一句话定义：灾难阈值条款（Catastrophic Threshold Trigger）指在 AI 立法或监管框架中，把“造成多少人死亡、造成多大金额损失”这类可量化的严重后果写成触发条件；一旦越过这条线，一整套更严厉的义务就自动生效，例如强制报告、暂停训练或部署、提交模型接受审计、举证责任倒置，甚至直接推定责任。具体的数字门槛（例如“死亡 50 人或损失 10 亿美元”这类讨论中常见的量级）在不同法域和不同文本里并不相同，因此以官方公布的法律文本为准。
原理：像喷淋系统的温感玻璃球
写字楼天花板上的消防喷淋头里有一小颗温感玻璃球，平时不动作，温度升到设定值才破裂放水。灾难阈值条款就是监管的这颗玻璃球：阈值之下，默认“先让它跑”，靠一般法律和行业自律兜底；阈值之上，才切换到战时状态。它的吸引力在于省事：监管者不必事先判断哪种模型危险，只需在事后按结果追责；立法者也容易向公众交代：“出了大事我们管得住。”
真正决定条款强弱的三个细节
第一，谁触发。是监管机构主动认定，还是企业负有强制上报义务（incident reporting）？如果只靠监管机构自己发现，条款往往形同虚设；如果企业必须自报，条款才有牙齿，但同时也要防止企业为了不触发而“压事故”。
第二，谁举证。灾难性事件中的因果链极难证明：模型输出、人的决策、既有系统缺陷纠缠在一起。如果要求受害者证明“损害由该模型造成”，条款基本不会启动；因此实务上常搭配因果推定、文档留存义务和内部日志可追溯性要求。举证责任落在谁身上，基本决定了它是紧箍咒还是挡箭牌。
第三，阈值之下谁兜底。这是最容易被忽略的留白期。低于门槛的成千上万起“小事故”不会触发条款，实际依赖产品责任、侵权法、消费者保护、合同约定与行业自律。也就是说，阈值条款是“兜底之上的兜底”，它不替代日常责任体系。
| 思路 | 触发时点 | 判断依据 | 主要举证方 |
|---|---|---|---|
| 风险分级监管（risk-based tiering） | 上市或使用前 | 用途、场景、能力 | 开发者自证合规 |
| 灾难阈值条款 | 事后，后果越线时 | 死亡人数、经济损失等 | 常由企业报告并配合推定 |
| 一般侵权与产品责任 | 损害发生后 | 过错、缺陷、因果 | 通常由受害方 |
和相邻概念的区别
风险分级监管（例如按不可接受风险、高风险、有限风险、最小风险分层的思路）是事前、按用途分类：同样是模型，用于招聘筛选和用于写诗，待遇不同。灾难阈值条款是事后、按后果触发：不管用途，只看结果。它也不等于技术层面的熔断机制（circuit breaker）：后者是系统内部自动降级或停机，前者是法律义务的开关。它还区别于严格责任（strict liability）：严格责任不设门槛，有损害就可能赔；阈值条款则明确画了一条“从此处开始才算大事”的线。
对从业者的实际意义
对 AI 团队来说，这类条款意味着三件事要提前做：一是把“什么算重大事故”写进内部事故响应流程（incident response），别等监管来定义；二是默认留存训练数据来源、评估记录、上线决策日志，因为事后举证靠的就是这些；三是别把阈值误读成免责上限：阈值之下依然是责任区，只是换了套规则。
对普通职场人来说，看到“重大事故”“严重损害”这类措辞时，值得多问一句：谁来认定、谁来举证、多久必须报。这三个问题的答案，比门槛数字本身更能说明这条规则到底管不管用。