AI会取代安全工程师吗？职场仍需人类的眼睛与判断

如果您是一位安全工程师，正在设计过程安全系统、开展危害分析、调查事故或制定职业安全计划，AI可能已经悄然融入了您的工作流程。我们的数据显示，2025年安全工程职位的整体AI暴露度为45%，但自动化风险仅为28%。

原因十分直接：安全工程的存在，正是因为当决策影响到人类生命和健康时，人类的判断力、伦理意识和责任担当是不可或缺的。AI可以分析数据规律、标记异常并加速例行工作，但保障工人和公众安全的责任，始终牢固地掌握在人类手中。

行业数据解读

根据美国劳工统计局职业展望手册，2024年5月，健康与安全工程师（不含采矿安全工程师，SOC 17-2111）的从业人数约为23,800人，年薪中位数为109,660美元。[事实] 就业预计从2024年到2034年增长4%——与所有职业的平均增速大体相当——十年间每年预计约有1,500个职位空缺，大部分是为了填补退休人员离职留下的缺口。[事实] 我们的2025年基准数据显示AI暴露度为45%，自动化风险为28%，预计到2028年将分别达到55%和36%。

[估计] 安全工程分析性环节的理论暴露度——定量风险分析、扩散建模、后果分析、事故规律识别——高达65-72%，但在考量整个职位全貌后，实际观察到的暴露度保持在28%左右，因为大量工作涉及判断力运用、监管沟通、现场作业和人为因素分析，这些都对自动化具有天然抵抗力。[主张] 美国安全专业人士协会（ASSP）的调查表明，安全工程师30-45%的工作时间花费在AI现在能够有效加速的任务上。

[事实] OSHA《过程安全管理标准》（29 CFR 1910.119）和EPA风险管理计划（RMP）规则（40 CFR第68部分），要求对危害分析、机械完整性计划和过程安全信息承担人类工程责任。[主张] 两个机构都表示支持将AI工具作为工程辅助手段，但相关法规明确规定，负责人的判断不能委托给模型：合规审计、变更管理审查和事故调查必须由有资质的人员签署。[估计] 这一监管立场预计至少在2035年之前不会发生根本性变化。

[事实] 重大工业事故——博帕尔、派柏阿尔法、德克萨斯城、西部化肥厂、帝国糖业——持续推动着监管趋严和对高技能安全工程师的需求增长。[估计] 行业消息来源表明，每一次重大事故发生后，受影响行业在随后五年内安全工程师招聘人数通常增加2-5%。[事实] ESG驱动的工作场所安全报告要求（SASB、GRI、欧盟CSRD）正在为企业报告和保证领域的安全工程专业知识创造新的需求。

[事实] 安全工程从业人员正在老龄化：美国石化和制造业中约32%的资深安全工程师将在十年内退休。[估计] 结合可再生能源、电池制造、半导体制造以及其他扩张性行业的增长需求，预计到2030年至少，对安全工程师的需求将大幅超过供给——BLS预测几乎全部1,500个年度职位空缺都需要用于填补离职，而非净增长，这使雇主在争夺中级职业人才方面面临激烈竞争。

为什么AI是增强而非取代安全工程师

危害分析和定量风险评估的速度已大幅提升。AI工具可以快速筛查危险场景，提出HAZOP（危害与可操作性研究）审查候选场景，并利用保护层分析（LOPA）、故障树、事件树等结构化方法帮助量化风险。过去在每个设施研究中需要耗费工程师数周时间的工作，如今已可以大幅压缩。

毒性泄漏、火灾和爆炸的后果建模已发生根本性转变。AI代理模型针对扩散建模（PHAST、BREEZE、ALOHA、FLACS）可以快速近似完整仿真，使场景覆盖范围远超传统工作流程所能允许的范围。

事故调查和趋势分析受益于AI工具对事故数据库的处理能力，它们能够识别规律并标记大型组织中的系统性问题。每年有数千起事故记录的公司，现在利用AI来挖掘人工分析员无法手动提取的洞察。

