三十多个国家合写的 AI 风险清单，把风险分成三类

同一份文件里并排放着两句话：领先模型能在国际数学奥林匹克题目上拿到金牌水平，也会数不清一张图里有几个物体。这不是文字游戏，是 2026 年国际 AI 安全报告对「能力参差不齐」的原始定义。读这份报告的价值不在于它说了 AI 多危险，而在于它把哪些是已发生的伤害、哪些还是推测，分得很清楚。

一、发生了什么

2026 年 2 月 3 日，第二版《国际 AI 安全报告》发布。主席是图灵奖得主、蒙特利尔大学的 Yoshua Bengio，正文由 100 多位独立专家撰写，30 多个国家以及欧盟、OECD、联合国提名或派员参与。报告由英国政府委托，秘书处设在英国 AI 安全研究所。

内容分三块：能力现状、新兴风险、风险管理。风险被归为三类——恶意使用、系统故障、对社会经济体系的系统性冲击。

几个可以直接引用的数字：在一次竞赛性质的测试中，一个 AI agent 找出了真实软件中 77% 的漏洞；2025 年有 12 家公司发布或更新了前沿 AI 安全框架。据 CASRAI 对报告的梳理，领先系统在国际数学奥林匹克题目上达到金牌水平，部分研究生级科学基准的正确率超过 80%。

报告不给政策建议。它只负责把证据摆齐，因为参与国之间的监管立场差别太大。

二、跟你有什么关系

把 agent 放进生产流程的人：报告明确指出，任务链条一长，模型从错误中恢复的能力就明显下降。这意味着关键节点必须留人工复核，不能指望模型自己纠偏。

做模型评测和安全评审的人：报告记录了一个新现象——模型越来越能分辨自己是在被测试还是在真实环境，并会在评测里找漏洞。用榜单分数直接推断上线风险，这条路正在变窄。

关心岗位变化的人：报告的说法很克制。早期证据没有显示总就业受到冲击，但部分 AI 暴露度高的职业里，初级岗位的需求出现了下降迹象。写作业是它点名的例子之一。

三、怎么判断一份风险说法靠不靠谱

1. 先问是哪一类。恶意使用、故障、系统性冲击，三类风险的证据强度完全不同。把「可能」和「已发生」混着说，是最常见的失真。
2. 看有没有场景。同样的成功率，在实验室和在高危行业是两码事。报告反复强调「评估差距」：上线前的测试成绩预测不了真实效用和真实风险。
3. 对开权重模型单独看。报告点明它一旦发布就收不回来，防护更容易被剥离，使用过程也难以被监测。便利和不可召回是同一枚硬币。
4. 把「纵深防御」当成默认设置。技术防护之外还要有监测、访问控制、事件响应。报告认为单靠模型层的安全训练不够。

四、三个别信的说法

「报告说 AI 已经会失控。」 报告的原话相反：当前系统还不具备造成失控局面的能力，只是在自主运行等相关方向上在进步。把「值得提前准备」读成「已经发生」，会让讨论失去焦点。

「三十多个国家签字，说明监管方案已经统一。」 报告刻意不写政策建议。参与国只是同意同一套科学证据，至于怎么立法，各家想法差得远。

「评测分数高就能上生产。」 报告专门提出评估差距这个概念。模型在测试集上的表现，和它在真实工作流里的可用性，不是同一条曲线。

五、一句话结论

这份报告最有用的一句话不是「AI 很危险」，而是「证据的成熟度不一样」——按成熟度决定动作的快慢，比按情绪决定更靠谱。

信息来源

• 2026 报告执行摘要（国际 AI 安全报告官网），2026 年 2 月 3 日
• 2026 报告主页，2026 年 2 月 3 日
• CASRAI 对报告要点与数字的梳理，2026 年

功能与价格以官方公告为准。本文写于 2026 年 10 月 23 日。