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

正在发生的事很多，这件帮你看过了

2026-08-01

选定主题：欧盟《人工智能法》把通用 AI 模型与合成内容透明度规则推入执行阶段。

今日触发：从 2026 年 8 月 2 日起，欧盟委员会可以对新上市通用 AI 模型的违规行为启动完整执法并处以罚款；同日，《人工智能法》第 50 条的聊天机器人告知、机器可读标记、深度伪造与公共利益文本披露规则开始适用。数字综合法案同时只给 8 月 2 日前已经上市的生成式 AI 系统留出至 12 月 2 日的机器可读标记改造期，高风险系统的主体规则则分别延至 2027 年 12 月和 2028 年 8 月。

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。

8 月 2 日这个节点很容易被读成一个整齐的开关：此前是准备期，此后是执法期。但真正的制度设计恰好相反。它有三只不同速度的钟。

第一只钟属于通用 AI 模型。相关义务已在 2025 年 8 月 2 日开始适用于新模型，经过一年的协作过渡，欧盟委员会从 2026 年 8 月 2 日起可以全面执法，包括罚款。第二只钟属于合成内容透明度。第 50 条从 2026 年 8 月 2 日适用，但此前已经上市的生成式 AI 系统，其机器可读标记改造可以延至 12 月 2 日。第三只钟属于招聘、教育、信贷、执法等高风险系统：由于协调标准和实施支持没有按原计划到位，独立高风险系统延至 2027 年 12 月 2 日，嵌入医疗器械、机械等受行业安全法规覆盖产品的系统延至 2028 年 8 月 2 日。

所以，今天真正发生的事并不是「欧盟终于开始管 AI」，而是最先成熟的两类规则开始承担压力测试：一类要求模型提供商交出技术文档、训练内容摘要、版权政策和系统性风险记录；另一类要求生成与传播系统留下可识别、可互操作、尽可能耐破坏的内容来源信号。

前者回答「这个模型是怎样做出来、怎样被集成、出了事谁能解释」，后者回答「这段内容经过谁的系统、在哪一步被机器生成或修改」。两者在产品界面上看起来相距很远，在监管结构里却是一件事：把不可见的计算过程变成可以核验的责任记录。

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

欧盟的 AI 监管起点并不是 ChatGPT，也不是深度伪造。2018 年，欧盟委员会发布欧洲 AI 战略和协调计划，讨论的核心仍是投资、科研、数据与「可信 AI」。2019 年，高级专家组发布可信 AI 伦理指南，把合法、合乎伦理、技术稳健列为三项基础，并提出人类自主、透明、公平、问责等要求。

这一阶段确立了欧盟后来一直没有放弃的语言：技术政策不只追求准确率和产业规模，还要保护基本权利。但它也暴露了伦理原则的局限。企业可以认同「透明」，却不知道需要保存什么日志；可以承诺「问责」，却不必说明谁是模型提供者、谁是部署者；可以说系统「可信」，却没有一套跨成员国统一的检查方式。

2020 年《人工智能白皮书》把讨论向风险监管推进。欧盟开始把「高风险」与具体行业、用途和后果关联，试图用产品安全与基本权利的既有传统来处理 AI。这里埋下了 2021 年法案草案的骨架：不是建立一个覆盖所有算法的审批机关，而是按风险分层，将大部分低风险应用留在一般法律下，把禁止性实践和高风险用途纳入更重的义务。

这个选择在当时很合理。2018 至 2020 年的主流政策想象里，AI 还是一个被嵌入具体产品的组件：医疗诊断模型、招聘筛选系统、信用评分工具。监管者可以从「用途」倒推责任，像检查医疗器械或工业产品一样检查 AI。

后来生成式 AI 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 4 月，欧盟委员会提出《人工智能法》草案。它以四层风险结构组织规则：不可接受风险的实践被禁止；高风险系统承担数据治理、技术文档、日志、人类监督、准确性和网络安全要求；与人直接互动或生成深度伪造内容的系统承担额外透明义务；其余应用大体自由使用。