行为安全和人为因素分析利用AI处理观察数据、识别趋势并预测高风险情境。尽管这些系统并不完美，但它们能够帮助将人类注意力聚焦到最具影响力的干预措施上。

安全管理系统管理——培训追踪、审计排程、纠正措施管理——已被现代EHS软件平台大幅自动化。安全工程师现在可以将更多精力集中于分析性和需要判断力的工作上。

实时监控和预测性维护利用AI识别可能趋近不安全状态的设备，从而在传统检查发现问题之前采取预防行动。过程安全相关设备——卸压装置、报警系统、安全仪表系统——尤其受益于这种方法。

以下是AI无法改变的：安全工程最终处理的是低频高后果事件。许多决策涉及对尚未发生场景的判断，需要在不同利益相关者群体之间权衡取舍，并为可能无法预先测试的结果承担责任。这是AI无法做到的。

现场作业和审计的自动化率远低于10%。在炼油厂巡视、开展承包商安全审计、执行机械完整性检查，以及监督安全关键作业，都需要安全工程师亲临现场。当某些情况看起来出乎常规程序预料时，现场开展评估的工程师正在做AI无法完成的工作。

事故调查本质上是由人驱动的过程。确定根本原因、建议纠正措施、从事故中提炼组织学习，都需要调查性判断力、访谈技巧以及对组织动态的理解——这些AI均无法复制。

监管沟通和伦理判断是深度人类活动。安全工程师经常面临这样的情境：监管最低标准已满足，但实际安全性存疑；或者商业压力正在推动偏离安全保守性。在这些关键时刻运用专业判断，是安全工程伦理的核心，AI无法替代。

工人安全文化建设需要人类领导者。建立一种让工人有权制止不安全作业、诚实报告险情并参与持续改进的文化，从根本上关乎人际关系和信任，不是AI能够构建的。

OECD AI技能研究的启示

OECD《弥合AI技能差距报告》（2025年）发现，OECD国家约三分之一的职位空缺已在某种程度上暴露于AI，而高度暴露于AI的职业中需求最旺盛的技能是管理和商业技能——通用项目管理、财务、行政和文书工作。[事实] 这一技能组合与安全工程师的职业画像几乎完全吻合：AI加速的部分是分析性和文档性任务，而日益重要的工作则是项目领导力、监管沟通以及安全计划的跨职能管理。[主张] 在技术基础之上积极投入管理和沟通技能培养的安全工程师，正在为OECD数据显示最具抗置换能力的职位组成部分做好定位。

技术工具生态

2026年安全工程师的AI增强工具栈涵盖风险分析、后果建模和管理系统三大领域。在定量风险分析方面，SAPHIRE、CAFTA、Riskman和RiskSpectrum用于故障树和PRA（概率风险评估）工作，PHAST和SafetiNZ用于后果建模，BREEZE用于大气扩散分析，这些工具都在持续加入新的AI功能。

对于HAZOP和过程危害分析，PHA-Pro、HAZOP Manager和Sphera HAZOP是行业标准，并逐渐加入用于场景建议和减少人为主导研究中偏见的AI功能。LOPA Manager和类似工具处理保护层分析。

在火灾和爆炸后果建模方面，FLACS、Kameleon FireEx和PHAST占据主导地位，并配有用于快速筛查的AI代理模型。大气扩散分析常用CALPUFF、AERMOD和ALOHA。

在管理系统方面，Enablon、Sphera EHS、Cority、VelocityEHS、Intelex和SAP EHS提供集成平台，配备用于事故分析、审计管理和预测分析的AI功能。Sphera Stature、Risktec和类似工具负责高危行业的安全案例管理。

实时监控方面，Honeywell SafetyEye、Emerson Plantweb以及各类分布式控制系统安全软件包内嵌AI用于异常检测。

职业发展建议

职业早期（0-5年）： 建立广泛的基础能力。取得工程师实习资格并努力获得注册工程师执照。考取ASP/CSP认证。积极争取现场岗位——炼油厂检修、建筑安全监督、制造工厂轮岗，这些都能积累高级岗位所需的实践知识。掌握一个主流风险分析软件套件，并学习Python用于定制化分析。

职业中期（5-15年）： 战略性地选择专业方向。过程安全（PSM覆盖设施）、建筑安全、职业健康、机械安全（符合IEC 61508/61511的功能安全）或行业专属安全（石油天然气、化工、电力、采矿、半导体、电池）都提供了良好的专业化路径。参与标准委员会（CCPS、AIChE、ASSP、NFPA），开始构建专业人脉网络。

