给 robotaxi 保险承保方用的外部风险基准——把实时召回、事故和市场扩张信号，变成车队报价依据。

1. 每 12 小时刷新的基准，让 AV 尽调从偶发市场研究，变成了实时工作流。
2. 公开召回和事故调查，已经会立刻触发给 robotaxi 车队承保的保险方重定价。
3. 得州通过执行商用 AV 规则并开放公开追踪器，让保险公司第一次能直接拿到有用的车队透明度。
4. 车队规模和上线计划变化速度已经快过年度承保周期，静态尽调很快就会过时。
5. 不同运营商之间的可见绩效差距，意味着保险方现在已经能判断该把容量给谁、该让谁为波动买单。

催化因素。 Autnmy 的 12 小时基准、得州新的公开 AV 车队透明度，以及 Waymo 和 Avride 最新安全事件，让外部 AV 风险比较第一次既做得到，也等不起。

这款产品会给保险公司、经纪商和再保险方一层面向每个 robotaxi 运营商-市场组合的实时外部情报。它把基准数据、公开车队追踪、召回公告、事故调查、合作发布和商业化信号，统一进一套风险敞口模型，覆盖规模、安全、监管摩擦和运营成熟度。承保人可以并排比较运营商，看到一次召回或新城市上线怎样改写风险画像，并导出带时间戳的尽调备忘录，交给报价委员会、续保评审或再保险伙伴。再往后，平台还可以接入运营商主动提交的证据和理赔结果去校准定价；但它第一步的价值，是把零散的 AV 研究，变成一套可比较的市场参照。

差异化。 大多数 AV 工具都卖给车队运营商，帮车企在内部造车、证车、证明自动驾驶能力。这个公司反过来站在资产负债表风险承担方一边，给他们一套可解释、跨运营商和跨市场的第三方视角。只要它能成为保险公司拿来比较、留档和持续监控 AV 项目的默认系统，就有机会积累顾问公司和运营商自建 dashboard 都很难复制的专有定价基准、运营商历史和组合信号。

待完成任务

flowchart LR
  Buyer[自动驾驶出行承保人] --> Pain[损失数据稀薄，安全信号又变化太快，没法给 robotaxi 车队准确定价]
  Pain --> Product[Robotaxi 风险评分工作台]
  Product --> Outcome[报价更快、续保更稳、AV 容量决策更能自圆其说]

高管要点

• 切口站得住，因为公开 AV 信号密度终于高到足以支撑一条反复发生的承保工作流，而不只是每年做一次的市场笔记。
• 滩头市场窄而且要高触达推进，因此产品应该先围绕得州真实上线、召回和续保场景去卖，再谈扩到再保险和相邻自动驾驶品类。
• 最难缠的竞争并不直接——真正的对手是经纪商咨询、再保险分析和内部表格，而不是一堆挤满市场的 insurer-first 软件。
• 产品起步就该定位成可解释的决策支持，因为监管碎片化、理赔历史又薄，黑箱式 AV 定价很难让人信。

市场定义

相关市场是面向商用 robotaxi 项目的外部承保情报：把召回、事故报告、车队许可、城市上线、安全 case 和合作方披露，转成运营商-市场风险比较与委员会可直接使用续保备忘录的软件和分析师工作流。

用户与买方

日常用户是专业自动驾驶出行承保人、经纪商投放团队，以及需要在缺少成熟损失曲线时比较 robotaxi 运营商的再保险或精算创新负责人。真正的经济买家通常是首席承保官、专业项目负责人，或掌管自动驾驶出行容量的业务负责人。

购买触发点

• 一旦新城市上线或服务区扩张，保险公司和经纪商就得在历史理赔数据还没积累起来前，重新审视风险敞口。 [7][9][17][25][26][27][35]
• 召回、碰撞调查或监管动作，会立刻触发一次重定价或续保委员会事件。 [13][19][20][37]
• 再保险方、资本提供方或报价委员会会要求看一份中立的运营商比较，而不是又一套运营商自己写的安全 deck。 [2][34][41][44][45][46]

支付意愿

付费意愿是站得住的，因为产品插进的是一个本来就很贵的问题。商用车险长期承保亏损，AV 责任又在车险、产品责任、网络险和职业责任险之间漂移，经纪商也已经把多方项目设计描述成高度人工、很费劲的活。只要它能缩短报价周期、提高委员会可辩护性，或哪怕只避免一次明显报错的上线或续保，六位数年费就说得通。 [41][44][45][46][47][48]

品类动态

增长信号 到 2035 年，robotaxi 车队仍将保持高双位数增长；BCG 在基准情景下预计美国、中国和欧洲合计约 132 万辆 robotaxi，乐观情景可到全球约 300 万辆；Goldman 则把 2035 年 robotaxi 市场规模框到 $400B+。

