Allstate与IBM合作：量子计算如何优化保险投资组合

Allstate与IBM的联合研究成果显示，量子计算有望帮助企业构建更优质的风险与价值组合，并为保险行业中的复杂难题提供全新的解决思路。

这项联合研究于2026年5月发布至arXiv，核心聚焦于计算机科学中的经典"背包问题"，该问题对保险公司具有重要的现实意义。背包问题的目标是在不超过容量上限的前提下，从一组具有不同重量与价值的物品中，找到价值最大的组合方案。当物品数量极大时，许多形式的背包问题在传统计算框架下几乎无解。

背包问题在保险投资组合管理中有直接的应用价值：保险公司需要构建均衡的投资组合，在满足客户需求的同时合理管控风险。然而，家庭财产保险的现实情况使风险平衡变得更加复杂——各类风险之间往往存在难以预测的关联性。一旦龙卷风袭击某个社区，房屋保险公司可能需要同时赔付一整片区域内所有受损建筑。

"在房屋保险业务上，我们必须从投资组合的整体视角出发，而不能仅仅关注单一风险。"Allstate首席分析官兼首席数据官Eric Huls表示。

Allstate数据科学家、保险产品部技术总监Jean Utke进一步解释了不同险种的风险相关性差异：车祸事故通常是相互独立的，某位驾驶员发生事故对其他人的影响微乎其微；但自然灾害则截然不同。野火往往不只损毁一栋房屋，而是波及整个区域；飓风和冰雹同样如此。因此，房屋保险投资组合中各保单之间的风险高度相关，这些极端天气事件也是影响整体投资组合的最关键因素之一。

这种高相关性从根本上改变了保险公司的思维方式。Allstate不能简单地对每处房产独立评估后汇总风险，而必须从整体视角审视整个投资组合，评估在多重损失同时发生时可能面临的最坏情形，并判断这一极端情形是否在公司可承受的风险范围之内。这使得如何将保单最优地"装入"保险投资组合这个"背包"，成为一个极为复杂的版本的背包问题。

目前，Allstate通过传统的模拟计算方式应对这一挑战——公司可能会运行多达10万种情景模拟来评估潜在的结果范围。但这种方法存在明显局限，尤其是在处理低概率、高损失的极端事件时。

"问题在于，当你从10万次模拟中筛选出1%的尾部事件时，只剩下1000个样本，其中存在相当大的不确定性，在跨越大范围地理区域、涵盖多种灾害类型的情况下尤为突出。"Utke说道。例如，以南加州野火为基础建立的模拟模型，对于东海岸的飓风或密苏里州圣路易斯的冰雹事件，其参考价值十分有限。

量子计算有望提供更直接的决策路径，而非依赖模拟与近似。

Allstate所面临的背包问题版本尤为棘手。损失（即"重量"）并非固定数值，而是充满不确定性的浮动区间，因为没有人能预先知晓某场灾难的实际代价。与此同时，大型稳健的保险公司还必须在设定的风险容忍度内，接受总损失超过上限的一定概率。

"现有的传统方法要么依赖多情景模拟来应对不确定性——准确但计算成本高昂；要么采用最坏情形估算——安全但过于保守。"IBM量子研究员、论文共同作者Vaibhaw Kumar表示。

在此背景下，Allstate与IBM联合团队探索了一种将量子计算与经典计算相结合的创新工作流程，并将其应用于家庭保险投资组合。

具体而言，运行于IBM Quantum Heron处理器上的量子电路负责生成一批候选方案，这些方案经过定向优化，倾向于在预算范围内实现价值最大化。随后，经典计算步骤对候选列表进行清洗，修正超出预算的方案，并从中学习哪些房产组合更常出现在优质解中，将这些知识反馈给下一轮量子计算，从而形成不断自我优化的良性循环。

研究团队还发现，直接在大规模问题上训练量子电路会面临"梯度消失"的挑战，导致学习信号随问题规模扩大而逐渐衰减。为此，他们采用"小问题训练、大问题迁移"的策略，有效解决了这一难题。

随着量子硬件性能的持续提升，这一工作流程有望变得更加强大高效。Kumar指出："如果硬件噪声持续降低，经典计算部分的工作量也将随之减少。"

在评估层面，研究团队将该量子-经典混合方法与四种常见的近似算法进行了对比：并行回火、禁忌搜索、模拟退火以及遗传算法。每种方法均在每个问题上获得30分钟的计算时间。

结果显示，在规模不超过75个物品的问题上，各方法均能匹配精确求解器给出的最优解。随着问题规模扩大，量子-经典混合方法持续与最强经典启发式算法保持竞争力，在约束条件严格的情形下甚至略有超越——这对于实际业务中最具挑战性的复杂场景而言，是一个令人振奋的信号。

Utke表示，这项研究的核心目标是"从两端同时架桥"：一方面明确量子硬件当前的能力边界，另一方面识别随硬件持续演进可能受益的业务问题，最终找到两者的交汇点。

Huls指出，即便通向实际商业价值的时间线尚不确定，提早布局也好过错失先机。量子技术发展迅速，已经积累技术能力并找准应用场景的企业，将在未来竞争中占据有利位置。

两位负责人均向其他企业领导者提出了共同建议：从真实的业务问题出发。当技术探索与企业实际关切紧密相连时，学习过程更为高效，进展也更易于衡量。

Allstate的量子计算探索之路正是遵循这一原则。公司总部位于芝加哥北郊的诺斯布鲁克，IBM参与的芝加哥量子交易所为Allstate打开了量子计算领域的大门。双方最初通过IBM面向新入门机构的"量子加速器计划"建立合作关系，并在过去两年间发展为深度联合研究。Utke对此次合作的开放透明表示自豪——所有研究成果均公开发布，代码与数据对外共享，任何人都可以进行验证与二次开发。

Huls坦言，量子工作流程如何融入保险决策与投资组合构建，仍有许多问题有待探索。但这项研究已经带来了宝贵的洞察与经验积累，使Allstate能够从容迎接正在加速到来的量子计算时代。

Q&A

Q1：背包问题与保险投资组合构建有什么关系？

A：背包问题要求在不超过容量限制的前提下，从一组物品中找出价值最大的组合。这与保险投资组合构建高度类似：保险公司需要在可承受的风险范围内，筛选出最优的保单组合。由于家庭财产保险中各类风险（如野火、飓风）高度相关，问题复杂度极高，使其成为一个极难求解的背包问题变体。

Q2：Allstate与IBM的量子-经典混合工作流程是如何运作的？

A：该工作流程分两个阶段运行。首先，IBM Quantum Heron量子处理器生成一批倾向于高价值、符合预算的候选保单组合；随后，经典计算对候选结果进行修正和学习，将优质解的规律反馈给下一轮量子计算，形成持续优化的循环。此外，团队采用"小问题训练、大问题迁移"策略，有效解决了大规模问题训练中梯度消失的难题。

Q3：量子计算在保险投资组合优化方面的实际表现如何？

A：在规模不超过75个物品的测试中，量子-经典混合方法与并行回火、禁忌搜索等四种经典近似算法均能达到最优解。随着问题规模增大，量子方法在约束条件严格的场景下略优于最强经典启发式算法，展示出在实际复杂业务场景中的应用潜力。目前该方法尚未达到可完全替代传统求解器的规模，但随着量子硬件持续演进，商业价值预计将持续提升。