本文来自微信公众号： HavenlonLabs ，作者：Havenlon   Labs

当 AI 还只是生成文字、图片和代码时，一次出错不过是回答不准、图片跑偏、代码返工。但当 AI 开始能发邮件、改数据库、批订单、调资金、控制设备，它就从 " 回答问题的模型 " 变成了 " 把判断变成现实的执行系统 "。

这中间的差别不是量的，而是质的。前者的错误可以被撤销、重来、修补；后者的错误会沉淀成一笔转账、一条删除的记录、一个已经合上的电闸。一旦落地，很多结果没有 " 再生成一次 " 的选项。

我们却仍习惯用同一套指标给这两类系统打分——正确率 99%、99.9%、99.99%，每多一个 9，仿佛就离 " 可信 " 更近一步。但安全领域最容易被忽略的一句话是：

正确率描述系统通常表现如何，却没告诉你它最坏能错到哪里。

下面七个数学视角，藏着 AI 执行安全真正的分水岭。它们不复杂，用的都是中学数学，却常常在最关键的决策上被绕过去。

1. 正确率把所有错误压成了同一个数字

一个系统执行一万次，9999 次对、1 次错，正确率 99.99%。报表上堪称优秀。但那一次错是什么？错分一封邮件，几乎无害；误删生产数据、批一笔无法追回的转账、启动高风险设备操作，评价则完全不同。

问题在于，正确率只数次数。统计表里，分错邮件是 "1"，转错巨款也是 "1"。可现实中的错误从不等价。

衡量安全，更接近现实的是 " 风险等于概率乘以损失 " 这条基本公式：

风险 = 发生概率 × 可能损失

一个错误很少发生，不代表它不重要。假设某类事故概率只有万分之一，每次却损失一亿元，把它代入公式，风险依然是一万元，不能被当作 " 几乎为零 " 随手抹掉。

更麻烦的是，这类损失往往不能用平均值消化。企业也许能承受每年稳定损失一万元，却未必扛得住某天突然损失一亿。前者是可以摊进预算的成本，后者可能直接决定企业还在不在。数学上的期望值假设你能反复经历很多次、让好运和坏运相互抵消；但对一家公司来说，最坏的那一次如果足够坏，就没有 " 下一次 " 来平摊了。安全评估要看的，从来不只是期望值，还有那条最坏情况的尾巴有多长。

智能系统追求提高做对的比例，安全系统关心限制做错的代价。

2. 一万次没出事，不等于风险为零

另一种常见说法是：" 系统跑了一万次，从没出严重问题。" 很有说服力，但它只证明过去一万次没出事，证明不了概率为零。

用 " 一次都不出事的概率 " 这个公式可以算笔账：

一次都不出事的概率 = ( 1 − p ) ^n

其中 p 是单次事故概率，n 是测试次数。若 p 是十万分之一、n 是一万，代入后约等于 90%。也就是说，即便系统真藏着十万分之一的风险，跑一万次仍有约九成可能什么都看不见。它未必通过了考验，只是还没遇到那道考题。

这也是很多重大事故发生前，系统长期 " 稳定运行 " 的原因：风险不是在事故当天才诞生的，它可能一直存在，只是过去的样本还没触发它。

没观察到风险是一种观测结果，风险不存在是一个强得多的结论。

3. 越罕见的事故，代价往往越大

频繁的小问题容易被看见：页面每天卡十次，用户会投诉，报表会记录，问题越频繁越容易进入工作计划。真正危险的风险常常相反——几年一遇，甚至一家公司整个周期都没发生过，可一旦发生，一次抵得上所有日常小错之和。

同样用 " 概率乘以损失 " 对比两类问题：

问题 A：概率 1% × 损失 100 元 = 平均风险 1 元问题 B：概率 0.001% × 损失 1000 万元 = 平均风险 100 元

A 更常见，B 几乎看不见，但 B 的平均风险是 A 的一百倍。而且 B 一旦发生，带来的不是 " 平均 100 元 "，是实打实的 1000 万。

错误也从不均匀分布。假设系统每年十万次任务，99% 是普通操作（错误率 0.01%），1% 是紧急操作（错误率 5%）：普通操作约出 10 次错，紧急操作只有一千次却出约 50 次错。整体正确率仍高达 99.94%，可占业务量 1% 的紧急操作，制造了超过 80% 的错误。

这就像一条平均一米深的河，大部分地方半米，中间却有个五米深的坑。平均值没撒谎，它只是把最危险的部分藏了起来。修堤坝的工程师从不按河流的平均水位设计，决定堤坝高度的，永远是几十年甚至百年一遇的极端水位。AI 执行系统也一样：普通任务里的小错决定用户体验，极端场景里的一次错却可能决定企业还能不能继续存在。

所以安全评估不能只问 " 平均错误率是多少 "，还要追问：高金额操作、紧急模式、陌生地址、跨境转账、权限恢复、数据缺失、多规则冲突时，错误率各是多少。总体表现优秀，证明不了每一个局部场景都安全。

事故不会公平落在每一次操作上，它总聚集在系统最难处理、后果最严重的角落。

4. 三个人同意，可能只是同一个错误重复了三次

为降低个人误判，企业惯用多人审批。逻辑没错，但前提是判断足够独立。

用 " 多数表决下至少两人同时出错的概率 " 来看：三个独立审批者各有 10% 错误率、多数通过，至少两人同错的概率约 2.8%，远低于单人的 10%。这正是多人决策能提高可靠性的数学基础。

可现实中的审批往往不独立：三个人看同一份摘要、依赖同一个 AI 风险评分、引用同一个数据库。若系统自动生成的摘要写着 " 常规数据库优化，预计无业务影响 "，三位负责人看的都是这句话，都没查实际命令，于是都点了同意。流程上是三人共审，信息结构上只是同一份错误摘要被确认了三次。人数增加了，独立信息却没有增加。

