当飓风“米昌”在2023年12月横扫泰米尔纳德邦时，印度本土保险公司面临一个尴尬的现实：绝大部分巨灾风险敞口最终流向了几家总部位于伦敦、慕尼黑和苏黎世的再保险巨头。这不是技术问题，而是结构问题。印度是全球增长最快的保险市场之一，根据Inc42报道，印度保险市场预计2026至2030年间实际年增长率达6.9%，再保险市场规模估计为100亿美元。但本土再保险承保能力长期缺位，国际再保人对印度农业带、季风洪泛区与喜马拉雅地震带的风险定价远非透明，有时干脆撤出。印度保险公司要么接受苛刻的分保条件，要么自留更多风险侵蚀偿付能力。这个市场需要的不是又一家传统再保人，而是一个能大规模消化气候与地理空间数据、用技术替代历史经验定价的新物种。

2026年8月，一家成立仅两年的公司试图回答这个问题。InRisk Labs宣布完成2700万美元A轮融资，由Bessemer Venture Partners和Northpoint Capital联合领投。交易后集团估值约7000万美元——对于一个尚未披露任何客户名称和营收数据的初创公司而言，这组数字既是认可，更是一种待证实的押注。

字段 内容
公司 InRisk Labs
轮次 A轮
金额 2700万美元
投资方 Bessemer Venture Partners、Northpoint Capital
总部 Ahmedabad / GIFT City, India
创始人 Aavrit Singhal、Siddesh Ramasubramanian、Shivakhumar R S、Malay Kumar Poddar
成立年份 2024年
估值 约7000万美元
官网 https://inrisklabs.com/

一家“双头”公司：持牌再保实体与AI技术层为何必须共存

InRisk Labs的架构值得解剖。它不是一家单纯的保险科技SaaS公司，也不是一个传统再保人。公司分为两层：InRisk Labs本身负责技术、数据和风险情报基础设施；子公司EarthRe Insurance IFSC Limited持有印度国际金融服务中心管理局颁发的再保险牌照，作为持牌实体承保业务。这种结构本质上是一个集成再保险集团——一端是AI原生风险平台，另一端是受监管的资产负债表。

这个设计回应了保险科技领域一个反复出现的困境：纯技术公司很难进入再保险价值链的核心，因为它们没有承保能力，只能做供应商；而传统再保人对新一代数据基础设施的整合速度缓慢。EarthRe的牌照让这家初创公司可以直接承载风险，而不只是把模型卖给已有牌照的机构。这种结构也意味着InRisk Labs的商业路径不是卖软件，而是通过技术优化承保组合的赔付表现来创造承保利润——这与硅谷常见的SaaS订阅模型有本质区别。

EarthRe获得的是IFSCA颁发的再保险牌照，公司称其为GIFT City首家获批的注册再保险人。GIFT City是印度政府打造的国际金融中心，定位类似新加坡或迪拜国际金融中心，拥有独立的监管框架和税收安排。选择在此落地，意味着EarthRe可以在资本流动和再保险交易上享有比在岸实体更大的灵活性，同时仍然专注于印度和更广泛的“全球南方”市场。对于再保险这种跨境分保频繁的业务形态，监管辖区的选择本身就可能影响交易对手的接受度和分保安排的效率。

不过，牌照本身只是入场券。持牌意味着EarthRe必须满足持续的偿付能力监管要求，这本身就是一笔沉重的资本消耗。A轮融资的一部分明确用于满足监管资本需求——这是再保险初创公司相比SaaS公司一个根本性区别：增长的前提不是获客，而是资本充足率。一个SaaS公司签下新客户边际成本趋近于零，但一家再保人每承保一笔新业务，就必须对应增持监管资本。这意味着EarthRe的扩张速度天然受限于资本注入节奏，而非单纯的市场需求。

把地球装在模型里：数据管道如何重塑再保险的时间差

再保险行业的核心工作流存在一个时间差悖论。传统巨灾模型依赖历史损失数据、暴露数据和脆弱性曲线，但气候变化的非线性特征让回顾式建模越来越不可靠。2023年印度季风期间的极端降水事件在多个地区的重现期已经超出了历史记录，基于过去三十年均值定价的产品正在系统性低估尾部风险。当历史均值本身在不断移动时，以历史为锚的定价方法论面临根本性挑战。

InRisk Labs声称其平台整合了气候、地理空间、卫星、风险暴露和理赔数据，用巨灾建模和AI辅助承保与定价。这套说辞在保险科技领域并不新鲜，真正值得追问的是数据源的具体构成和模型的验证情况。公司目前在公开材料中没有披露使用了哪些卫星数据源、更新频率如何、模型在历史事件中的回测表现等关键信息。这些技术细节的缺失并非偶然——巨灾建模是高度专业化的领域，模型的有效性往往需要通过多轮灾难事件的实际赔付来验证，而不是通过白皮书或概念演示。

