✨ 要点🔬 技术摘要
想象保险世界是一座巨大的古老图书馆，里面藏满了各种类型的书籍（保单），旨在保护人们免受特定灾难的侵害：火灾、盗窃、车祸或糟糕的医疗建议。
现在，想象人工智能（AI） 是一种全新的、神奇的工具，人们正用它来写作、绘画、驾驶汽车和做出决策。问题在于，这个新工具无法完美地归入那些旧书之中。有时，它看起来像火灾；有时，它看起来像盗窃；有时，它又像是医生犯下的错误。
这篇由一群研究人员于 2026 年 5 月撰写的论文，就像一张地图 ，旨在厘清图书馆中的哪本书具体涵盖了哪种 AI 灾难。他们审视了 55 种不同的 AI 出错方式（威胁），并将其与 26 种不同类型的保险保单进行比对，以查看保险公司实际上表示会赔付哪些内容。
以下是他们研究发现的简明总结，采用了日常类比：
1. “沉默”的危险（灰色地带）
这就像驾驶一辆装有新型隐形自动驾驶系统的汽车。如果你发生车祸，旧的保险保单可能会说：“我们承保车祸，”但这份保单是在自动驾驶出现之前编写的。
论文主张 ：许多 AI 事故落入“沉默”区域。它们既未被明确承保，也未被明确禁止。这是一场猜谜游戏。如果 AI 产生幻觉（编造事实）并引发诉讼，保险公司可能会争辩说：“那是专业失误，”而投保人则会争辩说：“不，那是网络故障。”在法院做出裁决之前，承保范围是不确定的。
2. “是的，我们承保”区域（肯定性承保）
一些保险公司已经意识到旧书行不通，因此正在编写全新的、专门的章节 ，专门针对 AI。
论文主张 ：市场正在分化。不再只有一种庞大的"AI 保单”，不同的公司正在各自专精：
慕尼黑再保险（Munich Re） 专注于“模型漂移”（当 AI 随时间推移逐渐变差，就像汽车发动机磨损一样）。Armilla 和其他公司 承保“幻觉”（当 AI 自信地撒谎时）。Coalition 承保“深度伪造”（伪造的 CEO 视频）。Apollo ibott 承保“自主代理”（AI 机器人犯错）。核心要点 ：如果你希望针对特定的 AI 问题获得承保，现在你必须购买专为该特定问题设计的特定保单，而不是通用保单。
3. “不，我们不承保”区域（除外责任）
一些保险公司采取了不同的方法。与其编写新章节，他们正在撕掉旧书中的页面 。
论文主张 ：许多大型保险公司正在添加“除外责任批单”。这些是贴在保单上的便签，上面写着：“如果损失涉及 AI，我们将不予赔付。”他们这样做是因为 AI 风险过于不可预测，无法用旧规则来处理。
4. “三个不可能的问题”（前沿领域）
该论文识别出三种类型的 AI 风险，它们如此奇特，以至于标准保险可能永远无法适用于它们。他们将这些称为“第四层级”问题：
“致命三重奏”（架构缺陷） ：想象建造一所房子，其前门只要拥有特定类型的钥匙就永远 是未上锁的。论文指出，这不是保险问题，而是建筑问题 。你无法购买保险来修复一扇坏掉的大门；你只能把它锁上。如果你的 AI 系统存在这种特定缺陷，保险帮不了你；你需要修复设计。"AI 洗白”（关于 AI 的谎言） ：想象一家公司为了推高股价，向投资者撒谎说：“我们使用 AI！”而实际上并没有。论文指出，这只是老式的欺诈 。保险一直拒绝为蓄意谎言赔付。AI 只是用来撒谎的新工具，但关于不为谎言赔付的规则并未改变。“多米诺骨牌效应”（系统性风险） ：这是最独特的发现。想象如果一家巨型工厂（即“基础模型提供商”，如一家主要 AI 公司）停止运作或发生故障。由于成千上万的其他公司都使用同一家工厂，它们将在完全相同的时间点全部崩溃。
论文主张 ：保险运作的基础是：如果一所房子被烧毁，其他房子则是安全的。但如果一家 AI 工厂失败，所有人 将同时被烧毁。这打破了保险的数学逻辑。论文建议，我们可能需要一种全新的安全网（如政府兜底或特别资金池），因为正常的保险公司无法应对这种同时打击所有人的灾难。
总结
该论文得出结论，AI 保险市场正在自我梳理 。
专家 正在涌现，以承保特定的 AI 错误（如幻觉或漂移）。旧保单 正变得“沉默”（不明确）或正在积极排除 AI 以规避风险。有些风险过于残缺 而无法承保（你必须修复设计）。
有些风险过于巨大 而无法承保（如果主要 AI 提供商失败，所有人将同时失败）。
作者强调，这张地图是基于保险公司在其公开宣传册中声称 会做什么，而不一定是他们在真实法庭案件中会赔付什么。这是 2026 年市场现状的快照，表明规则仍在制定之中。
技术摘要：AI 风险的承保边界
问题陈述
方法论