增加审批层同理。第二道防线是否有价值，取决于它能否在第一道失败后发现新问题。用 " 剩余风险等于漏检率乘以未识别比例 " 估算：

第一道漏检 5%，第二道独立且识别 80% →剩余风险 =5% × ( 1 − 80% ) =1% 第二道只看同一份摘要、仅识别 5% →剩余风险 =5% × ( 1 − 5% ) =4.75%

同样两层流程，前者把风险降到 1%，后者几乎原地踏步。组织付出了更多时间、生成了更多日志，真实安全能力却没变。审批的价值不在页面上多了一个名字，而在于它是否带来新的事实、新的验证方式和新的拒绝能力。

真正降低风险的，不是多一个人点击，而是多一个独立的信息来源。

5.AI 的 "90% 确定 "，不是现实中的 90% 安全

当 AI 说 " 我有 90% 把握 "，人们容易听成 " 这件事 90% 安全 "。但置信度只是模型对自身判断的评分，不是现实开出的担保书。一个校准良好的模型，给 90% 置信度的判断里约九成正确；可现实中的模型可能给 90% 时实际只对 70%，甚至在从没见过的场景里依旧自信。模型最危险的状态，不是承认不知道，而是不知道自己不知道。

即便置信度完全准确，它也只覆盖模型看到的那部分。真实执行还依赖输入是否真实、数据是否完整、审批是否被误导、策略是否过期、设备是否正常。用 " 串联系统整体可靠度等于各环节可靠度相乘 " 这条公式来看，假设一条链五个环节各 99% 可靠：

整体可靠度 =99% × 99% × 99% × 99% × 99% ≈ 95.1%

每一环单看都优秀，组合后只剩约 95.1%。不是哪一环突然变差，而是串联结构会把每一环的不确定性乘在一起、层层累积。环节越多，这种衰减越明显——十个 99% 的环节串起来，整体可靠度就跌到约 90%。这也解释了一个反直觉的现象：把系统拆得越细、加的检查越多，如果这些环节是串联的、必须全部正确，整条链反而更脆弱。

模型可以有 90% 的把握，但 " 模型有多少把握 " 和 " 这项操作能否被安全执行 "，始终是两个不同的问题。

置信度是模型对自己的评价，不是现实对模型的承诺。

6. 为什么最后一道边界反而应该更 " 笨 "

如果正确率覆盖不了严重后果、历史数据证明不了零风险、多人审批可能共享同一错误、模型置信度也代表不了全链路安全，那现实执行最终该靠什么？

答案有点反直觉：最后一道边界不需要比 AI 更聪明，它应该更简单、更保守。

AI 要理解复杂世界——读文件、判意图、处理例外、在不完整信息里给出最可能的答案。最后一道边界不需要理解世界，它只需记住少数绝不能被突破的条件。用一个 " 所有条件相乘 " 的判定公式表达：

执行 =A × T × W × Q × S 其中：金额未超限 A、目标在允许范围 T、时间在许可窗口 W、授权人数达标 Q、设备状态正常 S（每项满足记 1，不满足记 0）

任何一项为 0，结果就是 0，即拒绝执行。它不懂 " 情况紧急 "，不会被一个充分的理由或一段宏大叙事说服，只检查条件是否满足——这正是它的价值。越聪明、越灵活的系统，越擅长为例外找理由；而最后一道边界要做的，恰恰不是理解例外，而是拒绝例外。

AI 可以建议向一个新地址转移资产，边界只需检查这个地址是否经过必要的等待与验证；AI 可以判断某项操作非常紧急，边界只需检查紧急状态下是否仍满足金额、授权和设备条件。AI 负责处理开放世界的复杂性，边界负责守住封闭世界的底线。

AI 需要理解整个世界，边界只需要记住哪些事情绝不能发生。

7. 从 " 提高正确率 " 到 " 限制错误的距离 "

过去的软件主要追求效率：更快、更准、更自动，就意味着更高的生产力。AI 时代没有改变这一点，却增加了一个新问题——当一个概率系统拥有了现实执行能力，错误就不再停留在屏幕上。一句错话可以重说，一笔完成的转账可能无法撤回；一个错误建议可以修改，一次已经发生的物理动作却没有第二次机会。

所以 AI 安全不能只问 " 怎样让模型少犯错 "。模型该更准、数据该更可靠、测试该更全面、审批该更有效，但这些主要解决的仍是 " 降低出错概率 "。执行安全还必须回答另一个问题：一旦错误真的发生，它能走多远？能否越过审批、拿到签名、改动关键系统，把一个概率性的判断直接变成不可逆的现实？

这两件事都重要，但不是同一件事。前者是把出错的概率往下压，后者是给已经发生的错误装上刹车和护栏，限制它能造成多大的破坏。一个只优化正确率的系统，是在赌坏事永远不发生；一个真正安全的系统，是在假设坏事迟早会发生的前提下，仍然让后果可控、可撤回、可承受。

成熟的系统不会把希望全押在错误永不出现。它承认模型会误判、数据会污染、人会疲劳、审批会被诱导、规则会过期、设备会异常，然后在所有不确定性之后，仍保留一道简单、清晰、独立、能够说 " 不 " 的边界。这道边界不追求聪明，只追求可靠；它不参与判断该不该做，只负责守住绝对不能做的那条线。

统计学研究不确定性如何出现，安全工程研究的，是不确定性抵达现实之前如何被拦住。最终，我们需要记住的也许只有一句话：

概率可以参与判断，但不能独自拥有执行权。