保观 | 聚焦保险创新
由于近期公众号推送机制改变，欢迎您在公众号首页点击右上【···】，将保观设为“星标”，及时跟踪行业最新资讯
根据联合国数据显示，到2050年全球65岁以上人口将增加至16亿，占总人口的16%以上。而在我国，老龄化形势则更为严峻，截至2024年末，我国60周岁及以上老年人口已达3.1亿，占总人口的22%，65周岁及以上老年人口达2.2亿，占总人口的15.6%。在这一背景下，传统的养老规划模式已难以满足日益增长的个性化、精准化需求。对于大多数40岁至60岁的人群而言，养老规划始终笼罩在“不确定性”的迷雾中——他们知道自己会老，但不知道什么时候身体会垮，不知道何时会失能、何种疾病会来袭、长期照护需要烧掉多少钱。这种迷茫催生了两种极端：要么盲目焦虑存钱，要么鸵鸟心态拒绝规划。
美国旧金山初创企业Waterlily用AI技术打破了这一困局，该公司通过5亿+健康与财务数据构建的预测模型，将模糊的“衰老”转化为可量化的“时间表与资产负债表”，不仅撬动了万亿级养老金融市场，更重塑了养老规划的行业逻辑。2025年，Waterlily完成了700万美元的种子轮融资，并入选世界经济论坛“繁荣长寿挑战赛”十大获奖初创企业。
Waterlily案例给我们的最大启示是一种思路的转变：利用AI将养老规划从模糊的担忧，变为有数据支撑的、可管理的未来生活项目。对于我国的创业企业、金融机构和养老服务机构而言，关键在于结合本土政策、文化和数据环境，开发出真正能解决我国家庭养老焦虑的“AI规划师”，让更多人能够从容、有准备地迎接老年生活。
1
核心定位与行业价值
Waterlily的诞生源于一场深刻的家庭创伤。的首席执行官和联合创始人莉莉·维塔亚鲁克苏尔（Lily Vittayarukskul），14岁上大学，16岁到美国国家航空航天局实习。但是，当她的姑妈被诊断出患有晚期结肠癌时，她的生活发生了意想不到的转变。她的姑妈化疗后由于身体虚弱完全丧失了自理能力，家人不得不放弃工作和学业全力照料，不仅耗尽了家庭积蓄，更让亲情关系在压力下出现裂痕。这一经历让原本专注于航天工程的莉莉毅然转向基因与数据科学领域，她意识到：“大多数家庭并非不愿规划养老，而是缺乏工具看清未来的风险与成本。”2021年，莉莉联合麻省理工学院最年轻的神经科学博士埃文·埃伦伯格（Evan Ehrenberg）创立Waterlily，决心用技术让养老规划变得清晰、可及。
美国Waterlily公司的首席执行官和联合创始人Lily Vittayarukskul
作为一家聚焦长期照护（LTC）规划的保险科技企业，Waterlily的核心定位并非传统保险中介或医疗服务机构，而是“家庭养老规划的AI精算师”。其使命是“让个人和家庭在人生最具挑战的时刻保持信心与清晰”，通过融合航天级算法与海量数据，填补医疗服务（只管看病）与理财服务（只管算钱）之间的断层。如今，这家企业已服务超100家金融咨询公司，接入Genworth、Nationwide、保德信等多家财富100强保险机构，成为美国养老金融市场的标杆性平台。
Waterlily的快速崛起，根源在于精准击中了养老规划领域的核心痛点——不确定性。
一是健康风险的模糊性。美国传统养老规划依赖“平均每人需要3年长期照护”这类粗糙的统计数据，但是，对于每个个体而言差异巨大，例如，阿尔茨海默症患者可能需要长达10年的照护，而突发心脏病后的照护周期可能仅需3个月。对于普通家庭而言，既无法预判自己会面临何种健康风险，也不知道失能会在何时发生，导致规划缺乏针对性。
二是财务成本的未知性。长期照护的高成本远超普通家庭预期：美国某地区居家照护单价达34美元/小时，独立生活年成本高达13.5万美元，而一名60岁用户通过Waterlily预测，86岁后所需照护总费用将达148万美元。这种巨额支出往往成为家庭财务的“黑洞”，许多中产家庭因突发照护需求陷入经济困境。
三是家庭责任的失衡。子女提供的“非正式护理”是许多家庭的主要照护方式，但这种护理缺乏可持续性——长期的体力与精神消耗会让照护者逐渐陷入“疲劳危机”。然而，大多数家庭回避讨论“谁来照顾、何时需要花钱请人”等敏感话题，直到照护者达到“崩溃点”，家庭才仓促应对，往往引发矛盾与混乱。
