AAO 案例分析：计算机科学 - 国家重要性不足¶
写在前面
作者小红书： 地平线：@-地平线- ｜山雪：@Mount Snow
AAO 是什么？ 行政上诉办公室（Administrative Appeals Office），负责审理移民申请的上诉案件。
案件流程：申请人提交 I-140 → USCIS 服务中心主任（Director，即移民官）初审 → 可能发 RFE（补充证据请求）→ Director 做出决定 → 如被拒，申请人可上诉至 AAO → AAO 进行 de novo 审查（全面重新审查）→ 做出最终决定（驳回/批准/发回重审）。
本文价值：通过分析 AAO 的裁决逻辑，帮助未来申请人避免类似错误，优化证据策略。
案件概要¶
一名在特定公司工作的机器学习工程师（兼计算机与信息研究科学家）申请 EB-2 国家利益豁免（NIW）。其提议的事业是继续在该公司开发用于保护视频内容安全的 AI 模型，并研究 AI 系统的鲁棒性与公平性。内布拉斯加服务中心主任批准了其 EB-2 高级学位专业人员资格，但以提议事业缺乏“国家重要性”为由拒绝了 NIW 请求。申请人上诉至 AAO。AAO 在重新审查后，维持了主任的决定，认为申请人未能证明其具体提议的事业具有超越其雇主和用户的广泛影响，因此不满足 Dhanasar 框架的第一要素（Prong 1），上诉被驳回。
基本信息¶
| 字段 | 内容 |
|---|---|
| 案件编号 | 37236520 |
| 审理中心 | Nebraska Service Center |
| 申请人身份 | 机器学习工程师/计算机与信息研究科学家 |
| 提议事业 | 开发用于保护视频内容安全的 AI 模型，研究 AI 系统的鲁棒性与公平性 |
| 决定日期 | 2025-02-21 |
| 决定类型 | 上诉 |
| 结果 | 驳回 |
| 失败要素 | Prong 1（国家重要性不足） |
| 通过要素 | 无（Prong 2 被认定满足） |
| 保留要素 | Prong 3（未评估） |
核心争议：何为“国家重要性”？——领域重要性 vs. 具体事业重要性¶
本案的核心争议点在于如何界定 Dhanasar 框架第一要素中的“国家重要性”。申请人与 AAO 对此存在根本性分歧，这为所有 NIW 申请人提供了至关重要的教训。
申请人的论点：领域与政策的重要性¶
申请人主张其工作领域（人工智能）直接相关于美国国家优先事项，并引用了《2023年关于安全、可靠和值得信赖的人工智能开发和使用的行政命令》。同时，他提交了多篇关于人工智能、内容审核挑战和社交媒体的通用性文章，试图以此证明其事业的重要性。
AAO 的裁决逻辑：聚焦具体事业的“潜在前瞻性影响”¶
AAO 明确驳回了这种论证方式，其裁决逻辑层层递进，清晰地划清了界限：
-
区分“领域重要性”与“事业重要性”：AAO 首先指出，一个行业、领域或专业（无论是 STEM 还是其他）是否重要，与该领域内的任何特定事业是否具有国家重要性，是两个独立的分析。仅仅因为人工智能是重要的国家优先事项，并不能自动使个人在该领域内的具体工作具有国家重要性。
[!quote] 因此，一个行业、领域或专业——无论是否与 STEM 相关——是否重要，是与该行业、领域或专业内的任何特定事业是否具有国家重要性相分离的分析。同样地，尽管申请人的人工智能研发领域可能……与“国家优先事项”相关，但一个领域是否可能与国家优先事项相关，是与该领域内的任何特定事业是否具有国家重要性相分离的分析。
-
定义“国家重要性”的检验标准：AAO 重申了 Dhanasar 的标准，强调必须关注申请人提议承担的具体事业，并考虑其潜在的前瞻性影响，寻找更广泛的含义。具体而言，国家重要性可通过以下任一方式体现：
- 对特定领域具有国家甚至全球影响（如改进的制造工艺或医学进步）。
- 具有雇佣美国工人的巨大潜力，或其他重大的积极经济效应（尤其在经济萧条地区）。
[!quote] 在判断国家重要性时，相关问题不是个人将要工作的行业、领域或专业的重要性；相反，为了评估国家重要性，我们关注“申请人提议承担的具体事业”，并且“我们考虑其潜在的前瞻性影响”，寻找“更广泛的含义”。
-
对申请人证据的具体否定：AAO 逐一分析了申请人提交的证据，认为均无法证明其具体事业的国家重要性。