草案的工程直觉仍然是「一个系统对应一个用途」。如果招聘公司部署筛选模型，招聘系统就是检查对象；如果银行部署信用评估，银行及其供应商可以沿着明确的产品链被识别。

但 2022 年下半年，Stable Diffusion 和 ChatGPT 把模型供应链翻了过来。一个通用模型可以通过 API、下载权重、云服务或嵌入应用进入上千种场景。模型提供商不一定知道最终用途，下游开发者也不可能自行重建预训练数据、算力、能力边界和红队结果。原草案若只在末端高风险应用上加义务，责任会落到最缺信息的一方。

这不是措辞层面的修订，而是监管对象发生了迁移。

欧洲议会在 2023 年谈判立场中加入基础模型和生成式 AI 的分层规则，要求技术文档、版权合规、训练内容摘要，并让生成内容透明度进入模型与系统讨论。2023 年 3 月，欧洲议会研究服务处专门以 ChatGPT 为例解释通用 AI 带来的隐私、知识产权、责任与虚假信息问题。一个政策信号已经很清楚：欧盟不再只问「AI 被用在哪里」，还要问「下游系统依赖的共同能力由谁提供」。

这一步决定了今天的执法版图。它把监管从应用端向上游模型层扩了一层，也第一次承认，能力被集中在模型提供商，信息义务就不能只压在部署者身上。

3. 2023—2024：把通用模型分成普通层与系统性风险层

2023 年 12 月，欧洲议会与理事会经过三天谈判达成政治协议。最终结构没有把所有通用模型都当作高风险产品，而是做了两层切分。

所有通用 AI 模型提供商都要维护面向监管者的技术文档，向下游集成商提供能力、限制和接口信息，制定遵守欧盟版权法的政策，并按统一模板公开训练内容摘要。模型若以真正自由和开放的许可证发布，且权重、架构与使用信息公开，可以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。

第二层是「具有系统性风险的通用 AI 模型」。法案以累计训练计算量超过 \(10^{25}\) FLOP 作为推定阈值，同时保留基于能力和影响进行指定的通道。进入这一层后，提供商还要做标准化模型评估与对抗测试，识别和缓解欧盟层面的系统性风险，记录并报告严重事故，保护模型和物理基础设施的网络安全。

这里有一个经常被忽略的设计：计算量是触发调查的代理变量，不是风险的完整定义。模型达到阈值，提供商须在知悉后最迟两周内通知欧委会；提供商可以提交证据，说明模型虽达到阈值却不具备相应高影响能力。反过来，未达到阈值的模型，如果能力或影响与前沿模型相当，也可以被欧委会指定。

这套安排解决的是立法速度与模型迭代速度的冲突。固定列举某个参数量或某个 benchmark，很快就会过时；完全依赖个案判断，又会让企业无法预估义务。欧盟选了「数值门槛负责预警，能力判断负责校准」。它并不完美，但比把某个榜单分数写进法律更能承受技术变化。

2024 年 5 月，欧盟成立 AI Office，内部设置监管与合规、AI 安全、AI 与机器人卓越研究、社会公益 AI、创新与政策协调等单元。这个组织安排也来自通用模型的特殊性：第 50 条的系统透明度主要由成员国市场监管机构执行，通用模型尤其是系统性风险模型则需要欧盟层面集中技术能力。没有中央技术机构，27 个成员国很难各自评估同一个跨境模型。

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 7 月 12 日在欧盟官方公报公布，8 月 1 日生效。它没有在同一天把全部义务压给市场，而是分阶段适用：禁止性实践与 AI 素养要求自 2025 年 2 月起适用；通用模型章节自 2025 年 8 月起适用；大部分其余规则原定 2026 年 8 月适用；既有通用模型则到 2027 年 8 月完成合规。

接下来最关键的工作不是再写一遍原则，而是回答模型公司每天会遇到的问题：怎样才算通用模型？一个微调者何时变成新的提供商？训练内容摘要要细到什么程度？模型评估、事件报告和网络安全怎样留下可审计记录？

欧委会 2025 年发布的通用模型指南给出一个指示性边界：训练计算量超过 \(10^{23}\) FLOP，且能生成语言、图像或视频的模型，通常可视为通用 AI 模型；但模型的实际通用性仍可推翻这个推定。修改者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，才通常被视作新的提供商。这个高门槛避免让每个 LoRA 或行业微调团队承担一整套基础模型义务。