验证信号

• AUTNMY AI 已经推出了实时基准产品，这本身就证明：靠公开和授权数据做外部 AV 比较工作流，商业上已经说得通。
• Waymo 已经从试点新鲜感走到规模化经常性服务：周单量大、多城扩张快，还在加制造投资。
• Uber 正在把自动驾驶分发标准化到多个运营商身上，这会持续制造城市上线和伙伴风险比较，保险方必须跟。
• 商用车险保险公司仍然被损失严重度和承保压力压着走，所以更好的尽调天然有预算和盈利逻辑。

监管与技术约束

• 得州和加州在数据、测试和部署规则上差异很大，所以任何跨市场风险分都必须带着辖区意识。
• NIST 仍把标准化 AV 性能指标和可重复测试流程视为进行中的工作，这限制了任何外部评级能有多确定。
• 责任会随着监管模式和系统行为，在车险、产品责任、网络险和职业责任险之间摆动，因此很难用一个分数就讲清风险。
• 有些运营商披露很细，有些几乎不说，所以缺失数据要么保守估计，要么干脆留空，不能硬装成高精度。

竞争确实存在，但大多是间接竞争。直接做基准发布的玩家正在冒头，可现实里的主要替代品仍是经纪商或再保险咨询团队、运营商安全 deck，以及围绕真实上线和事故东拼西凑出来的内部 watchlist。缺口在于：一套站在保险方这边的控制层，能在不同运营商之间保持中立、给每条来源打时间戳，并把信号变化迅速翻成报价和组合动作。

为什么现有厂商不会默认胜出

• AV 基准发布方. 公开 leaderboard 能验证这个品类存在，但它们并不会天然赢，因为承保人真正需要的是可解释的运营商-市场备忘录、覆盖日志和组合监控，而不只是一个公开排名。
• 全球经纪商. Marsh、Aon 这样的经纪商已经在帮 AV 项目搭保险结构和责任包层，但它们的服务模式高触达、也偏阶段性，不是一套持续运营中的中立监控系统。
• 再保险方与资本提供方. 再保险方能资助研究，也能塑造承保框架，但它们的工具更偏组合策略和容量决策，不是保险公司和 MGA 一线报价委员会每天要用的工作流。
• 运营商自披露. Waymo、Pony.ai、Baidu 等都会公开安全和增长数据，但每家口径都偏自述；如果没有中立标准化层，很难跨辖区、跨 ODD、跨监管模式比较。
• 出行平台. Uber 正在变成多个 AV 运营商的分发层，但平台天然不会替保险方做中立裁判，决定该给哪个运营商或哪个城市配置容量。

Robotaxi Risk Rating 最合适的起点，不是泛化 AV 分析平台，也不是自动定价引擎，而是一套得州优先的承保情报工作台，卖给给美国 robotaxi 超额责任项目报价的专业 MGA、保险公司和经纪商。首个客户，是正在处理真实上线、续保或事故后重定价的自动驾驶出行项目负责人：历史理赔样本不够，运营商披露又带着明显自述口径。这个切口站得住，因为公开信号密度已经越过阈值：AUTNMY 的 12 小时基准、得州车队透明度、召回、事故调查和上线公告，已经把 AV 尽调从偶发研究笔记，变成了会反复发生的工作流。V1 应该保持“重阅读、可解释”——把带来源链接的运营商-市场记分卡、重大事件提醒，以及委员会可直接使用的报价或续保备忘录，交付时间从几周压到几小时。第一性验证，不是抽象意义上的模型准不准，而是某家 MGA、经纪商或再保险方会不会根据平台生成的实时备忘录，真的改掉条款、限额或监控强度。滩头市场不大——研究估算约 $33.8M TAM、$6.8M 得州驱动 SAM，以及第 3 年可触达 $2.7M SOM——所以风险投资故事能不能成立，关键看单个项目内能否扩到多团队，以及之后能否复用到再保险、配送、卡车或融资工作流。最大的证伪风险是：承保人仍然宁愿走人工或经纪商辅助流程，因为他们更信人，不信一套新类别系统；或者他们根本不愿为一个以外部数据为主的产品付六位数。现有研究也还没量化 AV 尽调预算和理赔数据共享意愿，因此公司只该融一轮 pre-seed，用来证明付费试点、转生产，以及至少一条可信相邻扩张线，再去放大 GTM 编制。

问题

• 专业承保人、MGA 和经纪商现在就得给 robotaxi 项目报价或续保，但长期理赔历史仍然很薄，运营商披露大多又是自报口径。
• 召回、事故、城市上线和监管变化几天内就能改写风险敞口，可现有流程仍然靠分析师备忘录、顾问报告、运营商 deck 和表格 watchlist。
• 这些默认替代方案零散、不可比，跨运营商、跨辖区、跨监管模式看起来都很费劲，结果就是报价委员会慢、判断不一致，而且特别容易把价格报错。

解决方案

• 做一套实时外部情报工作台，把基准、召回、事故、车队许可和上线数据统一成带来源链接的运营商-市场记分卡，覆盖安全、规模、监管摩擦和运营成熟度。
• 先把事件提醒、并排比较、带时间戳的报价/续保备忘录导出跑通，再补覆盖日志和运营商申诉工作流，让承保人能为决策辩护，而不是依赖黑箱自动定价。

