CBRN 风险指 AI 被滥用于化学（Chemical）、生物（Biological）、放射（Radiological）和核（Nuclear）领域，显著降低获取、制造或使用危险手段门槛的风险。它关心的不是模型“知不知道一些危险知识”，而是能不能把原本需要专业训练、设备和隐性经验的事，压缩成普通人更易执行的操作。
打个比方：网上有菜谱，不等于你能开餐厅。真正难的是采购、火候、卫生和失败补救。CBRN 评估就是看模型会不会把这些“后厨经验”补全，把零散知识变成一份看似可执行的“开店手册”。所以它评的是能力增量（uplift）：在受控、合规的测试中，比较有模型辅助和没有辅助时，人完成相关前置任务的表现差异；同时看模型会不会拒绝、会不会被诱导绕过限制。红队测试（red teaming）和领域专家复核通常也在这里发挥作用。
它和一般“内容安全”不同。内容安全关注仇恨、暴力、隐私等有害内容；CBRN 风险关注最坏情况下的能力门槛是否被拉低。它和网络安全风险也不同：网络攻击的很多步骤可复制、可远程放大，而 CBRN 往往受原料、设备、物理处置等瓶颈约束，但 AI 可能把知识门槛和试错成本压得更低。
| 维度 | 一般内容安全 | CBRN 风险 |
|---|---|---|
| 关注点 | 说了什么有害内容 | 是否显著降低作恶门槛 |
| 伤害形态 | 骚扰、歧视、隐私泄露 | 大规模物理伤害的极端情形 |
| 评估方式 | 分类器、规则、人工审核 | 能力增量测试、红队、专家评审 |
| 缓解思路 | 拒答、过滤、举报 | 分级访问、滥用监测、发布前评估 |
对从业者，这意味着模型能力评估不能只看“会不会答错题”，还要看“在极端滥用场景下会不会补上关键一步”；对普通人，理解这一点有助于不被“AI 马上能造出生化武器”之类的说法吓到，也不低估知识门槛被压缩的长期风险。具体评估标准和监管要求，以相关机构和模型提供方的官方页面为准。