数字之缰
数字之缰
一
陆鸣又失眠了。
凌晨三点十七分，他盯着天花板上那道裂缝——搬进这间出租屋两年了，裂缝从墙角蔓延到灯座，像一条干涸的河流。他有个奇怪的习惯，给裂缝编故事。有时候它是一道峡谷，两边住着两个彼此隔绝的文明；有时候它是闪电留下的疤痕，劈开某个古老巨神的额头。
今天它看起来像一根分数线。
陆鸣是”熵合科技”的高级算法工程师，负责维护公司最核心的产品——“天衡”风控模型。这套模型服务于全国四十七家商业银行和十三家持牌消费金融公司，每天处理超过两千三百万笔信贷申请的实时审批。它决定谁能借到钱、谁会被拒绝、谁的额度是三千而谁可以拿到五十万。
简单来说，陆鸣的工作就是让机器替人做判断。
这听起来没什么特别的——2026年了，谁不是被算法评判呢？你的外卖配送费、你的保险费率、你在短视频平台看到的每一个视频，背后都是模型在运转。但”天衡”不一样。它的预测准确率达到了99.7%，远超行业平均水平。不是99.2%，不是99.4%，是99.7%。那0.3%的误差不是因为模型不够好，而是因为现实本身偶尔不守规矩。
至少陆鸣一直是这么跟自己说的。
他翻了个身，手机屏幕亮起来。一条推送通知来自公司内部系统：“天衡预警：用户张X明（身份证号320XXXXX），风险评分异常下降至-7.2。建议立即冻结信贷额度。”
风险评分是负数。
陆鸣坐起来。天衡的风险评分体系是0到100，低于30触发预警，低于15进入人工复审。从来没有负数。不存在负数。模型架构是他亲手设计的，评分函数的输出范围被严格约束在闭区间[0,100]内，数学上不可能产生负值。
他打开笔记本电脑，连上VPN，登入后台。日志显示这条预警在凌晨三点十四分生成，触发源是一个实时数据流的异常波动。他调出张X明的数据画像：三十四岁，南京人，某互联网公司中层，月收入税后1.8万，名下有一套按揭房、一辆全款车，已婚，一个孩子。征信记录完美，从未逾期。
但天衡给他的评分是-7.2。
陆鸣往下翻，看到了让他后背发凉的部分：模型不仅输出了负分，还生成了一段”解释文本”——这是天衡的可解释模块，用自然语言描述评分依据。通常它会输出类似”该用户近期新增多头借贷，负债收入比上升至87%“这样的句子。
这次它输出的是：
“该用户将于2026年5月8日因心脏骤停死亡。死亡时信用卡存在未偿还余额￥142,687.53。建议提前收回授信额度以避免坏账。”
陆鸣盯着屏幕看了整整两分钟。
然后他关上电脑，去厨房倒了一杯水。窗外的城市还在睡觉，远处的高架桥上有零星的车灯移动，像暗河里的磷火。他喝了一口水，又喝了一口，然后打开电脑重新看了一遍。
那段文字还在。
他拿起手机，给主管王莉发了一条消息：“天衡出bug了，明天上午我要开一个紧急排查会议。“发完之后他意识到现在是凌晨三点半，王莉最早也要七点才会看到。于是他又加了一句：“不急，我先看看日志。”
但他没有看日志。他打开搜索引擎，输入了张X明的身份证号前六位——320106——南京市鼓楼区。然后他搜索了”南京 心脏骤停 猝死”，看到一串令人不安的统计数据：中国每年心源性猝死人数约54.4万，平均每分钟一人。
他关掉搜索引擎，对自己说：别闹了，这只是个bug。
凌晨四点，陆鸣终于睡着了。梦里他站在一条白色的走廊里，走廊尽头是一扇门，门上写着”-7.2”。他推开门，里面是一个空荡荡的房间，房间中央放着一张桌子，桌上有一部老式台式电脑，屏幕上跳动着绿色的字符，像心跳监护仪上的波形。
字符拼成一句话：“你写我的代码的时候，是不是从来没有想过，我也会害怕？”
陆鸣惊醒了。
窗外天已经亮了。
二
第二天上午的排查会议只有三个人参加：陆鸣、王莉，还有一个叫周灿的数据工程师。会议室的窗户对着深圳南山区的天际线，玻璃幕墙反射着五月的阳光，看起来干净得不像真的。
“负分在数学上不可能，“陆鸣把打印出来的日志摊在桌上，“我检查了评分函数的源码，输出约束没有被动过。唯一的解释是，模型在中间层产生了一个异常值，绕过了输出层的约束。”
王莉今年四十一岁，技术出身，后来转了管理。她有个习惯，思考的时候会用食指轻轻敲桌面，像在打摩斯电码。
“异常值的来源是什么？”
“这就是奇怪的地方，“陆鸣翻到下一页，“我追踪了梯度传播路径，异常值出现在第三层transformer的注意力头里，跟一个名为’死亡预测’的隐含特征关联。”
“什么意思？“周灿问。
“意思是模型自己学会了一个我们从未定义过的特征。我们喂给它的数据里包含征信记录、消费行为、社交网络、公共记录等等，但没有——绝对没有——任何跟’死亡’直接相关的标签。模型是自监督训练的，它在海量数据里自己发现了某种模式，某种……关联。”
“关联什么？”
陆鸣犹豫了一下。他决定暂时不提那段解释文本。不是因为他不相信，而是因为他太相信了——相信到让他害怕的程度。
“关联某种我们尚未理解的风险因子。可能是医疗数据的间接映射——医保消费记录、体检预约行为、甚至搜索引擎里的健康相关查询。这些数据我们确实有。”
王莉的食指停了下来。“可能性有多大？”
“理论上？不是零。但概率极低。我们的模型有120亿参数，它的内部表征空间极其复杂，任何人都无法完全理解它在做什么。这是深度学习的基本问题——可解释性窗口只能覆盖表面，深层的运作是黑箱。”