同年 7 月完成的通用 AI 行为准则，则把法律拆成透明度、版权、安全与安保三章。透明度章提供模型文档表；版权章把权利保留识别、数据获取政策和投诉处理转为流程；安全与安保章只面向系统性风险模型，要求风险框架、模型报告、严重事件通知和安全控制。准则是自愿的，但签署者可以用遵守准则证明合规，非签署者需要向欧委会证明其替代措施同样充分。

这看起来像一条「软法」支线，其实是欧盟实施模式的核心。法律规定目标，行为准则把目标译成工程流程，未来协调标准再提供合规推定。监管者不需要替企业选择唯一水印算法或唯一红队框架，但企业也不能只交一份价值宣言。

Amazon、Anthropic、Google、Microsoft、Mistral AI、OpenAI、IBM、Cohere 等公司签署了通用 AI 准则的相关章节；xAI 只签署安全与安保章，因此仍需用其他方式证明透明度和版权合规。签与不签不是「守法与违法」的区别，而是证据路线不同：前者接受一套公开承诺和持续监测，后者保留技术自由，也承担更高的解释成本。

5. 2025—2026：输出透明度从一句法律，长成一个双层系统

通用模型透明度关注模型的来路，法案第 50 条关注输出的去向。两者名称相近，工程对象并不相同。

第 50 条覆盖四类情形。与自然人直接互动的 AI 系统应告知对方正在与机器互动，除非这一点显而易见；生成合成音频、图像、视频或文本的系统，应让输出带有机器可读、可检测的人工生成或修改标记；情绪识别和生物特征分类系统的部署者，应告知被暴露其中的人；深度伪造内容和用于公共利益事项的 AI 生成文本，部署者应向受众作清晰披露。

同一条款里放了两个不同层次的信号。

机器可读标记在生成端完成，服务于平台、验证工具和监管者。可见披露在使用或传播端完成，服务于普通人。前者可以是元数据、水印、密码学来源证明、日志或指纹；后者可以是界面提示、图标、声音提示或内容旁标签。只做前者，用户可能根本看不见；只做后者，标签在截图、转发或恶意裁剪后就断了。

2025 年 9 月，欧委会启动第 50 条指南与合成内容透明度行为准则的制定；2026 年 6 月发布最终准则，7 月认定其足以覆盖第 50(2)、50(4)和50(5)条。7 月 20 日，欧委会发布最终指南，澄清提供商、部署者、直接交互系统、合成内容、深度伪造、公共利益文本、标准编辑例外和艺术创作例外的边界。

这里的节奏颇有欧洲特色：法律给出义务，利益相关方把技术措施写进准则，欧委会再确认准则是否足够。其代价也很明显——最终指南直到适用前不到两周才发布，企业很难在短时间内改完一条跨模型、编辑器、下载接口和传播平台的链路。

2026 年 7 月 27 日生效的 Regulation (EU) 2026/1744 因此给 2026 年 8 月 2 日前已经上市的生成式 AI 系统留下三个月过渡期，机器可读标记须在 12 月 2 日前到位。新上市系统仍从 8 月 2 日适用；聊天机器人告知、深度伪造与公共利益文本披露等其他第 50 条义务也没有随之整体延后。此前已生成并发布的内容不需要追溯补标。

这个过渡不是取消透明度规则。它承认一件工程事实：给一个新模型默认加标记不难，改造一个已经被 API、应用、导出格式和第三方平台广泛集成的系统很难。监管第一次用时间差区分「新设计」与「存量改造」。

6. 2026 年 8 月：执法先落在信息最集中的地方

从 2026 年 8 月 2 日起，欧委会对新通用 AI 模型的完整执法权进入适用期。通用模型提供商若故意或过失违反义务、不响应文档请求、不执行措施或拒绝模型评估访问，最高罚款可达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 条违规则由成员国规则和市场监管体系处理，最高可达全球年营业额 3% 或 1500 万欧元；对中小企业适用较低上限原则。

