AI 标准第一次写出来之前，NIST 先把一张“零号草稿”摆到桌上

一份还不是草案的文件

标准会议最安静的时刻，常常发生在第一段文字出现之前。有人已经决定了文件要解决什么问题、使用哪些词、把哪些内容放在范围外。等正式草案公开时，公众当然可以提意见，但整座房子的承重墙也许已经立好，后来者只能讨论窗户开在哪里。

美国国家标准与技术研究院 NIST 推出的 AI Standards “Zero Drafts” 试点，试图把参与时间往前移。“零号草稿”不是正式标准，也不是已经进入批准程序的初稿。它更接近一份公开工作底稿：先把问题、结构、术语和可能字段摆出来，让开发者、使用者、研究者和受影响群体在文本仍容易改变时提出意见。

NIST 在 2025 年公布的一个扩展提纲，聚焦 AI 数据集与模型的公共文档。它设想列出文档中应该或可以包含的字段，让人知道一个数据集从哪里来、适用于什么，一个模型如何描述能力、限制和相关信息。项目页面强调，AI 标准需要来自不同学科、组织与利益相关者的参与，并把试点目标概括为扩大参与、加快标准形成。

这是一种很细微的制度设计。它没有宣布新的强制规则，也没有给任何模型盖章。它只改变了一件事：谁在什么时候能看见文本。

标准从来不只是技术答案

标准常被想象成工程师对参数达成一致。例如接口用什么格式、测量采用什么单位、测试怎样复现。但 AI 文档标准会直接影响市场上的可见性。如果标准要求披露训练数据来源类别、适用场景、限制和版本变化，公司就要建立相应记录；采购者和监管者也会把这些字段当作比较工具。

字段不是中性的。要求写“准确率”，却不要求写测试人群，文档会鼓励一个漂亮总分；要求披露已知限制，却不说明发现限制的方法，内容可能退化成法律团队熟悉的套话；要求公开所有数据细节，又可能碰到隐私、版权与商业秘密。每一列看似只是表格设计，背后都在分配举证责任。

零号草稿的价值，就是让这些冲突早一点显形。数据科学家可能关心可复现性，企业关心实施成本，公共机构关心采购可比性，创作者关心数据来源，普通用户关心系统在自己的语言和处境里是否可靠。若只有最熟悉标准流程的机构参与，最后的文件会自然偏向它们能提供的证据和能承担的成本。

参与更早，不等于参与更平等

公开一份早期文件，不会自动带来多元意见。标准文本有专业语言，反馈需要时间，有些组织有专门政策团队，个人与小机构只能在本职工作后阅读。公开征求意见若只计算提交数量，资源最丰富的参与者仍可能占据大部分文本空间。

真正扩大参与，需要把门槛一起设计。材料要有清楚摘要，关键问题要能被非标准专家理解，意见模板不应只奖励法律式措辞，线上说明会要留下记录。组织方还可以主动邀请容易被系统误差影响、却不熟悉标准会议的人，并说明哪些意见被采用、哪些没有以及理由。

否则，“任何人都可以评论”会成为一种形式上的平等。就像把一份数百页文件放在公共网站上，然后说公众已经有机会参与。能访问与能影响不是一回事。

更快形成标准，也可能更快固定错误

AI 变化快，标准流程常被批评太慢。等文件正式发布，模型、数据和产品形态可能已经换了一代。零号草稿通过提前暴露结构、并行收集意见，有机会减少后期反复。

但速度本身不是目标。一个仍在争议中的术语若过早固定，后续系统会围绕它建立文档、审计和采购流程，改动成本越来越高。标准一旦成为合同和合规工具，就会产生路径依赖：人们开始优化填表，而不是改善系统。

因此，零号草稿应当明确哪些部分只是探索，哪些有初步共识，哪些存在相互冲突的方案。版本记录也很重要。外界需要看到文本如何从一轮意见走向下一轮，而不是最后只见一份干净成稿。失败的定义、被删除的字段和少数意见，都是标准为何成为现在模样的历史。

文档不能替代验证

数据集卡、模型卡或任何标准化说明书，都能让信息更容易寻找，却不能自动证明信息真实。开发者可能认真填写，也可能选择最有利的口径。一个模型说自己“不适用于高风险决策”，不代表产品界面会阻止用户这样使用；一个数据集列出来源类别，也不代表不存在遗漏与未经授权内容。

文档标准必须与验证机制相连：抽查记录、第三方评估、事故报告、版本变更和实际使用监测。不同使用情境还需要不同深度。研究原型、企业内部工具与面向公众的高影响系统，不应只交同一张表。

标准也需要允许“不知道”。开发者不可能提前发现全部限制。比起逼迫每个字段都有确定答案，更好的设计是要求说明不确定性如何被发现、问题出现后谁更新文档、旧版本用户怎样收到通知。文档的生命不该停在发布日。

