在加州同一片山坡上，两栋相隔不过几十米的房子，可能面对完全不同的野火命运。一栋的屋檐下堆着松针，后院的意大利柏树几乎贴着外墙；另一栋清空了五英尺内的可燃物，换上了防火屋顶。但在传统房屋保险的定价体系里，这两栋房子大概率被放进同一个邮编、同一个风险池，拿到相近的报价。屋主花数万美元做防火改造，换来的可能仍然是一纸拒保通知。
这正是旧金山房屋保险公司 Stand 试图切入的裂缝。它不按邮编给一片区域打分，而是为每一栋房子建立数字孪生，模拟一场野火或热带气旋真正发生时，这栋具体的房子会怎样。2026年10月15日，据 Fortune 独家报道，Stand 宣布完成 7000 万美元 C 轮融资，估值达到 10 亿美元。本轮由 Saga Ventures 领投，Lowercarbon、Eclipse、Equal Ventures、Inspired Capital、Neotribe 和 Jackson Square Ventures 等参投。
这笔钱进入的时点，恰好是加州房屋保险市场经历剧烈收缩之后。多家大型保险公司在野火高发区停止新保单或不再续约，州政府的“最后保险人”计划承保规模膨胀。Stand 的叙事是：问题不在于风险本身无法承保，而在于行业用错了测量风险的工具。公司联合创始人兼 CEO Dan Preston 在声明中说：“灾害遵循物理定律，保险也应该如此。”
| 字段 | 内容 |
|---|---|
| 公司 | Stand（Stand Insurance） |
| 轮次 | C 轮 |
| 金额 | 7000 万美元 |
| 投资方 | Saga Ventures（领投），Lowercarbon、Eclipse、Equal Ventures、Inspired Capital、Neotribe、Jackson Square Ventures 等参投 |
| 总部 | 旧金山 |
| 创始人 | Dan Preston（联合创始人兼 CEO）、Jason Mueller（联合创始人兼首席产品官） |
| 官网 | https://www.standinsurance.com/ |
把一栋房子从邮编里拆出来，逐棵树的成本写进保费
Stand 的核心产品逻辑，是把保险定价从“统计回溯”切换到“物理模拟”。公司首席科学官 Matt DiStefano 在 Fortune 的演示中，旋转着一片加州社区的灰色三维模型，放大其中一栋房子，叠加出一张热力图。红色轮廓沿着房屋侧面和后方延伸，那里有树紧挨着建筑；蓝色区域靠近泳池。然后他开始在屏幕上删树。
删掉一棵树，这栋房子的年保费下降超过 1100 美元。另一棵树，按 DiStefano 的说法，“贡献没那么大”。他指着第一棵树说：“这棵才是关键的那棵。”这种逐栋、逐棵树的敏感性分析，是 Stand 与传统区位模型最直观的差异。公司称，其数字孪生叠加了房屋结构、周边环境、树木、灌木、风向和天气等图层，并在其上运行计算流体力学和物理模型。DiStefano 说：“我们模拟的是如果一场事件发生会怎样，比如野火发生或热带气旋发生。我们不看邻居的房子，我们看的是这栋具体的房子、具体的材料和具体的树木排列。”
这套思路在工程上并不陌生。DiStefano 今年 29 岁，曾在波音和 SpaceX 工作，职业生涯早期做的是电路板和卫星模型，模拟它们在轨道上的反应。他把 Stand 的工作类比为设计飞机时做的分析，只是对象从航天器换成了数百万普通人居住的房屋。公司还称，其自研了所谓 Stand World Model 的前沿 AI，能够理解物理并即时运行模拟。DiStefano 说，团队“成功教会神经网络真正理解物理”，这也是他能在屏幕上删掉一棵树、立刻看到价格变化的原因。需要说明的是，这些关于模型能力和即时模拟效率的表述来自公司方面，尚无独立第三方验证。