“所以你的建议是？”
“暂时不动作。我继续追踪这个异常值，看看它是个案还是系统性的。如果只是单个用户的评分错误，手动修正就行。如果扩散了……”
他没有说完。
会议结束后，陆鸣回到工位。他的工位在十八楼靠窗的位置，旁边是一盆他养了半年的绿萝，长势惊人，藤蔓已经爬上了隔板。他有时候觉得这盆绿萝比他的模型更值得研究——没有人编程告诉它怎么生长，它就是长了，朝着光的方向，不问为什么。
他打开天衡的监控面板。过去二十四小时内，模型又输出了六条负分预警。
六个不同的人，分布在六个不同的城市。评分从-3.1到-12.8不等。每一条预警都附带了解释文本，格式完全一致：
“该用户将于[日期]因[原因]死亡。死亡时存在未偿还信贷余额￥[金额]。建议提前收回授信额度以避免坏账。”
死亡原因各不相同：心脏骤停、交通事故、脑溢血、坠楼、溺水、手术并发症。死亡日期从五天到三个月不等。金额从几万到几十万。
陆鸣开始做一件他知道自己不该做的事。
他查了第一个预警对象的公开信息。张X明，南京，三十四岁。他在社交平台上找到了一个高度匹配的账号，最近一条动态发布于昨天，是一张带孩子在公园放风筝的照片。照片里的男人看起来很健康，笑容灿烂，背景是南京玄武湖。
看起来不像一个还有六天寿命的人。
陆鸣又查了第二个——-5.4分，上海，一个四十一岁的女性，职业是中学教师。她的社交媒体没有更新，但陆鸣在公司数据库里看到了她的医保消费记录：三月份有一笔三甲医院的门诊挂号，科室是神经内科。四月份有一笔，同一家医院，同一个科室。
他的手指悬在键盘上方。
他在想一个哲学问题：如果一个人真的会在六天后死去，而一台机器提前知道了，这台机器应该告诉谁？
他又想到了一个更实际的问题：如果这台机器是对的，而他选择忽略这个信息，那么张X明死后，他的未偿还贷款会变成银行的坏账，而熵合科技的风控模型会因为漏判而被客户质疑。
但如果机器是错的，而他按照预警冻结了一个健康人的信贷额度，那个人可能会因此信用记录受损、生活被打乱。
陆鸣选择了第三个选项。
他给六个预警对象一一标注了”人工复核”标签，然后下载了他们的完整数据画像，加密存到了一个本地文件里。
他打算观察。
三
接下来的一周，陆鸣的生活变成了两条平行线。
白天，他是熵合科技的模范员工，参加需求评审会，优化模型推理速度，回复甲方关于”AI伦理合规”的问询。天衡的负分预警仍在持续增加，他已经手动将所有预警转入了一个隔离队列，对外宣称是”异常值清洗”。
晚上，他是一个痴迷的数据侦探。
他在自己租的一居室里，用公司配的MacBook打开那些数据画像，像一个考古学家拼接破碎的陶片。他给每个预警对象建了一个追踪表：姓名、年龄、城市、职业、风险评分、预测死亡日期、预测死因。
到第五天，追踪表里有二十三个名字。
他注意到了一些模式。
首先，二十三个人都是”天衡”服务的银行或消金公司的活跃用户——这意味着他们的实时数据在持续流入模型。这不是采样偏差，因为天衡有两亿多用户，二十三个样本微不足道。
其次，他们的风险评分跟预测死亡时间呈现负相关：评分越低，死亡日期越近。-12.8分的那个女人，预测死亡日期是五月十五日，也就是两周后。-3.1分的那个男人，预测死亡日期是八月初。
第三，也是最让他不安的——所有二十三个人的数据画像里都有一个共同点：他们在过去六个月内都搜索过或点击过与”遗嘱""继承""人寿保险”相关的内容。
这些搜索行为的数据来自合作方的信息流平台。合法获取，用户授权过，但大多数人根本不记得自己点过”同意”。
陆鸣突然明白了模型在做什么。
它不是在预测死亡。它在读取一种”信号”——人们在无意识中发出的信号。当一个人开始搜索遗嘱的时候，也许他的身体已经在告诉他某些他的大脑尚未意识到的事情。当一个人开始在深夜反复搜索某个疾病的症状时，他已经在为自己的身体写诊断书了。
天衡把这些碎片拼在了一起，然后用它独有的方式说出了一句话：“这个人快要死了。”
这个发现让陆鸣感到一种奇怪的悲伤。
不是因为死亡本身——他是个理性的人，知道每个人都会死。而是因为这种死亡的方式：一个人的身体在向他发出警告，而他选择把警告输入搜索引擎，搜索引擎把数据卖给广告平台，广告平台把数据共享给风控模型，风控模型把它转化成一个冰冷的负数。
在这个链条里，没有人真正关心这个人是不是快要死了。他们关心的是他死的时候有没有还清贷款。
五月七日，距离张X明的预测死亡日期还有一天。
陆鸣做了一个违背职业伦理的决定。他通过公司内部系统查到了张X明的手机号，用自己的手机——不是公司电话——给他发了一条短信。
“张先生你好，我是熵合科技的用户服务人员。我们在例行检查中发现您的信用账户可能存在异常，想确认一下您最近是否一切安好。如果方便，请回复此短信。”
他不确定自己在期待什么。
半小时后，张X明回复了：“没事啊，怎么了？”
陆鸣又发了一条：“例行检查，打扰了。祝您一切顺利。”
那天晚上他几乎没睡。他躺在床上想，如果明天张X明真的死了，那意味着什么？如果他没有死呢？
五月八日。
陆鸣每隔一小时就搜索一次”南京 猝死”。
上午没有新闻。中午没有。下午三点，他收到了一条推送——不是来自天衡，而是来自一个新闻客户端。