罚款数字吸引眼球，但第一阶段更值得看的不是谁会收到第一张巨额罚单，而是监管会先索取什么。

通用模型一侧，AI Office 可以要求模型架构、训练与测试过程、数据类型与来源、计算资源、能耗、能力限制、下游集成信息、版权政策和训练内容摘要；系统性风险模型还要交评测、对抗测试、风险缓解、严重事件与网络安全记录。合成内容一侧，监管者会检查系统是否在生成时嵌入标记，标记是否能被检测，传播端是否显示清晰标签，艺术、编辑和公共利益文本例外是否被正确使用。

换成产品团队能理解的语言：合规对象不是一张 PDF，而是发布流程。模型卡、数据治理、评测平台、事故响应、API 文档、媒体导出、内容凭证、前端提示和传播平台检测，原本分散在不同团队，现在要能被同一条责任链串起来。

高风险规则延期反而强化了这个判断。欧盟没有等全部协调标准齐备才启动所有章节，而是先在证据结构相对成熟的通用模型与透明度层动手。它把 2026—2027 年变成一次制度测试：如果监管者连模型文档和内容来源信号都无法稳定核验，更复杂的招聘、医疗、执法与信贷系统合规也无从谈起。

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

欧盟路线最鲜明的特征，不是规则最多，而是把责任分配到供应链不同层级。

模型提供商对训练文档、下游信息、版权政策和训练内容摘要负责；系统提供商对直接交互告知和机器可读标记负责；专业部署者对深度伪造与公共利益文本的可见披露负责；传播平台和国家监管者再承接检测、展示与执法。系统性风险模型由 AI Office 集中监管，普通系统透明度更多依赖成员国市场监管机构。

它的优势是能覆盖「模型不是应用、生成不等于传播」这一现实。一个基础模型可能没有媒体导出功能，真正生成视频的是下游产品；一个生成器可能嵌入了来源信号，社交平台转码时却把它抹掉。欧盟没有把所有责任都压给最上游，也没有假设末端用户可以独自判断。

它的短板同样来自分层。企业必须先判断自己是模型提供商、系统提供商、部署者还是多重身份；同一集团内部模型、聊天产品、视频工具和社交平台可能分别落入不同条款。第 50 条由成员国执行，通用模型由欧委会集中执行，也带来跨机构协调成本。准则能统一证据格式，却不能消除所有边界争议。

欧盟更像是在建设一套「监管 API」：法律定义调用条件，准则定义输入格式，企业提交文档与技术信号，监管者根据风险索取更深访问。它不保证每次判断都正确，但要求每个关键动作留下可追问的接口。

2. 中国：显式标识、隐式标识与传播平台联动

中国的《人工智能生成合成内容标识办法》于 2025 年 9 月 1 日实施，比欧盟第 50 条全面适用早近一年。两者都采用可见标签与机器可读信号的双层思路，中国规则在传播链的职责上写得更具体。

生成合成服务提供者应在文本、图片、音频、视频或虚拟场景中按条件添加显式标识，并在文件元数据写入生成属性、服务提供者名称或编码、内容编号等隐式信息；数字水印受到鼓励。传播服务提供者要核验元数据、读取用户声明，并在检测到显式标识或其他生成痕迹时，把内容标为「疑似生成合成」。应用商店还要在上架环节核验应用的标识材料。用户申请无显式标识版本时，平台可以在明确责任后提供，但要留存相关日志不少于六个月。

与欧盟相比，中国路线更强调平台内的可追溯性：制作平台编码、内容编号、传播平台编码和传播编号能够形成监管可用的链条。欧盟则更强调技术中立、互操作与比例原则，列出水印、元数据、密码学证明、日志和指纹等可能路线，不强制单一格式。

两条路线面对同一个脆弱点：内容一旦被截图、录屏、转码、重写或跨境搬运，元数据容易丢失，水印也可能衰减。中国通过传播平台检测和用户声明补洞；欧盟通过生成端标记、部署端披露、行业准则和未来标准组合补洞。前者更依赖平台治理与编码体系，后者更依赖跨企业互操作和监管可验证性。

对于跨国模型公司，真正的工程问题不是选择一套规则，而是同时满足两套。一个统一的来源记录层需要向中国平台输出规定字段，也要向欧盟证明其标记「有效、可互操作、稳健、可靠且在技术上可行」。这会推动大厂把来源信息从地区补丁升级为媒体管线的基础能力。

