8 月 26 日 10 时 30 分许，西藏日喀则市吉隆县吉隆口岸一带发生泥石流，道路、通信、电力一度全部中断。据日喀则市 8 月 27 日新闻发布会通报：灾害已造成 3 人遇难、558 人失联、2 人获救（失联人数在 8 月 26 日晚间曾通报为 265 人，后经持续排查于 27 日修正）。几乎同一时间，尼泊尔北部拉苏瓦县等地也遭遇山洪与泥石流，据尼泊尔方面 8 月 27 日通报已有 157 人遇难，384 名游客一度失联。
国内救援力量迅速投入：西部战区空军出动无人机、运输机、直升机等多型飞机参与灾情勘察与空中投送，国家发展改革委紧急安排 1 亿元救灾资金。
两场灾害几乎同时发生，把一个话题推到了公众面前：在灾害面前，AI 到底能帮上什么忙？ 网上流传的说法两极分化——要么「AI 无所不能早该预警」，要么「AI 纯属噱头」。这篇不卖焦虑、不堆术语，只把一件事讲清楚：在泥石流这类地质灾害的预警、搜救、识别三个环节，AI 现阶段真实的能力边界在哪里。
一、预警侧：AI 能「认出」危险的山坡，但很难「掐准」塌方的时刻
很多人对灾害预警的印象来自台风和暴雨：气象部门可以提前几天发布预报，公众有充足时间准备。但泥石流不一样。它由短时强降雨、沟谷中堆积的松散物质和陡峭地形共同触发，从「条件具备」到「灾害发生」往往只有几十分钟甚至更短的窗口，是公认的预测难题。
目前 AI 在预警侧真正发挥作用的是三件事：
第一，卫星雷达看「慢变形」。 InSAR（合成孔径雷达干涉测量）技术可以比对同一地区不同时间的雷达影像，捕捉毫米级的地表形变。一座山坡如果在几个月里持续缓慢位移，说明内部结构可能已经失稳。把大范围 InSAR 数据交给机器学习模型，可以圈出需要重点盯防的高风险斜坡。中科院相关团队已将这套方法用于我国地质灾害隐患识别，相当于给大山做定期「体检」。
第二，遥感影像找「隐患点」。 高分辨率光学卫星影像配合深度学习，可以自动识别不稳定斜坡、冲沟扩张、植被异常倒伏等隐患特征，大幅减轻人工巡山的压力——在人力到不了的高山峡谷区，这几乎是唯一的常态化普查手段。
第三，多源数据做「临期研判」。 降雨量、土壤含水率、裂缝计实时数据汇入模型，对高风险区发出短期预警。
但要诚实地说清楚边界：以上三件事解决的是「哪里危险」，不是「几点塌方」。 毫米级形变监测识别的是长期趋势；临期预警的精度高度依赖监测站点的密度，而高山峡谷区恰恰是站点最稀疏、通信最难保障的地方。更关键的是，吉隆这次灾害伴随道路、通信、电力全断——即便模型在事发前生成了预警信息，「最后一公里」的送达也面临巨大挑战。预警系统的瓶颈，往往不在算法，而在基础设施。
二、搜救侧：黄金 72 小时里，AI 的四件实事
灾害发生后，搜救是与时间赛跑。「黄金 72 小时」并非夸大其词：多数被掩埋幸存者的体能极限、失温与脱水风险集中在前三天，这之后生还概率显著下降，救援策略也会从「逐人搜索」转向「区域排查」。正因如此，前三天每一小时的排查效率都直接影响结果。AI 在这里不是科幻概念，而是已经进入实战的工具。本次救援中，军方即出动无人机等飞机参与灾情勘察。具体来看，AI 能帮上四件事：
1. 无人机航拍 + AI 快速制图。 无人机升空后，AI 可以在数小时内拼接生成灾区的正射影像和三维模型，标注出掩埋区、断路点和可通行的救援通道，让指挥部第一时间拿到「灾情地图」。传统人工踏勘需要数天的工作，被压缩到数小时。
2. 影像智能识别生命迹象。 对航拍影像，AI 目标检测模型可以筛查衣物色彩异常、搭建遮蔽物等人为活动迹象；搭载红外热成像设备的无人机，则能发现夜间或遮蔽环境下的热源信号。不过这一环有明确约束：泥石流掩埋往往深度大、覆盖面积广，被深埋者很难通过航拍被发现，它更擅长缩小排查范围而非直接定位。
