2024 年 7 月 26 日，美国国家标准与技术研究院发布 AI 600-1《生成式人工智能风险管理的跨部门指南》最终版。文件识别十二类生成式 AI 特有风险：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；与 AI RMF 1.0 配套，面向组织给出行动建议。
十二类风险的分组
十二类风险不是平铺的清单。按来源可分为三组：模型行为风险包括幻觉、有害内容、偏见与色情内容；数据与权利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。
分组的意义在于定位控制点。模型行为多由开发者控制，数据与权利横跨开发与部署，系统与生态风险则涉及平台、用户与上游供应商。把十二类风险直接抄进登记表，通常得到一份无法执行的文档；按控制点归并，才知道每一项由谁负责。
行动建议落到组织
指南的建议指向治理、测量与文档三类动作。治理要求明确责任人、风险容忍度与决策记录；测量要求用测试集、红队演练与指标证明控制有效；文档要求模型卡、数据说明与变更记录能够追溯。
三类动作中，最容易被简化的是测量。没有测试集的“已评估”，在争议中等于没有评估。测试集不必庞大，但要覆盖产品实际场景，保留版本与结果；红队发现的问题应进入修复流程，而不是停留在报告附录。
与 AI RMF 1.0 的接口
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 的具体风险与动作。两者都是自愿性工具，不产生法律义务，也不替代任何法域的强制要求。
自愿性不等于无用。客户尽调、保险核保与政府采购越来越常引用这套语言；一份对齐框架的风险登记表，能显著降低沟通成本。反过来，只有原则声明而没有测量记录，很难通过专业审查。
中国企业的用法
中国企业更现实的做法是做对照表，而不是另建体系。把十二类风险映射到《生成式人工智能服务安全基本要求》的语料、模型、输出与评估要求，再映射到欧盟 AI Act 的透明度与高风险义务，一套控制措施可以支撑多份材料。
对照表要写明差异。不同法域对“高风险”的界定、对披露对象的要求、对记录保存期限的规定并不一致；把差异列出来，比强行统一更可靠。涉及跨境部署时，还要判断数据与日志的存放位置是否触发本地化或出境要求。
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 7 月 26 日发布的 AI 600-1《生成式人工智能风险管理的跨部门指南》最终版及公开信息编写，仅供参考，不构成法律意见。