驾驭《欧盟人工智能法案》：中国企业战略合规指南

第一部分：基本原则与管辖范围

本部分旨在建立基础背景，并解答中国企业面临的首要且最关键的问题：“这部法律是否适用于我们？”。报告将从域外管辖的宏观法律理论入手，深入剖析触发合规义务的具体场景。

第一节：《欧盟人工智能法案》的全球影响力：判定法案对贵企业的适用性

《欧盟人工智能法案》（以下简称“《法案》”）的一个核心特征是其显著的“长臂管辖权”。与《通用数据保护条例》（GDPR）类似，其适用性并非由人工智能系统提供商的地理位置决定，而是取决于其所影响的市场和用户 ¹。这对任何怀有全球化雄心的中国企业而言，是一个必须深刻理解的核心原则，标志着其与传统地域性法律的根本区别。

触发对中国企业管辖权的关键场景

以下具体场景将使一家中国企业落入《法案》的管辖范围，报告将为每种情况提供清晰明确的示例：

• 将人工智能系统投放欧盟市场： 此条款适用于直接向欧盟客户销售人工智能驱动的硬件（如工业机器人、智能消费设备）或授权人工智能软件的中国公司 ¹。

• 在欧盟投入使用人工智能系统： 此条款涵盖了中国公司提供由欧盟境内客户使用的云端人工智能服务（例如，用于人力资源分析的SaaS平台、客户服务聊天机器人API）的场景 ¹。

• 人工智能系统的输出在欧盟使用： 这是最具扩张性的管辖权触发条件。即使中国企业的人工智能系统完全在欧盟境外运营，但只要其产出（例如，信用评分、诊断分析报告、生成式内容）旨在供欧盟境内使用，该《法案》同样适用 ¹。这对B2B服务提供商和数据处理商具有深远影响。这一条款的逻辑在于，法规的保护对象是欧盟境内的个人和实体，无论风险源自何处。例如，一家中国金融科技公司向新加坡的一家银行提供风险分析服务，如果该新加坡银行利用此分析结果对一位居住在德国的客户做出贷款决策，那么该人工智能系统的“输出”即被视为“在欧盟境内使用”。因此，这家中国金融科技公司即便与任何欧盟实体没有直接合同关系，也必须遵守《法案》的规定。这种机制创造了一种合规义务的“涟漪效应”，该效应会沿着国际供应链向后传导，迫使中国企业不仅要对其直接客户进行尽职调查，还需穿透至其客户的客户，以全面评估其最终的地域风险敞口。这要求企业从评估直接客户风险的模式，转变为评估最终用户影响的模式。

• 作为进口商或分销商： 即使中国企业并非人工智能系统的开发者，但作为供应链的一环，其在将人工智能产品进口或分销至欧盟时，也承担着特定的核查义务，以确保其经手的产品符合《法案》要求 ¹。

欧盟授权代表的关键角色

对于任何在欧盟没有设立实体机构，但希望将高风险人工智能系统投放欧盟市场的中国提供商而言，指定一名欧盟授权代表是强制性要求。需要明确的是，该代表不仅仅是一个联络邮箱，而是一个法律指定的实体，负责与欧盟监管机构联络、保存技术文档，并在一定程度上承担法律责任 ¹。

第二节：基于风险的监管架构：实用性解析

本节旨在解构《法案》的核心逻辑，为企业高管提供一个清晰的心智模型，以便快速对自身产品进行分类，并理解相应的监管负担。该方法将人工智能系统划分为四个不同的风险等级，确保监管措施与潜在危害相称 ¹。

第一层：禁止的人工智能实践——绝对的“红线”

这些实践被认为构成“不可接受的风险”，因此被完全禁止 ¹。中国企业必须将审查现有及规划中的人工智能应用是否触及这些红线作为首要任务。除非满足极少数例外规定，否则这些系统不得在欧盟投放市场、投入服务或使用 ³。具体包括：

• 潜意识操纵： 利用技术影响个人潜意识，以扭曲其行为并可能造成身心伤害的系统 ²。

• 利用弱势群体： 专门利用特定群体的年龄、残疾等脆弱性，以扭曲其行为并造成重大伤害的系统 ²。

• 社会评分： 由公共机构实施的、用于通用目的的社会评分系统 ³。

• 无差别抓取面部图像： 从互联网或闭路电视中无差别地抓取面部图像以创建或扩展人脸识别数据库的行为 ²。

• 工作场所和教育机构的情绪识别： 除非出于医疗或安全目的，否则禁止在这类场所使用情绪识别系统 ²。

第二层：高风险人工智能系统——合规的中心地带

这是《法案》中监管最严格、合规成本最高的类别，也是法规的核心焦点 ¹。一个系统被划分为“高风险”主要通过以下两种途径：

• 作为受监管产品的安全组件： 如果人工智能系统是受欧盟现有产品安全法规（如玩具安全、医疗器械、汽车、电梯等法规）所涵盖的产品的安全组件，则该系统自动被视为高风险 ¹。

