一句话定义
AI 安全等级（ASL, AI Safety Level）是一套按模型"能做到什么"来分档的自我约束机制：能力一旦越过某条阈值（capability threshold），就必须配上对应的防护措施；措施配不齐，就不该部署。
原理：像水库的汛限水位
水库管理员不会去猜"哪天会下暴雨"，而是事先画好几条水位线：到 A 线加密巡查，到 B 线开闸泄洪，到 C 线启动下游疏散。水位是可测量的，动作是提前写好的。
ASL 就是给 AI 画这几条线。它不问"这个模型有没有坏心思"，只问"它现在实际能做到什么"。流程通常三步：
1. 定阈值：先想清楚"哪类能力一旦被滥用，后果严重且不可逆"，把它翻译成可测量的评估项。常见方向包括：能否显著帮助制造大规模杀伤性武器、能否自主复制和扩散、能否稳定绕过人类监督等。
2. 定期测：每训练出一个重要新模型，就跑一遍评估，看有没有越线。
3. 配措施：越线就升级防护——更强的安全训练、更受限的部署环境、更严格的访问控制与监测，甚至只开放给通过审核的机构。做不到就推迟发布。
这套思路的早期代表是"负责任扩展政策"（Responsible Scaling Policy）一类框架。各家分级方式、触发条件和具体条款并不统一，以官方页面为准。
和相邻概念的区别
| 概念 | 回答的问题 | 性质 |
|---|---|---|
| 能力评测（benchmark） | 模型能不能做到 X？ | 测量 |
| 能力阈值 | 做到 X 到什么程度算危险？ | 判断标准 |
| AI 安全等级 | 到了这个程度必须做什么？ | 行动规则 |
再往外一层：对齐（alignment）关心的是"让模型想对"，是技术研究；ASL 关心的是"能力涨到哪，管控就得跟到哪"，是组织流程。而监管法规来自外部强制，ASL 目前主要是实验室自己立下的承诺，属于自愿性质——这也是它常被质疑"既当运动员又当裁判"的原因。
对你的实际意义
给从业者：如果你的产品跑在别人的模型上，模型升档可能带来更严的调用限制、更细的用途审查，甚至某些功能直接下架——别只把它理解成"模型变强了"。自研模型的团队，阈值一定要落成可测的评估项，否则等级只是墙上的口号。
给普通人：你会遇到同一个模型有时"变笨"、有时拒绝回答。那多半不是能力退化，而是分档刹车在工作。它的真正价值在于，把"要不要继续往前推"这个争论，从每次临时吵架，变成一条事先写好的规则。