔全线铺开，保险业又迎来一次巨灾大考。
同日，在联合国气候变化峰会上，中国宣布新一轮国家自主贡献，基本建成“气候适应型社会”的目标成为关注焦点之一。
气候风险频发是必须面对的长期挑战。因此，如何在完善风险分担机制的同时提升保险业应对巨灾的风险管理能力，成为建成“气候适应型社会”的关键环节之一。
事实上，为分担直保公司风险，近年来，行业持续推进“直保公司+巨灾共保体+再保险公司+巨灾债券+巨灾专项基金+政府财政兜底”的多层次风险分散机制建设。
以广东为例，其巨灾保险试点在全国率先探索、先行先试。根据国家金融监督管理总局数据，2022年至2024年试点期间，广东省巨灾保险累计保费达8.6亿元，累计赔付19.3亿元。
而此次受“桦加沙”影响，珠海、江门等地也已触发巨灾保险理赔程序，由地市财政与承保保险公司共同承担赔付责任。
在这一日益完善的风险共担机制下，如何提升险企自身风险管理能力、推动风险关口前移，已成为各大险企数字化转型升级的重点方向。
而随着“AI+”时代的到来，人工智能体的快速发展为保险业和资产管理打开了新的想象空间。未来保险业能否借助行业通用大风险模型（LRM）赋能保险业实现风险减量管理，进一步让风险可见、可算、可控、可料，进一步发挥风险管理功能，赋能气候适应型社会建设，也成为行业亟待探索和突破的关键课题。
险企加速布局智能化风控体系
气候风险频发，对经济社会和保险业的冲击日益加剧。
目前，台风“桦加沙”造成的经济损失尚在统计中，但以2024年9月登陆的超强台风“摩羯”为例，其是中国2024年受影响最严重的自然灾害之一，也是自1949年以来登陆我国的最强秋台风，造成直接经济损失近800亿元。保险业累计赔付及预赔付金额约42亿元。
瑞再研究院中国区首席经济学家戴鑫向记者表示，随着全球自然灾害带来的保险损失持续攀升，从源头采取更多措施降低潜在损失的呼声日益迫切。这不仅是高风险区域的迫切需求，更是全球范围内的共同诉求。
近年来，各大保险公司积极开发气候灾害风控系统，将风险管理关口前移，推动行业加快从“灾后补偿”向“灾前预防、灾中减损、灾后快赔”的全周期风险管理转型。
但过去保险业在应对气候灾害时，常受限于细分风险数据不足、历史损失数据存在偏差，以及风险评估模型滞后导致未能充分反映气候变化带来的动态风险演进。
近年来，这一局面正逐步改善。保险业通过运用卫星遥感、物联网、大数据分析等数字化手段，提升风险识别、监测与预警能力，推动风险减量管理从理念走向实践，为构建更具韧性的社会风险防范体系提供支撑。
以平安为例，为提升风险减量服务质效，2010年起平安产险就着手建设鹰眼系统，运用人工智能、大数据、卫星遥感等科技，打造“保险+科技+风险减量服务”模式。
例如在应对洪水灾害方面，鹰眼系统最新上线了“未来72小时洪水实时预报”功能，水平空间精度达30米。据介绍，该功能以机器学习算法为核心，深度集成精细化降雨预报模型与高性能水动力模型，对雷达数据、数值天气预报产品和历史降水数据等多源降雨数据产品进行算法融合，结合降雨尺度技术生成高空间分辨率的预报数据，实现7×24小时动态滚动更新，最长可提前10天对洪水风险做出预报。
据悉，在自然灾害风险管理方面，鹰眼系统3.0可识别地震、台风、暴雨等24种自然灾害风险。
中国平安2025年半年报显示，仅上半年，平安产险自主研发的“鹰眼系统DRS3.0”发出台风、暴雨、洪水等灾害预警信息42.6亿次，覆盖6402万个人及企业客户。
不只平安，其他险企也在加速布局智能化风控体系，推动风险管理关口前置。