职业高级阶段（15年以上）： 您的专业判断力将变得越来越珍贵。企业需要能够审核AI生成分析、识别细微问题并对安全结论承担个人责任的资深安全工程师。考虑首席安全官职业路径、首席顾问角色、专家证人实践或监管职位。退休潮意味着资深专业知识将获得溢价。

被低估的复利技能

功能安全和SIS专业知识。 IEC 61508和IEC 61511功能安全标准适用于众多行业的安全仪表系统。随着越来越多的行业采用正式功能安全实践，拥有TÜV或CFSP认证和SIS设计实践经验的工程师需求极为旺盛。

建筑安全领导力。 建筑业仍然是最危险的职业之一，随着基础设施投资增加和复杂项目组合的扩大，对高技能建筑安全工程师的需求持续增长。CSP加建筑专项资质能打开许多大门。

电池和锂离子安全专业知识。 储能系统安全是一个由电池部署的快速增长驱动的新兴专业领域。理解锂离子系统热失控、气体探测、灭火抑制和事故响应的安全工程师拥有卓越的职业选择空间。

行业细分差异

石油、天然气和石化（ExxonMobil、Chevron、Shell、BP、BASF、Dow、LyondellBasell）雇用了最多的过程安全工程师。强大的AI投入、结构化的职业发展路径和高薪是这一领域的典型特征。需求稳定，退休驱动的人员更替显著。

化工和制药制造（Lubrizol、Eastman、Pfizer、Merck、Roche）雇用具有PSM专业知识、且越来越多具备FDA cGMP专业知识的安全工程师。AI采用程度良好，职业路径稳定。

建筑和基础设施（Bechtel、Fluor、KBR、Skanska、AECOM、Turner）在全球大型项目中雇用建筑安全工程师。AI采用程度参差不齐，现场岗位的工作生活平衡较具挑战性，但薪酬和成长机会较为丰厚。

制造和消费品（3M、Caterpillar、GM、Boeing、Procter and Gamble）在多元化运营中雇用安全工程师。AI采用程度良好，工作生活平衡较好，职业路径多样。

能源转型（电池制造、太阳能制造、风电场运营、氢能、电动汽车充电）正在为熟悉新兴危害的安全工程师创造新需求。增长潜力显著，工作在技术层面极具吸引力。

政府、监管机构和咨询机构（OSHA、EPA、MSHA、各州监管机构、CSB，以及Sphera、Risktec、Jensen Hughes、ABS Group等咨询公司）在监督、调查和顾问职能中雇用安全工程师。职业路径各有不同，但工作本身具有较高的智识价值。

鲜少被讨论的风险

风险一：AI驱动的自满和程序替代。 随着AI工具提供越来越多的分析和建议，安全工程师可能在未进行适当审查的情况下直接接受AI结论。这在安全工程领域尤为危险，因为判断失误的后果可能要等到重大事故发生时才会显现。

风险二：新型危害中的模型边界。 基于历史事故训练的AI模型对于真正意义上的新型危害——新化学品、新设备配置、新运营实践——可能泛化能力不足。不理解工具局限性的工程师正在无形中制造风险。

风险三：监管和法律责任的演变。 随着AI在安全领域承担越来越多的分析工作，围绕AI衍生结论责任归属的法律格局仍在发展演变之中。允许AI在未经适当审查的情况下做出决策的安全工程师，可能会以意想不到的方式面临个人法律责任。

从业者现在应该做什么

首先，熟练掌握您现有工具中正在新增的AI功能。风险分析平台、后果建模工具和EHS管理系统最近都增加了有实质意义的AI能力。

其次，有意识地积累现场经验。工厂审计、承包商监督、事故调查和检修安全工作，都能建立任何计算机工作都无法培养的实践知识。

第三，积极追求专业资质和专业知识。CSP、ASP、CFSE/CFSP（功能安全）、CIH（工业卫生）、CHMM（危险材料）以及类似资质，都能长期开启薪资丰厚的职业大门。

安全工程不会消失。随着新技术带来新危害、监管预期不断提升以及社会对更高工作场所和公共安全标准的要求，它正在持续成长。AI处理例行分析；安全工程师提供这一职业将始终需要的专业判断力、现场临场感和伦理责任担当。

