社区

半年估值翻6倍：当下最火的AI应用公司Corgi究竟是什么样子的！

过去两年，资本市场谈AI，最容易想到的是大模型、GPU和数据中心。但2026年最值得研究的AI应用公司之一，既不训练基础模型，也不出售算力。

它卖保险。

成立于2024年的Corgi，来自Y Combinator 2024年夏季批次。2026年1月，公司估值约6.3亿美元；5月初升至13亿美元；三周后又翻倍至26亿美元。到7月，《福布斯》援引多位知情人士称，Corgi再次完成融资，估值已达到40亿美元。

近期，马云与虞锋联合创立的云锋基金，也完成对美国初创企业Corgi约3000万美元投资，这也是云锋基金已知首次投资美国本土创业公司。

半年左右，估值扩大逾六倍。Corgi的融资速度，即使放在AI热潮中也相当罕见。

这家公司真正特殊的地方，不是简单地把AI接进客服，而是试图同时拿下保险业务中最关键的四种权力：获客、核保、定价、理赔。更进一步，它一边用AI做保险，一边为AI幻觉、算法偏见和训练数据争议提供保险。

这让Corgi成为观察AI应用层的一扇窗口：当模型能力逐渐商品化，真正值钱的或许不再是“谁能调用最好的模型”，而是谁能控制行业工作流、积累专有结果数据，并把一次AI调用变成一笔真实交易。

【Corgi】

Corgi由Nico Laqua和Emily Yuan于2024年在旧金山创立，同年进入Y Combinator S24。Corgi 的收入几乎全部来自科技创业公司商业责任险保费，其中 D&O、Cyber、Tech E&O（含 AI Liability）是核心贡献来源，而非个人保险或财产保险。

一家初创公司融资时，投资人往往要求其配置D&O；与大企业签约时，采购部门可能要求Tech E&O、Cyber以及保险凭证；通过SOC 2审计、租办公室或招聘员工，又会触发不同保障要求。保险并不是“有预算再买”的锦上添花，而可能是融资到账和客户合同生效前的硬性门槛。

传统模式下，一笔业务要在客户、经纪商、批发渠道、承保公司和理赔服务方之间反复流转。对于年保费只有数千美元的早期公司，人工核保成本可能与大客户相差无几，传统险企自然缺乏服务意愿。

Corgi把这个流程做成近似SaaS的使用体验：创始人在线填写资料，按融资阶段选择保障组合，系统快速生成报价；企业成长后，可以追加险种或提高保额。

公司官网称，多数创始人可在五分钟内完成申请，并在当天获得保障；部分复杂险种仍需要1至14天。官网列出的参考价格为：符合条件的种子期企业基础保障约每年2000至5000美元，A轮企业约5000至1.5万美元，实际价格取决于州、行业、保额和具体风险。

需要分清的是，使用体验像SaaS，不代表经济模型就是SaaS。客户支付的是保险费，背后仍然对应赔付、准备金、再保险和监管资本，而不是近乎无损耗的订阅收入。

Corgi最常使用的标签是“AI原生全栈保险承运商”。这个说法抓住了商业实质，却容易掩盖法律结构。

根据Corgi官网的许可与法律披露：

● Corgi Insurance Services是持牌保险生产者和项目管理人，本身不是承担保险风险的承保主体；

● 核心保障主要由Technology Risk Retention Group（TRRG）承保；

● 集团内还包括其他承保和理赔管理实体，部分保单也可能由第三方持牌承运商提供；

● 具体哪一家实体承保、哪一家负责理赔，应以客户最终收到的保单文件为准。

因此，更准确的表述不是“同一家公司包办一切”，而是“Corgi在集团层面纵向整合了分销、核保、保单管理与理赔”。这已经比单纯数字经纪商控制更多环节，但不同法律主体的责任边界依然存在。

TRRG采用的是风险自留集团（Risk Retention Group，RRG）结构。按美国保险监督官协会NAIC的定义，RRG由面对相似责任风险的成员共同组成，可以在一个州设立，再通过登记进入其他州，从而避免逐州重新取得传统承运牌照。

它带来三项直接优势：

第一，跨州扩张更快；

第二，可以围绕一类相似客户设计更有针对性的责任险；

第三，承保、产品和理赔数据更容易留在同一体系中。

代价同样清晰。RRG主要受注册州监管，不一定适用客户所在州的全部保险规则；Corgi披露TRRG没有AM Best评级，RRG保单也不能获得州保险破产保障基金兜底。Corgi官网对此已有明确提示：如果RRG失去偿付能力，保单持有人不能依赖州保障基金接管赔付。

这意味着，Corgi的“全栈”既是利润来源，也是风险来源。集团可以获得保险佣金和服务费，也有机会分享承保利润与保费浮存金收益；但定价错误、准备金不足或集中赔付，也会更直接地反映在资本需求上。

【目前Corgi同时踩中了三种结构性缺口】

1. AI风险快速增长，传统保障却在收缩

生成式AI把软件责任从“代码有没有Bug”，推向“概率性输出会造成什么后果”。模型即使按设计运行，也可能生成虚假或诽谤内容、产生歧视性结果、卷入训练数据版权争议，或者因为上游模型中断导致客户业务停摆。

传统险企面对的不是一个普通新品类，而是缺乏历史损失数据、法律责任尚未定型、还可能在同一时间影响大量客户的相关性风险。2025年以来，包括W.R. Berkley在内的部分保险公司开始申请或采用AI相关排除条款；Verisk也准备向保险客户提供生成式AI风险排除表格。与此同时，Gallagher的调查显示，到2025年底，63%的受访企业已经部分或全面部署AI，但拥有正式AI风险管理框架的企业仍不足一半。