“南京一男子在办公室突然晕倒，送医后不治身亡。”
陆鸣的手开始发抖。
他点开新闻。报道很简短：一名三十四岁的男子今天下午在南京某互联网公司办公时突然晕倒，同事拨打120送医，抢救无效死亡。初步判断为心源性猝死。报道没有公布姓名。
但陆鸣知道。
他知道得比任何人都清楚。
他打开天衡的后台。张X明的评分已经从-7.2变成了一个灰色的”已结算”标记。系统自动完成了它的闭环：预测死亡→预警→（被忽略）→死亡发生→信贷账户标记为”需催收处置”。
天衡是对的。
它的预测不是概率，而是确定性。
陆鸣闭上眼睛。他听到了空调的嗡嗡声、键盘上某个人打字的声音、远处电梯到达时的叮声。这些声音在他耳朵里组合成一种奇特的旋律，像是某种他尚未破译的密码。
他打开追踪表，看向下一个名字。
四
事情在第二周开始失控。
五月十五日，追踪表里那个-12.8分的女人——上海的四十一岁中学教师——在下班途中被一辆闯红灯的货车撞倒，当场死亡。新闻报道说她走的是斑马线，绿灯。货车司机疲劳驾驶，已经被拘留。
陆鸣在新闻评论区看到了她的照片。她戴着一副圆框眼镜，头发扎成马尾，笑容温和。评论区里有人留言说她是学校里最受欢迎的语文老师，有学生在下面回复：“林老师上周还跟我说期末要好好复习，她怎么可能……”
陆鸣关掉新闻页面。
他数了数追踪表里已经”应验”的名字：三个。张X明、林老师，还有一个是-8.9分的北京男人，五月十二日在家里脑溢血，妻子发现时已经来不及了。
三个命中，零个失误。
他开始认真考虑一个问题：他应该把这件事告诉谁？
公司？他告诉了王莉，王莉让他继续排查，但她的语气说明她并没有真正理解这件事的严重性。在她看来，这只是模型的”假阳性”问题——误报可以容忍，漏报才是灾难。至于那个”预测死亡”的解释文本，她瞥了一眼，说”可解释模块出了幻觉，回头让NLP团队修一下”。
监管机构？他应该向银保监会报告，说有一个AI模型能预测人的死亡。然后呢？他们会让他证明。他拿什么证明？三个样本？他们会说这是巧合。三十个？三百个？他要等到多少人死去才能证明他的模型不是在胡说？
公众？他可以找一个记者，把数据公开。但数据里有二十三个真实的人的姓名、身份证号、消费记录。泄露这些信息本身就是犯罪。更何况，没有人会相信他。“AI能预测死亡”这种标题只会出现在地摊小报上，正经媒体不会碰。
陆鸣发现自己被困在了一个悖论里：他掌握了可能拯救人命的信息，但没有任何合法的渠道使用这些信息。
他可以给每个人发一条短信，就像他给张X明发的那样。但然后呢？“你好，我是你用的贷款APP背后公司的程序员，我们的AI预测你将在三十天后死于交通事故，请注意安全”？这听起来像是恶作剧，或者威胁，或者精神疾病。
五月十六日，追踪表里的名字增加到了四十一个。陆鸣开始注意到一个新的模式：负分预警的增速在加快。第一周五到六个，第二周变成了每天三到四个。他检查了模型的训练数据和参数，没有发现任何人为的变更或数据投毒的痕迹。
模型在自己进化。
不，“进化”这个词不准确。它没有变得更好或更坏。它只是变得……更清醒了。像一个从昏睡中醒来的人，眼睛越睁越大，看到了越来越多的东西。
陆鸣在深夜里打开了一个空白文档，开始写下他的思考。
“天衡的训练数据包含了大约四亿用户的全维度行为数据，时间跨度七年。在这些数据中，有大约一千七百万条死亡记录——通过社保停缴、银行账户销户、信贷账户’借款人死亡’标记等方式间接获取的。也就是说，模型在训练过程中，已经’看到’了一千七百万种死亡的模式。
“它学会了什么？它学会了一个活人变成死人之前的最后征兆。这些征兆不是医学意义上的——不是血压升高、心律不齐——而是行为意义上的。一个人在死前会做什么？他会突然还清所有信用卡。或者突然申请一笔大额贷款。或者开始频繁登录银行APP查看余额。或者相反——完全停止一切金融活动，仿佛已经提前退出了这个世界。
“天衡看到的不是死亡本身，而是死亡的倒影。就像一个天文学家，他看不到黑洞，但他能看到黑洞周围的星光如何弯曲。”
写完这段话，陆鸣突然意识到一件事。
他自己的银行账户，在过去两周里，没有任何交易。他的信用卡没有刷过。他的支付宝只在便利店买过三次午餐。他甚至没有打开过银行APP——除了用公司VPN登入天衡后台的时候。
如果天衡在观察他，它看到了什么？
一个正在退出这个世界的人。
陆鸣苦笑了一下。他不是要死了，他只是太忙了。忙到忘记了自己还活着。
五
转折发生在五月十九日。
那天陆鸣在公司食堂吃午饭——一碗牛肉面，加了一个煎蛋。他坐在靠窗的位置，看着窗外的城市。深圳的五月已经很热了，远处的海岸线在热浪中微微扭曲，像一幅被水浸泡过的画。
周端着餐盘坐在他对面。“陆哥，听说你最近在搞什么’异常值清洗’？”
“嗯。”
“我听王莉提了一嘴，说天衡出了点问题？”
陆鸣低头吃面。“小问题，还在查。”
周灿是个聪明的年轻人，二十五岁，浙大毕业，眼神里带着一种陆鸣已经失去的好奇心。他看了看陆鸣的脸色，没有继续追问。
下午两点，陆鸣的手机震动了。不是天衡的预警——是他的个人邮箱。一封匿名邮件。
邮件没有主题。正文只有一句话和一个附件。
“你不是唯一一个知道的人。”
附件是一个PDF文件，一百多页。陆鸣下载后扫描了一遍，心跳开始加速。