• 用于特定的列举领域： 《法案》附件三详细列出了一系列因其可能对基本权利产生重大影响而被视为高风险的特定用途 ¹。欧盟委员会有权更新此列表。关键领域包括：

  • 就业与人力资源管理： 用于简历筛选、招聘决策、员工晋升评估的系统 ²。

  • 关键基础设施管理： 用于管理和运营道路交通、水、气、热、电供应的系统。

  • 教育与职业培训： 用于评估入学资格、分配学生或在考试中进行监考的系统 ²。

  • 基本公共和私人服务的获取： 用于评估个人信用评分（从而决定是否发放贷款）或评估和定价健康及人寿保险的系统 ⁶。

  • 执法与司法： 用于评估个人犯罪风险、作为测谎仪或用于进行预测性警务的系统 ²。

  • 移民、庇护和边境管制： 用于评估安全风险、核实旅行证件真实性的系统。

第三层：有限风险——透明度义务的导航

此类系统面临的监管压力远小于高风险系统，但必须遵守特定的透明度义务，确保用户知晓其正在与人工智能系统互动 ¹。

• 与人类互动的系统： 如聊天机器人，必须明确告知用户其正在与AI交流 ¹。

• 深度伪造（Deepfakes）： 使用人工智能生成或操纵的图像、音频或视频内容（即“深度伪造”），必须明确标注为“人工智能生成”，以防止欺骗 ¹。

• 情绪识别和生物分类系统： 即使未被禁止或不属于高风险，当使用这类系统时，也必须告知受其影响的自然人。

第四层：最低或无风险——监管的“安全港”

绝大多数当前的人工智能应用，如AI驱动的垃圾邮件过滤器、库存管理系统或视频游戏中的AI，都属于这一类别。它们对个人健康、安全和基本权利构成的风险极小或可以忽略不计，《法案》对此没有强制性规定，但鼓励企业自愿采纳行为准则 ¹。

表1：《欧盟人工智能法案》风险层级及其对中国企业的影响

风险层级	定义与核心原则	中国产业相关具体示例	主要合规后果
禁止的风险	对人类尊严、自由和基本权利构成不可接受威胁的实践，被视为与欧盟价值观不符。	- 面向中国市场的社交信用评分系统（若其逻辑被用于出口产品）。 - 用于操纵消费者购买行为的潜意识广告技术。	绝对市场禁入。
高风险	可能对个人健康、安全或基本权利造成重大不利影响的系统，需要严格的事前和事后监管。	- 用于出口汽车的主动安全系统（ADAS）中的AI模块。 - 面向欧盟客户的金融科技公司的信用评分模型。 - 用于全球招聘的简历自动筛选软件。 - 出口到欧盟的医疗设备中用于诊断的AI软件。	必须满足《法案》第9-15条的全部要求，通过合规性评估，加贴CE标志，并在欧盟数据库注册。
有限风险	主要风险在于可能欺骗或操纵用户，核心监管手段是强制性透明。	- 用于跨境电商网站的客户服务聊天机器人。 - 用于市场营销活动、可生成虚拟人像的应用。 - 能够根据文本描述生成图像的AI服务。	必须告知用户其正在与AI互动，或内容由AI生成。需进行明确标识。
最低风险	风险极小或可忽略不计，不属于前三类的所有其他AI系统。	- 用于优化内部供应链物流的AI系统。 - 游戏软件中的非玩家角色（NPC）行为算法。 - 内部使用的垃圾邮件过滤系统。	无强制性法律义务，鼓励遵守自愿性行为准则。

第二部分：高影响义务的深度解析

本部分是报告的技术与法律核心，将从“监管什么”深入到“如何监管”，为企业提供一份关于最严苛要求的详细、可操作的分解指南。

第三节：高风险人工智能的“铁手套”：提供商义务深度剖析

本节将以分步指南的形式，详细解读高风险系统提供商所需承担的核心义务。这些义务是《法案》中最为繁重和资源密集型的部分，构成了合规工作的重心。

实施持续的风险管理体系（第9条）

这并非一次性的合规检查，而是一个贯穿人工智能系统整个生命周期的、持续迭代的过程。提供商必须系统地识别、评估、并采取措施控制对健康、安全和基本权利的可预见风险 ¹。该体系要求：