例如，中国人保2024年可持续发展报告显示，其已形成全集团多维立体的网络空间监测预警体系，基于大数据和安全自动化技术构建网络安全态势感知平台，将合规检查、安全监测、态势感知、预警通报、协同响应和应急处置融为一体。
中国太保也在2024年年报中披露，通过开展气候情景分析与压力测试，通过融合国际情景模式与本土气象数据，探索构建中长期气候物理风险分析模型，增强气候风险量化管理能力。
随着风险管理体系不断深化，保险业也在寻求更高效的工具。人工智能体与大语言模型（Large Language Model，LLM）的兴起，为巨灾模型的实时化和智能化提供了新的可能。
通用大风险模型能否构建风险管理新格局？
尽管保险业已应用AI技术建立起多种气候巨灾风险监测模型用于测算风险敞口，但在应对日益复杂、频发的极端天气事件时，传统模型仍显露出一定的局限性。
放眼未来，人工智能技术的迅猛发展正为保险业与资产管理行业打开全新的想象空间。如何借助人工智能体技术，全面提升风险控制与资产配置能力，已成为保险机构亟待破解的核心课题。
香港绿色发展研究院高级研究员汪申博士表示，传统风险模型多基于“历史灾害数据×风险暴露程度×资产易损性分析×预期损失测算”的静态框架，未能充分融合新一代人工智能的“开源、推理、多模态、实时”几大最核心特质，导致模型在灵活性、精度和响应速度上存在短板。
汪申认为，目前业界正借鉴大语言模型（LLM）的发展路径，推动新一代“大风险模型”（Large Risk Model，LRM）的诞生。事实上，汪博士在2024年一次气候相关的国际会议上已提出LRM并引发业界广泛关注，将大风险模型应用于气候风险管理是未来发展的必然方向。例如，通过整合气象、地理、遥感、物联网等多源异构数据，大风险模型可实现对台风、洪涝、山火等灾害的动态模拟与实时推演，真正做到让风险“可见、可算、可控、可料”。
他建议，应将AI深度融入风险建模，实现对风险敞口的实时监测与动态评估。当AI与风险模型结合，模型本身便可作为一种服务（Model-as-a-Service，MaaS）输出。例如，未来大风险模型的多模态特征（Multimodal）不仅可以赋能保险业构建不同气候风险类型模型，还可实时追踪对灾害敏感的资产位置与状态，动态计算其预期损失，保险公司据此可向客户提供精准化、个性化的防灾减损建议，真正实现从“事后赔付”向“事前预防”的转型。
事实上，这一技术路径已有雏形。此前英伟达发布的Earth-2平台，融合物理模拟、AI模型与可视化技术，结合气候领域企业的专有数据，可在数秒内生成灾害预警与预测，展现出强大潜力。然而，汪申也坦言：“懂AI的人未必懂保险，当前该技术仍停留在气象预测阶段，尚未有效嫁接到保险与再保险场景。若能实现跨学科融合，将是AI与保险业共同探索的前沿方向。”
除了在负债端赋能风控，汪申更看好LRM在资产端的应用前景。他表示，未来可探索基于大风险模型的巨灾债券实时定价机制，健全气候风险分散机制，最终形成“风险可定价、资本有回报、保障可持续”的良性循环，进一步为险企完善风险分担闭环。此外，汪申还表示，大风险模型将为资产管理公司提供其资产负债表随气候风险演化的实时路径，这无疑是开创性的工作。
展望未来，“人工智能+”战略正向纵深推进。
今年8月，国务院发布的《关于深入实施“人工智能+”行动的意见》明确提出，要加强人工智能在风险防范等重点领域的应用。随着算力持续提升、数据壁垒逐步打破、跨界协作不断深化，AI驱动的通用大风险模型有望成为保险业风险管理的核心基础设施，加速构建“保险+科技”的新发展格局。
加配网提示：文章来自网络，不代表本站观点。
