數據顯示，美國約有9000萬套住宅別墅(聯排和獨棟)，每年由大風和冰雹造成的保險理賠約有約有225萬起，2012- 2016年平均每單此類理賠約賠償8625美元。這一理賠過程過程本身的成本費用約為600-1100美元。

  這類理賠定損成本居高不下，主要原因是其往往由人工完成。每一單理賠的定損需要至少有一名有資質的現場理賠員（或者有經驗的維修人員在理賠員的遠程陪同下），在屋頂行走45分鐘到3小時，進行損傷照片采證，然后經過數小時到數天的整理、圖片標注和計算，在經過保險公司理賠員審核之后，才可以完成理賠的定損報告。此外，保險公司或理賠公司還需要花費額外的費用來購買受損房屋的測量報告。

  因此，保險公司，尤其是理賠公司，都在尋找更好的方法來降低每年數十億美元的理賠成本費用。看重這樣的市場機會，聚蜂智能希望利用無人機取代人工拍照，利用人工智能實現機器自動損毀鑒定，幫助客戶實時生成房屋損毀報告。目前，已與美國兩家保險公司達成合作。

  聚蜂智能的實時房屋損毀報告生成方案，采用了大疆的行業無人機飛行平臺及拍攝設備，可以實現120英尺的高空直接拍照，無需獲得用戶許可，且符合FAA的法律規定。人工智能實現機器自動損毀鑒定采用了深度學習的技術，與香港大學合作算法，使用60萬張標注圖片素材進行訓練，對于冰雹造成的損傷的識別率已經達到75%以上，對于颶風造成的損傷的識別率已經達到95%以上。

  此外，團隊表示，在定損的同時，測量報告也同步生成，利用15-20張無人機的高清照片，創建房屋3D模型，線性測量精度高于99%，面積測量精度高于98%；同時因為系統最大程度降低了人為的參與和判斷，使得定損報告獲得高度的一致性和無偏見性。

  收費方面，團隊提供不含無人機硬件的整套軟件解決方案，計劃按照無人機的臺數進行按月收費，每臺機器的月費在數百美元左右。目前，團隊已與美國兩家理賠公司達成合作，經過近半年與房屋維修公司伙伴的合作，對產品進行了大量的測試和打磨，這兩家理賠公司都同時服務多家保險公司進行理賠定損，并有望在明年簽訂百萬美元的正式商業訂單。

  除保險公司、理賠公司外，房屋維修公司也會是其潛在客戶。在美國，房屋維修公司數量眾多，對“比同行更快找到受損房屋、銷售更多房頂”存在真實需求。

  從更長遠的規劃來看，聚蜂智能希望通過積累理賠數據，利用工業級無人機進行社區高空巡檢，搭建一個房屋屋頂的數據平臺，可以服務保險公司的理賠和承保，可以提高理賠公司的效率并降低成本，可以為房屋維修公司提供工作并進行工程監督，團隊可以依靠提供數據進行變現。團隊規劃，通過500臺無人機，即可以完成短周期內美國主要區域房屋的實時檢測。

  目前，團隊已經組建了包括AI、 保險行業 、 房屋維修權在內的人才。CEO劉坤是Rice計算與應用數學專業博士, 曾任巴克萊、美國銀行交易分析師，有兩年保險房屋行業經驗。