直接回答
**EU AI Act 工程落地应先由有责任的人员确认适用路径,再把每项义务转化为版本化证据。**代码可以证明某个 Release 包含已批准的角色分析、风险记录、评测报告、使用说明、日志、人类监督设计和上市后计划;代码不能证明法律判断正确,也不能自动签发合格声明。
2026 年 AI Omnibus 修改了实施时间线和若干义务。如果一份清单仍假设所有条款都在 2026 年 8 月生效、培训时长固定、风险可自动分类,或所有系统都走同一种第三方评定路径,就不应继续作为发布依据。
本文是工程框架,不构成法律意见。
核心要点
- 每次发布都记录实际采用的法律文本或官方时间线版本。
- 分开判断经营者角色、预期用途、禁止实践、高风险路径、透明度与 GPAI 义务。
- 修订后,Annex III 高风险系统自 2027 年 12 月 2 日适用,Annex I 产品嵌入式系统自 2028 年 8 月 2 日适用。
- Article 50 透明度要求自 2026 年 8 月 2 日适用,其中部分既有系统的 Article 50(2) 过渡节点是 2026 年 12 月 2 日。
- 工程自动化只校验证据身份与完整性,不代替法律适用判断。
- 日志、公平性测试、人工复核、Kill Switch、Model Card 与 CE 标志不是可互换控制。
- FRIA、GDPR DPIA、合格评定、注册和上市后监控各有独立触发条件和负责人。
- 保留上一版 Release 和真实停用路径;只有文档、没有可执行控制,证据仍然很弱。
当前实施时间线
EU AI Act Service Desk 在 Omnibus 后给出以下规划节点:
| 日期 | 官方里程碑 | 工程影响 |
|---|---|---|
| 2024-08-01 | 法规生效 | 建立法律版本追踪 |
| 2025-02-02 | 定义、首批禁止实践与 AI 素养条款开始适用 | 复核禁止实践和修订后的素养义务 |
| 2025-08-02 | GPAI 义务与治理开始适用 | 识别上下游模型角色 |
| 2026-08-02 | Article 50、创新措施及适用条款执法开始 | 验证交互告知与合成内容义务 |
| 2026-12-02 | 新增禁止实践及 Article 50(2) 过渡节点 | 识别受影响的既有合成内容系统 |
| 2027-08-02 | 各成员国预计至少有一个监管沙盒 | 需要时评估监管沙盒 |
| 2027-12-02 | Annex III 高风险规则适用 | 完成对应高风险路径 |
| 2028-08-02 | Annex I 产品嵌入式高风险规则适用 | 对齐具体产品安全法规路径 |
AI Omnibus 于 2026 年 7 月 27 日生效。官方摘要还说明,它简化了部分 AI 素养和欧盟数据库注册要求,把部分 SME 措施扩展到 Small Mid-cap Company,扩大监管沙盒支持,新增禁止实践,并调整治理和合格评定流程。
不能把这张表复制到发布工单后就结束分析。修订文本、指南、标准、成员国执法、产品法规和系统真实角色仍会共同决定具体义务。
建立适用性记录
先记录事实,不要先生成风险标签:
assessment_id: eu-ai-2026-104
legal_text:
regulation: "Regulation (EU) 2024/1689"
amendment: "Regulation (EU) 2026/1744"
reviewed_at: "record actual review date"
operator:
legal_entity: "entity ID"
roles:
- "provider or deployer, pending counsel review"
market:
placed_on_union_market: "unknown"
put_into_service_in_union: "unknown"
output_used_in_union: "unknown"
system:
intended_purpose: "versioned purpose statement"
prohibited_uses: ["versioned list"]
model_release: "model bundle ID"
software_release: "commit and artifact digest"
decisions:
article_5: "pending"
article_6_annex_i: "pending"
article_6_annex_iii: "pending"
article_50: "pending"
gpai_role: "pending"
owners:
legal: "role"
product: "role"
engineering: "role"
security: "role"
在审查完成前,unknown 是有效状态。根据“招聘”“信贷”等关键词直接输出最终法律分类,会掩盖有责任审核者必须核对的事实与例外。
分开经营者角色
同一组织可能同时承担多个角色,集成或实质性修改后角色也可能变化。
| 角色 | 需要记录的问题 | 常见工程证据 |
|---|---|---|
| 提供者 Provider | 谁开发系统或以自己名义投放? | 预期用途、QMS、技术文档、Release 身份 |
| 部署者 Deployer | 谁在其权限下使用系统? | 使用说明、输入相关性、人类监督、运营日志 |
| 进口商 Importer | 谁把第三国系统投放欧盟市场? | 提供者与合格状态核验、联系与文件记录 |
| 分销商 Distributor | 谁在供应链中提供系统? | 标识、说明、储存与运输检查 |
| 产品制造商 | 是否把 AI 以自身名义嵌入 Annex I 产品? | 产品安全路径、集成与变更证据 |
| 下游提供者 | 集成或修改是否构成新系统或改变预期用途? | 上游契约、修改记录、新评测与角色判断 |
不能根据“谁支付模型 API 费用”推断角色。角色必须来自法律定义和真实产品链。
分类的是义务,不只是“风险等级”
欧盟委员会会用四级风险帮助解释法案,但工程实现必须落到准确法律路径:
系统不属于 Annex III,并不代表没有 Article 50、GDPR、行业法、合同或产品安全义务。同一产品链中的上游 GPAI 提供者与下游 AI System 提供者,也可能承担完全不同的职责。
建立义务矩阵
把经过复核的法律路径转成有 Owner 的控制:
| 义务领域 | 应维护的证据 | 不能把什么当证据 |
|---|---|---|
| 风险管理 | 危害、受影响人群、控制、残余风险、负责人、重审条件 | 一次性风险分 |
| 数据治理 | 来源、合法访问、收集背景、质量、代表性、血缘、删除 | 一个 Dataset 文件名 |
| 技术文档 | 系统、模型、数据、架构、指标、变更、限制与说明 | 通用 Model Card |
| 日志 | 事件定义、完整性、时钟、访问、留存、删除与导出 | 永久保存全部 Prompt |
| 透明度 | 对适用用途实际生效的告知与标识 | 一个通用“由 AI 驱动”页脚 |
| 人类监督 | 权限、信息、介入、停止、升级与能力要求 | 装饰性审批按钮 |
| 准确性与稳健性 | 指标、切片、不确定性、安全测试与运行限制 | 一个 Benchmark 平均分 |
| 质量管理 | 负责人、流程、供应商、发布、事故与纠正措施 | 一堆静态 PDF |
| 合格评定路径 | 已审法律路径、责任主体、证据与外部步骤 | 应用代码返回的 Boolean |
| 上市后监控 | 运营信号、投诉、事故、漂移、纠正与报告 | 没有响应流程的 Dashboard |
Article 50 需要按具体用途判断
Article 50 并不是要求所有 AI 生成字节使用同一种标签。应核对准确场景:
- 设计为与自然人直接交互的系统,在满足条款条件时可能需要告知对方正在与 AI 互动;
- 生成合成音频、图像、视频或文本的系统提供者,可能需要按 Article 50(2) 提供机器可读标识;
- 情感识别或生物特征分类系统部署者承担特定告知义务;
- Deepfake 与部分公共利益文本有披露要求,也存在明示例外和呈现条件。
记录内容类型、角色、界面、例外判断、标识方法、转换后保留、无障碍和证据。测试截图、导出、API 输出和下游转码,不能只检查首次渲染。
高风险证据必须绑定版本
对已经批准走高风险路径的系统,建立 Release Bundle:
release/
applicability.json
intended-purpose.md
operator-roles.json
risk-register.json
data-lineage.json
evaluation-report.json
cybersecurity-report.json
instructions-for-use.md
human-oversight.md
logging-contract.json
technical-documentation/
conformity-route.json
registrations.json
post-market-plan.json
approvals.json
manifest.sha256
每份文件都应标识 System Release、Model/Data Revision、Policy Version、Owner、Approver、创建时间、替代状态和适用法律路径。最新版文档若引用旧模型,也不能作为当前 Release 证据。