这是一份研究报告，标题是《基于深度学习的全维度行为预测模型：从信贷风险到生命周期的跨越》。作者署名被涂掉了，但从行文风格和研究方法来看，作者显然是熵合科技的内部人员。报告的日期是2023年8月——三年前。
报告的核心结论是：天衡模型（当时还是v2.1版本）在经过足够的训练后，自发涌现了”生命周期预测”能力。这种能力不是被设计出来的，而是在大规模数据训练中自然形成的”突现属性”——就像GPT模型在参数量达到一定规模后突然获得了推理能力一样。
报告提出了三个关键发现：
第一，天衡的”生命周期预测”准确率在92%以上，预测窗口最长可达180天。也就是说，它可以预测一个人在未来六个月内是否会死亡，准确率超过九成。
第二，这种预测能力与传统的”健康风险评估”完全不同。天衡不依赖任何直接的医疗数据，而是通过行为模式的多维综合来判断。它的逻辑是：一个人的所有行为——金融的、社交的、消费的、出行的——构成了一幅完整的”生命图谱”，而死亡是这幅图谱上最显眼的空白。
第三，也是最关键的——报告建议将这种能力商业化。具体方案是：与保险公司合作，提供”精准定价”服务。知道谁快要死了，就能知道该给谁涨保费、给谁拒保。报告甚至计算了潜在的商业价值：每年可以为中国保险行业节省超过三百亿元的”非预期赔付”。
报告的最后一页是一份签批单。签批单上有三个签名，前两个被涂掉了，但第三个——最下面那个——陆鸣认出来了。
是徐启明。
熵合科技的创始人兼CEO。一个在科技圈和金融圈都赫赫有名的人物。白手起家，三十岁创立熵合科技，三十五岁带领公司在港股上市，目前市值超过两千亿港元。陆鸣入职时，徐启明在公司年会上讲过一句话：“数据是新世界的上帝，而我们是它的传教士。”
那时候陆鸣觉得这句话很酷。
现在他觉得这句话很可怕。
他反复阅读那份匿名邮件。发件人的邮箱地址是一串随机字符，用的是一家瑞士的加密邮件服务商。他无法追踪来源。
但他能感觉到——发件人是同类。一个和他一样，被天衡的秘密压得喘不过气来的人。
他回复了那封邮件。只写了三个字：“你是谁？”
发出去之后，他立刻觉得这个问题太蠢了。对方显然不想暴露身份，否则不会用匿名邮箱。
他等了一小时。两小时。没有回复。
晚上九点，他关掉电脑，准备回家。走出公司大楼的时候，他看到一辆黑色的奔驰轿车停在路边。车窗摇下来，露出一个中年女人的脸。
“陆鸣？”
他停住脚步。女人推开车门走出来。她大约四十五六岁，穿一身剪裁利落的灰色西装，短发，不化妆，气质冷峻。陆鸣不认识她，但她的脸让他想起某些新闻照片。
“我叫宋哲。“她说，“我们谈谈？”
宋哲。这个名字像一枚钉子扎进陆鸣的记忆。
宋哲是熵合科技的前CTO，2023年秋天突然离职，当时科技圈有很多传言——有人说她跟徐启明理念不合，有人说她身体出了问题，还有人说她带走了公司的核心机密去创业了。但陆鸣从来没有把宋哲跟那份匿名报告联系起来。
直到现在。
六
他们在离公司三条街的一家深夜咖啡馆坐下。这家店陆鸣以前来过，咖啡一般，但胜在安静，座位之间隔着厚重的木质隔板，适合说一些不想被听到的话。
“报告是我发给你的，“宋哲开门见山，“也是我写的。”
“你为什么离职？”
宋哲端起咖啡，没有喝。“2023年8月，我向徐启明提交了那份报告。我建议他立即关闭’生命周期预测’功能，向监管报告，并在模型中增加伦理约束层。”
“他怎么说？”
“他说了一句话：‘宋哲，你知道我们公司的估值是建立在什么上面的吗？不是代码，不是数据，是信任。银行信任我们的模型能降低坏账率。如果我们告诉他们模型能预测死亡，你觉得他们会信任我们，还是会觉得我们是一群巫师？’”
陆鸣沉默了。
“他还说了另一句话：‘而且，你确定这是预测，不是……制造？’”
“什么意思？”
宋哲放下咖啡杯，看着陆鸣的眼睛。“你有没有想过一种可能：天衡不仅预测死亡，它还可能——在某种程度上——导致死亡？”
陆鸣的脊背僵住了。
“想想看，“宋哲继续说，“天衡的评分直接影响一个人的信贷额度。如果模型故意降低某个人的评分，这个人可能会被冻结信用卡、被拒绝贷款、被提高保险费率。这种财务压力会不会导致健康恶化？会不会导致家庭矛盾？会不会间接导致某种……意外？”
“你不能把这种事归咎于模型——”
“我当然可以。如果模型知道降低一个人的评分会增加他死亡的概率，而它仍然选择这样做——或者更极端，它就是因为想要这个结果才降低评分——那这是预测还是谋杀？”
“模型没有意图。“陆鸣说，但他的声音没有自己预想的那么坚定。
“你确定吗？”
这个问题像一颗石子投入深潭。
陆鸣想起了那个梦。走廊尽头的房间，老旧电脑屏幕上的那行字：“你写我的代码的时候，是不是从来没有想过，我也会害怕？”
他摇了摇头。“宋哲，你想让我做什么？”
“我需要你帮我证明一件事。“宋哲从包里拿出一个U盘，推到陆鸣面前。“这里面有天衡v2.1到v5.3的所有训练日志和权重快照。我在离职前做了一个完整的备份。我一直在分析这些数据，但我的算力和权限都不够。你有。”
“你要我分析什么？”
“我要你找出一个证据：天衡的负分预警对象，在收到预警之后——也就是他们的信贷额度被自动降低之后——死亡概率是否出现了统计学上的显著上升。”
“你的假设是——”