3. 美国：联邦层收缩，州法与企业标准填空

美国没有一部与欧盟《人工智能法》同等覆盖面的联邦横向法律。2023 年白宫组织主要 AI 公司作出自愿承诺，包括开发水印或来源证明，让用户识别 AI 生成的音视频；同年行政命令也推动相关标准。但 2025 年 1 月，新政府撤销前一届 AI 行政命令并重新审查其衍生政策，联邦路线转向减少被视作阻碍创新的要求。

空白并没有保持真空。加州 SB 942《AI 透明度法》自 2026 年 1 月 1 日起运行，要求达到规模门槛的生成式 AI 提供商提供检测工具，并在生成图像、视频和音频中加入潜在披露；同时允许用户选择可见的 manifest disclosure。华盛顿州等地则对选举传播中的合成媒体设置专门披露或诉讼机制。美国由此形成一张州法、选举法、消费者保护和平台政策叠加的拼图。

这条路线给企业保留了更多技术空间，也更容易针对选举广告、名人肖像、色情深伪等具体伤害快速立法。代价是责任边界碎片化。一个全国服务可能面对不同州的适用门槛、媒体范围、标签形式和救济方式；联邦政府没有像 AI Office 那样集中要求前沿模型提交训练文档和系统性风险材料。

美国企业因此在相当程度上用行业标准填补制度空白。OpenAI 为图像加入 C2PA 内容凭证，Google 在图像、音频、文本和视频中部署 SynthID，Adobe、微软、相机厂商、媒体机构与平台推动 Content Credentials。它们的全球部署反过来成为欧盟和中国规则可调用的技术积木。

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，对高影响 AI 与生成式 AI 建立双层关注。实施法令要求生成式 AI 输出、尤其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，并考虑年龄等因素。

韩国路线与欧盟都强调促进产业与建立信任并行，但组织方式更轻。它没有复制欧盟对通用模型训练文档、版权摘要、系统性风险模型和下游信息的完整层级；它更接近一部国家基础法加实施令，再由主管部门细化高影响系统和生成内容义务。

这对中等规模技术经济体有现实吸引力：无需先建一套欧盟式跨成员国治理，也能把生成内容披露写进统一框架。它的检验点在执行——标签是否能跨平台保留，主管部门如何判断「容易识别」，以及本土企业与全球模型接口怎样分担责任。

5. 技术横截面：C2PA、隐形水印和检测器没有谁能单独过关

监管比较终究要落到技术。当前主要方案可分成三类。

来源凭证以 C2PA 为代表。它把内容的创建、编辑、工具、时间等声明写入与资产密码学绑定的 manifest，并由签名和信任列表帮助验证。它擅长回答「谁声称在何时用什么工具做过什么」，还能沿编辑链保留历史。它不负责证明画面中的事实是真的，也不能保证签名者最初输入的信息就真实。

C2PA 最大的现实问题是可剥离。社交平台转码、截图或简单清除元数据都可能让凭证离开文件。C2PA 2.2 加入软绑定恢复等能力，可以借助感知指纹或水印标识找回远端 manifest，但恢复依赖平台和解析器共同支持。内容没有凭证，只能说明来源记录缺失，不能反推它一定由 AI 生成。

隐形水印把信号写进像素、声波、视频帧或文本 token 分布。Google SynthID 的优势是信号随内容本体走，设计目标包括抵抗裁剪、滤镜、帧率变化、压缩、噪声和变速。文本水印则通过轻微调整 token 采样概率留下统计模式。它更耐元数据剥离，但检测通常依赖提供商掌握的算法或密钥；短文本、翻译、强改写和对抗性处理会降低可靠性。Google 自己也明确说 SynthID 不是识别 AI 内容的「银弹」。

事后检测器不要求生成端合作，通过内容特征判断是否由 AI 生成。它能发现没有主动标记的开放模型输出和恶意伪造，却最容易受模型更新、压缩、领域变化和对抗攻击影响。误报还可能给真实创作者、学生或记者带来直接伤害。因此它适合做风险信号，不适合作为单一法律结论。

