公司核心业务与产品 - Waterlily是一家利用AI技术为家庭提供精准“衰老预测报告”的公司，其核心是充当AI精算师，将养老概念量化为具体的时间表和资产负债表[1] - 公司利用超过5亿个健康与财务数据记录训练其模型，用户只需输入年龄、性别、家族病史等简单个人信息，AI即可推算出进入失能状态的概率、可能的起止年龄及病程发展轨迹[3] - 产品形态主要是面向B端理财顾问的SaaS平台，同时也服务C端用户，业务流分为三步：智能数据采集、衰老轨迹建模、解决方案匹配[8] - 在数据采集阶段，用户仅需完成一份3-5分钟的数字化问卷，侧重于家族病史和生活方式等关键因子[8] - 在建模阶段，系统生成可视化生命周期图表，展示照护起点、照护强度演变路径以及结合当地通胀率和护理成本的动态成本测算[10][11][13] - 在解决方案阶段，系统根据预测的资金缺口，自动匹配最优的金融产品组合，如长期护理保险、年金或以房养老方案，并计算不同方案的投资回报率[16] 技术原理与模型特点 - Waterlily建立了一套长期照护需求预测模型，其逻辑是从“平均数”转向“个性化”，通过对比数据库中相似人群的数据来推算个人风险[3] - 模型通过比对数据库，例如，从10万名具有相似特征（如白人女性、有吸烟史、母亲有阿兹海默症、现年45岁）的人群中，推算出有88%的人在82岁时会失去自理能力，从而评估用户风险[4] - 模型引入了“非正式护理”变量，能预测家属提供无偿护理的“疲劳值”，并计算出家属何时会达到必须花钱请专业护理的“崩溃点”[5] - 模型的核心价值在于将“健康风险”翻译成“财务风险”，不仅能预测疾病，还能预测该疾病在用户居住地所需的护理费用[6][7] - 对于保险规划而言，模型的关键在于识别“高风险”或“低风险”群体以及大致的“爆发时间段”，只要误差在“可定价”区间内即可满足需求[5] 商业模式与商业价值 - Waterlily采用“SaaS+交易佣金”的混合商业模式，避开了单纯卖软件的局限[16] - 核心盈利来源之一是向理财顾问、保险代理人收取SaaS订阅费，定价策略通常按“人头”收取月费[17] - 另一核心盈利来源是产品分销佣金，公司于2024年上线“报价与投保”功能，介入交易环节，当系统推荐的产品成交时，可从保险公司获得佣金[19] - 对投资人而言，公司解决了保险销售中“转化率”的痛点，据麦肯锡研究，数据驱动的个性化销售能将获客成本降低多达50%，并显著提升营销回报率[20] - 公司构建了高壁垒，其基于5亿数据训练的模型具有先发优势和数据护城河，背后的精算模型极难模仿[20] - 商业模式对B端机构极具吸引力，理财顾问利用该平台多卖出1张标准保单所获得的首年佣金，便足以完全覆盖全年的软件订阅费，形成“一单回本”的高杠杆模型[20] 公司发展历程与市场进展 - 公司由拥有NASA背景的数据科学家Lily Vittayarukskul创立，动因是其目睹家人因疾病导致家庭财务崩溃的经历[21] - 公司早期通过与小型理财顾问公司合作验证模型准确性，随后在2025年1月完成了700万美元的种子轮融资，由Brewer Lane Ventures领投，Insight Partners等机构参与[1][21] - 公司正在从单纯的“预测工具”向“全流程交易平台”转型，推出了自动化的保险报价与申请功能[21] - 公司已获得Genworth、Nationwide等美国保险巨头的接口授权，具备了直接分销能力，并赢得了Edward Jones等顶级财富管理机构的背书，被广泛应用于其理财顾问体系[1][21] 行业启示与中国市场应用 - Waterlily的模式为打破中国养老金融市场“保险僵局”提供了启示，中国市场的痛点是消费者觉得长期护理保险和养老保险“太贵、没必要”[22] - 启示一是推动理财师升级为“全生命周期规划师”，国内机构可引入类似工具，进行基于数据的场景化营销，例如预测客户未来的护理时间与退休金缺口[22][23] - 以中国人寿为代表的巨头已推出“个人养老规划服务系统”，利用大数据和精算原理提供财务测算，但相比Waterlily，这类工具大多侧重算金钱缺口，而非身体的衰退[23] - 启示二是将“体检数据”转化为“资产数据”，中国拥有爱康国宾、美年大健康等体检巨头及平安好医生等平台，可尝试作为中间层数据商，连接数据源与保险销售端，将体检报告转化为未来照护成本预测报告[25][26] - 启示三是其模型能预测所需家人无偿护理时长，这在中国具有社会意义，可作为第三方工具帮助家庭成员理性讨论养老责任分担，使相关财务讨论变得客观[27]