前沿科技洞见 · 2026-08-01

欧盟 AI 法案进入分层执法：监管对象从「一个模型」变成整条证据链

资料提供：前沿科技研究部

正在发生的事很多，这件帮你看过了

2026-08-01

一、一句话定义

欧盟这轮规则不是给 AI 输出贴一张「AI 生成」标签，而是把模型训练、下游集成、内容生成、传播展示和事故处置连成一条可被监管者追问的证据链。

2026 年 8 月 2 日不是统一开关，而是三只不同速度的钟：欧盟委员会开始全面执法新上市通用 AI 模型，包括罚款；《人工智能法》第 50 条开始适用，但 8 月 2 日前已上市生成式 AI 系统的机器可读标记可延至 12 月 2 日；独立高风险系统和嵌入受行业安全法规覆盖产品的高风险系统，分别延至 2027 年 12 月 2 日和 2028 年 8 月 2 日。

最先接受压力测试的是两类证据：模型提供商的技术文档、训练内容摘要、版权政策与系统性风险记录，以及生成和传播系统留下的可识别、可互操作、尽可能耐破坏的来源信号。前者解释模型怎样形成、怎样集成以及事故由谁说明，后者记录内容在哪个系统、哪一步被机器生成或修改。

二、纵向分析：欧盟如何从风险清单走到证据链

1. 2018—2020：先写价值原则，还没有抓住模型

2018 年欧洲 AI 战略与协调计划、2019 年《可信 AI 伦理指南》，确立了合法、合乎伦理、技术稳健以及透明、公平、问责等语言，却没有回答企业必须保存哪些日志、供应链各方如何分责、成员国怎样统一检查。

2020 年《人工智能白皮书》把高风险与行业、用途和后果相连，形成后来按风险分层的骨架。这套框架默认 AI 是医疗、招聘或信贷产品中的组件，监管者可以从用途倒推责任；生成式 AI 随后打破的正是这个前提。

2. 2021—2022：初版法案监管「系统」，却赶上了「基础模型」

2021 年草案以四层风险组织规则：禁止不可接受风险实践；要求高风险系统承担数据治理、文档、日志、人类监督、准确性和网络安全义务；对直接交互和深度伪造增加透明义务；其余应用大体自由使用。

Stable Diffusion 和 ChatGPT 随后改变了供应链：同一通用模型可经 API、权重下载、云服务或应用进入上千场景，上游掌握训练数据、算力、能力边界与红队结果，下游却承担具体用途责任。若只监管末端应用，责任会落到最缺信息的一方。

欧洲议会因此在 2023 年谈判立场中加入基础模型和生成式 AI 的分层规则。监管对象由具体系统向上游迁移：欧盟不再只问「AI 被用在哪里」，还要问「共同能力由谁提供」。

3. 2023—2024：把通用模型分成普通层与系统性风险层

最终法案没有把所有通用 AI 模型视为高风险产品。普通层须维护监管技术文档，向下游说明能力、限制和接口，制定欧盟版权政策，并按统一模板公开训练内容摘要。真正自由开放且公开权重、架构和使用信息的模型可免除部分文档与欧盟代表义务，但版权政策和训练内容摘要仍然适用。

具有系统性风险的通用 AI 模型还须开展标准化评估与对抗测试，缓解欧盟层面风险，报告严重事故并保护模型及物理基础设施。累计训练计算量超过 10^25 FLOP 只是推定阈值：达到阈值须最迟在知悉后两周内通知欧委会，但提供商可以反证；未达阈值而能力或影响相当的模型也可被指定。

欧盟选择的是「数值门槛负责预警，能力判断负责校准」。这比固定 benchmark 更能承受技术变化，也比完全依赖个案判断更可预期。

2024 年成立的 AI Office 集中监管通用模型，尤其是系统性风险模型；第 50 条的系统透明度则主要由成员国市场监管机构执行。这反映了跨境模型评估需要欧盟层面的集中技术能力。

4. 2024—2025：法律通过之后，真正困难的是把原则写成表格

《人工智能法》于 2024 年 8 月 1 日生效并分阶段适用：禁止性实践和 AI 素养要求自 2025 年 2 月适用，通用模型章节自 2025 年 8 月适用，既有通用模型到 2027 年 8 月完成合规。

2025 年通用模型指南给出指示性边界：训练计算量超过 10^23 FLOP 且能生成语言、图像或视频的模型通常被视为通用 AI 模型，但实际通用性可以推翻该推定；修改者通常只有在微调计算量超过原模型训练计算量三分之一等例外情况下，才成为新的提供商。这避免了每个 LoRA 或行业微调团队承担完整基础模型义务。

通用 AI 行为准则把法律拆为透明度、版权、安全与安保三章，并提供文档表、版权流程、风险框架、模型报告和事件通知机制。准则自愿，但签署者可用遵守准则证明合规，非签署者须证明替代措施同样充分。