- 通用出版物：那些标题如《人工智能最先进的13个国家》、《内容审核的挑战》等文章，讨论的是行业或领域的一般情况，并未提及申请人及其具体提议的事业，也未说明该具体事业如何具有国家重要性。
- 个人陈述与行政命令：无论是更新后的个人陈述还是其他材料，都停留在讨论计算机科学、人工智能和社交媒体的一般性层面，未能提供确凿的佐证，说明申请人提议承担的具体事业如何可能具有超越其当前雇主、内容及其用户的国家或全球影响。
- 经济影响缺失：记录中没有证据表明申请人的研究与开发工作可能产生雇佣美国工人的巨大潜力或其他重大的积极经济效应，其益处被 AAO 认为仅限于其雇主。
[!quote] 相反，申请人上诉时的主张，记录中那些提供关于计算机科学、人工智能和社交媒体通用信息的出版物，并未证明其提议事业具有国家重要性。这些出版物……并未讨论申请人及其提议承担的具体事业——而非行业、领域或专业的一般情况——以及该具体事业如何可能具有国家重要性。
关键洞察与可借鉴的教训¶
教训一：必须清晰定义并论证“具体事业”，而非泛泛而谈“领域” * 问题：申请人将“在一家公司从事AI安全工作”等同于“推进AI安全领域”，其证据和论述都围绕后者展开。 * AAO逻辑：NIW 审查的对象是“你个人计划要做的具体事情”，而不是“你所在领域的重要性”。你的事业蓝图必须具体、独特，并展示其自身能产生的广泛涟漪效应。 * 具体建议：在申请材料中，用一两句清晰的话定义你的“提议事业”。例如，不应是“我将从事AI研究”，而应是“我将开发并推广一套开源算法框架，用于检测和缓解社交媒体平台上的深度伪造内容，该框架预计将被中小型科技公司广泛采用”。后续所有证据都应围绕证明这个具体框架的影响力和重要性。
教训二：证明“广泛影响”需要直接、具体的证据链 * 问题：申请人提交了关于AI重要性的第三方文章，但这与他个人工作的关联性和影响力是断裂的。 * AAO逻辑：通用文章只能说明领域背景。你需要提供证据，证明你的工作成果（如技术、方法、模型）如何被本领域其他同行认可、采用或讨论，从而产生超越你雇主范围的影响。 * 具体建议： 1. 引用与影响力证据：提供独立引用你工作的文献（即使是预印本平台上的讨论），证明同行在关注你的具体贡献。 2. 采纳与应用证据：提供证据表明你的技术已被其他研究机构、公司或开源项目采纳或集成。 3. 潜在经济/雇佣影响：如果你的工作有商业化潜力或能催生新服务，尝试提供市场分析、专家意见或意向书，说明其可能创造的就业机会或经济价值。即使不直接创造大量就业，也要论证其对行业效率、成本节约或创新的广泛推动作用。
教训三：区分“雇主受益”与“国家利益” * 问题：申请人的工作成果主要使其雇主（特定公司）及其用户受益。 * AAO逻辑：使单一商业实体及其客户受益，通常不足以构成“国家重要性”。你需要论证工作的溢出效应。 * 具体建议：明确阐述你的工作如何惠及更广泛的群体。例如： * 你的算法是否提高了整个行业的安全标准？ * 你的研究方法是否为学术界提供了新的工具或基准？ * 你的工作是否解决了某个公共政策关切（如选举安全、公共健康信息传播）？ * 在论证时，始终将益处从“我的公司”扩展到“行业”、“研究界”或“公众”。
教训四：善用政策背景，但需建立具体桥梁 * 问题：申请人提到了相关行政命令，但未能将其与个人具体事业有效挂钩。 * AAO逻辑：政策背景是加分项，但不是免检金牌。你必须展示你的具体事业是如何直接执行或推进该政策目标的。 * 具体建议：不要只说“我的工作符合某某政策”。要说：“该政策第X章强调需要开发‘可解释的AI系统’。我提议的事业核心就是开发一套新的可视化解释工具，专门用于内容审核AI模型，这直接回应了政策的这一具体要求。我的工具原型已在Y会议上展示，并引起了Z机构的关注……”
总结¶
本案是“领域重要性无法替代事业重要性”的典型反面教材。AAO 的裁决坚定地遵循了 Dhanasar 先例，要求申请人必须用具体证据描绘出其个人提议事业的广阔前景和广泛影响力。对于身处热门领域（如AI、生物医药、清洁能源）的申请人而言，此案尤其具有警示意义：不能假设领域光环会自动照亮个人申请。成功的 NIW 申请，必须完成从“我的领域很重要”到“我的具体工作对这个重要领域乃至国家有不可或缺的广泛贡献”这一关键论证跳跃。
标签¶
NIW AAO 计算机科学 人工智能 国家重要性 Dhanasar 失败案例 证据策略