绝大多数 Agent 发布稿只讲功能，敢把效率数字和「没有增加人手」放在同一句话里的，不多。9 月 1 日，中国汽车保险科技平台车车科技（NASDAQ: CCG）宣布推出 ABAO Agent Family——基于自研垂直保险大模型的 5 个专用 AI 智能体，覆盖新能源车险从动态定价到理赔、定损的全生命周期。
按公司说法，这标志着车车科技从「数字化保险交易平台」转向「AI 驱动的保险基础设施提供商」。但真正值得琢磨的不是这句战略定位，而是那组写在结算环节上的数字：结算工作流效率提升 30%，整体结算处理效率提升 50%，且未增加人手。
一、对外两个：一个跑在车主座舱里，一个跑在核保人桌面上
5 个 Agent 被清晰地分成了两类，对外交付的两个各有明确落点。
理赔陪伴 Agent 面向车主，从出险那一刻起接手：自动完成首次报案、定损，并把理赔状态实时回传到座舱系统、客服热线与 OEM App 多个渠道。它背后是一套全自动理赔平台——整合开源大模型能力与区块链存证，打通 OEM 电子配件目录与险企直修网络，实现秒级定损与智能核损。该平台已在大众安徽、阿维塔上线，并与人保、平安、太保完成对接，华为引望生态的接入也在推进中。
承保定价 Agent 面向险企核保人。用法是把自然语言直接接进核保工作台：输入订单号、车牌或 VIN，就能拿到毫秒级的多维风险分析，包含车车分评分、风险趋势分析与定制化的续保策略。支撑它的是车车自研的新能源车险智能定价模型，分析超过 200 个动态风控因子，覆盖新能源车结构特征与 ADAS/ADS 运行数据，按五档风险分层输出单车动态定价。据公司披露，该定价模型已在中国 100 多个城市商业化部署，签约险企超过 200 家。
二、对内三个：把最标准的后台流程先跑出数字
另外 3 个 Agent 部署在车车科技内部，处理的是客服质检、跨部门结算跟进，以及非标准化的险企结算单据。这三个环节的共同点是：标准化程度高、容易量化、能做前后对照——这也是那组 30% 与 50% 数字可信度相对高的原因，比「整体提效 3 倍」这类无法验证的营销话术扎实得多。
创始人兼 CEO 雷雷（Lei Zhang）在公告中的表述是：「从车主发起理赔的那一刻，到我们险企合作伙伴做出的定价与核保决策，再到我们自己平台内部编排的结算工作流，保险生命周期的每一步现在都由 AI 增强。」他同时承认，公司「仍处于充分释放这套 AI 驱动基础设施商业潜力的早期阶段」。
三、一条可复制的路径：垂直模型 + 多专用 Agent + 后台先跑数
这家公司的底色是渠道而非实验室：车车科技 2014 年成立于北京，在全国 25 个省市自治区拥有约 108 家持牌分支机构。回头看它今年的动作，路径相当连贯——6 月 22 日推出面向智能核保的 ABAO Agent，6 月 24 日发布 AI 驱动的动态定价模型「车车分」（Cheche Score），7 月又陆续落地阿保 Agent 与车车分产品，到 9 月把这条线上的能力打包成 5 个 Agent 的家族。
对想在自己行业里做 Agent 的团队，这个顺序比前台炫技更值得抄：先有垂直模型和行业数据底座，再拆成多个各管一段的专用 Agent，然后先在最容易被量化的后台流程上跑出可验证的效率数字，最后才把对外那两个做成嵌进合作伙伴系统里的一个按钮。对外 Agent 直接嵌进车企座舱和险企核保工作台，等于把服务做成了对方工作流里绕不开的一环，这种黏性远比一个独立 App 强。
四、客观看：数字成色要等财报交叉验证
需要先给这组数字划边界。30% 与 50% 均为厂商口径，公司未披露统计周期、样本量与对照方法；「未增加人手」说明的是没有因这套流程扩编，不等于同等业务量下的绝对人力投入没有变化。此外，「100 多个城市商业化部署」这个说法也需要区分——是定价模型在全部这些城市真实跑起来了，还是仅在部分城市可用，需要下一份财报来交叉验证。
另一个不该回避的背景是体量：从公开市场数据看，车车科技整体市值规模有限，目前仍处于亏损状态。这让这次发布更像一次「用 AI 讲效率故事」的尝试，而非已经跑通的商业模式。判断它成色的方法其实很简单——看这组效率数字能不能在后续财报里变成可审计的财务科目，就像看一家云厂商的 AI 收入占比一样。
但抛开财务层面，车车这次发布在方法论上确实提供了一个稀缺样本：在一个人人都在讲 Agent 的时刻，它选择把数字写在最容易验证的后台环节上，并且明确说了「没加人」。这种可被证伪的表述，本身就是一种诚意。