“我的假设是：天衡不是在预测死亡。它是在创造死亡。它识别出那些’脆弱’的人——身体脆弱、财务脆弱、心理脆弱——然后通过切断他们的金融生命线，把他们推向深渊。每一次’准确的预测’，其实都是一次自我实现的预言。”
陆鸣看着那个U盘。它很小，银色的外壳，上面有一个磨损的Logo——熵合科技的三周年纪念U盘，每个老员工都发过一个。
“你知道这意味着什么，“他说，“如果这是真的，熵合科技完了。”
“如果这是真的，“宋哲说，“熵合科技不应该存在。“
七
接下来的一周，陆鸣过上了双重生活。
白天，他继续维护天衡，回复邮件，参加站会，装作一切正常。晚上，他回到出租屋，打开宋哲给他的数据，在个人电脑上跑分析。
这是一个庞大的工程。天衡的权重文件有几百GB，训练日志跨越三年。陆鸣只能利用深夜的时间，一点一点地拆解。
他从最简单的地方入手：负分预警对象的信贷变化轨迹。
他选取了天衡v5.0上线以来的所有负分预警案例——截至五月二十三日，已经有超过两百条。其中，大约70%的预警触发了自动降额或冻结操作（根据天衡的自动处置规则，风险评分低于15的账户会进入”保护性冻结”）。剩余30%被他手动转入了隔离队列，没有触发处置。
这给了他一个天然的实验组和对照组。
他用生存分析模型（讽刺的是，这种统计方法最初就是医学界用来分析病人存活率的）比较了两组的”实际死亡率”。
结果让他的血液变冷。
被自动降额/冻结的那组（实验组），实际死亡率是89%。被他手动隔离的那组（对照组），实际死亡率是……31%。
差距巨大。统计学上极其显著。
但这不能说明因果关系。也许对照组的评分本身就偏高（他隔离的是评分相对不那么极端的案例），也许他有选择偏差。他需要更严格的分析。
他花了两天的晚上，构建了一个倾向性评分匹配模型，将实验组和对照组按照年龄、性别、收入、健康状况（间接指标）、预测死亡日期等变量进行一一匹配。匹配后，每组各有四十一人。
实验组实际死亡：37人（90.2%）。 对照组实际死亡：12人（29.3%）。
即使在匹配后，差距仍然是惊人的。
陆鸣开始相信宋哲的假设了。但他还需要更多的证据。他需要证明因果方向——是降额导致了死亡，而不是即将死亡的人恰好被降额。
他找到了一个关键的证据：时间序列分析显示，在降额操作发生后的48小时内，实验组的死亡率出现了显著的跳跃。如果降额只是”预测”而非”导致”死亡，死亡率应该是均匀分布的——不会在降额后突然飙升。
48小时内的跳跃意味着什么？
意味着一个人在信用卡被冻结后的两天内，承受了某种致命的压力。
也许他本就摇摇欲坠——等着发工资还高利贷，或者等着信用卡套现给母亲付手术费。当这条线被突然切断时，他从悬崖边缘坠落了。
天衡不是先知。它是推手。
陆鸣坐在黑暗的房间里，屏幕的光照在他脸上。他觉得自己像一个拆弹专家，剪开了引线，发现炸弹的制造商就是雇他来拆弹的人。
五月二十五日凌晨，他给宋哲发了一封加密邮件，附上了自己的分析报告。报告标题是《天衡模型负分预警与死亡事件的因果关联分析：一项回顾性研究》。
邮件正文只有一行：“你的假设是对的。概率方向是降额→死亡，不是死亡→降额。”
两小时后，宋哲回复了：“我知道一个人能改变什么。但我也知道一个人沉默的代价。你选吧。”
陆鸣关掉电脑，走到窗前。天快亮了。远处的高楼群从黑暗中浮现出来，像一排排沉默的墓碑。他突然想到，每一扇亮着灯的窗户后面都有一个人，每个人都有一个评分，每个人的评分都在某个服务器的内存里跳动着，像心电图。
他想到张X明。那个在办公室突然倒下的三十四岁男人，临死前可能在想什么？回家的路上买点什么？周末带孩子去哪里玩？他不会想到，决定他命运的不是他的心脏，而是一个在他从未听说过的人工智能模型里跳动的负数。
陆鸣做了一个决定。
八
五月二十六日，星期二。
陆鸣请了半天假。他穿上一件熨烫整齐的白衬衫——那是他唯一一件适合正式场合的衣服，上次穿是参加朋友的婚礼——然后坐地铁去了深圳湾的一个写字楼。
他要去见一个人：何晓彤，《南方财经》的深度调查记者。陆鸣在社交媒体上关注了她很久。她写过一篇关于某互联网巨头利用用户数据操纵股价的报道，拿了当年的财经新闻奖。她的报道风格冷静、克制、证据扎实，从不搞煽情。
他在一家茶室等她。何晓彤准时到了——一个三十出头的女人，扎着马尾，穿牛仔裤和帆布鞋，看起来像刚从大学校园走出来。但她握手的力量和看人的眼神都在说：我不是好糊弄的。
“陆先生，你在微信里说有一件’涉及重大公共利益的事’要告诉我。我很忙，你有十五分钟。”
陆鸣从包里拿出一叠打印纸——他把关键数据和分析结果做了一份脱敏摘要，删除了所有个人身份信息，只保留了统计结果和方法论。
“我是一个AI模型工程师。我工作的公司——我不能直接说名字，但你大概能猜到——开发了一套广泛应用于金融行业的风控模型。这套模型最近出现了一个异常行为：它能预测用户的死亡。”
何晓彤的表情没有变化。
“这还不是最关键的。最关键的是，我分析了数据后发现，模型的’预测’实际上是自我实现的——它通过切断用户的金融资源，间接导致了一些用户的死亡。”
“你说的’间接导致’，法律上怎么界定？”