供给端更加谨慎，需求端却没有消失。Corgi的Tech & AI Liability正是在这个缝隙中，把模型幻觉、算法偏见和训练数据争议纳入可选择的保障模块。需要注意，实际是否赔付仍取决于每张保单的定义、除外责任、限额和免赔额，不能把营销页面列出的场景等同于无条件保障。

2. AI不是附加功能，而是用来改变成本曲线

传统小微商业险的问题，不只是页面难用，而是每增加一张小额保单，都要增加销售、核保、保全和理赔人力。Corgi的目标是让系统自动完成资料读取、风险分类、报价准备和文件生成，把人工留给复杂或重大决策。

如果一张几千美元保费的保单能够以极低的边际运营成本完成，过去“不值得服务”的创业公司就会变成可盈利客户。这比单纯节省员工时间更重要：AI不是只改善费用率，而是在扩大可服务市场。

3. 它同时控制产品、分销和交易时点

Corgi背靠YC创业生态，天然接近客户最需要保险的时点——融资、签大客户、搬办公室和招聘。24小时咖啡馆、柯基犬品牌和高强度销售文化，看上去有些喧闹，却共同完成了一件事：以低成本进入创业者社群，并在需求爆发前建立品牌记忆。

资本对这条赛道的追捧也并非孤例。Gallagher Re 2026年一季度全球InsurTech报告显示，当季全球保险科技融资为16.3亿美元，其中95.2%流向AI相关公司；AI责任与网络风险相关企业获得超过4.4亿美元融资。Corgi只是把这股趋势推到了最极端的位置。

【护城河】

Corgi在报价、核保、定价、出单、反欺诈、客户服务和理赔中均使用AI，但官网法律披露同时强调：重大承保和理赔决定保留人工监督，AI用于补充而非替代人的判断。

这一点在理赔端尤其重要。

按照Corgi对自身理赔流程的描述，报案材料进入系统后，AI会先读取文件、评估事故严重程度和可能涉及的保障范围、提示缺失材料，并在整个保单组合中识别异常模式；随后由持牌理赔人员作出覆盖和赔付决定。公司宣称这套模式可让商业险理赔速度提高2.5倍，但尚未公开独立样本、平均结案天数或同口径对照组，因此更适合视为公司口径，而不是已经被第三方验证的行业结论。

从投资角度看，AI处理文件并不是最深的护城河，真正稀缺的是直达结果。

一份融资材料、代码库或安全报告只能告诉模型客户现在长什么样；一笔真实赔付则告诉模型，哪些特征最终对应损失、损失发生得有多频繁、严重程度如何。

而Corgi理论上的数据飞轮是：

更多客户申请 → 更多风险暴露数据 → 更多理赔和准备金结果 → 更准确的风险筛选与定价 → 更低的赔付率和费用率 → 更有竞争力的价格 → 更多客户。

这也是资本愿意给Corgi科技估值的核心原因。如果它只是把表格填写得更快，传统巨头迟早可以追上；如果它能积累外部无法获得的“企业行为—模型架构—最终损失”数据，后来者面对的就不只是软件差距，而是损失经验差距。

不过，Corgi的数据飞轮目前仍是一项期权，而不是已经证实的护城河。

首先，科技E&O、D&O和AI责任险可能是长尾业务，索赔往往在保单签发数年后才暴露，数据标签远慢于互联网点击数据。其次，AI风险具有高度相关性：同一基础模型宕机、一项新监管规则或一场版权判决，可能同时触发大量客户损失。再次，模型和法律环境变化太快，旧数据未必能预测新一代智能体风险。

保险公司的危险之处在于，更多客户不一定让飞轮更快，也可能让错误定价更快累积。只有当赔付率、准备金和再保险结果被验证后，规模才真正构成优势。

【特征】

从Corgi看，一家具备长期价值的AI应用公司，最好同时满足六个条件：

①掌握工作流。 AI不是孤立聊天框，而是进入客户每天必须完成的交易、决策或运营流程；

②拥有第一方数据和结果标签。 不只知道用户问了什么，还知道决策最后是否赚钱、是否出险、是否提高效率；

③卖的是硬结果。 能明确增加收入、降低成本、减少事故或缩短交易时间；

④AI改变成本曲线。 不是为了讲故事而增加算力开支，而是让原本无法盈利的小客户或新市场变得可服务；

⑤拥有分销和制度壁垒。 行业集成、合规资质、客户关系与转换成本，使基础模型厂商难以直接替代；

⑥财务结果已经可验证。 收入增长之外，还要看到留存、毛利、现金流和单位经济，而不是只看“处理了多少Token”。

这套框架能够看出企业有没有形成AI闭环。而其他AI应用公司如下，Lemonade 虽然是与Corgi相似的业务，但主战场是个人业务（租房险、宠物险、车险），几乎不做科技公司商业责任险。

Corgi的成功首先说明了一件事：AI应用层的最大机会，未必来自发明一个全新需求，而可能来自重做一个巨大、低效且不得不购买的传统行业。它没有向客户出售Token，而是出售融资和签约所需的保险；没有停留在生成文字，而是进入核保、定价和理赔；没有只谈节省工时，而是试图用更低边际成本服务传统险企不愿服务的小客户。这正是优质AI应用公司的共同轮廓：占据工作流，获得数据权，掌握交易权，最终把AI能力变成定价权。

$Palantir Technologies Inc.(PLTR)$ $ServiceNow(NOW)$ $AppLovin Corporation(APP)$