U.S. Department of Commerce // NIST 美国国家标准与技术研究院 访问官网 ↗

你以为 NIST 只是「量尺子的」，它正在悄悄定义全球 AI 该怎么被信任

提到 NIST，很多人脑子里浮现的是天平、砝码、时间频率实验室——一个和普通人、尤其和 AI 创业者八竿子打不着的官方测量机构。但如果你做 AI 产品、做合规、做政府采购，或者只是想知道「可信 AI」到底有没有公认尺度，NIST 其实是那个看不见、却越来越绕不开的名字。它一手推出的 AI 风险管理框架（AI RMF），正在成为美国乃至全球企业落地负责任 AI 的事实参考基线。

一句话认识它：NIST（National Institute of Standards and Technology，美国国家标准与技术研究院）是美国商务部下属的非监管型联邦科学与测量机构[1]，前身是 1901 年成立的「国家标准局」（NBS），1988 年更名扩权为今名[1]。在 AI 领域，它最被反复引用的产出，是 2023 年 1 月 26 日发布的《人工智能风险管理框架》（AI RMF 1.0），以及在其之下设立的美国 AI 安全研究所（AISI）[2][3]。换句话说，NIST 不直接罚你，但它定下的「可信」尺子，会被监管、采购方、合作方拿去量你。

数据仪表：NIST 在 AI 治理上的坐标

在展开细节前，先用一组数字把 NIST 的「份量」摆出来。这些数字不是营销话术，而是公开记录里能查到的关键坐标，也是判断「它到底有多重要」最直观的仪表盘。

1901
前身国家标准局（NBS）依国会法案成立，今年已逾百年历史
1988
国会将其更名为 NIST，使命扩展到推动创新与产业竞争力
240+
参与 AI RMF 1.0 草案征求意见的组织数量，跨产业、学界、政府、公民社会
18 月
AI RMF 从启动到发布的协作开发周期，含多轮公开草案与研讨会
7
「可信 AI」的核心特征维度，覆盖有效可靠到公平无偏等
4
AI RMF 核心职能：治理（Govern）、映射（Map）、度量（Measure）、管理（Manage）
200+
美国 AI 安全研究所联盟（AISIC）成员组织，含头部企业与学界
2026-04
发布「关键基础设施可信 AI」AI RMF 配置草案概念说明

先说清楚：NIST 到底是什么，又不是什么

理解 NIST，第一步是把它和「监管机构」区分开。NIST 是美国商务部下属的非监管型联邦机构，它的本职是测量科学、标准与技术——小到汽油泵准不准、大到量子计算与加密算法，背后都有 NIST 的贡献[4]。它不罚企业、不发牌照，靠的是「把尺子做准、把方法做扎实」，让产业自愿采用，再被上下游当成事实标准。

这种「非监管但极具影响力」的定位，恰恰是 AI RMF 能广泛传播的原因：它不强制，却因为方法论扎实、协作过程透明，被企业、律所、采购方、甚至其他国家的标准机构当成负责任 AI 的通用语言。NIST 总部位于马里兰州盖瑟斯堡（Gaithersburg），在科罗拉多州博尔德（Boulder）另有主要园区，员工中超过半数拥有博士学位，是典型的基础科研国家队[1]。

序号能力清单：NIST 围绕 AI 究竟做了哪几件大事

NIST 在 AI 领域的产出不是一份文件，而是一整套相互咬合的「工具箱」。下面按重要性依次拆解它最具代表性的动作，每一项都对应着你在实际工作中可能踩到的需求。

  1. AI 风险管理框架 AI RMF 1.0（2023-01-26）：这是 NIST 在 AI 治理上的旗舰成果，由美国《2020 国家人工智能倡议法》授权开发，历经约 18 个月、听取 240 多个组织的意见后发布。它把「可信 AI」拆成可执行的风险管理流程，供任何组织自愿采用[2]。
  2. 生成式 AI 配置文件 NIST AI 600-1（2024-07-26）：作为 AI RMF 的配套文件，专门识别生成式 AI 特有的风险（如幻觉、深度伪造、版权与内容来源），并给出贴合组织目标的管理动作，是做大模型产品绕不开的参考[5]。
  3. 美国 AI 安全研究所 AISI（2023-11 成立）：在 2023 年 10 月白宫 AI 行政命令下设立，隶属 NIST，任务是领导美国在前沿 AI 模型安全评估、红队测试、能力评测与合成内容水印等方面的努力，并和盟友国家的对应机构对齐方法[3]。
  4. AI 安全研究所联盟 AISIC（2024-02 启动）：由美国商务部长雷蒙多宣布成立，集结 200 多家头部 AI 企业、初创公司、学术界、公民社会和地方政府，是迄今最大的 AI 安全测试与评估协作体，专注于红队、能力评估、风险管理和水印等优先事项[6]。
  5. 可信与负责任 AI 资源中心 AIRC（2023-03 上线）：为 AI RMF 的落地提供配套资源、使用案例与国际对齐，是组织把框架「用起来」的实操入口，内含映射表、交叉引用与各种视角文档[7]。
  6. AI 测量科学与评测工具：NIST 把「测量」老本行带到 AI 安全，例如开源对抗测试工具 Dioptra，用于评估对抗攻击对 AI 系统性能的影响；并围绕前沿模型开展安全评估与测量方法研究，把抽象的风险变成可量化的指标[3]。
  7. 全球 AI 标准参与计划（NIST AI 100-5，2024-07）：明确 NIST 参与国际 AI 标准制定的路径，覆盖横向（跨行业）与纵向（行业专用）两类标准需求，目标是让全球标准科学、可用、互通[5]。
  8. 关键基础设施可信 AI 配置草案（2026-04-07）：发布概念说明，引导关键基础设施运营方在引入 AI 能力时，参考更具体的风险管理实践。它同时意味着 AI RMF 正处在「随白宫 AI 行动计划修订」的活文档状态，值得持续关注版本变化[5]。