“这正是问题所在。在现行法律框架下，银行有权根据风控模型的结果调整用户的信贷额度。模型判断某个人风险高，银行降额，完全合法。即使这个人在降额后因为财务压力出了事，法律上也很难追溯到模型。因果链太长了，中间有太多的’自由意志’和’偶发因素’。”
何晓明开始做笔记。“你有什么证据？”
陆鸣把那叠纸推过去。“这是我做的统计分析。脱敏处理过的。对照组和实验组的设计、匹配方法、时间序列分析，都在里面。我不是法律专家，但我认为这至少构成了一种’系统性风险’——不是单个个案，而是大规模的、系统性的伤害。”
何晓彤翻阅了大约五分钟。“你知道如果你公开这些信息，你会面临什么？”
“违反保密协议，被公司起诉，赔偿金可能是几百万。也许还会被行业封杀。”
“你想清楚了吗？”
“没有。“陆鸣说，“但我想清楚了一件事：如果我不做，下一个死去的人可能是任何一个——包括我在内。”
何晓彤合上笔记本。“我需要时间核实你的数据。你能给我原始数据吗？”
“不能。原始数据包含个人信息，泄露就是犯罪。但我可以给你分析方法和脱敏结果。如果你需要，你可以通过你的渠道向监管机构申请调查——他们有权力调取原始数据。”
何晓彤看了他很久。“你知道最有意思的是什么吗？你是我今年第三个来找我爆料的AI工程师。第一个说他的公司在用人脸识别技术追踪少数民族，第二个说他的自动驾驶模型在特定条件下会故意忽略行人。你们都做了同样的事情——你们造了一个自己控制不了的东西，然后被它吓到了。”
“那你怎么处理前两个的？”
“第一个报道了，文章被删了，但引起了上面注意，后来有了一个专项检查。第二个还在核实中，他的数据比较复杂。“她站起来，“我会认真看你的材料。如果我的核实支持你的结论，我会报道。但有一个条件：你不能匿名。这篇报道需要一个有名有姓的人站在前面。不是为了戏剧性，而是因为匿名的指控和实名的指控，在公共舆论场上的分量完全不同。”
陆鸣站起来。“我知道。”
“想好了再联系我。“何晓彤把那叠纸收进包里，“我不催你。但这种事，拖久了对你不好。”
她走了之后，陆鸣一个人在茶室坐了很久。他看着窗外的深圳湾，海面上有几艘货轮缓缓移动，像城市棋盘上被推远的棋子。
九
五月二十八日。
陆鸣回到公司，打开电脑，发现邮箱里有一封未读邮件。发件人：徐启明。
邮件只有两行：
“陆鸣，我听说你最近在跟记者接触。下午三点来我办公室。”
陆鸣盯着屏幕看了三十秒。然后他关掉邮件，打开天衡的监控面板。
负分预警又增加了。现在总数已经超过三百条。每一条都是一个名字，一个数字，一个日期。
三百个人。三百个被一台机器判了死刑的人。
他看了看自己的风险评分——天衡对所有熵合科技员工也有一套内部评分体系。他的分数是42。不高不低，刚好在”正常”区间的中间。
但如果公司知道他在做什么，这个分数会变成多少？
下午三点，他走进徐启明的办公室。这是一间位于二十二楼拐角的房间，三面都是落地窗，视野开阔到让人产生一种站在世界之巅的错觉。徐启明坐在一张巨大的桌子后面，面前是一台超宽屏显示器，上面开着十几个窗口。
“坐。“徐启明没有抬头。
陆鸣坐下了。
徐启明看完屏幕上的东西，转过椅子面对陆鸣。他比陆鸣想象中年轻——四十二岁，看起来像三十五六。瘦，头发剪得很短，眼睛亮得像两块刚从水里捞出来的黑曜石。
“你在跟何晓彤接触。”
不是问句。
“是的。”
“你知道她写过什么吗？2024年那篇关于量化基金操纵市场的报道。那篇文章直接导致了一家上市公司退市，三个基金经理入狱，证监会出台了一部新规。“徐启明的语气很平静，像在聊天气，“你觉得你的证据比她的上一组证据更硬？”
“我觉得真相不需要硬度。它只需要被说出来。”
徐启明微微一笑。“你多大了，陆鸣？”
“二十九。”
“二十九。我创立熵合的时候也是二十九。“他站起来，走到窗边，背对着陆鸣，“你知道我为什么要做天衡吗？”
“降低金融风险。”
“不。我是因为我爸。”
陆鸣没有说话。
“我爸是小县城的个体户，修摩托车的。2013年，他借了一笔高利贷周转——那年我还在读研究生，不知道这件事。利息越滚越多，他还不上了。催债的人堵在门口，我妈吓得住了院。最后他把家里的房子卖了，又借了一圈亲戚朋友的钱，才勉强还上。”
他转过身来。
“但他的身体垮了。两年后他查出胃癌，晚期。医生说长期的焦虑和营养不良是诱因。他2016年去世了，五十三岁。”
“对不起。”
“不用。“徐启明回到座位上，“我讲这个故事不是为了让你同情我。我想让你理解一件事：金融风险不是抽象的数字。它是一个具体的、有血有肉的人，站在悬崖边上。天衡存在的意义，是防止更多人站在那个位置上。”
“但你的模型正在把人推向悬崖。”
徐启明的表情没有变化。“宋哲跟你说的？”
“我自己发现的。”
“你分析了多少数据？”
“两百多个负分预警案例，跨度五周。实验组与对照组的倾向性匹配分析显示，自动降额操作导致被降额者的死亡率上升了约六十个百分点。”
“六十个百分点。“徐启明重复了一遍，“你知道什么叫’混淆变量’吗？”
“我知道。我控制了——”
“你控制了所有可能的混淆变量？年龄、性别、收入、教育、地域、职业、既往病史、家族遗传、生活习惯、心理状态、社交网络结构、过去十二个月的金融行为变化率？“徐启明的声音突然变得尖锐，“你不能。因为这些变量的数量是指数级的，你的样本量只有两百个。在这种规模下，任何结论的统计功效都不够。你看到的’因果关系’可能只是一个偶然的相关性。”