这套技术叙事的商业落点，是让保险从一份不可改变的“信用分”变成一份可操作的改造清单。DiStefano 批评行业把邮编模型给出的评分变成了“你无法改变的信用分”，同一街区的两栋房子几乎无法区分。他举了一个极端例子：一栋没有窗户的砖砌掩体，旁边是一间茅草顶木棚，区位模型会把两者同等对待。公司称，其模型曾给某些房屋评出 99.8% 的火灾损失概率，而经过 Stand 建议的针对性改造后，这一概率降至接近 15%。这个数字同样来自公司自述，Fortune 未能独立核实。
85% 对 50%：一场由公司自己打分的模型竞赛
Stand 给出的最尖锐论据，是一组盲测数据。公司称，其对约 310 栋在过去三到四年间经历野火的加州房屋做了前瞻性验证，其中包括受 Palisades Fire 影响的房屋。模型在不知道实际结果的情况下运行，预测房屋烧毁或存活的准确率约为 85%。DiStefano 称，竞争模型在同一队列上的准确率为 50% 至 55%。他说，竞品“真的就是抛硬币”。
这组对比需要被仔细拆解。首先，85% 和 50% 至 55% 两个数字都由 Stand 自行评估得出。据 Fortune 报道，对比方式是评估行业标准的基于区位的既有模型在同一队列上的表现，衡量它们是否正确区分了烧毁与存活的房屋。Fortune 明确表示无法独立核实这些结果。其次，所谓“竞品”并非某一家具名公司，而是对行业标准区位模型的一类概括。这意味着读者无法直接检验 Stand 的对手到底是谁、其模型参数如何设定、是否在同等信息条件下运行。
从方法论上看，310 栋房屋的样本量对于验证一个巨灾风险模型来说并不算大，尤其是野火结果受风向突变、飞火点燃、消防响应等随机因素影响显著。一个模型在历史事件上的区分能力，能否直接外推到未来气候条件下的极端火灾，仍是开放问题。Stand 的验证逻辑是“盲测、前瞻性”，即模型运行时不知道实际结果，这比事后拟合更有说服力；但样本选择、房屋地理分布、火灾类型构成等细节均未披露。DiStefano 的“抛硬币”论断，本质上是对行业标准模型的一次单方面审判。
不过，即便接受这组数据的边界，Stand 的定价逻辑仍然指向一个真实存在的行业缺陷。传统房屋保险的野火风险模型确实大量依赖历史损失数据和区位特征，对单栋房屋的减灾改造敏感度有限。加州保险监管近年来推动保险公司将屋主防火改造纳入定价考量，但执行层面进展缓慢。Stand 把“改造后保费下降”做成实时交互体验，在产品层面构成了差异化，而非仅仅在精算层面。
增长数据背后的资本结构：谁在真正承担风险
Stand 披露的增长曲线相当陡峭。公司称目前承保超过 100 亿美元财产，一年前为 10 亿美元。CEO Dan Preston 称业务每月增长约 15%，而且是在仅进入两个州的情况下实现的：加州做野火险，佛州做飓风险。上一轮 B 轮由 Eclipse 领投，在一年多前完成。Preston 说公司在 B 轮后不久“到达了拐点”，新资金主要用于支撑此后的增长。
这些数字均为公司自述，未经独立审计或监管文件证实。但更值得关注的是承保规模背后的风险承担结构。Stand 本身并非所有保单的直接出单方。据 Fortune 报道，加州保单由 Concert Specialty Insurance Company 出具，该公司 AM Best 评级为 A-；佛州保单由 Stand Insurance Exchange 出具，Demotech 评级为 A。再保方包括 Arch、RenaissanceRe、Hannover、Nephila 和 Hiscox。
这个结构说明了两件事。第一，Stand 作为一家成立约两年半的公司，没有选择或没有能力在资产负债表上独自承担加州野火和佛州飓风这类尾部风险，而是通过前端保险公司和再保市场分散。这本身是保险科技公司的常见做法，但也意味着 Stand 的模型能力最终要说服的不是消费者，而是再保方。再保方愿意承接多少风险、以什么价格承接，才是对 Stand 模型最实质性的市场验证。第二，Demotech A 评级在佛州房屋保险市场是一个敏感话题。2022 年佛州多家 Demotech 评级的保险公司因飓风损失和诉讼成本倒闭，Demotech 的评级可信度曾受到质疑。Stand Insurance Exchange 作为佛州出单实体，其资本充足率和赔付能力将直接决定保单持有人的保障质量。