这恰恰是区分营销语言和工程能力的分水岭。以卫星数据为例：合成孔径雷达可以在云层覆盖下探测洪水范围，光学卫星能追踪作物健康状况，但两者的时间分辨率、空间分辨率和成本完全不同。一个真正的巨灾建模管道需要持续的遥感数据订阅、地面实况校准以及精算团队对模型输出的合理性判断。此外，印度季风系统的复杂性意味着单一数据源几乎不可能捕捉完整的风险图景——喜马拉雅山麓的山洪风险、沿海地区的风暴潮风险和德干高原的干旱风险需要完全不同的数据组合和模型架构。EarthRe团队中包含精算和承保能力是确定的，但技术架构的深度目前仍属于公司自己掌握的信息。

一个值得关注的细节是公司切入参数化保险的意图。参数化产品不依赖实际损失定损，而是在台风风速、降雨量或地震烈度达到预设阈值时自动触发赔付。这种产品设计对数据精度和事件监测的实时性要求远高于传统再保合同，因为触发机制的准确性直接决定了产品是否赔付、赔付多少。传统再保合同有损失理算的时间缓冲和谈判空间，参数化产品没有——它更像一个二元期权，达到阈值即触发，未达到则不触发。EarthRe如果能在印度农业带部署足够密集的触发参数网络，确实可能创造比传统再保人更快的赔付体验，这对于现金流脆弱的农户和农业保险公司具有实际价值。但参数化产品的基差风险——即指数触发但实际损失不匹配——在印度这样地形和微气候差异巨大的市场将是严峻考验。一个降雨指数可能准确反映平原地区的涝灾，却完全无法捕捉几公里外丘陵地带的实际情况。

在实体匮乏的领域融资：为什么资本愿意为一个无客户披露的公司押注2700万美元

InRisk Labs未披露任何客户名称、保费收入、赔付率或再保险合同的任何商业指标。这是一个在保险行业极不寻常的信息缺口：保险本质上是数据密集型行业，牵引力通常用保费规模、综合成本率和续保率来衡量。公司公开的牵引力为零。对于一家成立两年的再保险初创企业而言，这可能意味着还处于牌照获取和基础设施建设的早期阶段，尚未签署大型分保合同，也可能意味着现有的客户关系在竞争敏感度考量下暂不公开。无论是哪种情况，投资者做决策时都无法依据传统的保险业KPI。

那么投资者押注的是什么？从可得信息推断，至少有三层逻辑在起作用。

第一层是牌照的稀缺性。IFSCA再保险牌照不是无限发放的，EarthRe作为GIFT City首家获牌的注册再保险人，享有先发窗口。在再保险领域，牌照即壁垒——直保公司选择分保伙伴时，持牌是基本前提，而新进入者在监管审批流程上通常需要数年。EarthRe能在成立两年内走完牌照审批流程，本身就是一个信号。但牌照稀缺性带来的时间窗口也是有限的：一旦IFSCA向更多申请人开放牌照，先发优势可能被稀释。

第二层是市场缺口。印度本土再保险市场长期由GIC Re主导，但其承保能力和风险偏好在某些自然灾害敞口上可能无法完全满足市场分层需求。国际再保人正在选择性收缩部分气候敏感敞口——这不是撤出印度，而是在某些地区或险种上收紧条件或提高费率。这种供给侧的调整为本地化再保人创造了结构性缺口：直保公司需要替代性分保渠道来平滑国际再保人可能不再愿意以同样条件承接的风险层级。

第三层是团队背景的隐含背书。四位联合创始人中，Malay Kumar Poddar出任EarthRe CEO，公开引用中他强调“为印度、由印度打造”的本土化路径。Bessemer Venture Partners合伙人Vishal Gupta表示公司在种子阶段就已投资，并在此轮加倍下注——这意味着Bessemer在更早期、信息更少的时候就做出了判断。Northpoint Capital创始人兼CIO Sameer Brij Verma将EarthRe描述为“持牌资产负债表与AI原生风险平台及深度承保专业知识的结合”。这些都是对团队能力的间接验证，但仍无法替代客户牵引力的实证。投资者对团队的信心在种子到A轮的过渡中被部分验证——如果团队在早期阶段执行不力，Bessemer不太可能在A轮追加投资——但团队能力最终仍需通过承保组合的实际表现来检验。

