AI 闯了祸,哪张保单赔

导　　语：前海再保险党委书记刘菊红在上海国际再保险会议期间说了一句话：AI 给行业带来的不只是降本增效，更重要的是提升识别、量化和管理复杂风险的能力。换个角度读——AI 既是工具，也是新的风险源。

· · ·

一、先把两个数字摆在一起

中国平安三季报披露：日均 Token 消耗量从 2025 年 12 月的 300 亿，涨到 2026 年 9 月的日均超 3300 亿。涨了 11 倍。

同一份报告里还有两个数：相较 2025 年 12 月，2026 年 9 月单位算力 Token 产出提升 509%，单位 Token 成本下降 81%。

这两组数字说明的是同一件事——AI 在保险业已经从“试点”变成“基础设施”。核保、理赔、客服、投研，都在跑。产险端的表现也很实在：平安产险前三季度原保费 2652.15 亿元、同比增长 3.5%，整体综合成本率 95.6%、同比优化 1.4 个百分点，车险综合成本率 95.2%、优化 1.6 个百分点。

用得越多，暴露面越大。这是所有技术的通病，不是 AI 特有的。

二、AI 的风险，被分成了两类

刘菊红的分法很清晰。

第一类：应用 AI 产生的新风险。网络攻击、数据泄露、模型失误、生成内容侵权，以及责任归属争议。

第二类：不积极运用新技术带来的竞争风险。这一条容易被忽略——不用 AI 不会被罚，但会被淘汰。

第二类不在保险的承保范围里，那是经营的代价。第一类在。问题就变成：怎么保？

这也是近两年再保险行业最现实的一道题——新技术出来了，风险敞口跟着出来，但历史损失数据是空的。没有数据，就定不了价；定不了价，就不敢承保。

三、可保性，是有边界的

刘菊红给的答案是“两头都不能走极端”：既不能因为风险复杂就止步不前，也不能因为技术热门就忽视风险边界。

具体怎么做？研究 AI 相关风险的可保性，持续积累数据，审慎设计保障范围、责任除外和风险限额；警惕同一技术或同一服务商造成跨企业、跨险种的集中风险。

最后这一条是真正的难点。传统保险靠“独立风险”假设做分散——一万栋房子不会同时烧掉。但 AI 不一样：如果十家企业用的是同一个大模型、同一家云服务商，一次故障就同时触发十张保单。

风险不独立了，大数法则就失效了。这也是为什么网络安全险在国内一直做不大——不是没有需求，是损失难以定价，而且相关性太强。

所以 AI 保险短期内更可能是“定制化、限额化、带除外责任”的形态，不会是标准化的百万医疗那种产品。

四、另一个方向：用 AI 管风险

同一场专访里，刘菊红举了巨灾的例子：评估洪水风险，可以把卫星遥感、降雨雷达、地形高程、河网水文以及保险标的分布等多源数据融合，提高巨灾建模和风险累积计算的效率。

这句话的含金量在“多源融合”四个字。传统巨灾模型靠历史损失数据，而气候变化正在让历史规律失效——用过去的洪水推未来的洪水，越来越不准。

AI 在这里做的不是“更快的计算”，是“换一套输入”。

再往前一步，是风险减量：从灾后分担赔款，转向灾前识别、预警、防灾减损。这个转向对再保险尤其重要，因为它承担的是尾部风险，一次巨灾就能吃掉几年利润。

刘菊红的表述是：再保险公司不再只扮演灾后分担赔款的角色，更多要向灾前风险识别、风险预警、防灾减损延伸。把风险看得更清楚，让损失降得更低。

五、对普通人的三个提醒

第一，如果你在用 AI 工具处理工作，先看清楚服务条款里的责任划分。多数产品对“输出内容的准确性”不做保证，出了事责任在用户。这不是霸王条款，是当前的行业惯例。

第二，如果你的公司要买 AI 相关的责任险，问三个问题：保的是“模型失误”还是“网络安全事件”？同一服务商的其他客户出险，会不会影响你的赔付？除外责任里有没有“生成内容侵权”？

第三，别指望一张保单解决所有 AI 风险。可保性有边界，边界之外的部分只能靠治理——数据权限、模型审核、人工复核，这些才是第一道防线。

一句总结：保险能赔的是“损失”，赔不了的是“没做好准备”。

本文仅为行业信息整理，不构成投保建议。具体保障范围以保险合同条款为准。

互动引导：你用 AI 出过错吗？是它写错了数字，还是给错了建议？如果这类损失可以投保，你愿意为此付多少保费？评论区说说。

（本文仅为信息整理与行业观察，不构成投资建议或投保建议。产品条款以保险合同为准。）