一､ 当行业困于流量内卷, 一家厦门公司选择了更难走的路
保险中介行业有个公开的秘密: 绝大多数玩家仍在"卖保单赚佣金 "的舒适区里打转｡这个模式的瓶颈显而易见一佣金率天花板卡在 2%-5%, 估值倍数常年徘徊在 10-15倍, 本质上是一门流量生意, 而非技术生意｡
白鸽在线的选择是另辟蹊径｡ 这家从厦门走出来的保险科技公司, 没有把精力花在争夺 C 端用户的注意力上, 而是埋头打磨一套能嵌入保险核心价值链的技术体系｡ 从承保､ 定价到理赔､ 风控, 每一个环节都被重新拆解, 用 AI 能力重构｡
这种"技术派"路线的代价是前期投入大､ 回报周期长, 但好处也显而易见: 一旦跑通, 护城河极深｡ 2023 年到 2025 年, 公司营收从 6.6 亿跃升至预计 12.27 亿, 年复合增长率 36.3%｡ 更关键的是收入结构的质变一传统保险交易服务的收入占比从八成以上降至六成左右, 而技术驱动的精准营销及数字化解决方案收入从 1.16 亿暴增 244% 至 3.98 亿, 占比突破三成｡
数字背后是一场静默的商业模式革命: 白鸽正在从 "卖保单"转向"卖技术", 从"流量中介"蜕变为"风控服务商 "｡
二､ MaaS 不是概念, 是已经产生规模化收入的生产力工具
AI 大模型赛道有个尴尬的现实 : 很多公司技术故事讲得漂亮 , 财务报表却惨不忍睹 ｡白鸽在线的差异化在于, 它的 MaaS (模型即服务)体系不是实验室里的 Demo, 而是已经产生规模化收入的商业化产品｡
六款模型各有专攻: 方舟负责风险预警 , 飞秒处理动态定价, 智瞳专注图像识别 , 乐荐驱动智能推荐 , 睿析深耕数据分析 , 鉴信把关信用评估｡ 它们不是挂在墙上的技术蓝图, 而是直接嵌入保险公司业务系统的生产力工具 ｡
处理能力的数字最能说明问题: 每秒 10 万单, 日处理 5000 万笔, 新项目从审批到首单签发压缩到 13.8 天, 理赔响应从过去的 1-3 天缩短到 3 分钟以内｡ 这些效率提升不是纸面测算, 而是基于 90 亿 + 保单数据 ､ 180 种数据维度训练出的实战能力｡
截至最新披露, 白鸽已为这套模型体系提交 10 项专利申请 , 并推进算法备案程序｡ 在监管趋严的行业背景下, 这种"持证上岗"的合规优势, 本身就是一道竞争壁垒｡
三､ 3.93 亿用户背后的"数据飞轮"逻辑
谈 AI 必谈数据｡ 白鸽在线的数据资产有个鲜明特征: 不是静态的历史保单存档, 而是动态的场景行为轨迹 ｡ 共享单车的单次骑行时长､ 支付环节的信用延迟记录､ 以旧换新周期中的换机决策路径一这些碎片化､ 实时化的数据 , 经过脱敏和结构化处理后,既是风控工具, 也是独立的数据产品｡
这种数据能力的积累 , 源于白鸽独特的 B2B2C 定位｡ 公司不直接面对 C 端做流量生意, 而是作为"场景连接器"嵌入九大生态圈 ､ 80 个细分场景, 服务 260 家场景合作伙伴和 79 家保险公司｡ 终端被保险人超过 3.93 亿, 但白鸽的角色始终是技术赋能方, 而非流量运营方｡
这个定位的精妙之处在于: 既享受了大规模数据沉淀的红利 , 又避开了 C 端流量争夺的血海｡ 每一个场景都是 AI 模型的训练场, 每一次交互都在强化算法的精准度 , 形成"数据-模型-场景"的自我强化闭环｡
四､ 估值逻辑的范式转移
资本市场正在重新评估白鸽在线的价值坐标 ｡ 如果沿用传统保险中介的估值框架, 公司无疑被低估; 如果简单对标 SaaS 企业的市销率, 又可能高估转型风险｡ 更合理的视角是采用分部估值: 传统经纪业务按市盈率定价, MaaS 技术服务按市销率定价, 数据资产按 DCF 模型估值｡
这种混合估值框架并非空中楼阁 ｡ 美股市场上, Marsh (保险经纪)､ Verisk (数据分析)､ Guidewire (核心系统)三家保险科技巨头合计市值超千亿美元, 已经验证了 "技术 + 保险"的估值溢价｡ 白鸽在线的独特性在于, 它同时具备三者的部分特征 : Marsh级的场景经纪能力, Verisk 级的数据资产厚度, 以及向 Guidewire 演进的 AI 系统输出潜力｡
轻松健康上市首日暴涨 158% 的市场反应, 已经打开了保险科技板块的估值空间｡ ⽩鸽在线作为港股稀缺的"AI+ 保险"纯种标的, 其估值重构只是时间问题｡