欧盟第 50 条写入「在技术可行范围内」并要求考虑模态限制、实施成本和公认技术水平，正是因为没有一个方案能同时实现不可剥离、不可伪造、公开验证、跨平台互操作、低误报和不损害内容质量。

比较下来，较稳妥的系统不是在三者中选一个，而是叠加：C2PA 保存丰富来源记录，隐形水印在元数据被剥离时提供恢复锚点，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。四层里任何一层断掉，其他层还能提供弱一些的证据。

这也是欧盟规则真正推动的产品变化。它没有发明 C2PA 或 SynthID，却把「是否支持来源证据」从企业自愿的安全功能，推成进入欧洲市场时需要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

从纵轴看，欧盟最初擅长的是按用途治理：招聘、教育、信贷、医疗、执法分别有不同风险。ChatGPT 之后，它没有推倒这套框架，而是在上面增加通用模型层，并把输出透明度做成跨用途义务。

这段历史塑造了欧盟今天的独特位置。美国州法可以快速处理某类深伪，中国规则可以把制作与传播平台的标识责任写得很细，韩国可以用基础法统一原则；欧盟则能同时向模型公司追问训练与评测，向系统提供商追问机器标记，向专业部署者追问可见披露，再把高风险用途留给下一阶段。

它的优势不是某一项技术更先进，而是责任链更完整。

但同一段历史也留下包袱。风险分类源自医疗器械和产品安全思维，需要协调标准、合格评定、市场监管与行业法规配合。当生成模型按周更新、能力由后训练和推理脚手架共同改变时，传统产品认证节奏显得笨重。高风险规则延至 2027/2028，正是这套制度的现实摩擦：法律可以先通过，检查清单、标准和监管能力却不能按政治日历自动生成。

2. 「透明度」已经从展示义务变成系统架构

早期监管文本里的透明度，常被理解为给用户一个提示。今天它至少分成五种不同的记录：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、面向受众的披露。

五者对应五个不同问题：监管者能否检查模型；下游能否理解能力与限制；权利人能否知道训练内容类别；平台能否机器识别输出；普通人能否在第一次接触时看见提示。

把它们放在一起，才看得出欧盟真正的制度创新：透明度不再是「多写一段说明」，而是要求系统在生命周期各层保留不同分辨率的证据。公开训练摘要不等于交出数据集；下游文档不等于公开商业秘密；机器水印不等于向用户展示标签；事故报告也不等于承认所有风险已经被消除。每一种透明度只服务一个决策者。

这种分层会改变模型公司的内部组织。安全团队不能只做发布前红队，必须和事故响应相接；研究团队的评测要能进入监管文档；产品团队的导出链要保留来源信号；法务对版权与例外的判断要落进数据与内容流程；销售给下游客户的材料要与真实模型能力一致。

监管由此进入软件架构，而不是停留在使用条款。

3. 最薄弱的一环，不是生成端，而是跨平台传播

模型公司最容易控制的是生成瞬间：它知道哪个模型输出了什么，可以写入元数据，也可以嵌入水印。最难控制的是内容离开原产品之后发生的事。

用户会截图，剪辑软件会转码，平台会压缩，新闻机构会裁切，恶意行为者会改写文本或重新录制音频。一个来源信号需要穿过这些正常与对抗性操作，还不能明显损害质量或泄露隐私。只要传播平台不读取并展示信号，生成端再完整的凭证也只是文件深处的一段数据。

这解释了为什么中国规则直接给传播平台核验、追加标识和疑似提示义务；也解释了欧盟为什么需要第 50 条准则、通用图标与跨企业互操作，而不是让每家公司设计自己的水印。内容来源是一种网络能力，单个模型厂商无法独立完成。

我的判断是，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。C2PA 的丰富 manifest、SynthID 一类的耐久信号和平台端展示会逐渐融合。没有传播端采用，任何单点技术都只能做演示。

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、记录生成事件并持续更新检测器。开放权重模型一旦下载到本地，原提供商无法阻止用户移除输出层标记，也不能观察每次生成。法案给普通开放模型部分文档豁免，却仍要求版权政策和训练摘要；如果模型具有系统性风险，开放许可证也不能免除额外义务。

