作者 刘轩宇

　　商业健康险供给正持续扩容。从保障期限看，既有一年期产品，也有保证续保多年的长期产品；从保障额度与服务层次看，则涵盖百万医疗险、中高端医疗险等多种类型；此外各地还相继推出了城市定制型商业医疗险。与此同时，AI（人工智能）开始进入核保、定价、理赔和健康管理环节。

　　保险，是投保人通过支付确定的保费，把未来可能发生、个人难以承受的损失转移给保险人。保险的本质是一种风险转移机制，其核心功能包括经济补偿、资金融通和社会管理。

　　风险共担，则是保险人把大量同类但不同时发生的风险汇入风险池，让多数人的保费补偿少数人的损失。它不是不区分风险，而是在风险分类之后，仍保留群体之间和时间维度上的分摊。

　　过去，受数据和技术所限，保险公司只能进行相对粗略的风险分组。AI的出现提升了识别与定价的精度，使个体风险敞口日趋透明。这既是保险经营的正常演进，也有助于缓解逆向选择问题。

　　但真正值得追问的是：当风险划分日益精准，保险究竟是该承担更多的不确定性，还是让个人、家庭和基本医保来承担越来越多的高风险，从而背离了保险风险共担的初心？

　　一、当AI看清风险，谁被挡在风险池之外

　　过去，健康险核保主要依靠投保人填写健康问卷，再由人工审核体检报告和既往病历。如今，AI正在把这一过程变成自动化的风险识别：疾病史、体检指标、就诊记录和理赔数据被转化为风险标签，系统可以迅速给出标准承保、加费、责任除外、延期或拒保等结果。

　　在2026陆家嘴论坛“提高普惠金融的有效性与精准度”全体大会上，友邦保险控股有限公司首席执行官兼总裁李源祥表示，数字化以及人工智能可以让保险业实现动态定价、动态承销承保。

　　中国平安2025年年报显示，当年94%的寿险保单实现秒级核保；AI坐席服务约17.02亿次，占客服总量的80%；“AI+人工”体系推动保单复效数量提升30%。对保险公司而言，这意味着更低的审核成本和更高的风险识别效率；对健康状况良好的消费者而言，则意味着投保更快、流程更简单。

　　精细识别本身无可非议，核保的本质本就是依据风险决定是否承保及具体条件。然而，AI也可能将过去需综合判断的轻微异常，迅速固化为硬性的风险等级。如此一来，高血压、糖尿病、结节等群体，便可能面临加费、除外、降额甚至拒保的处境。

　　这也是第一层悖论：AI让保险公司更能看清个人，却可能让行业更难形成足够宽的风险池。针对拒保、加费及责任除外等决定，保险公司仍应阐明理由，保留人工复核通道，并提供分层产品方案或转保选项。否则，智能核保终将沦为“只欢迎健康人”这一偏好的高效助推器。

　　问题已不止于“算法准不准”，更在于被识别出的风险究竟由谁来承担。倘若各家公司均依托相似的数据模型争抢低风险客户，而将高风险群体留给社会。保险公司不过完成了风险筛选，并未真正实现风险分担。

　　二、AI精准定价的悖论：看清风险之后，谁来共担

　　保险需要区分风险。不同年龄、疾病史和职业等因素都会影响投保费用。如果完全不考虑风险差异，保费一视同仁，低风险人群可能因价格过高而退出，高风险人群则集中进入，最终导致产品难以持续。

　　保险建立在大数法则之上：大量面对不确定风险的人共同缴费，少数实际遭遇风险的人获得赔偿。但AI可以把人群划分得越来越细。假如每个人都完全按照自身患病概率和预期医疗支出付费，高风险者需要缴纳接近未来医疗费用的保费，低风险者只支付极低价格，保险就会逐渐退化为医疗费用“预付”。

　　这正是AI精准定价的悖论：风险看得越清楚，跨人群分摊风险的空间可能越小。

　　AI可以让保险公司实现更精准的动态定价，动态定价大致有两个层次：一是投保时根据个人健康情况进行风险分级，形成标准承保、加费、除外、限额等不同条件；二是保险公司依据整个产品风险池的赔付率、医疗通胀和疾病发生率变化，对产品整体费率进行调整。

　　动态定价不应被理解为消费者一患病就被单独涨价。监管部门2020年引入长期医疗险费率调整机制，允许保险公司依据实际经营情况调整费率，但首次调整不得早于产品上市满三年，两次调整间隔不得短于一年。其基本逻辑是校准一个产品风险池的整体价格，而不是针对某个患病者重新定价。