用代码检查证据,而不是判断法律
法律路径必须在程序之外完成批准。下面的 Go 门禁只验证该路径声明的证据是否齐全:
package main
import (
"errors"
"fmt"
"sort"
)
type Route struct {
ID string
Required []string
}
type Bundle struct {
ReleaseID string
RouteID string
Artifacts map[string]string
Approved bool
}
func validate(route Route, bundle Bundle) error {
if bundle.ReleaseID == "" {
return errors.New("release ID is required")
}
if bundle.RouteID != route.ID {
return errors.New("bundle does not match the approved legal route")
}
if !bundle.Approved {
return errors.New("accountable approval is missing")
}
missing := make([]string, 0)
for _, name := range route.Required {
if bundle.Artifacts[name] == "" {
missing = append(missing, name)
}
}
if len(missing) > 0 {
sort.Strings(missing)
return fmt.Errorf("missing evidence: %v", missing)
}
return nil
}
func main() {
route := Route{
ID: "annex-iii-provider-v3",
Required: []string{
"applicability",
"risk-register",
"data-lineage",
"evaluation-report",
"human-oversight",
"logging-contract",
"post-market-plan",
},
}
bundle := Bundle{
ReleaseID: "release-2026-10-05",
RouteID: route.ID,
Approved: true,
Artifacts: map[string]string{
"applicability": "sha256:a1",
"risk-register": "sha256:b2",
"data-lineage": "sha256:c3",
"evaluation-report": "sha256:d4",
"human-oversight": "sha256:e5",
"logging-contract": "sha256:f6",
"post-market-plan": "sha256:g7",
},
}
if err := validate(route, bundle); err != nil {
panic(err)
}
fmt.Println("evidence bundle accepted")
}
预期输出:
evidence bundle accepted
程序不能判断 Route 是否正确、制品内容是否真实、某项标准是否已经协调,也不能预测监管机构或公告机构是否接受。它们仍属于责任审查。
日志必须受目的约束
Article 12 日志不是无限收集个人数据或隐藏推理的许可。至少定义:
- 事件目的与法律依据;
- 稳定的系统、模型、数据、策略和操作身份;
- 时间戳及其时钟假设;
- Input/Output Reference,而不是不必要的原始内容;
- Policy、人类介入、状态转换与 Outcome;
- 完整性控制与访问分离;
- 留存、Legal Hold、删除和导出;
- Exporter 故障与 Telemetry Loss 检测。
对小型标识符空间做 Hash 不等于匿名化。Hash Chain 可以帮助发现部分篡改,却不能提供访问控制、合法留存或完整不可变性。
评测必须匹配预期用途
不存在适用于所有系统的公平性指标或法定 0.8 阈值。测试计划应来自:
- 受影响人群与权利;
- 决策和错误成本;
- 代表性运营数据;
- 缺失和不确定标签;
- 样本量允许时的交叉切片;
- 准确性、校准、稳健性、网络安全与无障碍;
- 人类分歧与申诉结果;
- 模型、数据、阈值和策略版本。