约7000万美元的投后估值对于一个无收入验证的持牌再保集团而言，更接近基础设施价值的定价逻辑而非SaaS的倍数逻辑。它隐含的假设是：这张牌照、这个团队和这个技术栈的组合，在印度100亿美元再保险市场中获取哪怕是1%到2%的份额，就能支撑数倍于当前估值的业务规模。但再保险是资本消耗型业务，A轮融来的2700万美元在满足监管资本要求后，能留给技术开发和业务拓展的实际空间需要更细致的拆解。如果监管资本要求占去融资额的三分之一甚至更多，实际可用的运营资金将显著缩小，这意味着公司在客户获取和产品开发上的投入强度可能低于表面数字所暗示的。

赛道是真实的，但竞争对手也不只同类初创

InRisk Labs的竞争地图远比公开列出的EigenRisk、IBISA和Mitti Labs更复杂。这三家确实是气候风险和参数保险领域的新兴玩家，但EarthRe真正的竞争对手是已经在这个市场上运行数十年的国际再保巨头和本地既有机构。将这些公司并列为竞争对手，更多反映了气候风险评估方法论的交叉，而非直接的业务竞争关系。

EigenRisk专注巨灾建模和风险分析平台，是一家技术供应商而非持牌再保人。它的产品形态更接近SaaS工具，客户是保险公司和再保人的建模团队。IBISA从参数保险切入，产品形态有重叠，但IBISA主要面向小额农业保险场景，处于直保或互助保险层面，与EarthRe的再保险定位处于不同价值链环节。Mitti Labs则在农业碳汇和土地监测领域运营，与再保险的重叠有限。这三家公司在各自领域的进展可能为气候风险评估的方法论演进提供参考，但它们不与EarthRe在再保险分保层面直接争夺客户预算。

真实的替代方案在别处：瑞士再保险、慕尼黑再保险和汉诺威再保险拥有数十年的印度损失数据、成熟的巨灾模型和强大的资本缓冲。它们的资产负债表规模使EarthRe的2700万美元融资显得微不足道。本土的GIC Re掌握着国内绝大部分再保险分入业务，享有既有客户关系和监管背书。EarthRe要争取的是直保公司在分保层的份额——这意味着既要证明技术能力优于传统再保人的僵化定价，又要提供同等的赔付安全性。一个AI模型不会让直保公司的CFO放心；一个持牌实体加上足够的资本金和可信的模型才会。直保公司的再保险采购决策是高度风险厌恶型的，违约风险——即再保人在大灾之后无法履约——比定价上的边际优势重要得多。EarthRe作为一个新进入者，必须同时解决技术可信度和财务可信度两个问题。

在被问及竞争优势时，公司的回应聚焦于“印度制造”的本土化方案，EarthRe CEO直接表示必须建立“本土能力和为印度量身定制的解决方案”。这个叙事在监管层面有分量——印度监管机构可能更倾向于扶持本土再保险承保能力以减少对国际市场的依赖——但在直保公司的采购决策中，最终胜出的仍是风险调整后的资本回报和分保安全性。本土化叙事要转化为商业优势，需要体现在具体的承保条件上：比如对印度特定气候模式的理解能否转化为更精准的定价，从而在某些险种上提供比国际再保人更有竞争力的费率或更灵活的合约条款。

资金的去向：精算、建模、AI和“其他非寿险业务”

根据公开披露，2700万美元的用途包括四个方向：加强承保、精算、巨灾建模和AI能力；拓展自然巨灾、气候风险、海运货物和汽车等非寿险业务；开发参数化和结构化再保险产品；满足EarthRe的监管资本要求。这四个方向分别对应团队建设、业务线扩张、产品创新和监管合规四个维度。

这个资金用途清单透露出公司的业务扩张顺序。自然巨灾和气候风险是EarthRe的核心定位，但海运货物和汽车的提及意味着不止于此。汽车再保险是一个与巨灾建模完全不同的精算领域，依赖高频低损数据的定价能力，对赔付速度和分销网络有不同要求。汽车险的损失频率高但单次损失金额相对可预测，这要求精算模型侧重频率分析和理赔管理效率；而巨灾模型处理的是低频高损事件，关注尾部风险和极端情景模拟。这两个领域的精算方法、数据需求和风险管理框架差异显著。从初创公司的资源聚焦角度看，在核心定位尚未验证的情况下向多条业务线同时扩张是一个值得关注的信号——它可能反映了团队对牌照赋予的全面非寿险再保险资质的充分利用意图，也可能意味着对核心市场容量的预判偏向保守，需要通过多元化来分散风险。