　　AI的正面价值，是把过去简单的“承保或拒保”，细化为加费、限额和专属产品，为部分慢病及非标准体人群提供进入风险池的机会。2026年，太平洋健康险与蚂蚁健康、中再寿险推出“蓝医保·免健告长期医疗险（有福版）”，将一般既往症纳入保障，并利用AI智能体提供报告解读、健康咨询和风险管理服务。

　　这代表AI的另一种用途：不只在投保前识别风险，还在承保后通过疾病预防、慢病管理和就医服务降低风险。如果保险公司能够减少不必要的医疗支出，便可能把节省的成本用于扩大承保范围。

　　AI可以让风险变得透明，却不能让风险凭空消失。保险公司越能准确识别高风险者，行业越需要回答这些风险最终由谁承担。精准定价不应以风险排除为终点，而应成为分层承保、健康管理和扩大保障的起点。否则，算法提升的是保险公司的筛选能力，被削弱的却是保险制度最根本的风险共担能力。

　　精准定价并非原罪，边界在于保险公司是在为风险寻找承接方式，还是把风险推回个人。

　　三、AI时代，如何重建风险共同体

　　更科学的风险共担，不是让所有人支付相同保费、购买同一种产品，而是根据不同人群的风险、需求和支付能力，提供层次清晰、相互衔接的保障。

　　年轻、健康且价格敏感的人群，可以选择一年期互联网医疗险，但需要充分了解续保和停售风险；重视长期稳定性的人群，可以选择保证续保产品，并接受按照整体医疗成本变化进行的合理调价；慢病患者、老年人和既往症人群，则需要带病体保险、税优健康险和城市普惠险承接；有更高支付能力和医疗服务需求的人群，可以选择中高端医疗险。

　　“沪惠保”是多家公司共同分担风险的样本。该项目由中国太保寿险首席承保，中国人寿、新华保险、人保健康、泰康养老、平安健康、太平养老、建信人寿8家保司参与。2026年度产品不限年龄、职业和健康状况。自2021年推出以来，累计覆盖超过3300万人次、赔付超过30亿元。

　　但普惠不等于无限责任。2026年度“沪惠保”将住院自费及CAR-T相关责任的既往症赔付比例统一调整为30%，部分药品设置年度赔付上限。这说明即使采用共保模式，也需要在普惠和可持续之间寻找平衡。

　　行业还需通过共保体、再保险和高风险人群补偿机制分散赔付压力，避免单家公司因扩大承保而承担过度集中的风险。在合法授权和保护隐私的前提下，也应推动医保、医院和商业保险共享必要数据，使AI更多用于医疗费用分析、疾病预防和异常理赔识别，而不是简单筛掉高风险者。

　　2026年6月，金融监管总局发布银行业保险业人工智能安全开发应用指导意见，要求金融机构推动AI应用合规、透明、可信赖，并朝着有益、安全、公平的方向发展。对健康险而言，这意味着数据使用应有边界，算法结果应可解释，模型还需定期检查是否对特定疾病、职业、地区或收入人群形成隐性歧视。

　　衡量AI应用的价值，不能只看核保速度提高了多少、人工成本降低了多少，而应看它是否降低了保费、改善了承保条件，并让更多高风险人群获得保障。

　　结语

　　健康险真正出售的，不是一个人在健康时容易买到的一纸合同，而是其健康状况改变以后，仍能留在风险共同体中的资格。

　　AI可以帮助保险公司更快核保、更准确地定价，也可以用于疾病预警、健康干预和医疗费用管理。技术本身并不必然掏空风险共担，关键在于保险公司选择用它来做什么：是更精准地筛掉高风险人群，还是更有效地管理风险，让过去无法投保的人获得分层保障？

　　商业保险需要科学定价和合理利润，短期、长期以及不同风险等级的产品都有存在价值。但精准定价不能走向精准排除，动态调价不能突破保证续保承诺，算法也不能成为保险公司拒保的理由。

　　AI能够把每个人的风险分得越来越细，保险制度则要把这些被细分的人重新组织进不同层次的风险池。技术越能看清风险，保险越不能只看见风险。只有当AI更多被用于扩大承保、管理医疗费用和改善健康，健康险才能在智能化浪潮中守住“风险共担”的内核。