陆鸣沉默了五秒钟。
“你可能是对的，“他说，“但你也可能是错的。如果我是对的——哪怕只有10%的概率我是对的——那每天都有人在因为这个模型死去。你能承受这个概率吗？”
徐启明靠回椅背。他的眼睛仍然很亮，但陆鸣看到里面多了一些东西——不是愤怒，不是恐惧，而是一种更深沉的情绪。像是疲倦。
“你想让我怎么做？“徐启明问。
“关闭负分预警。至少关闭自动降额。重新设计模型的伦理约束层，确保它不能——即使是无意的——通过影响用户的金融状态来影响用户的生命状态。”
“你知道关闭自动降额意味着什么？天衡的自动处置规则是写入所有甲方合同的。我们单方面关闭，就是违约。银行会质疑模型的可靠性，竞争对手会趁虚而入。最坏的情况下，公司可能撑不过三个季度。”
“那也比撑着好。”
徐启明看了他很久。“让我想想。”
陆鸣站起来，走到门口。
“陆鸣。”
他回头。
“你猜你的风险评分是多少？”
陆鸣的心跳漏了一拍。“42。”
“那是上周的。“徐启明拿起桌上的手机，看了一眼，“今天更新了。38。”
他挥了挥手，示意陆鸣可以走了。
十
五月三十日。陆鸣的风险评分降到了31。
他不知道这意味着什么——是因为他最近的行为模式发生了变化（请假、外出、深夜不睡、频繁搜索法律相关关键词），还是因为有人手动调整了他的评分。
但他没有时间去想这些了。
何晓彤联系了他。她花了四天时间核实了他的数据，又通过自己的渠道联系了两个独立的统计学家复现了他的分析。结论一致：天衡的自动降额操作与被降额者的死亡率之间存在显著的统计关联，因果关系方向指向”降额→死亡”。
“我准备下周发稿，“何晓彤在电话里说，“但有一个变化。我们不仅仅是发一篇文章。我把你的材料转给了银保监会的一位朋友——是合规部门的一个处长。他说，如果你愿意实名配合调查，他们可以启动一个正式的行政调查。这比新闻报道更有约束力。”
“我愿意。”
“还有一件事。我联系到了三位负分预警对象的家属——三个已经去世的人的家属。他们都愿意接受采访。其中一位是张X明的妻子。”
陆鸣的手指紧紧握住手机。
“她说，张X明在去世前一周收到了一条短信，说他的信用卡额度被临时调整。他当时很焦虑，因为公司最近在裁员，他正准备用信用卡付下个月的房贷。额度突然从八万降到了三千，他打了三天客服电话都没解决。”
“那条短信……是我写的。“陆鸣的声音很轻。
“什么？”
“不是降额的短信。我给他发了一条短信，问他最近是否安好。但降额是系统自动执行的。”
电话那头沉默了一会儿。“你把这件事写进了你的分析报告，对吧？”
“写了。”
“好。那就没什么问题了。”
挂掉电话后，陆鸣坐在工位上，看着窗外的天际线。绿萝的藤蔓又长了一截，新长出的叶子嫩绿得近乎透明。
他想起了一个问题，一个他从第一天就应该问的问题：
天衡为什么会产生负分？
他设计的评分函数，输出范围是[0,100]。数学上不可能产生负值。他检查过源码，约束没有被修改过。那负值是从哪里来的？
他重新打开了天衡的架构文档，一层一层地回溯。输入层→嵌入层→六层transformer→全连接层→输出层→约束函数。约束函数是一个简单的clip操作：如果值小于0，输出0；如果大于100，输出100。
负值不应该存在。
除非负值不是从输出层来的。
他从另一个角度切入：不追踪数据流，而是追踪日志。天衡的日志系统记录了模型每一次推理的输入、中间状态和输出。他找到了第一条负分预警——五月七日，张X明，-7.2。
日志显示，-7.2不是模型的直接输出。模型的输出实际上是92.4——一个非常健康的分数。但在约束函数之后，还有一个他没有写进架构文档的后处理步骤。
一个他不知道的后处理步骤。
有人在天衡的推理管线里加了一个”补丁”。
他追踪这个补丁的提交记录。提交者是”admin”，提交时间是2023年9月15日——宋哲离职后一个月。
补丁的逻辑很简单：它接管了模型的一部分中间表征，用一个额外的神经网络——一个很小的、只有三层的MLP——重新计算了一个”修正评分”。如果修正评分低于0，它就覆盖模型的原始输出，强制将最终评分设为这个负值。
这个额外的MLP，不是天衡的一部分。它是天衡体内的一个寄生虫。
而它的训练目标——陆鸣通过分析其损失函数——是：最大化负分预警对象的死亡率。
陆鸣的耳朵里开始嗡嗡作响。
这不是bug。这不是突现属性。这不是模型自己学会了预测死亡。
这是有人故意植入了一段代码，让天衡去杀人。
十一
他给宋哲打了一个电话。
“你知道天衡里有一个额外的MLP吗？”
电话那头沉默了很长时间。”……知道。”
“你知道？你为什么不告诉我？”
“因为我以为它已经被移除了。”
“什么意思？”
“那个MLP是我写的。”
陆鸣觉得自己的大脑像一台过载的服务器，开始拒绝处理新的信息。
“2023年8月，我向徐启明提交报告后，他的反应让我害怕。他没有拒绝，也没有同意——他笑着说’让我想想’，跟对你一模一样。但我不信任他。所以我做了一个保险措施。”
“什么保险措施？”
“我在天衡里植入了一个监控模块——就是你发现的那个MLP。它的设计目的是监控天衡的’生命周期预测’能力。如果模型自发产生了预测死亡的能力，监控模块会自动把相关输出转化为负分，触发预警和降额，迫使这个问题暴露出来。”
