36氪此前介紹了一家計算機視覺企業Linkface，它專注於將圖像識別技術應用在金融領域。《「刷臉」業務之後，Linkface想幫助金融機構更高效地建立個人徵信數據肖像》文中提到，Linkface當時的主營業務有兩部分，一部分是提供在線人臉身份認證服務，另一部分是通過挖掘單體深度人際關係，為金融機構提供更精準的客戶信用評估服務。
Linkface產品總監白志斌告訴36氪，針對銀行的在線身份認證和針對金融機構的徵信服務已經穩定運行中，Linkface已和50多家金融客戶建立了合作關係。
現在Linkface正在聯合多家大型保險公司，希望將基於深度學習的圖像識別技術應用在車險、農險、壽險等領域，其中佔產險行業七成以上市場份額的車險是Linkface的關注重點。
白志斌告訴36氪，在車險行業，大數據技術和基於深度學習的圖像識別技術可以應用於兩個主要環節——前期的銷售營銷環節，以及後續的核保及理賠核損環節。
針對前期的營銷環節，Linkface希望可以根據潛在客戶的畫像，針對性地提供產品營銷服務。在提升客戶服務體驗感的同時，也增加保險的營銷購買轉換率。白志斌告訴36氪，保險的精準個性化營銷服務和他們之前做的客戶信用評估服務，其實從基礎技術原理角度來講是相同的，都是通過單體的多維度信息來刻畫用戶畫像，而Linkface在這個領域已有一定的技術積累。
不過僅幫助保險公司賣出更多的保險顯然是不夠的。以Linkface重點關注的車險行業為例，當前全行業車險處於微利和虧損之間，除了市場競爭環境影響外，還有各家保險公司的管控水平。管理集中度越強、基層操作彈性越小的公司，往往車險的盈利就越高。白志斌告訴36氪，他們希望通過技術手段減少人工幹預，進而降低保險理賠率，提升保險公司的營收。
而想要減少人工幹預、降低理賠率，就需要從兩個關鍵環節入手——核保（決定是否承保）和理賠核損（勘驗損傷情況、是否存在欺詐）。雙核崗位在車險管理中技術含量最高，需要工作人員長時間的實踐積累。傳統的核保和理賠核損方法，都是人工在現場採集標的全方位信息，然後回傳到公司，並由專人進行車輛情況的評估。這種方法服務效率低且成本高，而且人工操作不可避免的會有工作失誤和徇私舞弊，保險公司也很難責任追究。
也就是說缺少優秀的雙核人員，是改善車險經營主要障礙。而人工智慧的更廣泛使用必然減少對雙核人員的依賴。
白志斌告訴36氪，核保環節主要涉及到車身劃痕識別和自然場景下的OCR識別。Linkface已經完成了算法模型的建立，正在用百萬級的車身圖像數據來訓練優化算法。在OCR識別方面，Linkface在此前的客戶信用評估服務已完成了技術積累，此次還加入了語義識別，進一步提升了識別準確度。
至於理賠核損環節，Linkface首先會通過圖像識別技術，將後臺的標的照片以部位維度進行智能分類，之後使用圖像識別技術進行損傷程度的評估，並輸出核損報告。
白志斌表示相比於智能核保，智能理賠核損技術難度更高。因為一旦涉及到理賠核損，車身和部件的損傷一般都比較大，識別難度增加。因此智能核保系統將於近期率先推出，推出初期主要會作為輔助工具使用。另外的智能營銷和智能理賠核損系統也在儘快開發中。Linkface希望可以通過相繼推出的這三個系統幫助保險公司實現最大程度的業務自動化，提升效率減少人力成本，並降低騙保概率。
除了車險行業，Linkface也在與農業保險和人壽保險公司合作。白志斌表示，這兩個行業其實和車險行業思路一樣，也是減少人力並降低理賠率。農業保險方面，可能需要藉助攝像頭來獲取標的圖像數據，並和後臺數據進行比對識別。
不過和車險相比，壽險的核保理賠規則更複雜一些，需要有豐富醫學經驗的人員來操作。尤其是壽險理賠中較為複雜的重疾等案件更需要專業人士進行判斷。因為可以用來訓練的樣本數量不夠多，人工智慧短時間內還不足以實現人工替代。
白志斌告訴36氪，在他們看來人工智慧應用與大數據的聚合是保險行業的發展趨勢，也是個較大的藍海市場。