分色场景区块：哪些人/哪些环节在用 AI RMF

框架不是摆设。下面几类典型场景，几乎都在自觉或不自觉地以 AI RMF 为底座，只是关注点各有侧重。把它们分开看，能帮你判断「我到底该读到哪一页」。

企业内部 AI 治理

中大型企业在上线客服、风控、招聘等模型前，用 Govern/Map/Measure/Manage 四职能做内部风险自查，回应董事会与监管对「负责任 AI」的追问，避免上线即翻车。

政府采购与供应商准入

美国政府与部分机构把符合 AI RMF 作为合作或采购的软性门槛。供应商若能在方案里展示对齐框架的治理证据，往往更容易通过合规审查。

前沿模型安全评估

AISI 与 AISIC 成员围绕大模型做能力评测、红队与对齐测试，把 NIST 的「测量科学」方法用于判断一个模型是否安全到可以公开发布。

行业专用配置落地

金融借贷、刑事司法、医疗等高风险场景，可基于 AI RMF 制定本行业的「配置文件」（Profile），把通用原则翻译成可执行的岗位动作与检查清单。

对比表：AI RMF 与另外两套「负责任 AI」尺度有何不同

NIST AI RMF 常被拿来和 ISO/IEC 42001、欧盟《AI 法案》比较。三者目标相近但性质、约束力与适用对象差异明显，一张表看清取舍。

对比维度NIST AI RMF 1.0ISO/IEC 42001欧盟《AI 法案》
文件性质自愿采用的框架与指南可认证的管理体系标准具有法律约束力的法规
约束力非强制，靠市场与采购传导认证自愿，但客户常要求强制，违规有罚款
适用对象任何设计、开发、部署或使用 AI 的组织建立 AI 管理体系（AIMS）的组织在欧盟市场提供或使用 AI 的各方
核心抓手四职能流程 + 可信特征 + 配置文件PDCA 循环 + 方针与职责风险分级 + 义务清单
发布/生效2023-01-26 发布，持续修订2023-12 发布2024 年生效，分阶段适用
对中小团队友好度高，可只取部分职能先用中，认证有成本低，合规负担最重

简单结论：想「先把可信 AI 跑通」优先看 AI RMF；想「拿一张国际认证招牌」看 ISO/IEC 42001；想「在欧洲卖产品不踩雷」必须啃《AI 法案》。三者并不互斥，很多成熟团队是「用 RMF 搭方法、用 42001 建体系、用 AI 法案堵红线」三件套并行。

谁该认真读 NIST，谁先别急

这几类人会很省心

  • AI 产品经理与合规负责人：需要一套现成、权威、可被老板和客户接受的风险管理语言，AI RMF 直接给方法论。
  • 面向美国政府或大企业客户卖 AI 的团队：框架常被视为准入隐形门槛，提前对齐能少走弯路。
  • 做前沿大模型的安全研究员：AISI/AISIC 的评测、红队与标准制定，是了解「安全到什么程度才算够」的窗口。

这几类先想清楚

  • 只想快速上线的个人开发者：框架偏治理视角，纯写 demo 阶段读它收益有限，等要规模化或对外合作再看。
  • 期待「一键合规」者：AI RMF 是方法论不是认证，不能直接盖章「你合规了」，落地仍要自己设计流程。
  • 误以为 NIST 能替你担责者：NIST 只提供尺子，用尺子量出的结果、以及由此产生的决策责任，始终在组织自己。

三个最容易踩的坑

  • 把「自愿框架」当「免死金牌」。AI RMF 不具强制力，符合它不等于满足法律要求；面对欧盟《AI 法案》或行业强监管，仍要单独做合规映射，别用一份 RMF 说明糊弄所有审查。
  • 只下载不落地。很多团队把框架 PDF 存进资料库就当「已治理」。真正有用的是把 Govern/Map/Measure/Manage 拆成岗位职责、检查清单与评审节点，否则只是心理安慰。
  • 忽视版本在动。AI RMF 是「活文档」，计划不晚于 2028 年做正式复审，且正随白宫 AI 行动计划修订；引用具体条款时务必标注所用版本，别拿旧版当现行标准[8]。