为什么我们会赢

• 产品卖给真正承担资产负债表风险的外部人，而不是卖给 robotaxi 运营商本身，所以它可以在竞争车队和不同市场之间保持中立。
• 公开排行榜和经纪商咨询并不会天然胜出，因为承保人真正需要的是带州别逻辑的工作流、证据链、覆盖日志和委员会可直接使用的输出，而不只是一个排名。
• 只要把带时间戳的运营商-市场事件历史，同承保动作、申诉和组合决策绑在一起，这套数据就会比单纯盯新闻更难复制。

里程碑

flowchart LR
  Wedge[得州 robotaxi 承保切口] --> MVP[带来源链接的风险工作台]
  MVP --> Proof[付费试点与更快的委员会备忘录]
  Proof --> Expansion[多团队组合监控与相邻自动驾驶风险工作流]

创始团队

实验路线图

风险评估

必须成立的条件

• 前 5 个目标 MGA、保险公司或经纪商里，至少 3 家愿意买“按软件定价”的试点，而不是只要定制咨询。
• 至少 50% 的付费试点在一次真实报价或续保周期后，能转成 $100k+ 的年度订阅。
• 至少 3 次近期承保事件里，召回、事故或上线信号要在 24 小时内改掉条款、限额或监控强度。
• 以得州为起点的公开和授权数据，已经足够让大多数早期项目在不接机密运营商集成的前提下写出委员会可用备忘录。
• 到第 18 个月，至少 2 个生产客户要扩出第二个付费团队或相邻自动驾驶工作流，证明切口可以长大。

待尽调问题

• 今天 MGAs、保险公司和经纪商在每次 AV 报价或续保上，花了多少顾问费、研究费和内部分析师时间？
• 在真实报价委员会里，哪些公开或授权信号真的会改条款、限额或容量？
• 首席承保官多久会愿意为一份中立第三方备忘录买单，而不是继续靠经纪商建议或运营商 deck？
• 带来源链接的评分，能不能在不伤害保险公司或经纪关系的前提下扛过运营商申诉？
• 哪条相邻工作流——再保险评审、自动配送、卡车，还是融资尽调——会最先复用这套数据模型？

模型合理性

• 收入引擎. 基准情景里，付费团队会从 Q4Y1 的 3.7 个增到 Q4Y3 的 19.3 个；共享项目里的第二团队扩张，贡献几乎和第一团队赢单一样大。
• 必须成立的前提. 付费试点必须足够快地转成 $150K 的正式 watchlist 合同，这样一个 GTM 招聘才能在 Y2 和 Y3 期间支撑平均每 1-2 个月新增一个付费团队。
• 模型失效条件. 如果正式生产 ARR 掉到接近 $140K，或销售周期拖慢 1-2 个季度，下行情景下 Y3 收入会跌到约 $1.6M，现金也会跌到约 -$561K。
• 下一轮融资证明. 等 AUTNMY 在第 18-24 个月做到 2 个以上六位数正式转化、上线加州叠层，并出现至少一个多付费团队共享项目或相邻工作流胜利时，下一轮融资才更站得住。

情景

敏感性

flowchart LR
  Leads[线索] --> PaidPilots[付费试点]
  PaidPilots --> ProductionTeams[正式生产团队]
  ProductionTeams --> SharedPrograms[共享项目]
  SharedPrograms --> Revenue[收入]
  Revenue --> GrossProfit[毛利]
  GrossProfit --> Cash[现金]

警示项: 基准 ARPU 取了 BP 给出的 $100K-$150K 正式生产区间上沿，所以定价验证是真正的卡口。 · 到 Y3，收入仍然集中在约 8 个活跃项目上，少掉一个大项目都会明显打凹增长。 · 尽管 Q4Y3 已接近平衡，Y3 全年 EBITDA 仍为负，因此下一轮融资仍要靠扩张证明，而不是纯盈利故事。 · 只有在授权数据和备忘录 QA 保持产品化、没滑向分析师重服务模式时，毛利率才碰得到 70% 目标。

• 滩头市场太窄. 现在真正参与早期 robotaxi 项目承保的保险公司、经纪商和再保险方数量仍然有限。 缓解措施: 先吃最紧迫的出行险项目，再把同一套工作流扩到自动配送、卡车和融资尽调。
• 保险公司可能继续保守. 有些承保人可能还是更相信人工判断，宁愿等更多理赔历史，也不愿把新类别工作台当成默认工具。 缓解措施: 把产品定位成可解释的决策支持和委员会留档工具，而不是黑箱自动定价。
• 运营商会质疑外部评分. 如果公开数据不完整、上下文又缺失，robotaxi 公司很可能会挑战不利评级。 缓解措施: 每个分数都带来源链接，允许运营商上传证据，并把评分逻辑讲到承保人能在留痕前提下手动覆盖。