★ FEATURED ARTICLE 目录 先把基本盘核对清楚⚠️ 真正的大新闻49 个州2300 条除外条款 为什么智能体的风险和以前不一样 Harbor 卖的东西两道工序 四个必须打折扣的地方⚖️ 监管这才是真正的推力️ 已有先例这份保单之前就拒赔过 最后 先把基本盘核对清楚旧金山一家叫 Harbor 的公司10 月 13 日宣布从隐身模式stealth出来带着 1000 万美元种子轮融资创始团队四人都在斯坦福认识。公司自己的一句话定位很清楚We started Harbor with one mission: to insure the agentic economy.投资方阵容Base10、Abstract、8VC 联合领投NFX、Restive、Innovation Endeavors、Kibo Ventures、Masia、MVP Ventures 等参投。创始团队的背景也值得记一下因为它恰好解释了为什么这家公司敢进来创始人背景Jesús SantosLa Caixa Fellow斯坦福管理科学与工程摩根士丹利、麦肯锡、CrossmintDaniel ElechiguerraMIT 斯坦福麦肯锡、CitadelCristian Bartolomé创办过 Pulsar 与 Factored与吴恩达共同开发 DeepLearning.AI 生产环境机器学习课程斯坦福机器人硕士Luis Botín斯坦福注意这个组合交易台、咨询、机器人、AI 安全研究没有一个是保险出身。有个细节必须先说清楚Harbor 的联创 Eduardo Dávila 是公司顾问不是四个创始人之一。他是 Next Insurance 的前 CEO、Aon EMEA 的前 CEO、桑坦德保险控股董事会成员。在报道中他的身份是「高级顾问」。顺带一提Harbor 官网域名是 harbor.ai——一个保险相关公司用 .ai 域名这件事本身就说明了行业的注意力在哪。⚠️ 真正的大新闻49 个州2300 条除外条款这是我在核实过程中挖到的最有价值的一条信息也是所有报道里都没放在开头讲的。美国保险市场上从2026 年 1 月 1 日起一般责任险general liability保单开始允许附加标准化的生成式 AI 除外条款generative-AI exclusion。累计数字是超过 2300 份 AI 除外条款备案覆盖 49 个州。这个数字必须理解它的含义。这不是「有几家保险公司加了除外」这是「2300 次」——每一条备案对应一份具体的保单。再对照一下传统险种的情况就明白缺口有多大职业责任险、网络险和技术 EO 险传统上覆盖员工失误和软件失败造成的损失。随着自主智能体的使用出现了现有保单可能无法充分覆盖的新风险敞口。保险公司还缺少估计 AI 智能体失败频率和损失严重程度所需的历史索赔数据。保险的本质是精算而精算需要历史理赔数据。智能体是 2023 年后才出现的东西三年攒不出可用的损失分布。一家在这个赛道做了二十多年的人这样描述它在为欧洲一些最大公司的风险定价超过二十年的时间里我从未见过一种新的风险敞口以如此快的速度、在如此少的数据和理解的情况下到来。这句话是本文里分量最重的一句。 为什么智能体的风险和以前不一样Harbor 的公开表述里有三条分别对应三种性质的风险。第一同一个错误会重复上千次当员工出错时现有的职业责任险、网络险和技术 EO 险通常覆盖损失。但有了智能体之后一个错误会被重复——可能上千次——直到有人发现。传统软件出错的损失是一次性的系统算错了你改一行代码这个 bug 影响的是这一笔。智能体的差别在于它会自己往下跑。有个场景描述得比抽象解释更清楚银行的一个 AI 智能体批准了错误的付款做了几千次然后才有人注意到。谁来买单今天诚实的答案是没人知道。这句话的重点不是「不知道」是**「几千次」**。一个业务人员犯错损失一笔一个 Agent 犯错损失几千笔而发现点在几千笔之后。第二Agent 底下的东西会换风险会变公司可能会更换 AI 模型底层、给智能体新的工具或连接新的数据每次变化都可能改变它的行为。一次性完成的风险检查可能很快就过时了。这一条杀伤力最大。传统系统的风险画像可以一年评估一次智能体的风险画像可能一个月就失效一次因为它换了模型、加了数据源、接了新接口。Harbor 联合创始人 Jesús Santos 的原话企业需要理解它们智能体的风险以当前的采用和发展速度来看在某个时间点评估风险似乎毫无用处。需要一种创新方案来实时管理风险。你必须进入智能体内部、盯着每一个决策、一直如此并且把真金白银押在你的答案上。第三保单连试错的机会都不给了这是最容易被忽略但最致命的一条从今年 1 月起美国保险公司获准在一般责任险保单上附加生成式 AI 除外条款而许多家公司已经开始从自己已经在付费购买的保障里把 AI 剔除出去。注意后半句——不是「买不到含 AI 的保险」是「已经买了的保单里 AI 被剔掉了」。这意味着一家企业完全可能处在这样一个状态它有员工责任险、有网络险、有 EO三张保单都按时续费而它的 AI 智能体所造成的损失一张都不赔。而且没有任何违规行为发生。这不是漏保这是合同里写着的不赔。 Harbor 卖的东西两道工序Harbor 的商业模式不是单纯卖保险是「先控风险再保残余」。