---

_本分析基于AI辅助，数据来源于Anthropic 2026年劳动力市场报告及相关研究。如需详细自动化数据，请参见职业健康与安全专员职位页面。_

更新历史

• 2026-03-25：基于2025年基准数据初始发布。
• 2026-05-13：扩充了完整数据标签、技术工具包、职业阶段建议、行业细分分析和风险讨论。
• 2026-05-28：更新BLS 17-2111数据（23,800个职位/109,660美元/4%增速），并新增OSHA 1910.119和OECD《AI技能差距》引用。

相关：其他职业情况如何？

AI正在重塑众多职业：

• AI会取代消防工程师吗？
• AI会取代化学工程师吗？
• AI会取代核工程师吗？
• AI会取代工业卫生师吗？

_探索我们博客上涵盖全部1,016个职业的深度分析报告。_

深入解析：安全工程的核心方法论

为了充分理解AI对安全工程的影响，有必要深入了解这一职业的核心工作方法和分析框架，以及AI在这些框架中所能发挥的作用和所受的限制。

过程危害分析（PHA）的演变

过程危害分析是过程安全工程的基石，HAZOP（危害与可操作性研究）是最广泛应用的PHA方法之一。传统的HAZOP研究是一个劳动密集型的团队工作过程：一组多学科专家围坐在一起，系统性地审查每一个设计节点，使用"引导词"（如"多于"、"少于"、"反向"等）来识别可能的偏差及其危害后果。

AI正在从三个维度改变这一过程。首先，AI辅助的文档解析能够快速从P&ID图纸、设备规格书和工艺流程图中提取相关信息，减少HAZOP团队的前期准备工作量。其次，基于历史HAZOP数据库训练的AI模型能够为类似工艺节点自动建议常见危害场景，帮助团队识别可能遗漏的风险。第三，AI可以自动化生成HAZOP工作表模板，并在研究完成后辅助追踪偏差、后果、安全保护层和行动项目。

然而，HAZOP研究的核心价值——跨学科专家对复杂工艺系统相互作用的深度探讨——仍然是不可替代的人类工作。AI提供的场景建议是基于历史模式的统计推断，而真正创新性的危害识别往往来自于经验丰富的工程师对当前工艺设计特殊性的深刻洞察。

定量风险评估（QRA）的精密化

定量风险评估是过程安全工程中技术要求最高的工作之一，涉及故障树分析（FTA）、事件树分析（ETA）、保护层分析（LOPA）等复杂的概率计算方法。AI在这一领域的最重要贡献，是大幅提升了场景覆盖的广度和计算的速度。

传统QRA研究由于计算资源的限制，往往只能覆盖有限数量的代表性场景。AI代理模型能够在几分钟内完成数千个场景的初步筛查，帮助工程师将深入分析的资源集中在最高风险的情景上。这种"宽普筛查+深度分析"的双层策略，使QRA结果的全面性和可靠性得到显著提升。

事故调查与根本原因分析的人机协作模式

事故调查是安全工程师最具挑战性也最具价值的工作之一。有效的根本原因分析不仅能够解释"发生了什么"，更需要回答"为什么会发生"以及"如何防止再次发生"。这需要将技术因素分析与组织因素分析有机结合，涉及工程知识、心理学理解、组织行为学洞察的综合运用。

AI工具在事故调查中的最佳定位是数据处理辅助者，而非分析主导者。在拥有大量事故记录数据库的大型组织中，AI能够有效识别跨部门、跨时间段的事故规律，帮助调查人员从整体层面发现系统性问题。但对于单一事故的根本原因分析，仍然需要具备丰富实践经验的安全工程师主导的结构化访谈和系统性证据收集过程。

安全工程师的终身学习体系

在技术快速迭代的AI时代，安全工程师需要构建一套系统性的终身学习框架，才能保持职业竞争力。

技术层面，持续关注所在行业新兴技术的安全隐患是核心要务。以锂离子电池技术为例，随着储能系统在电网、商业建筑和工业设施中的大规模部署，与传统碳氢化合物危害完全不同的热失控、电弧闪光和气体释放危害，要求安全工程师持续更新自己的技术知识体系。同样，氢能经济的兴起、氨作为脱碳燃料的重新关注，以及新型催化剂和纳米材料在制造业中的应用，都在不断拓展安全工程师需要掌握的技术边界。