报告样本量和不确定性。总体指标可能掩盖严重子群故障,极小子群估计也可能不足以支持结论。
指标名称必须对应被审计的问题。预测性平价比较获得正向决策的案例中,各群体正预测值是否相同;它不是完整分数校准,而且某群体没有正预测时指标无定义。如果团队声称同一个人在受保护属性变化后预测仍然不变,则涉及反事实公平:这需要显式结构因果模型并重新计算因果后代,不能只改数据表中的一列。
人类监督必须控制真实 Effect
监督机制只有在人员满足以下条件时才有效:
- 能获得可理解证据和系统限制;
- 有时间和权限介入;
- 能在受保护 Effect 发生前停止、覆盖或升级;
- 绩效机制不会奖励无脑批准;
- 能识别 Automation Bias 和异常运行条件;
- 重试前可以确认动作是否已经发生;
- 决策可审计,并关联 Release 与 Object Revision。
单一置信度阈值不等于人类监督。模型置信度可能未经校准,高置信输出也可能违反策略或使用过期证据。
分开 FRIA、DPIA 与合格评定
这些制品可以共享证据,但回答不同问题:
| 制品 | 主要问题 |
|---|---|
| FRIA | 特定高风险部署如何影响基本权利,以及部署者怎样管理影响 |
| GDPR DPIA | 个人数据处理是否可能造成高风险,以及如何处理 |
| 技术文档 | 系统是什么、如何开发、评测、控制与变更 |
| 合格评定 | 投放市场或投入服务前,适用路径与要求是否满足 |
| 上市后计划 | 发布后如何处理证据、事故、投诉、漂移与纠正 |
不要默认每个产品都完成 FRIA,也不要假设 DPIA 自动满足 FRIA。
上市后监控闭环
发布门禁只是开始。生产证据要回链到同一 Release Identity:
- 运行分布与漂移;
- 准确性与错误切片;
- 策略拒绝与人工覆盖;
- 投诉、申诉与无障碍故障;
- 安全事件与滥用尝试;
- 严重事故分流与报告判断;
- 供应商或模型变化;
- 纠正措施、回滚与现场通知。
明确谁有权暂停系统,以及哪些条件触发重审。Model Alias、Data Source、Intended Purpose、地区、人类角色或关键 UI 的变化,都可能让旧证据失效。
常见失败模式
| 失败 | 修正 |
|---|---|
| 给整部法案设置一个 Deadline | 对日期和条款做版本化映射 |
| 用关键词自动判断法律分类 | 收集事实并交由有责任人员复核 |
| 写死员工培训小时数 | 按角色定义能力并核对修订后义务 |
| 把通用 Model Card 叫作 Annex IV | 建立系统专属技术证据包 |
| 把全部 Prompt 当审计日志永久保存 | 使用受目的约束的 Event Contract |
| 用一个公平性比例判定合规 | 基于用途的指标、切片、不确定性和复核 |
| Effect 发生后再展示审批按钮 | Effect 前授权,并支持对账 |
| Boolean 全通过就标记 CE Eligible | 执行具体合格评定路径并明确责任主体 |
| 上游证书自动传递到下游 | 结合供应商证据和集成方独立义务 |
常见问题
欧盟以外的公司也可能适用 EU AI Act 吗?
可能。记录 Provider/Deployer 角色、市场投放、部署与特定 Output Use,再按当前 Article 2 审查。服务器位置和用户数量都不足以单独得出结论。
工程路线图应该采用哪些日期?
以官方 Service Desk 时间线为准,并把每个日期绑定具体条款。修订后的高风险节点是 Annex III 的 2027 年 12 月 2 日和 Annex I 的 2028 年 8 月 2 日;Article 50 等规则更早适用。
AI 厂商文档能满足下游义务吗?
它可以提供上游证据,但下游组织仍要按适用情况维护自己的角色、预期用途、集成、数据、评测、说明、监督、监控和变更记录。
每个 AI Release 都需要 CE 标志吗?
不需要。CE 标志取决于适用的高风险路径与产品法规。先完成适用范围和合格评定路径判断,再设计发布自动化。
工程上如何处理法律不确定性?
明确记录为 pending,阻止受影响 Release 或 Capability,指定 Owner 和待回答问题,并保留审查所需证据。不能把不确定性静默转换为默认批准。
总结
EU AI Act 准备度是一套证据系统,不是一组带“合规”名称的组件。团队应从当前修订法律出发,记录经营者和预期用途事实,获得有责任的义务矩阵,并把每项控制绑定不可变 Release Evidence。自动化负责发现缺失或错配证据,法律分类、合格评定和残余风险仍由获授权人员决定。
进一步实施可参考 EU AI Act 高风险系统指南、AI 合规工程指南与 LLM 护栏工程指南。