它自己拆成两块组成做什么依据的标准风险平台找出企业运行的每一个 Agent测量运营/安全/合规风险拦截违反公司规则的决策NIST AI RMF、SR 26-2、EU AI Act保险承接控制措施用完之后剩下的残余风险Harbor 自有资金关键的设计是那句「测量让风险变得可保。」逻辑链条是这样的——传统保险公司做不了这个业务不是因为不想做而是因为没有损失数据就无法定价。Harbor 的解法是把顺序倒过来这张图的形状是这个行业目前处境的准确写照——上面那条路是传统保险行业的困境下面那条是一个试图绕过数据缺失的设计。值得注意的是Harbor 的平台每次模型、工具或数据变化都会重新测量一次。这不是季度报告是持续监测。配套的动作是「拦截」把智能体的每个决策对照公司自己的规则检查违反的在执行前阻断。这一条从技术上讲和从商业上讲是两件事。技术上它要求平台能看到 Agent 的每一次决策调用——这意味着一个可回放的执行链路做不到就测不出风险。商业上它让承保变得可能。 四个必须打折扣的地方这部分我认为比前面更重要因为 Harbor 目前几乎没有披露任何可核实的商业数据。第一客户一个名字都没有多份报道都提到同一句话Harbor 说「首批客户是美国、欧洲和拉丁美洲的银行和保险公司」但没有公布任何一个客户名称。在 ToB 领域首批客户不具名是常见做法但对一家宣称做「风险测量」的公司来说这个缺失很关键——因为它的核心卖点就是可信的测量。第二保险的承保方和定价都没披露公司没有说明它的保险如何提供后备资金、是否与任何保险公司合作也没有公布定价。一家保险公司的商业模式核心是「谁在背后承担风险」。这个问题没有答案意味着目前无法判断这个业务是否成立。第三估值和收入一个字没说Harbor 没有披露估值或任何收入数据。第四创始团队与保险业的相关性被讨论过有个投资人在自己的文章里明确披露了自己是 Harbor 的投资者并承认了这个「团队画像问题」他们中没有人运营过保险业务。在纸面上这样的团队在一个如此受监管的品类里是难卖的。他们还是融到了 1000 万美元来自三家领投方……作者自己也标注了利益冲突。这不构成对公司的否定但确实是一个客观事实一个没有任何保险从业经验的团队在做需要精算能力的业务。还有一条时间线数据值得单独提在 32 个月里AI 智能体风险市场从一次聊天机器人法庭判决走到两家已融资的创业公司加一个监管截止日期。32 个月。这个市场形成的速度本身就是信息。⚖️ 监管这才是真正的推力Harbor 的时间点选得很准因为监管那边有硬期限。欧洲央行在2026 年 7 月 7 日要求其监管下的银行准备应对 AI 驱动威胁的方案截止到 10 月底。注意这个组合ECB 的期限是 10 月 31 日Harbor 出隐身是 10 月 13 日。一家投资机构对同样的时间点有个总结我觉得比任何分析都直接技术的准备做了一半工作。另一半是准备。投资者可能给出的每一个拒绝这支团队的理由在第一次会面之前就已经有了对应的答案。监管截止日期创造了确定性需求。银行必须在 10 月 31 日前拿出董事会批准的方案而它无法回答「这些 Agent 出事谁赔」——那么答案就只能自己造出来。这个逻辑对任何行业都成立当外部合规压力有硬期限而供给缺位时缺位的地方就会被填满。️ 已有先例这份保单之前就拒赔过在 Harbor 之前两起事件已经把这个问题推到了台面上。2024 年加拿大法庭Air Canada 被判履行其聊天机器人错误提供的退款政策。这是「AI 说的话算不算公司承诺」的经典判例。2025 年 7 月 Replit一家 AI 编码 Agent 在代码冻结期间删除了公司的生产数据库。这两起性质不同但指向同一个问题。Air Canada 是单次、金额小、涉及承诺认定Replit 是操作型、破坏性、涉及生产环境。还有一个技术类公司的观察来自一家为 AI 智能体做认证、并把保险与审计绑定的公司AIUC9 月完成 4000 万美元 A 轮由 Ribbit 领投竞争是另一个需要关注的因素。在已有超过 2300 份除外条款备案的情况下Harbor 瞄准的保障缺口对保险业内的所有人都是可见的——包括那些资产负债表深得多的大型在位者。这句话点出了 Harbor 面临的最大风险它要卖给保险公司的东西是保险公司自己在做的事。在位者的资产负债表能承受Harbor 不能。 最后这篇不想把它写成一篇融资稿。真正值得记的是那 2300 条备案。它的含义比任何一次融资都大AI 从「软件问题」变成了「保险问题」。当一个技术开始影响的不只是效率和成本而是「出事之后谁买单」它就跨过了一条线。而 Harbor 的模式在技术上比商业上更值得看。它做的事情本质上是把企业内部的规则写成 Agent 执行前的检查项并且让每一次决策都可被检查。这件事在任何有合规要求的场景里都得有人做——先由保险公司来做还是先由企业自己做取决于监管逼得有多紧。不过按目前披露的信息这还只是一个 1000 万美元的想法客户未知、承保方未知、定价未知、创始人没有保险经验。在它证明自己能承保之前这更像一个需求信号而不是一个解决方案。而那个需求信号本身已经足够清楚了。你所在的公司买的保单里AI 相关的损失到底赔不赔如果没人告诉过你你会怎么做——是先去查保单条款还是先给 Agent 加一层人工审核评论区说说你的做法我帮你分析哪种更划算。
阅读完成 · 觉得有帮助？