    • 常见问答

    NIST 是监管机构吗，它会罚违规的 AI 公司吗？

    不会。NIST 是美国商务部下属的非监管型联邦机构，本职是测量科学、标准与技术。它制定框架、方法和测量工具，但无权罚款或发牌照。它的影响力来自「尺子做得准、方法靠得住」，被产业、采购方和监管间接当作事实标准来使用。

    AI RMF 1.0 到底是什么，普通团队怎么用？

    它是 NIST 于 2023 年 1 月 26 日发布的自愿性框架，把可信 AI 拆成「治理、映射、度量、管理」四个核心职能，并列出有效可靠、安全、安全韧性、可问责透明、可解释、隐私增强、公平无偏这七个可信特征。小团队不必全用，可先选一个高风险场景做 Map 与 Measure，再逐步补全。

    AISI 和 AISIC 是什么关系？

    AISI（美国 AI 安全研究所）是隶属 NIST 的机构，2023 年 11 月依白宫 AI 行政命令设立；AISIC（AI 安全研究所联盟）是 2024 年 2 月在其下成立的跨业界协作体，集结 200 多家企业、学界与公民社会组织，专注红队、能力评估、风险管理与安全水印等方法制定。

    AI RMF 和欧盟《AI 法案》冲突吗？

    不冲突，但性质不同。RMF 是自愿框架、提供方法论；《AI 法案》是强制法规、规定义务与罚则。很多团队会同时采用：用 RMF 搭治理方法，用《AI 法案》堵法律红线。两者在「风险分级、透明、人类监督」等理念上方向一致，可互补。

    生成式 AI 配置文件 NIST AI 600-1 解决了什么问题？

    它是 AI RMF 的配套文件，针对大模型特有的幻觉、深度伪造、版权与内容来源、提示注入等风险，给出更聚焦的管理动作。做聊天机器人、内容生成、Agent 类产品的团队，应把这份文件当作必读，而不是只看通用 RMF。

    AI RMF 会过时吗，需要追版本吗？

    会持续演进。官方明确它是「活文档」，计划不晚于 2028 年做正式复审，并正随白宫 AI 行动计划修订；2026 年 4 月已发布关键基础设施可信 AI 配置的概念说明。引用具体条款时务必标注所用版本号，避免用旧版当现行标准。

    中小企业有必要照搬整套框架吗？

    没必要也不现实。框架本身就是「按组织规模与风险承受度灵活采用」的设计。小团队建议从一个具体用例切入：先映射（Map）风险、再度量（Measure）关键指标，把治理（Govern）和管理（Manage）做成轻量清单，比追求「全职能覆盖」更实用。

    参考资料

    1. 来源：NIST 官方科普——机构起源于 1901 年国家标准局（NBS），1988 年更名 NIST，隶属美国商务部：https://www.nist.gov/feature-stories/why-you-need-standards
    2. 来源：NIST 新闻（2023-01）——发布 AI 风险管理框架 AI RMF 1.0，说明其自愿、非行业专属的定位与开发过程：https://www.nist.gov/news-events/news/2023/01/nist-risk-management-framework-aims-improve-trustworthiness-artificial
    3. 来源：NIST 新闻（2023-11）——依据白宫 AI 行政命令设立美国 AI 安全研究所（AISI）并征集联盟成员：https://www.nist.gov/news-events/news/2023/11/nist-seeks-collaborators-consortium-supporting-artificial-intelligence
    4. 来源：NIST 标准引用库——NIST 为非监管型联邦机构，使命为推进测量科学、标准与技术：https://sibr.nist.gov/taxonomy/term/2774621
    5. 来源：NIST AI 风险管理框架专题页（含生成式 AI 配置、全球标准计划与 2026 关键基础设施草案）：https://www.nist.gov/itl/ai-risk-management-framework
    6. 来源：NIST 新闻（2024-02）——美国商务部长宣布成立 AI 安全研究所联盟 AISIC，成员逾 200 家：https://www.nist.gov/news-events/news/2024/02/biden-harris-administration-announces-first-ever-consortium-dedicated-ai
    7. 来源：NIST 可信与负责任 AI 资源中心（AIRC）——AI RMF 落地资源、映射表与使用案例：https://airc.nist.gov/airmf-resources/
    8. 来源：NIST 官方出版物 NIST AI 100-1《Artificial Intelligence Risk Management Framework (AI RMF 1.0)》全文 PDF：https://nvlpubs.nist.gov/nistpubs/ai/NIST.AI.100-1.pdf

    青衣网络 AI 观察团队 · 最后更新 2026-08-25　|　本文基于 NIST 官方公开信息（含新闻稿、出版物与资源中心）整理，用于帮助用户理解 NIST 在 AI 治理中的定位与能力边界；框架版本、机构职责与政策随时可能调整，实际使用请以 NIST 官网最新发布为准。