事关4亿车主！定价规则调整，你的车险保费要降了？******

　　中新经纬1月13日电 (李自曼)近日，中国银保监会发布《关于扩大商业车险自主定价系数浮动范围等有关事项的通知》(下称《通知》)，进一步扩大财险公司定价自主权，且明确各地因地制宜实施。

　　在受访业内人士看来，理论上车险保费最高可降价23%，但企业不会盲目降价。对保险公司来说，《通知》扩大了保险公司车险定价的自主权限，卡在原自主定价系数两端的业务或存发展机遇。

　　理论上车险保费最高可降价23%

　　大型险企的降价可能性或更高

　　《通知》第一部分内容主要是明确商业车险自主定价系数的浮动范围由[0.65，1.35]扩大到[0.5，1.5]。

　　据公安部最新统计，截至2022年9月底，全国机动车保有量达4.12亿辆。全国机动车驾驶人数量达4.99亿人，其中汽车驾驶人数量为4.61亿人。

　　东吴证券非银金融行业分析师葛玉翔团队认为，本次调整将使车险定价更加精细化，驾驶习惯良好的“好车主”保费会更低，“高风险车主”保费面临上升压力。

　　根据商业车险保费计算公式(商业车险保费=基准保费×NCD系数×自主定价系数)来算，理论上调整后车险保费价格最高可降价23%，最高可涨价11%。

　　作为计算车险保费的系数之一，自主定价系数越高，车险保费越高。目前，自主定价系数的影响因素包括车主的驾驶技术、驾驶习惯、驾龄等。

　　NCD系数指无赔款优待系数，即根据被保险人连续投保年限、出险次数，确定NCD系数值，从而影响车辆投保的费用。

　　保险公司是否会采取降价措施？中新经纬联系多家财险公司了解到，由于《通知》下发不久，各公司尚未制定出完整的相关政策，不便做出具体回应。

　　业内专家告诉中新经纬，《通知》下发后，保险公司可能会根据自己的综合情况降价。中小财险公司受车险综合改革等因素影响，综合成本率仍处于较高水平，降价的可能性会小于大型财险公司。目前，车主的出险数据是联网的，但由于各公司的定价策略不同，承保同一车主的同一辆车，保费会有差异。大型保险公司由于承保量大，会在一定程度上摊平定价风险。所以，部分选择在大型保险公司投保的风险较高的车辆，相比在中小公司投保，其车险保费并没有太高。

　　《通知》或对定价更细的公司更有利

　　卡在原自主定价系数两端的业务或存发展机遇

　　车险业务一直是多数财险公司重要业务板块。《通知》对财险公司将有哪些影响？

　　资深精算师徐昱琛对中新经纬表示，整体而言，《通知》中对于商车险自主定价系数的调整，对定价更精细的公司来说更加有利。一般而言，公司规模越大，定价能力会越好，其精算力量以及在定价方面的研究力量会更大，具有规模效应。

　　业内专家指出，除大型公司外，车企主机厂旗下的汽车保险公司或也能从此《通知》中受益。相比中小型财险公司，此类公司在数据和销售渠道都具有较大优势。不过，如何将优势转化到运营和定价方面，十分考验公司的整体经营能力。

　　关于《通知》对公司业务端的影响，徐昱琛表示，此次商业车险自主定价系数调整后，对财险公司的两类业务影响比较大。一类是原自主定价系数为0.65的业务，另一类是原自主定价系数为1.35的业务。针对本身风险数据较好、驾驶员驾驶行为良好的车辆，保险公司可将其定价系数可以打得更低，来增强客户黏性。针对高风险车辆，如营运车辆，保险公司可以通过提高自主定价系数来平衡风险，并为其提供承保机会。

　　中新经纬了解到，此前，对于高风险车辆，如摩托车、农用车、营运车、货车、皮卡车等，保险公司在承保时往往附加各种苛刻条件和繁琐程序。如摩托车在摩托车交强险保费测算时，保险公司需要根据摩托车车型、发动机排量来测算实际保费，并加收车船税。

　　徐昱琛认为，整体看来，各公司能否通过自主定价系数的调整来实现业务突破，还需进一步观察。

　　(文中观点仅供参考，不构成投资建议，投资有风险，入市需谨慎。)

聚焦人工智能技术前沿与治理 中外专家学者国际论坛建言献策******

　　中新网北京12月5日电 (记者 孙自法)2021人工智能合作与治理国际论坛“人工智能技术前沿与治理”主论坛，12月5日在清华大学以线上线下结合方式举行，中外人工智能(AI)领域专家学者聚焦人工智能技术前沿与治理这一主题，发表主旨演讲建言献策，并深入研讨交流。

　　美国国家科学院院士、美国艺术与科学院院士、约翰·贝茨·克拉克奖得主、斯坦福大学商学院技术经济学教授、以人为本人工智能研究所副所长苏珊·阿西(Susan Athey)认为，大学在指导人工智能创新方面可以发挥优先引导的关键作用。由于私营部门的技术人员缺乏伦理、哲学方面的训练，难以开发出具有可解释性的算法框架，深化这类研究能够在人工智能治理的问题识别、建立开发实践框架、提供指引等方面发挥重要作用。此外，由于数据可以带来巨大的规模效应，当前“软件即服务”的平台经济模式已非常普及。人工智能和数据需求可能带来“伪”市场集中，因此，未来对“机器换人”的预测非常具有挑战性，需要重新关注和思考人工智能如何用于应对老龄化等公共管理问题，使基于人工智能的公共服务变得更加高效。

