一句话定义：AI 事件数据库（AI Incident Database，简称 AIID）是一个公开、持续更新的档案库，专门收集 AI 系统在真实世界里已经造成伤害——或者差一点就造成伤害——的案例。
它记录的不是"模型能不能做某事"，而是"模型已经对谁做了什么"。每一条记录通常包括：事件编号、发生时间、涉及的产品或模型、受影响的群体、伤害类型（人身、财产、歧视、隐私、信息误导等），以及新闻报道、学术论文、监管文件等公开来源。任何人都可以提交线索，由编辑团队审核、去重、合并后入库。所以它的形态更像一部索引：同一个事件可能对应多篇报道，但归到同一个编号下。
可以把它想成航空业的事故调查档案。每一起空难都会被记录、编号、分析，最后沉淀成安全规程，让后来者不必用同样的代价去试错。AI 领域过去缺的就是这本账：模型能力日新月异，但出了什么事、为什么出事，往往散落在新闻里，过两周就没人记得。AIID 试图把这些碎片固定下来，供人复盘。
它和几个邻近概念容易混淆，区别在于视角：
| 对比项 | AI 事件数据库 | 模型评测榜单 | 软件漏洞库 |
|---|---|---|---|
| 记录对象 | 真实发生的伤害事件 | 模型在标准任务上的表现 | 代码或系统中的技术缺陷 |
| 数据来源 | 公开报道、论文、监管文件、公众提交 | 统一测试集与评测流程 | 研究者与厂商上报、扫描工具 |
| 主要用途 | 复盘、风险登记、监管参考 | 选型与能力比较 | 定位并修补缺陷 |
简单说：评测看的是"能力上限"，漏洞库看的是"零件坏了"，事件数据库看的是"整机上路之后撞了谁"。
对从业者，它的价值在于把事故变成可检索的设计输入。做客服机器人，可以先翻一翻同类系统在什么话术下翻车；做内容推荐，可以看看别的产品在哪些场景引发过群体性投诉。红队测试的用例、风险登记表里的"已知风险"，很多都能从这些历史案例里长出来，比凭空头脑风暴扎实得多。
对普通职场人和用户，它至少提供两件事：一是判断"这是不是只有我遇到"，二是知道别人踩过的坑长什么样。当某个新工具被吹得天花乱坠时，查一查有没有同类的伤害记录，比看宣传语有用。
需要提醒的是：这是一份档案，不是判决书。被收录不等于责任已被认定，也不代表事件全貌，它记录的只是公开信息。具体收录标准、字段定义和最新规模，以官方页面为准。