公司同时宣布了两项高管任命：原 PURE Insurance 首席承保官 Drew Saad 出任财产与意外险总裁，原 Nephila 战略增长负责人、Openly 资本市场负责人 Tony Landi 出任首席财务官。这两个人选分别指向承保纪律和再保关系，与 Stand 当前的资本结构需求吻合。
经纪人渠道的“英雄叙事”与产品化野心
Stand 的销售不直接面向消费者，而是通过经纪人渠道。联合创始人兼首席产品官 Jason Mueller 说，公司的“最大秘密”之一是让经纪人“看起来像英雄”，提供近乎即时的报价，用一个平台取代来回传 PDF 的流程。Preston 称，Stand 目前与美国最大的经纪商合作。
Mueller 的背景在 Policygenius，一家在线保险比价平台，他负责产品。Preston 此前是 Metromile 的 CEO，这家按里程付费车险公司曾以直接面向消费者的模式闻名。两人在房屋保险上选择经纪人渠道，部分原因可能是房屋保险的复杂性和购买习惯。Mueller 提到一句行业老话：“保险是卖出去的，不是买来的。”这句话承认了经纪人在交易中的枢纽地位，也解释了为什么 Stand 把报价速度和经纪人体验放在产品优先级的前列。
Mueller 还透露了一些不在短期管线内的产品方向：在保单生命周期内为减灾改造提供融资、让房地产公司预先承保其库存房源、让保单可以随房屋转让给下一任买家。这些想法如果落地，会把 Stand 从一家承保公司推向更接近房地产交易基础设施的角色。但 Mueller 明确表示这些不在短期管线内。当前产品团队约 10 人，应用科学团队约 10 人。Mueller 称这个小团队借助现代 AI 工具做了“100 倍于”他上一支百人团队的工作。这一效率表述来自公司方面，难以独立验证。
从两个州到全美灾害地图：扩张的物理约束
Preston 给出的扩张路径是：先覆盖野火多发的美国西部和东南部，之后进入易受强对流风暴、冰冻和洪水影响的地区。这条路径的逻辑是沿着灾害类型逐步扩展模型能力。野火和飓风是 Stand 目前已经建模的两种灾害，强对流风暴、冰冻和洪水则涉及完全不同的物理过程。
这里存在一个容易被忽略的技术约束。Stand 的模型优势建立在计算流体力学和物理模拟之上，野火蔓延和飓风风场都属于流体力学可以较好描述的过程。但洪水涉及水文、地形、排水基础设施和降雨时空分布，冰冻涉及温度持续时间和建筑保温性能，强对流风暴涉及冰雹冲击和龙卷风路径的极端随机性。每一种新灾害都需要重建或大幅调整物理模型，并重新积累验证数据。Stand 在野火上的 85% 准确率——即便接受公司自述——也不能直接迁移到洪水或冰雹风险上。
另一个约束来自监管。美国房屋保险是州级监管，每个州的费率审批、保单格式、资本要求和市场行为规则都不同。Stand 在加州和佛州建立了出单实体和再保安排，每进入一个新州都需要重复这一过程。公司称业务每月增长约 15%，但基数效应和单一州的集中风险意味着增速能否持续，取决于新州扩张的节奏。Preston 说新资金主要支持 B 轮后出现的增长，而非为扩张储备弹药，这意味着公司认为现有模型和资本结构足以支撑下一阶段，但具体进入哪些州、何时进入，尚未披露。
投资逻辑：气候风险重定价的期权，还是承保公司的估值游戏
从投资角度看，Stand 的 10 亿美元估值对应的是承保规模约 100 亿美元、月增速约 15% 的公司。如果这些数字属实，估值与承保规模之比约为 1:10，在保险科技公司中并不算激进。但承保规模不等于收入，更不等于利润。房屋保险的承保利润率取决于损失率、费用率和再保成本，Stand 尚未披露任何关于综合成本率或承保盈亏的数据。