监管层面，保持对监管动态的实时追踪是职业责任的基本要求。OSHA、EPA、MSHA等联邦机构的规则制定进程、重大违规案例的处罚决定，以及各州监管机构的补充要求，都需要安全工程师密切关注。AI工具已经可以自动化监控和汇总监管动态，帮助安全工程师保持对法规变化的及时感知。

方法论层面，CCPS（化工过程安全中心）、AIChE（美国化工学会）、ASSP（美国安全专业人士协会）等行业组织持续发布最新的安全工程最佳实践指南和方法论更新。定期参加这些组织的年会和技术研讨会，不仅能够获取最新知识，更重要的是能够建立和维护与行业同行的专业人脉网络，这在职业发展和应对复杂安全挑战时都具有无法替代的价值。

写在最后：安全工程的永恒价值主张

安全工程师存在的根本理由，是保护人类生命和健康免受技术系统失效的威胁。这一使命从工业革命以来便一直存在，并随着人类技术能力的不断扩展而持续增长其重要性。

AI的出现改变了安全工程师完成这一使命的方式，但没有改变也不可能改变这一使命本身的根本性质。当一个工厂发生重大事故，受害者家属和公众所要追究的责任，是由有资质的工程师做出的专业判断，而不是一套算法的输出结果。这种不可转让的专业责任，是安全工程职业在AI时代最坚实的存在基础。

在可预见的未来，安全工程师的工作将越来越多地体现为：运用专业判断力监督和审核AI生成的分析结果；在AI工具无法有效应对的复杂情境中做出关键决策；以及建立和维护那些超越技术层面、深植于人类关系和信任的安全文化。这些工作不仅无法被AI取代，而且因为AI处理了更多例行任务，将在安全工程师的工作中占据越来越重要的比例。

薪资谈判与职业定位的实用指南

了解安全工程薪资市场的结构，对于在职业各阶段做出最优决策至关重要。BLS数据提供了统计基准，但实际薪资谈判的成功取决于对市场差异化因素的精准把握。

专业认证的薪资溢价是安全工程职业最具投资价值的人力资本之一。CSP（注册安全专家）认证通常能带来15-25%的薪资溢价相对于未认证同等职位，在保险、咨询和大型企业中尤为明显。CFSE/CFSP（功能安全认证工程师/专家）认证在功能安全需求旺盛的行业（石化、制药、核能）中可以带来更高的溢价，部分专业顾问职位甚至要求这一认证作为入职门槛。CIH（注册工业卫生师）和CHMM（注册危险材料经理）认证则在职业卫生和危险材料管理方向提供了显著的差异化竞争优势。

行业经验深度与可迁移性的平衡是中期职业发展的核心战略选择。深度专注于单一行业（如专注于石化）能够快速积累行业专属知识和人脉，通常在5-10年内带来显著的薪资优势。但在行业周期性波动或行业性技术变革时期，高度的行业专一性也会带来较大的职业风险。因此，许多有经验的安全工程师选择在核心行业建立深度专业能力的同时，通过参与跨行业咨询项目保持一定的视野广度和技能可迁移性。

新兴技术领域的先发优势在安全工程职业中历来具有显著价值。最近的典型案例是锂离子电池系统安全专业知识：在2018-2020年间就开始系统建立这一专业知识的工程师，在过去五年中见证了这一技能组合需求的爆炸式增长，并已处于享受显著溢价的有利位置。当前类似的新兴机会领域包括：固态电池技术安全、大规模氢储运系统安全、深海采矿作业安全，以及大型数据中心冷却系统安全等。

AI能力增强与人类判断的边界实例

理解AI的能力边界，对于安全工程师有效利用AI工具而不造成新的风险，至关重要。以下几个具体案例说明了这一边界的实际含义。

扩散建模的能力边界： AI代理模型在标准大气条件下的毒性泄漏扩散预测方面表现出色，速度快、覆盖广。但在复杂地形（如山谷、城市峡谷）、特殊大气稳定度条件（逆温层、海陆风效应）以及与其他污染源的相互作用场景中，AI代理模型的预测误差可能远超其标准验证场景中的误差范围。经验丰富的安全工程师能够识别哪些建模结果需要更详细的验证，哪些可以直接用于决策，而这种元判断能力是纯粹的计算能力无法替代的。