Amazon、Anthropic、Google、Microsoft、Mistral AI、OpenAI、IBM、Cohere 等签署了相关章节；xAI 只签署安全与安保章。签署与否不是守法和违法的区别，而是证据路线及解释成本不同。

5. 2025—2026：输出透明度从一句法律，长成一个双层系统

第 50 条覆盖直接交互告知、合成音视频图文的机器可读标记、情绪识别与生物特征分类告知，以及深度伪造和公共利益文本的清晰披露。

机器可读标记在生成端完成，服务平台、验证工具与监管者；可见披露在使用或传播端完成，服务普通人。只做机器标记，用户可能看不见；只做界面标签，截图、转发或恶意裁剪后证据就会中断。

欧委会于 2026 年 6 月发布最终准则，7 月认可其覆盖相关条款，7 月 20 日才发布最终指南。Regulation (EU) 2026/1744 因此允许 8 月 2 日前已上市的生成式 AI 系统在 12 月 2 日前完成机器可读标记改造；新上市系统仍从 8 月 2 日适用，其他第 50 条义务没有整体延后，既有内容也无须追溯补标。

这个时间差区分了「新设计」与「存量改造」：给新模型默认加标相对容易，改造已被 API、应用、导出格式和第三方平台广泛集成的系统更难。

6. 2026 年 8 月：执法先落在信息最集中的地方

自 2026 年 8 月 2 日起，通用模型提供商故意或过失违规、不响应文档请求、不执行措施或拒绝模型评估访问，最高罚款为上一财年全球年营业额的 3% 或 1500 万欧元，以较高者为准。第 50 条违规由成员国体系处理，最高也可达全球年营业额 3% 或 1500 万欧元；中小企业适用较低上限原则。

早期执法更可能先检查能否提交模型架构、训练测试、数据来源、算力能耗、能力限制、下游信息、版权与训练摘要，以及机器标记、平台检测、可见标签和例外使用记录。

合规对象不是一张 PDF，而是发布流程。模型卡、数据治理、评测、事故响应、API 文档、媒体导出、内容凭证、前端提示和平台检测必须能由同一条责任链串联。

高风险规则延期说明欧盟选择先测试证据结构相对成熟的模型和透明度层；若这些材料和来源信号都无法稳定核验，更复杂的招聘、医疗、执法与信贷合规也无从谈起。

三、横向分析：四种监管路线，四种责任分配

1. 欧盟：同时管模型、系统和部署者

欧盟把训练文档、版权和下游信息交给模型提供商，把直接交互告知和机器标记交给系统提供商，把深度伪造及公共利益文本披露交给专业部署者，再由平台和监管者承接检测、展示与执法。

优势是覆盖「模型不是应用、生成不等于传播」；代价是企业要判断自己属于模型提供商、系统提供商、部署者还是多重身份，并承担欧委会与成员国机构之间的协调成本。

2. 中国：显式标识、隐式标识与传播平台联动

中国《人工智能生成合成内容标识办法》自 2025 年 9 月 1 日实施，同样采用可见标签和机器信号，但更明确要求生成服务写入显式标识及包含服务提供者、内容编号等信息的元数据，并要求传播平台核验、追加「疑似生成合成」提示；相关日志不少于六个月。

中国更依赖平台治理和编码体系，欧盟更强调技术中立、跨企业互操作与监管可验证性。两者共同面对截图、录屏、转码、重写和跨境搬运造成的信号丢失。

3. 美国：联邦层收缩，州法与企业标准填空

美国没有同等覆盖面的联邦横向法律。2025 年联邦路线转向减少被视为阻碍创新的要求，加州 SB 942、选举传播规则、消费者保护和平台政策则形成州级拼图；OpenAI、Google、Adobe、Microsoft 等以 C2PA、Content Credentials 或 SynthID 填补部分空白。

横向看，欧盟以法律迫使全链条留下证据；美国让大厂和州政府分别推进。前者较统一但实施沉重，后者迭代快但覆盖不均。

4. 韩国：以《AI 基本法》连接产业促进与生成内容披露

韩国《AI 基本法》于 2026 年 1 月 22 日全面生效，要求生成式 AI 输出、特别是可能引发社会问题的深度伪造，以用户容易识别的方式清晰标示。

韩国以国家基础法和实施令连接产业促进、高影响 AI 与生成内容披露，但没有复制欧盟对通用模型文档、版权摘要、系统性风险和下游信息的完整层级。它更轻，检验点则是标签跨平台保留、「容易识别」的执行标准，以及本土企业与全球模型接口的责任分配。