Saga Ventures 领投本轮，Lowercarbon 和 Eclipse 继续参投。Lowercarbon 是 Chris Sacca 旗下的气候技术基金，其参与暗示这笔投资带有气候适应的主题色彩。Eclipse 领投了上一轮 B 轮，连续加注说明既有投资人对公司增长轨迹的认可，也可能反映其在内部信息上对公司承保质量有更清晰的判断。但投资人的判断与公司的实际赔付表现是两回事。一家房屋保险公司真正的考验，是一场大规模野火或飓风之后，其模型预测的损失分布与实际赔付之间的偏差有多大。Stand 的模型在 310 栋房屋的历史验证中表现优于行业标准——按公司自述——但历史验证和真实承保之间的差距，只有在灾难发生后才会完全暴露。
值得注意的另一个信号是再保方的阵容。Arch、RenaissanceRe、Hannover、Nephila 和 Hiscox 都是巨灾再保市场的成熟参与者。它们愿意为 Stand 的保单提供再保，至少说明 Stand 的定价和风险选择在商业上通过了初步审查。但再保合同的具体条款、价格和限额均未披露，再保方的参与程度也无法从公开信息中判断。如果 Stand 只是把大部分风险转嫁给再保方，那么它的模型价值更多体现在获客和定价效率上，而非风险承担能力上。
待验证的假设：模型能卖保险，但能改变屋主行为吗
Stand 的叙事中有一个隐含假设：如果保险公司能告诉屋主具体该改什么、改完能省多少钱，屋主就会动手改造。DiStefano 的演示把这种假设变成了交互体验——删掉一棵树，保费立刻下降。Preston 说公司甚至有员工以前是建筑商，能帮客户按模拟结果改造房产。
但这个假设面临现实摩擦。首先，改造需要前期投入。换防火屋顶、清伐树木、封闭通风口都需要钱，而保费节省是逐年兑现的。Stand 提到的“在保单生命周期内为减灾改造提供融资”尚不在短期管线内，意味着当前客户需要自己承担改造现金流。其次，租房者和低收入屋主的改造意愿和能力都更弱，但他们往往住在风险更高的老旧房屋中。Stand 的经纪人渠道和逐栋定价模式，可能天然筛选出那些有改造能力和意愿的屋主，留下风险最高的群体继续依赖州政府计划或干脆不投保。这是精算上的合理选择，但会加剧保险市场的风险分层。
另一个待验证假设是模型的可解释性。Stand 的卖点之一是告诉客户“这棵树是关键的那棵”，这要求模型输出能够被翻译成具体的、可操作的改造建议。如果 Stand World Model 是一个黑箱神经网络，那么“删掉这棵树省 1100 美元”的因果解释从何而来，就是一个技术问题。公司称其 AI 理解物理，但理解物理和解释因果是两回事。一个基于物理的模型天然具有可解释性，一个拟合物理数据的神经网络则未必。Stand 似乎同时使用两者——计算流体力学模型和 Stand World Model——但两者之间的关系、各自在定价中的权重，均未披露。
最后是数据飞轮的可持续性。Stand 称其模型在 310 栋房屋上做了验证，这个数字相对于其承保的房屋数量来说很小。如果公司真的承保了超过 100 亿美元财产，按加州平均房价估算，保单数量可能在数万级别。这意味着公司有机会积累远超 310 栋的赔付和损失数据，但也意味着其早期承保决策正在大规模地接受真实世界的检验。模型在验证集上的 85% 准确率，能否在真实承保组合中维持，是未来几个野火季和飓风季的核心观察指标。
Stand 的融资故事，本质上是一个关于测量工具的故事。它主张保险业对野火风险的测量方式错了，而更好的测量工具可以改变定价、改变承保、改变屋主行为。这个主张在逻辑上自洽，在演示中直观，在历史验证中有初步数据支持。但测量工具的最终裁判不是演示，不是融资，甚至不是再保方的初步认可，而是一场真正的大火过后，模型预测的损失和实际赔付之间的差距。Stand 还没有经历过这样的考试。7000 万美元的新资金，买的是它在考试到来之前把规模做大的时间。
RecodeX 极客视：Stand 把房屋保险从“邮编统计”推进到“逐栋物理模拟”，这确实是巨灾风险定价的一次范式尝试。但 85% 对 50% 的模型竞赛由公司自己当裁判，承保规模从 10 亿到 100 亿美元的增长也未经独立审计。真正的验证不在融资新闻里，而在下一场野火或飓风过后，它的损失曲线是否比行业更接近物理定律。
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。