参数化产品的开发值得单独审视。设计一个在印度农业带可行的参数化再保合同，需要气象站网络、卫星降水估算和作物物候模型的集成——这些基础设施的建设和维护成本不低。卫星降水数据可以提供空间连续性，但其精度需要地面站点校准。作物物候模型则需要整合土壤类型、种植日历和作物品种信息。这些数据组件各自需要获取、整合和维护，而公司未披露在数据采购方面的具体投入规模和合作伙伴信息。结构化再保险产品则涉及更复杂的合约设计，通常需要与直保公司深度协作才能找到合适的风险转移方案——这要求商务团队与直保公司的再保险部门建立信任关系，而非仅仅是技术层面的对接。目前公司未披露任何具体的产品推出时间表或试点客户信息。

待验证假设：模型在真实灾难中的表现

InRisk Labs的核心叙事建立在技术优越性假设之上：AI驱动的承保和定价优于传统精算方法，多源数据整合能更好地捕捉气候风险。这个假设在印度市场并非理所当然，它需要在多个维度上经受检验。

第一个待验证点是数据质量。印度公开可得的气象和地理空间数据在覆盖密度、历史完整性和更新频率上参差不齐。某些邦的地面气象站网络较为密集，维护水平较高；而另一些地区可能依赖稀疏的站点和卫星数据补充。对于需要高空间分辨率的洪水内涝风险或山洪风险，现有公开数据源的精度可能不足以支持单个保单级别的承保决策。公司没有披露数据采购策略和合作伙伴，这意味着外界无法评估其数据管道是否达到了再保险级可靠性——即能够在监管审查和客户尽调中站得住脚的数据治理水平。

第二个待验证点是模型在灾难事件中的表现。再保险模型的真正检验不是回测——回测总可以调整参数来拟合历史事件——而是在下一次大灾中，模型的损失预测与实际赔付之间的偏差。回测受限于历史事件样本量小和非平稳气候条件，过度拟合的风险很高。对于一家2024年成立、刚刚拿到牌照的公司来说，这个检验还未到来。这意味着EarthRe在初期承保的每一个风险单位，本质上都是它的模型训练材料。这种“边做边学”的模式在再保险行业是正常的——模型总是在实际损失经验中迭代——但它同时意味着早期承保组合面临更高的模型不确定性，投资者和分保方需要接受初期赔付率波动可能较大的现实。

第三个待验证点是市场接受度。印度直保公司本身也在数字化进程中，部分大型保险公司已经在自建分析能力或与国际建模公司合作。它们对另一个再保人提供的技术平台的需求程度取决于该平台能否提供现有方案无法提供的独特价值——比如对印度特定气候模式的理解，或更灵活的合约结构。EarthRe能否将技术差异化转化为实际的分保关系，取决于它能否在具体的分保谈判中证明自己可以承接传统再保人拒绝或高价承接的风险层级，同时维持赔付安全性。

第四个待验证点是资本效率。再保险是资本密集型业务，2700万美元相对于100亿美元的市场规模很小，甚至相对于单次大灾的潜在赔付也显得有限。EarthRe要维持增长需要持续的资本注入，而未来的融资轮次将取决于初期承保组合的表现。如果第一年的赔付率好于预期，后续融资的估值叙事就能从“牌照加技术潜力”升级为“经过验证的承保能力”；如果赔付率不佳，可能面临融资困难和估值回调。这是一个典型的“先证明后扩张”循环——再保险创业公司无法像SaaS公司那样通过烧钱获客来证明增长，它必须先用资本金证明自己能赚钱，才能获得更多资本金去扩大业务。

RecodeX 极客视：InRisk Labs拿到了一张稀缺的门票和一笔启动资本，但它进入的不是蓝海。印度再保险市场的空隙确实存在——国际再保人在部分气候敏感敞口上的选择性收缩，为本土持牌机构留出了结构性空间——但填补这个空隙需要的不止是AI管道和IFSCA牌照。牌照提供了准入门槛，但不能替代赔付信誉的建立过程；AI管道提供了定价方法论，但不能跳过模型在实际灾难中被检验的必经阶段。接下来12到18个月，这家公司必须完成三件事：建成可验证的数据基础设施，使其数据源、模型假设和回测表现能在客户尽调中站得住脚；交出第一批再保险合同的赔付率成绩单，用实际承保结果而不是技术白皮书来证明定价能力；证明参数化产品在印度农田上的基差风险可控，避免指数触发但实际损失不匹配导致的信任危机。如果这些前提条件不成立，那它就不是一个有牌照的再保人，而是一个养着资产负债表的技术团队，其估值将面临从基础设施溢价向资产净值回归的压力。Bessemer敢于从种子轮追投到A轮，说明看到了这条路能走通的可能性。可能性要变成事实，还需要一场真实的台风——以及台风过后EarthRe依然能够履约的财务证明。

信息来源

本文在采集与核验阶段引用了以下公开来源，按站点去重列出；来源内容归原发布方所有，其口径不代表 RecodeX 的核实结论。