Waterlily的突破在于用技术破解了“不确定性”，构建了“数据采集-风险预测-方案匹配-动态迭代”的全链条服务体系，旨在将养老规划从“被动应对”转变为主动预测，帮助40岁以上人群提前规划未来的长期护理需求。Waterlily的核心理念是通过数据驱动的方法，将模糊的养老概念转化为具体的、可量化的时间和成本指标，使家庭能够提前做出明智的财务决策。
2
关键技术与产品优势
Waterlily的核心竞争力在于其强大的数据整合和预测模型，其技术架构包括以下关键要素：
一是数据收集。Waterlily平台整合了超过5亿个数据点，包括临床健康数据、人口统计学数据、理赔数据等，并通过与长期护理提供商、政府数据库、学术研究项目和个人用户签订正式的数据共享协议，持续扩大数据源。
二是预测算法。利用机器学习算法，Waterlily能够分析海量数据，识别出与用户相似的家庭案例，并基于这些案例预测用户未来的护理需求。
三是个性化建模。Waterlily的AI系统能够根据用户的特定情况生成个性化的预测。平台可以预测用户在早期、中期和晚期护理阶段的需求，并提供相应的成本估算。用户可以通过平台选择不同的照护方案（如居家护理或养老机构），并查看每种方案的成本明细。
值得注意的是，Waterlily的创新性的引入了“非正式护理”变量，即预测家属何时会达到“崩溃点”（不论多孝顺，也必须花钱请人的那个时间节点）。这一人性化算法考量了家庭成员提供护理的可持续性，使预测结果更加贴近现实。
表1 Waterlily养老规划预测模型的关键要素
Waterlily的产品设计以用户体验为中心，将复杂的预测模型转化为简洁易懂的界面。其采用B+C双端布局，形成了“极简操作+极致精准”的服务体验。对C端用户，平台提供免费在线工具，用户无需体检，仅需完成3-5分钟的数字化问卷，即可获得包含照护概率、时间线、成本明细的个性化报告。报告以可视化图表呈现，如“83岁开始早期照护，85岁进入全护理阶段，总费用93.3万美元”，让复杂数据直观易懂。对B端（理财顾问、保险代理人），平台推出SaaS服务，支持同时管理100个客户的长期护理计划，提供白标定制、保单报价、客户管理等功能，成为顾问的“获客神器”与“销售辅助工具”。此外，平台还为保险机构提供政策holder管理系统，覆盖“预理赔规划-在理赔服务-保费调整沟通”全周期。
表2 Waterlily产品服务流程的四步闭环
3
商业模式与商业价值
Waterlily主要采用通过财务顾问和保险代理人服务最终家庭的商业模式，从而降低了直接教育C端用户的成本。其商业模式的主要特点包括：
一是目标客户明确。主要服务于40岁以上人群，包括普通家庭、保险公司和财务顾问。目前，该公司拥有8家财富100强保险公司的企业客户，还有数百名独立财务顾问和保险代理人客户。
二是收入来源清晰。Waterlily的商业模式构建了“SaaS订阅+产品分销佣金+企业定制服务”的多元化盈利体系：①SaaS订阅费是目前平台的核心收入来源，采用“按席位收费”的定价策略，月度订阅59美元/席位，年度订阅47美元/席位（预付12个月省20%），免费试用14天；②产品分销佣金是高增长业务，平台通过对接保险机构接口，当用户通过推荐购买LTC保险、年金等产品并成交时，可获得保费8%-15%的佣金。由于平台推荐的保单退保率低，还能额外获得2%的“续保奖励”，2025年该业务占比已达35%，预计2026年将成为第一收入来源；③企业定制服务则针对大型保险机构，提供专属预测模型开发与数据整合服务，一次性开发费20万-50万美元，年度维护费为合同金额的10%，目前已服务8家财富100强保险企业。
三是市场定位精准。Waterlily不是传统的医疗公司或保险中介，而是一个专帮家庭“算养老账”的AI精算师。这一定位使其在长期护理规划领域脱颖而出，填补了市场空白。