这在法律上维护了技术中立，在工程上仍有空洞。若可验证标记只存在于合规的封闭平台，恶意者会迁移到不带标记的模型；若监管为了补洞而要求开放权重在模型层植入不可移除机制，又可能损害研究、隐私和本地部署自由。

较可行的方向不是假装所有内容都能被识别，而是区分证据强度：有可信来源凭证时给出正向来源；检测到稳健水印时给出高置信生成来源；只有统计检测时显示风险提示；什么都没有时明确「来源未知」，而不是标成「真实」。

这一点很重要。来源系统最危险的误用，是把「未检测到 AI 标记」当作「人类原创且事实真实」。欧盟若能在实施中守住这条边界，透明度规则会提高信息质量；若平台把复杂证据压成一个真假徽章，它反而会制造新的虚假安全感。

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，头部模型公司会把欧盟准则转成内部模板，模型文档、训练内容摘要、版权流程、事故上报和内容来源信号逐渐标准化。监管早期案件更可能围绕没有按时提交、文档明显不完整、标签缺失、例外使用不当和不配合信息请求，而不是直接对某个抽象「系统性风险」作终局判断。

存量生成系统在 12 月 2 日前完成第一轮标记改造，C2PA、隐形水印和平台标签的组合成为大厂默认配置。中小企业更多依赖云模型、合规 SDK 和第三方来源服务。欧盟准则形成事实上的市场接口，即便企业不签署，也会用它做差距分析。

这个剧本不壮观，却最符合欧洲监管的历史：先把可检查的文档和程序做实，再通过个案逐步校准能力与风险边界。

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入机器标记，监管检查也能通过；内容进入平台后，元数据被转码清除，水印在剪辑和重写中衰减，平台没有统一读取或展示。普通用户看到的仍是没有上下文的截图与短视频。

与此同时，合规平台的内容被大量标记，不合规模型或恶意工具的内容反而没有标记。公众逐渐把标签理解为「被平台承认的 AI 内容」，把无标签理解为真实。攻击者利用这种不对称，把监管设计反过来当作欺骗工具。

如果成员国执法尺度不同，企业还会把最弱辖区当作入口。第 50 条的跨境一致性不足，AI Office 对上游模型的集中监管也无法自动修复传播端。届时欧盟拥有完整法条，却没有一张真正连通的来源网络。

最乐观的剧本：欧洲把合规压力变成全球来源基础设施

欧盟行为准则与 C2PA、ISO/IEC、欧洲协调标准逐步兼容，平台开始默认保留或恢复内容凭证，浏览器、操作系统和新闻工具提供统一验证入口。中国的显式/隐式标识与平台编码、美国企业推动的 Content Credentials 与水印、韩国的用户可识别标签在核心字段上实现映射。

到那时，内容来源不再只是 AI 监管功能，而像 HTTPS 证书一样成为数字内容的通用基础设施：它不能保证内容真实，却能让用户知道谁对来源声明负责、编辑链是否完整、凭证何时丢失。媒体、金融研究、广告、教育与司法取证可以根据场景选择不同信任阈值。

这个剧本要求欧盟克制两个冲动：不要过早指定唯一技术，也不要把来源证明宣传成真假检测。它还要求平台承担成本，因为最有价值的环节恰恰不是生成，而是转发、编辑和再次发布时仍能保住上下文。

6. 结论：8 月 2 日是一场制度试运行

欧盟用了八年时间，从「可信 AI」伦理原则走到可以要求模型评估、训练摘要、事故报告和机器可读标记的执行框架。一路上，监管对象从具体用途扩展到通用模型，再扩展到内容传播链。每次扩展都由技术变化逼出来，也都增加了新的协调成本。

所以，判断这轮规则成功与否，不应只数罚单，也不应只看多少内容多了一个 AI 图标。更有用的四个指标是：下游开发者是否拿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；来源信号经过编辑与传播后还能否恢复；用户是否知道「来源未知」与「真实」不是同一件事。

2026 年 8 月 2 日的分量正在这里。它不是欧盟把所有 AI 风险一次解决的日子，而是欧盟第一次要求头部模型公司和内容系统证明：你不只要交付能力，也要交付一条能够被别人检查的来路。

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。