2026 年 —— 保险并非为自动驾驶系统而设计

🧠 本期内容：

1. 镜头聚焦：保险行业并非为自主系统而设计

2. 《Signal》杂志指出：GLM 5.2 或将成为本地化 AI 领域的“ChatGPT 时刻”

3. 打造者：Clawvisor || 企业级 AI 智能体的控制平面平台

🔥 1. 镜头：保险行业并非为自主系统而设计

保险行业正在经历一场悄然发生的结构性危机。数十年来，企业核保工作一直依赖着一个令人安心的固定因素：每当出现问题时，人为失误几乎总是罪魁祸首。

但随着自动化物流、智能代理系统以及智能物理资产逐渐成为核心运营基础设施，这一假设正在被打破。整个行业正面临着严重的政策表述差异问题。

由于传统的保险保障框架从一开始就不是为软件成为现实世界中主要操作主体的环境而设计的，因此对风险转移机制进行彻底重构已成为当务之急。

自主系统在时间轴上没有人类处于核心位置，而这正是其产品特点。

保险行业的结构性危机本质上是语言问题——现有的保险条款是为一个迟早会不复存在的世界而制定的。

这种特定的故障模式有一个专门的名称：混合索赔。当自主物流系统执行的指令导致人员受伤时，这类损失无法归入任何单一的保险责任范畴。由于存在物理损害，它属于全年龄责任索赔；又因为根本原因在于算法决策，它也属于技术过失责任索赔。如果故障是由软件更新引发的，那么它还可能被视作网络安全索赔。传统的保险条款将这类情况视为具有不同起因的独立事件，但自主系统却让它们变成同一事件，于是保险公司如今不得不陷入复杂的代位求偿诉讼之中，试图厘清那些原有保险条款根本未曾考虑过的责任问题。

风险敞口会不断加剧，因为一次软件更新就可能在短时间内改变一家公司的实际风险状况。上季度才完成承保的机队，本季度可能就会依据完全不同的决策逻辑来运行。这一切并非由人类做出新的风险决策，只是因为有了新版本软件的推出，而传统的承保机制却无法应对这种情况。

所有这些现象背后的根本性变化，就是责任归属从驾驶员风险转向了产品责任。当人类驾驶员引发事故时，责任链条相当清晰——驾驶员、雇主以及保险公司。而当自动驾驶系统导致相同的事故时，责任链条则涉及传感器可靠性、软件版本历史、训练数据质量以及边缘情况验证记录，而这些往往是那些部署该技术的公司所不具备的，同时也难以让精算师进行评估。目前整个行业尚未建立起用于此类评估的承保框架，仍在试图将原本为人类驾驶员设计的各种统计指标应用到那些没有年龄、没有分心记录、也不会感到疲劳的系统中。

有一个反常的数据点凸显了问题的紧迫性：自主系统引发的事故虽在减少，但事故的严重程度却在上升。一旦排除了人为失误因素，碰撞频率确实会下降，但一旦发生碰撞，就不再只是需要更换保险杠而已，还必须重新校准激光雷达阵列、更换雷达传感器，并重新验证依赖这些设备的软件系统。在由自主驾驶车辆组成的车队中发生的轻微碰撞，其理赔金额可能比同类型的碰撞在人工驾驶车辆中产生的理赔金额高出数倍。

这就是应用于实体基础设施的精算奇点问题。

当模型出现错误时，没有精算师需要为此负责；当自主系统发生故障时，也没有操作员可以被送上法庭。保险条款无法覆盖相关索赔，核保模型并非为该风险而设计，而本应承担责任的人也并未参与决策过程。

企业自主系统所需与现有商业保险所能提供的之间存在着差距，目前还不存在能够填补这一缺口的产品。

在 Overlook 看来，正是这一缺口值得我们关注：那些正在为以软件作为核心运营主体的世界构建新的承保基础、保单条款以及精算框架的公司。

📡 2. 信号观察——本周风险动态

GLM 5.2 或许会成为本土人工智能领域的“ChatGPT 时刻”！

本地化、开放权重的 AI 正在迅速缩小与闭源商业 API 这一技术前沿的差距。

Z.ai 刚刚以 MIT 许可证发布了 GLM-5.2 的开放权重，而 Artificial Analysis 提供的独立基准测试数据也证实了其惊人的性能。从图表中可以看出，它已跻身顶尖水平之列。

GLM-5.2 在该评估指标上的得分高达 51 分，这一成绩远远超过了拥有相同 7440 亿个参数总量及 400 亿个活跃参数架构的 GLM-5.1（其得分为 40 分）。即便如此，它的表现依然优于 Gemini 3.5 Flash、Claude Sonnet 4.6 max 等市面上的顶级模型，仅比 Claude Opus 4.8 max 低几分而已。

从“智能水平与每项任务成本”图表来看，该技术处于帕累托前沿的理想位置。它仅需极低的比例成本，就能展现出接近前沿水平的推理能力，远低于那些顶级封闭式模型的成本。

由于这是一个开放权重模型，因此无需依赖云 API。尽管目前还处于早期阶段，但凭借 100 万 token 的上下文窗口以及强大的深度推理能力，这样的智能体完全可以运行在配备 256GB 统一内存的 Mac 电脑或多 GPU 工作站上。

🚀 3. 创始人对焦——谁正在新的风险经济中构建新格局？

每周，我都会重点介绍一家正在解决“棘手风险”问题的公司。

本周焦点：Clawvisor

🚨 问题：人工智能代理正迅速从回答问题转向执行操作，但企业却缺乏有效手段来控制、审计及管理这些代理的实际行为。

🔬 解决方案：Clawvisor 正在构建企业级 AI 智能体的控制平面。该系统作为代理存在于智能体框架与模型之间，能够依据预先批准的任务来验证每一项操作、限制其执行范围、阻止危险行为、管理身份凭证，同时为自主系统打造一个可审计的治理层面。

👨‍🔬 团队成员：曾担任 Berbix（已被 Socure 收购）的联合创始人，以及 Airbnb 的信任与安全工程主管。该团队的背景与自主系统所带来的身份识别、信托机制、欺诈问题及治理挑战高度契合。

📈 为何重要：随着人工智能向自主化方向发展，诸如智能代理、机器人、自动驾驶车辆等各类系统出现后，最大的瓶颈已从智能能力转变为信任与控制问题。Clawvisor 认为，所有部署自主系统的企业都需要一个独立的治理层，就如同 Okta 成为了云计算时代的身份管理基础设施一样。

🔭 下周更新

Topic: 主题：信托层
我们将探讨：

• 如果智能正逐渐变成一种商品：那么什么才会具有价值？

— 阿米尔
Overlook VC 创始人兼管理合伙人
Twitter：@AmirKabir99 | 🔗 LinkedIn
🔗 注册高管风险晚宴