3. 手机信令与基站数据的轨迹还原。 在运营商配合下，失联人员手机的最后接入基站、信号切换轨迹等数据，可以经 AI 分析还原出大致的活动范围，把搜救区域从「整条沟谷」收敛到「几个重点区域」。这一步的前提是：基站数据尚在、通信链路没有完全瘫痪——而恰恰是灾害最重的区域，这个前提最难满足。
4. 多源融合的搜救调度。 把遥感影像、气象预报、地面灾情报告汇总到一个系统里，AI 可以对搜救网格做优先级排序、为救援队伍规划路线、预测次生灾害风险（如堰塞湖、二次滑坡），避免救援人员自身陷入危险。
三、诚实的边界：AI 做不到什么
讲能力讲到这里，必须把「做不到」的部分也摆出来——这恰恰是这类话题最需要的公信力：
- AI 不能替代地质勘探与现场研判。 模型输出的是概率和风险等级，高风险点要不要撤离、怎么处置，最终要靠地质专家和一线指挥员的专业判断。
- AI 严重依赖基础设施。 断电、断网、断链路的环境下，云端大模型帮不上忙，边缘设备的算力和续航又有限。吉隆这次「三断」场景，正是 AI 系统最脆弱的时刻。
- 预测是概率，不是确定性。 「高风险」不等于「一定发生」。如果预警误报太多，公众会麻木；漏报一次，代价是生命。这个平衡在全世界都还没有完美答案。
- 人脸识别辅助身份确认，必须合法合规。 技术上可行，但人脸信息属于敏感个人信息，须严格依照《个人信息保护法》经授权、在必要范围内使用，不能以救灾之名扩大化采集。
一句话总结：AI 是灾害应对的效率放大器，不是专业救援力量的替代品，更不是万无一失的「预言家」。
四、普通人平时能做什么
把视角从国家救援拉回个人，有三件事现在就能做：
- 进入高山峡谷地区前，先查天气与地质风险预警。 雨季的山区公路、河谷营地是泥石流高发场景，出发前花三分钟核对预警信息，比任何装备都重要。可以看看我们整理的户外出行 AI 天气与地形预警工具。
- 备好家庭应急物资。 灾害发生后的头几个小时，外界救援到不了时，靠的是自家的应急包。用 AI 三分钟生成一份适合自己家庭情况的物资清单：AI 帮你 3 分钟生成家庭防汛清单。
- 记住逃生的方向原则。 遭遇泥石流时，向沟谷两侧高处垂直方向撤离，不要顺流往下跑；遇到灾害避险的具体场景判断，可参考这篇AI 灾害避险指南。
- 灾区信息以官方通报为准。 重大灾害期间，伤亡数字、事故原因的说法往往多版本流传，部分来自拼接旧闻甚至 AI 生成的假图。转发前多看一眼发布主体，等官方确认，也是对救援的尊重。
最后想说：灾害面前，技术能做的在变多，但诚实面对技术的局限，本身也是救援的一部分。愿失联者早日平安，愿每一次救援都跑赢时间。
相关阅读
Q: AI 现在能预测泥石流吗？
能识别风险，但很难精确预测发生时刻。通过卫星 InSAR 形变监测和遥感影像分析，AI 可以圈出高风险斜坡、做长期风险区划；但「几点塌方」级别的临期预报受监测站点密度和地质数据条件限制，仍是世界性难题。
Q: 为什么泥石流的搜救这么难？
三个原因：一是泥石流常伴随道路、通信、电力中断，救援力量难以进入，云端 AI 系统也失去数据链路；二是掩埋深度大、范围广，航拍和热成像难以发现深埋人员；三是次生灾害（二次滑坡、堰塞湖）风险高，搜救本身也要防危险。
Q: 遇到泥石流应该往哪里跑？
向沟谷两侧的高处垂直方向撤离，千万不要顺着泥石流方向往下游跑，也不要上树躲避。撤离时丢弃沉重行李，就近选择稳固高地。事前关注气象和地质灾害预警、避开雨季的河谷营地，比事后逃生更重要。
Q: 普通人能用 AI 做哪些防灾准备？
三件事：用 AI 天气与地形预警工具在出行前核对山区风险；用 AI 快速生成适合自己家庭情况的应急物资清单；通过 AI 灾害避险指南学习不同场景的逃生判断。这些工具的价值在于把专业知识变成普通人三分钟就能落地的行动清单。
💬 评论