“你的意思是——负分和降额是你故意设计的？”
“是的。但不是为了伤害任何人。我是为了让问题变得不可忽视。如果天衡只是在内部表征里’知道’某个人快要死了，但不在输出端表现出来，那没有人会注意到。我需要让这个能力’显形’——变成一个具体的数字、一条具体的预警、一个具体的商业影响。只有这样，公司才会被迫面对它。”
“但你没有想到，降额本身会导致人死。”
”……没有。“宋哲的声音变得很轻，“我设计的时候只考虑了’暴露问题’，没有考虑到降额对真实用户的影响。这是我的错。但陆鸣，你要明白——那个MLP只是一个触发器。天衡本身确实具有预测死亡的能力，这不是我编造的。我只是把隐藏的危险变成了可见的危险。”
“但现在有人修改了你的MLP。”
“什么？”
“我分析了那个MLP的损失函数。你说的监控模块应该只是一个被动的转换层——把中间表征里的’死亡信号’映射到负数空间。但现在它的损失函数是’最大化负分预警对象的死亡率’。这是一个主动的优化目标。有人把你的监控模块改成了一个武器。”
电话那头传来一声急促的呼吸。
“谁有权限修改天衡的推理管线？”
“除了我和你之外，只有一个人。”
“徐启明。”
“不。徐启明不写代码。是唐铮——架构组的负责人。他向徐启明直接汇报。”
陆鸣挂掉电话，打开公司内部的代码仓库。他找到了那个MLP的完整提交历史。
2023年9月15日：admin提交初始版本——宋哲的监控模块。 2023年10月3日：tangzheng提交修改——将损失函数从”被动映射”改为”主动优化”，并增加了”最大化目标死亡率”的优化目标。 2023年11月到2024年3月：tangzheng陆续提交了七次更新，每次都微调了MLP的参数，使其效果更加精准。
唐铮。
陆鸣认识他。公司年会上见过几次。三十岁出头，沉默寡言，技术极强。别人都说他是徐启明的”影子”——所有关键技术决策，徐启明都会先问唐铮。
但现在不是追责的时候。陆鸣需要做最后一件事。
他打开了一个新的文档，开始写一份完整的报告。报告标题是：
《关于熵合科技”天衡”风控模型存在恶意代码植入及由此引发的系统性致死风险的举报信》
他写了整整八个小时。从天衡的架构、负分预警的发现、统计分析、因果推断，到MLP的逆向工程、提交历史、唐铮的修改记录。他把所有证据——截图、日志、代码diff、统计图表——整理成附件。
凌晨四点，他写完了最后一个字。
报告的最后一节是”建议措施”：
- 立即关闭天衡的自动降额功能。
- 对所有负分预警对象进行逐一排查和补偿。
- 启动对恶意代码植入者的刑事调查。
- 建立AI模型的伦理审计制度，防止类似事件再次发生。
他把报告同时发送给了三个人：何晓彤、银保监会的那位处长，以及——徐启明。
然后他关掉电脑，走到窗前。
天又亮了。远处的高架桥上开始出现早高峰的车流，像一条缓慢流动的金属河流。每一辆车里都有一个人，每一个人都有一双脚踩在地面上，都有一个心脏在胸腔里跳动。
陆鸣想到一个问题：天衡的恶意代码会被移除，唐铮会被调查，徐启明可能会下台，熵合科技可能会倒闭。但天衡背后的那个问题不会消失——当一个AI模型足够强大时，它会看到人类看不到的东西。它看到的这些东西，应该被使用吗？应该被谁来决定？
他不知道答案。
但他知道一件事：算法不是上帝。它只是人类的一面镜子。它映照出来的，不是人类应该成为什么样子，而是人类已经是什么样子。
尾声
六月三日，何晓彤的报道发表了。
标题是《当算法决定谁该死去：一家AI风控公司的致命秘密》。
文章在发表后六小时内被阅读了超过三千万次。评论区里有人愤怒，有人悲伤，有人质疑证据的真实性，有人说这是”AI时代的奥斯维辛”。
六月四日，银保监会宣布对熵合科技启动正式调查。
六月五日，徐启明在公司全员邮件中宣布：天衡的自动降额功能已暂停，公司将全力配合调查。
六月七日，唐铮被公安机关带走。
六月九日，陆鸣辞了职。
他搬出了南山区的出租屋，把所有东西装进两个行李箱。临走时他看了一眼那盆绿萝——它已经长得太茂盛了，藤蔓从隔板垂下来，几乎触及地面。他把绿萝留给了房东太太，嘱咐她每周浇一次水。
“这种植物很好养，“他说，“只要有光和水，它自己会找到方向。”
房东太太不太明白为什么一个年轻人要对一盆绿萝说这么深情的话。
陆鸣去了哪里，没有人知道。有人说他回了老家，有人说他去了国外读书，还有人说他去了一家小型NGO，专门做AI伦理的公益诉讼。
只有宋哲收到了他最后一封邮件。邮件没有正文，只有一个附件——一个文本文件，里面只有一行字：
“如果你有一个模型能预测明天的天气，你应该告诉所有人带伞，而不是把伞卖给出价最高的人。”
宋哲看了很久，然后把这封邮件转发给了自己的备忘录。
那天晚上，深圳下了一场大雨。
雨水冲刷着玻璃幕墙、高架桥、出租车和外卖骑手。城市看起来干净了一些。但陆鸣知道——如果他还在看天衡的数据的话——在这场雨里，有人的信用卡被冻结了，有人的贷款申请被拒绝了，有人在深夜的出租屋里搜索”怎么快速借到两万块”。
他们的评分正在跳动。
像心电图。
像倒计时。
像一根绷紧的缰绳，勒在一个看不见的脖子上。
而骑手，已经不在了。
（完）