2024 年 4 月 29 日，美国国家标准与技术研究院（NIST）发布 AI 600-1《生成式人工智能风险管理的跨部门指南》初稿。文件识别十二类生成式 AI 特有风险，包括 CBRN 信息、幻觉、有害内容、数据隐私、环境、偏见、人机配置、信息完整性、信息安全、知识产权、色情内容与价值链风险，并与 AI RMF 1.0 配套使用。
十二类风险如何分组
十二类风险并非并列清单，可以按来源分为三组。模型自身产生的风险包括幻觉、有害内容、偏见与色情内容；数据与权利相关风险包括数据隐私与知识产权；系统与生态风险包括信息完整性、信息安全、CBRN 信息、环境、人机配置与价值链。
分组的价值在于定位责任。模型自身的问题多由开发者控制，信息完整性与价值链风险则跨越开发者、部署者与平台，任何一方单独行动都难以解决。
与 AI RMF 1.0 的关系
AI RMF 1.0 提供治理、映射、测量与管理的通用框架，AI 600-1 在其上补充生成式 AI 的具体动作。框架本身是自愿性的，不产生法律义务，但它提供了一套监管、客户与保险机构都听得懂的语言。
对企业而言，采用框架的实际收益是降低沟通成本。客户尽调问「你们怎么管理幻觉风险」，有一份对齐 AI 600-1 的风险登记表，比口头解释更有效。
风险登记表怎么写
可行的做法是把十二类风险逐条映射到自身产品：哪些风险适用、现有控制措施是什么、剩余风险由谁接受。不适用的风险要写明理由，而不是留空。
模型评估应与风险登记表对应。幻觉风险对应事实核查与引用机制，偏见风险对应测试数据集，知识产权风险对应训练数据来源审查，信息安全风险对应访问控制与对抗测试。每一项都应有记录，而不是只有结论。
透明度与文档
AI 600-1 强调透明度与文档，落点在两处：对用户的披露，以及内部的决策记录。披露解决用户是否知道自己在与生成式系统交互；文档解决事后能否解释当时的判断。
文档不必厚重，但要能追溯。版本、数据来源、评估结论与变更原因四项齐全，即可支撑多数场景。反过来，一份没有版本号的评估报告，在争议中几乎没有证明力。
中国企业的使用方式
这份指南是初稿，不是合规标准，也不替代任何法域的强制要求。它的价值在于提供一套风险分类，便于企业在欧盟、美国与中国规则之间做对照。
对同时面向多个市场的 AI 企业，用一套风险语言组织内部材料，再按各法域要求补充差异，比分别维护三套文档更可持续。
生成式系统的安全控制与对抗测试，参见网络安全合规服务；训练数据与隐私风险的处理，参见数据合规服务；训练数据来源与权利审查，参见知识产权保护服务。
本文依据美国国家标准与技术研究院 2024 年 4 月 29 日发布的 AI 600-1《生成式人工智能风险管理的跨部门指南》初稿及公开信息编写，仅供参考，不构成法律意见。