事故根本原因分析的能力边界： AI可以高效地从大型事故数据库中识别统计关联——例如，"在持续高强度生产压力下的夜班，严重工伤发生率比日班高出35%"。但将这一统计关联转化为具体的组织变革建议，需要理解特定工厂的生产文化、管理层的激励机制、工人的心理安全感受以及班次安排背后的商业逻辑，这些都需要人类的访谈技巧和组织诊断能力。

法规解释的能力边界： OSHA标准和行业规范往往在面对具体工程情境时需要进行专业解释。当一项工艺设计不完全符合但也未明显违反某项规范条款时，做出是否满足"等效保护"要求的专业判断，需要调动关于监管意图、历史执法案例和行业惯例的综合知识，以及对特定工艺安全特性的深度理解。AI可以提供相关法规条文和执法案例的检索，但专业判断本身无法外包给算法。

---

综上所述，安全工程在AI时代是一个基本面强劲、长期增长可期的职业。28%的自动化风险在所有工程职业中属于较低水平，退休缺口带来的供需结构性偏紧将持续提供职业安全感，而新技术带来的新危害则将持续刷新这一职业的技术挑战深度。对于有志于保护人类免受技术系统失效威胁的工程师而言，这是一个能够实现专业价值与经济价值高度统一的卓越职业选择。

全球视角：各主要市场的安全工程职业环境

安全工程是一个全球性职业，但不同国家和地区在监管框架、行业侧重和职业发展文化方面存在显著差异，了解这些差异对于有国际职业发展规划的工程师而言具有重要价值。

北美市场

美国是全球规模最大、薪资水平最高的安全工程就业市场之一。联邦OSHA标准提供了全国性的合规基准，但26个州自设了获得联邦批准的"州计划"，这些州计划在联邦标准基础上往往有更严格的附加要求。得克萨斯州（石化集中）、路易斯安那州（炼油和化工）、西弗吉尼亚州（采矿和化工）和俄亥俄州（多元化制造）是美国安全工程就业密度最高的几个州。加拿大的安全工程市场与美国高度相似，加拿大标准协会（CSA）和各省职业健康与安全法规共同构成监管框架，艾伯塔省（石油天然气）和安大略省（制造业和建筑业）是两个最重要的就业市场。

欧洲市场

欧盟通过《重大事故危险指令》（Seveso III指令）和《职业安全与健康框架指令》为成员国提供了统一的安全监管基准，但各国在实施细节和执法力度上仍存在差异。英国的健康安全执行局（HSE）是全球最受尊重的安全监管机构之一，英国安全工程师资质（如特许安全专业人士IChemE安全资质）在欧洲市场具有广泛认可度。德国的安全工程标准以其严谨性著称，德国法定事故保险协会（DGUV）发布的技术规范是欧洲安全工程实践的重要参考来源。

亚太市场

澳大利亚和新西兰共同制定了AS/NZS职业健康安全标准体系，两国合并形成一个相对成熟的安全工程就业市场，石油天然气（西澳大利亚）和采矿业（昆士兰、南澳大利亚）是主要的行业需求来源。新加坡凭借其作为亚太区石化和炼油中心的地位，以及严格的安全执法文化，是亚太区薪资水平最高的安全工程就业市场之一。中国大陆的安全工程市场规模庞大，随着监管执法力度的持续加强和企业安全意识的不断提升，对具备国际认证和先进方法论知识的安全工程专业人才的需求正在快速增长，尤其是在化工、煤矿和建筑行业。

中东市场

海湾合作委员会成员国（沙特阿拉伯、阿联酋、科威特、卡塔尔等）拥有全球最集中的大型石化和炼油设施群，对过程安全工程专业人才的需求旺盛且薪资极具竞争力。沙特阿美（Saudi Aramco）、阿布扎比国家石油公司（ADNOC）等国有石油巨头，以及众多运营当地大型炼化项目的国际石油公司（IOC），为经验丰富的过程安全工程师提供了包含住房、交通和教育津贴的综合薪酬包，总薪酬水平往往高于西方市场同等职位。

---

无论选择在哪个市场发展，安全工程师都面临着同样的核心挑战：在快速变化的技术和监管环境中保持专业能力的持续更新，在AI工具带来效率提升的同时保持对工具局限性的清醒认识，以及始终坚守这一职业最根本的价值取向——保护人类生命和健康免受技术失效的威胁。