　　国际人工智能协会前主席、清华大学人工智能国际治理研究院学术委员约兰达·吉尔(Yolanda Gil)指出，由于人类对智能机制认知不足、智能行为本身的复杂性、观测手段的有限性以及个体知识、职业、信仰、文化背景等的差异性，导致当前人工智能研究中面临着一系列挑战，因此，需要加强人工智能基础研究工作，这需要跨领域、跨学科的共同努力。当前，理解人工智能机理和构建人工智能世界模型是人工智能研究面临的两大挑战。一方面，理解人工智能机理需要构架“感知-思考-行动”的智能模型，加强对大脑思维机理的理解，建议借鉴神经科学研究联合体的有益经验，建立全球性的人工智能研究数据库，形成全球共享的研究社区。另一方面，构建人工智能世界模型则需要建立在人类经验、社会习俗、专业技能的基础上，建议建立类似于自由协作式的知识库，通过全民民众参与，推动知识在全球层面共享。

　　中国科学院院士、清华大学人工智能研究院名誉院长、清华大学人工智能国际治理研究院学术委员张钹表示，由于深度学习等算法存在不可解释性，导致前两代人工智能算法存在着公平性、安全性问题和不可靠、不可信等缺陷。发展第三代人工智能关键在于发展可解释的、鲁棒的人工智能理论和方法，开发安全、可信、可靠、可扩展的人工智能技术，以“数据驱动+知识驱动”构建支持可解释的人工智能算法的深度学习平台，赋能人工智能安全与防御优化。从数据中真正获取智能要靠知识的帮助与引导，并需要政策法规对数据使用的正确规范，充分利用知识、数据、算法和算力四个要素结合，推动人工智能的创新发展。

　　中国工程院院士、北京大学信息科学技术学院院长、鹏城实验室主任、清华大学人工智能国际治理研究院学术委员高文认为，当前人工智能发展处于新一代人工智能向强人工智能发展的关键阶段，至2030年，中国人工智能发展总体要达到世界领先水平。从战略问题看，中美欧三方在人工智能人才、研究、开发、应用、硬件、数据等方面竞争激烈，当前中国人工智能发展在战略政策、数据资源、应用场景、潜力人才方面具有优势，而在基础理论、原创算法、关键部件、国际平台、高级人才等方面还存在短板。从战术问题看，人工智能2.0需采用基于大数据的统计AI解决大规模AI应用需求，鼓励各种可能的强人工智能探索，“可解释机器学习+推理”和“仿生系统+AI大算力”是可能的技术路线图；在安全问题层面，强人工智能的安全风险主要来源于模型的不可解释性、算法和硬件的不可靠性和自主意识的不可控性，人工智能2.0应采用DPI与“防水堡技术”解决数据安全与隐私保护，重视探索人工智能伦理问题，并基于“理论-技术研究-应用”的阶段性采取不同的风险防范策略。

　　美国国家工程院外籍院士、英国皇家工程院外籍院士、清华大学高等研究院双聘教授沈向洋表示，AI已经应用于生活和工作的方方面面，目前甚至在法律上也具有一定的应用，比如美国已经有很多法庭用机器学习和人工智能方法帮助判刑，包括决定刑期这样非常重要的问题。但是我们还无法理解一些AI决策的缘由。未来发展过程中我们不能只看见AI决策的“黑箱”，应该打开“黑箱”，探究和理解其中的具体内容和因果关系，我们一定要做可解释性的AI。同时，他提到负责任的AI应具备公平性、可靠性、隐私性、包容性、透明性和责任性的特点，作为新兴领域，还需要向其他领域学习，从而更好的服务于人类。

　　中国工程院外籍院士、清华大学智能产业研究院院长、人工智能国际治理研究院学术委员张亚勤指出，“碳中和”是人类能源结构的又一次变革。“碳中和”既是可持续发展的必然选择，又是产业结构调整和发展的重大机遇。企业在“碳中和”背景下都面临转型增效的压力。人工智能+物联网是智联网，智联网可以赋能绿色计算，助力“碳中和”。智联网助力“碳中和”主要包括三个环节：首先，由数据驱动和人工智能优化引擎来实现智能决策。其次，多参数全链系统配置优化。最后，通过多源多维异构感知融合实现智能感知。智联网可用于能源融合、降低ICT产业的碳排放和推动新兴产业发展等。他还介绍了智联网赋能的绿色计算平台的框架，该平台包括人工智能驱动节能减排和高能效人工智能系统，应用路径包括绿色园区和工业节能。

　　2021人工智能合作与治理国际论坛由清华大学主办，清华大学人工智能国际治理研究院承办，国际支持机构为联合国开发计划署。论坛为期两天，设有三场主论坛、一场特别论坛和七场专题论坛。“人工智能技术前沿与治理”主论坛由清华大学计算机科学与技术系教授、人工智能研究院常务副院长孙茂松主持。(完)