从提纲走到公共记忆

NIST 的项目仍是试点。2025 年的扩展提纲不等于标准已经制定，更不等于所有 AI 公司必须执行。它能证明的，是一个标准机构正在实验更早公开、更广参与的形成方法。

要判断试点是否成功，不能只看完成得多快。应当看参与者是否比传统流程更广，弱势意见是否改变了文本，字段是否能被不同规模组织实施，正式标准形成后文档是否真的帮助采购、研究和问责。还要看那些未被采用的意见有没有被记录，让未来修订知道旧争议从何而来。

回到那张尚未写满的纸。零号草稿最有意义的地方，不是它比第一稿小一个数字，而是承认标准在成为权威之前，也曾经是一组可以被质疑的选择。公共标准不仅需要公开结果，还需要保存人们如何走到结果的记忆。

一份模型说明书应该让人做什么

讨论字段时，很容易陷入“披露越多越好”。真正有用的标准应先确定读者和动作。研究人员希望复现实验，采购人员希望比较供应商，内容平台希望知道模型是否适合特定语言，受影响者希望找到申诉入口。若一份文档把所有信息堆在一起，每个人得到的可能都是一份很长、却无法行动的说明书。

文档可以设计成多层。第一页回答最低限度的问题：模型或数据集的身份、版本、提供者、预期用途、明确不适用情境、更新时间和联系方式。第二层提供评测、数据来源类别、已知限制和安全措施。更深层才进入技术方法、审计材料与受限访问证据。这样既能让普通使用者快速理解，也不把复杂问题压成几个营销标签。

字段还要带时间。模型名称不变，权重、检索源、过滤规则和系统提示都可能更新。静态说明书若没有版本号与变更记录，用户无法知道上个月的测试还适不适用。文档标准应要求说明哪些变化触发重新评估、旧文档保存多久、已经部署的客户怎样收到通知。

另一个关键动作是比较。若每家公司用自己的方式定义“幻觉”“安全”“多语言能力”，披露再丰富也难以横向理解。标准可以统一最低定义和报告结构，却要避免把一个指标变成唯一排名。平均准确率相同的两个模型，可能在不同人群、语言或高风险问题上表现完全不同。可比性应帮助看见差异，而不是抹平差异。

对于数据集，来源字段也不能只写“互联网”。有用的文档需要说明采集时间、主要来源类别、授权或访问条件、清洗与去重方式、个人信息处理，以及已知覆盖空白。不是所有细节都能公开，但不能公开的部分也应说明原因和可以接受审查的主体。商业秘密不应成为完全没有证据的同义词。

文档最终还要接到纠错入口。研究者发现严重限制、创作者质疑数据来源、用户遇到异常表现时，应该知道向谁提交、提供什么证据、多久得到回应。标准若只规定发布时填表，不规定更新和申诉，就会把活的系统变成一张过期快照。

谁来维护零号草稿之后的路

试点成功后，零号草稿会进入更正式的标准流程。参与者会变化，程序会增加，国际标准组织、行业团体和国家机构也可能各自拥有不同文本。早期公开并不能消除后续协调成本。相反，它会产生更多意见，需要有人归类冲突、解释修改并避免讨论被少数高频参与者占据。

组织方可以公布一份“意见—处理”矩阵：每类建议对应修改、保留或拒绝理由；相似意见合并但保留提出者范围；利益关系和代表身份清楚标注。这样，公众不必相信一句“我们认真考虑了所有反馈”，而能检查反馈怎样进入文本。

参与质量也需要衡量。除了评论数量，可以看参与者来自多少类组织、是否覆盖被影响群体、哪些意见实际改变结构、小机构提出的问题是否获得回应。还可以在试点结束后访谈参与者：材料是否看得懂，反馈成本多高，是否感到意见被公平处理。标准过程同样可以被当作需要迭代的产品。

国际协调是另一层现实。AI 模型跨境提供服务，单一国家的文档框架若与国际标准完全不兼容，会让企业重复填表，也让用户难以比较。但追求兼容不能变成最低共同标准。不同地区对隐私、版权、公共部门透明度有不同法律与价值选择，零号草稿应清楚区分技术互操作和政策取舍。

最重要的是，标准机构要保存修订的理由。几年后，当某个字段被证明不足，新的参与者需要知道当初为何这样设计、有哪些替代方案被放弃。没有制度记忆，下一轮修订只能重复旧争论。零号草稿的“零”，因此不只是时间序号，也是给未来留下的起点坐标。

来源与边界

• 核心来源为 NIST AI Standards Zero Drafts 项目页、AI 标准总览和 2025 年数据集/模型文档扩展提纲。
• “零号草稿”是试点过程材料，不是正式标准、法规或认证。
• 本文讨论标准形成与参与机制，不对任何企业作合规判断，也不声称文档能自动验证模型真实性。