5. 技术横截面：C2PA、隐形水印和检测器没有谁能单独过关

C2PA 用密码学绑定的 manifest 保存创建、编辑、工具和时间等来源声明，擅长记录谁声明做过什么，但不能证明内容事实为真，也可能在转码、截图或清除元数据后与文件分离。

隐形水印随像素、声波、视频帧或 token 分布传播，比元数据耐剥离，但检测常依赖提供商算法或密钥，短文本、翻译、强改写和对抗处理会降低可靠性。事后检测器无需生成端配合，却易受模型更新、领域变化、压缩和攻击影响，适合充当风险信号，不适合作为单一法律结论。

较稳妥的系统是叠加四层：C2PA 保存丰富来源记录，隐形水印提供恢复锚点，平台检测器与用户声明处理无标内容，界面标签把机器信号翻译给人。欧盟把这种组合从自愿安全功能推成需要向市场监管者解释的基础设施能力。

四、横纵交汇：欧盟押注的不是标签，而是可审计的 AI 供应链

1. 今天的优势，来自 2021 年那套风险框架被迫长出上游

欧盟没有推倒按用途治理的框架，而是在其上增加通用模型层和跨用途输出透明度，因此能同时追问训练与评测、机器标记、可见披露和高风险用途。

与美国州法的快速专项治理、中国细化的制作与传播平台责任、韩国较轻的基础法相比，欧盟的优势不是单项技术领先，而是责任链更完整；包袱则是协调标准、合格评定、市场监管和行业法规的节奏难以跟上快速更新的模型。

2. 「透明度」已经从展示义务变成系统架构

欧盟式透明度至少包含模型技术文档、下游集成文档、训练内容摘要、生成内容来源信号和面向受众的披露，分别服务监管者、开发者、权利人、平台和普通用户。

监管由此进入软件架构，而不是停留在使用条款。安全评测要连接事故响应，研究结果要进入监管文档，导出链要保留来源信号，版权判断要落实到数据流程，下游材料也须与真实能力一致。

3. 最薄弱的一环，不是生成端，而是跨平台传播

生成瞬间最容易记录；内容离开产品后会经历截图、裁切、转码、压缩、改写和重新录制，来源信号必须穿过正常及对抗性操作，还不能明显损害质量或隐私。

未来两年的竞争焦点不会是「谁的水印最隐形」，而是谁能把生成器、编辑器、云存储、社交平台、新闻工作流和验证工具接成可恢复的来源网络。没有传播端采用，任何单点技术都只能提供局部证据。

4. 开放模型会成为这套制度最难的一次考试

封闭 API 可以默认加标、记录生成并更新检测器；开放权重下载后，原提供商难以阻止移除标记或观察生成。普通开放模型虽有部分文档豁免，版权政策和训练摘要仍适用；具有系统性风险时也不能凭开放许可证免除额外义务。

较可行的方向是区分证据强度：可信凭证支持正向来源，稳健水印支持高置信生成来源，统计检测只给风险提示，没有信号则标为「来源未知」。未检测到 AI 标记不等于人类原创，更不等于事实真实。

5. 三个未来剧本

最可能的剧本：合规先标准化，执法从文档缺口开始

2026 至 2027 年，头部公司会把准则转成文档、训练摘要、版权、事故上报和来源信号模板。早期案件更可能针对迟交、材料明显不完整、标签缺失、例外误用和拒绝配合，而非立即裁定抽象的系统性风险；中小企业将更多依赖云模型、合规 SDK 和第三方来源服务。

最危险的剧本：标签合规了，证据链仍在传播中断裂

企业在原始输出中加标，但平台转码、剪辑和重写令信号消失，合规内容普遍有标签，恶意工具输出反而无标签。若公众把无标签误认为真实，再叠加成员国执法尺度差异，完整法条仍可能无法形成连通的来源网络。

最乐观的剧本：欧洲把合规压力变成全球来源基础设施

若欧盟准则与 C2PA、ISO/IEC、协调标准兼容，并能与中国标识字段、美国企业凭证和韩国可识别标签映射，来源证明可能成为类似 HTTPS 证书的数字内容基础设施。它不能保证内容真实，但能说明谁对来源声明负责、编辑链是否完整、凭证何时丢失。

6. 结论：8 月 2 日是一场制度试运行

判断制度成败不应只数罚单或 AI 图标，而应看四件事：下游是否得到足以理解模型边界的文档；严重事件能否跨公司和监管机构及时上报；来源信号经编辑与传播后能否恢复；用户是否理解「来源未知」与「真实」不是同一件事。

2026 年 8 月 2 日不是欧盟一次解决全部 AI 风险的日子，而是第一次要求头部模型公司和内容系统证明：交付能力的同时，也交付一条可被检查的来路。

五、信息来源

内容由AI辅助生成，请谨慎甄别。资讯分享仅供参考，相关观点不代表主观立场，不构成任何形式的投资建议。

🏠 返回首页