这种商业模式的核心价值在于重构了养老金融的价值链。对理财顾问，平台将其从“产品推销员”升级为“全生命周期规划师”，用AI生成的客观数据降低客户抵触心理，客户咨询转化率提升3倍，管理资产规模（AUM）平均增长130万美元/年；对保险机构，平台解决了LTC产品“获客难、转化率低”的痛点，数据驱动模式降低50%获客成本，推动保单转化率从行业基线0.4%升至44.8%，提升111倍；对家庭用户，免费工具让普通家庭能以零门槛获得专业规划服务，44%的用户在看到报告后采取行动（购买保险或设置专项储蓄），远高于行业20%的平均水平。
财务数据印证了模式的成功：Waterlily平台2024年3月正式上线后，月度经常性收入（MRR）增长22倍，月均增长率达58%；累计融资9200万美元，包括2024年220万美元预种子轮与2025年1月700万美元种子轮，投资方涵盖保险科技垂直风投、保险巨头与顶级财富管理机构。据投行预测，随着美国LTC市场规模持续扩大，若2027年平台渗透率达5%，营收有望突破10亿美元。
4
行业影响与借鉴意义
Waterlily的核心创新在于创建了一种数据驱动的新型养老规划范式，将传统上依赖经验和粗略估计的养老规划转变为基于大数据的精准预测。Waterlily的创新实践对养老规划行业产生了深远影响，不仅帮助家庭更好地规划未来，也为保险公司和财务顾问提供了更科学的决策工具。它的出现，重塑了美国养老规划行业，更为全球老龄化应对提供了技术范本，对正处于老龄化加速期的我国具有重要借鉴意义。
在行业影响上，Waterlily树立了“精准化”的新标准。它证明养老规划无需等到65岁后，40岁即可通过数据预判风险，推动规划年龄前移；其建立的“数据采集-风险预测-方案匹配-动态迭代”流程，被《华尔街日报》列为养老科技最佳实践。对保险行业而言，平台倒逼机构从“产品导向”转向“用户需求导向”，基于用户数据开发针对性产品，如阿尔茨海默症高风险人群专项保单、家庭护理责任分摊型产品。在社会层面，平台用客观数据打破了家庭养老的“沟通禁忌”，30%的用户将报告分享给家人，推动养老责任理性分摊，减少未来矛盾。
对我国市场而言，Waterlily的模式提供了三大借鉴方向：
一是在技术层面，应打破“数据孤岛”，推动体检机构、医保系统、保险机构的数据合规共享，针对国内人群特点优化算法——增加高血压、糖尿病等慢性病对失能时间的影响，以及子女异地工作对护理能力的影响等变量，提升预测的本土化适配性。目前中国人寿等企业已推出养老规划工具，但多聚焦于养老金测算，仍需强化健康风险预测功能。
二是在模式层面，应聚焦B+C双端发力，重点赋能理财顾问与保险代理人。国内从业者仍以“卖产品”为主，可借鉴Waterlily的场景化营销逻辑，用“您82岁后每月养老金缺口5000元”等数据化结论替代纯话术推销，同时降低C端用户参与门槛，通过“3分钟问卷+免费报告”吸引用户，再引导至深度服务，提升转化率。
三是在产品层面，需填补“健康-财务”的服务断层。国内长护险试点已覆盖49个城市，但群众认知度低、产品适配性不足，可参考Waterlily的“成本可视化+方案个性化”思路，开发对接医保政策的规划工具，细化地域护理成本差异，同时设计家庭护理责任规划模块，契合中国“孝道文化”，帮助子女与父母理性分摊照护责任。
当然，本土化过程中需应对三大挑战：一是数据合规风险，国内健康数据隐私保护严格，需在合规框架下构建数据合作机制；二是用户认知风险，需通过公益科普提升公众对长期照护的认知；三是政策适配风险，需对接国内长护险试点动态情况进行调整，确保方案的可持续性。
结语 ：
Waterlily的案例展示了AI技术如何从根本上重构养老规划的逻辑与方法。通过数据驱动的预测模型，Waterlily将模糊的养老需求转化为量化的时间和成本指标，使家庭能够提前数十年规划未来的长期护理需求，这种从“被动应对”到“主动预测”的转变，代表了养老规划领域的范式创新。立足我国养老发展实际，养老规划体系亟需从理念、技术、产品、服务到生态全维度加速创新升级，推动 AI 技术与养老规划深度融合、落地应用，让前沿科技真正为养老产业高质量发展赋能增效。
保观知识星球
热门跟贴