威胁目录 ：本研究将 55 种 AI 相关风险进行了编码，来源包括 OWASP（大语言模型、代理型 AI 及代理型技能十大风险）、MITRE ATLAS v5.1.0 和 NIST AI 风险管理框架（AI RMF）。这些威胁被归为七大类：大语言模型/生成式 AI 应用、代理型 AI、MCP/代理基础设施、经典机器学习/深度学习、AI 运维与供应链、人员/滥用、以及系统性/聚合风险。保险产品目录 ：本研究分析了 26 种保险产品，包括 14 种肯定性 AI 产品/批单、6 种可能存在静默暴露的传统险种，以及 6 种除外责任制度（包括 Verisk ISO 格式和特定承保人的备案文件）。数据来源 ：证据来自三个层级：A 级（承保人发布的产品页面和新闻稿）、B 级（监管备案和标准）以及 C 级（行业媒体和分析师评论）。编码方案 ：矩阵中的每个单元格被编码为肯定性 （公开材料明确涵盖该风险）、静默/灰色 （无明确承保或除外，取决于有争议的措辞）、除外 （通过批单或备案明确除外）或无公开立场 。决策规则 ：编码优先考虑公开的市场定位，而非已签署合同的措辞。适用“营销级命名规则”，即如果公开描述中命名了某种风险（例如“幻觉”），即使已签署的措辞可能不同，也将其编码为肯定性承保。这种方法衡量的是可观察的市场定位，而非预测具体的理赔结果。可靠性 ：三名人类编码员独立对单元格进行编码，同时使用大型语言模型（LLM）进行来源检索和一致性检查。分歧通过小组讨论裁决，在缺乏明确证据的情况下，倾向于保守编码（例如，将肯定性降级为静默）。
主要贡献与结果 四级承保边界 ：
第一级：肯定性承保风险。
状态 ：这些风险符合经典的可保性标准（随机性、可评估性、独立性、损失有限性、经济可行性、无故意行为）。示例 ：幻觉、知识产权侵权、敏感信息泄露、模型漂移、数据投毒和偏见。市场定位 ：承保正按风险类型专业化，而非收敛于单一形式。慕尼黑再保险（aiSure）围绕模型漂移进行定位；Armilla、AIUC 和 Chaucer/Hiscox 围绕幻觉和代理失效进行定位；东京海上 Kiln/CFC 围绕知识产权辩护进行定位；Coalition 围绕深度伪造响应进行定位；Apollo ibott 围绕自主系统责任进行定位。
第二级：静默 AI 风险暴露。
状态 ：这些风险在传统险种（网络险、科技职业责任险、董责险、雇佣实践责任险、犯罪险、媒体险）下造成歧义。它们往往以混合方式未能满足可评估性或故意行为标准。示例 ：成本型拒绝服务攻击（Cost-DoS）、影子 AI、工具描述注入和缺乏来源证明。观察 ：“致命三重奏”（结合私有数据、不可信内容和外部通信的架构漏洞）属于此类；它在肯定性和传统产品中均被编码为静默，表明在承保适用之前需要架构控制，此处存在缺口。
第三级：主动除外风险。
状态 ：这些风险通过特定批单或备案被主动除外。这是一种市场结构选择，而非可保性理论的失败。示例 ：W. R. Berkley 的广泛多险种除外责任（PC 51380）以及引用幻觉率的工程设计职业责任险除外条款。观察 ：除外责任正在收窄传统形式，通过移除承保而非澄清承保来消除歧义。
第四级：传统私人保险之外。
该层级包含三个结构上截然不同的边界案例：
4a（架构可 exploitability） ：“致命三重奏”主要是配置风险，而非随机风险。主要应对措施是架构缓解（切断三重奏中的一条腿），而非保险定价。4b（故意行为） ："AI 洗白”（自愿虚假陈述）对故意行为标准构成压力。这是一种熟悉的教义除外，而非新颖的可保性问题。4c（系统性损失相关性） ：基础模型集中 被确定为唯一真正新颖的可保性边界。单一上游基础模型的故障可能导致数千个分出公司同时提出索赔，违反大数法则（损失独立性）和经济可行性。语料库中没有任何公开产品涵盖跨分出公司的聚合风险。
意义与主张 按风险类型对 AI 风险进行分类 。
差异化 ：公开材料显示，承保人正明显围绕特定风险向量（漂移、幻觉、知识产权、自主责任、深度伪造）进行定位，而非提供广泛的、无差别的 AI 承保。系统性风险 ：该论文将基础模型集中隔离为最清晰的系统性聚合问题。它认为，相关的市场设计问题是每种候选结构（如专属自保、再保险池、巨灾债券、政府兜底）缓解了哪种可保性约束，而不仅仅是识别系统性风险的存在。静默暴露 ：该研究强调，传统险种在 AI 作为工具时仍保留显著的静默 AI 风险暴露，这类似于 2020 年劳合社市场公告之前出现的“静默网络”问题。方法论贡献 ：该论文提供了可复制的编码手册和决策规则，用于分类 AI 相关的保险立场，在 AI 安全分类法（OWASP、MITRE）与肯定性 AI 承保市场之间建立了持续的联络。
作者明确指出，其发现描述的是基于营销材料和公开备案的公开宣称定位 ，而非已签署的合同措辞或理赔支付结果。该矩阵旨在作为新兴市场结构的地图，以辅助分保策略、再保险聚合分析和监管披露，而非针对具体索赔的法律意见。
每周获取最佳 quantitative finance 论文。
受到斯坦福、剑桥和法国科学院研究人员的信赖。
请查收邮箱确认订阅。
出了点问题，再试一次？
无垃圾邮件，随时退订。