• 对AI系统在预期用途和合理可预见的误用情况下的风险进行持续识别和分析。

• 对风险进行评估和评价，并根据其对健康、安全及基本权利的潜在影响进行排序。

• 采取适当的风险管理措施，如通过“安全设计”消除或降低风险、实施充分的缓解和控制措施，并向用户提供必要的信息（如警告）。

• 所有识别出的风险及采取的管理措施都必须被完整记录，并随系统的更新而持续更新 ¹。

数据治理与管理（第10条）

这是技术上最具挑战性的要求之一，直接关系到模型的性能和公平性。

• 数据质量： 用于训练、验证和测试的数据集必须具有高质量，即与预期用途相关、具有代表性、尽可能无错误且完整 ¹。

• 偏见缓解： 提供商必须积极主动地检查数据集中可能存在的、并可能导致《法案》所禁止的歧视性结果的偏见（例如，与性别、种族、民族相关的偏见），并采取有效措施进行检测、预防和缓解 ¹。这不仅仅是简单的数据清洗，而是需要复杂的统计分析，甚至可能涉及生成合成数据以平衡数据集。

• 数据来源与治理： 必须建立严格的数据治理和管理实践，包括对数据收集过程、数据来源和数据预处理操作（如标注、清洗、丰富）进行全面记录 ²。

技术文档与记录保存（第11条和第12条）

在将系统投放市场之前，提供商必须创建并维护一套详尽的技术文档。这套文档是向监管机构和认证机构证明其合规性的主要证据。其内容必须全面，至少包括 ¹：

• 系统的一般性描述、预期目的、版本号等。

• 系统架构、设计规范和算法的详细信息。

• 关于数据治理措施的详细说明，包括训练、验证和测试数据集的来源、范围和主要特征。

• 系统性能测试和验证的结果，包括准确性、稳健性和网络安全指标。

• 风险管理体系的完整文档。

• 向部署者提供的详细使用说明。

• 系统必须内置自动记录事件（日志）的功能，以确保其运行的可追溯性，用于上市后的监控和调查 ¹。

透明度与向用户提供信息（第13条）

系统的设计必须确保其部署者（即使用该AI的实体）能够正确理解和解释其输出。这要求提供商提供清晰、全面且易于理解的使用说明，详细说明以下内容 ¹：

• 系统的身份和提供商的联系方式。

• 系统的能力、局限性、性能水平（包括其准确性）。

• 预期的目的和任何可合理预见的误用。

• 所需的人工监督措施。

• 系统的预期寿命以及维护和保养要求。

人工监督（第14条）

高风险系统必须被设计成能够由人类进行有效监督，以防止或最小化风险。这并非一个被动的角色，而是要求设计具体、有效的监督接口和流程。监督措施应与风险水平相称，可以包括 ¹：

• 使人类操作员能够充分理解系统能力和局限性，并能正确监控其运行。

• 人类操作员有能力干预系统运行、覆盖其决策，或在出现危险情况时通过“停止”按钮完全中止系统。

• 确保负责监督的人员具备相应的能力、培训和权限。

准确性、稳健性与网络安全（第15条）

系统必须在其整个生命周期内表现出适当的性能水平。

• 准确性： 系统必须达到与其预期目的相称的准确性水平，并且这些准确性指标必须在技术文档和使用说明中明确声明 ¹。

• 稳健性： 系统必须具备技术上的稳健性，能够在面对错误、故障或输入数据不一致时保持稳定，并能在受到未经授权的第三方试图改变其使用或性能的攻击时保持韧性 ¹。

• 网络安全： 系统必须能抵御与其预期用途和环境相关的、可能利用其漏洞的网络安全威胁 ¹。

走向市场：合规评定、CE标志与注册

• 合规评定： 提供商必须通过指定的合规评定程序，证明其高风险系统满足上述所有要求 ¹。

• CE标志： 成功通过评定后，提供商必须在产品上加贴CE标志，向监管者和客户表明其合规性。对于许多中国实体商品制造商来说，这是一个熟悉的过程，但将其应用于独立的软件产品则是一个新的范式 ¹。

• 欧盟数据库注册： 在投放市场前，所有高风险人工智能系统都必须在一个公开的欧盟数据库中进行注册 ¹。

这些要求共同构成了一个严密的监管框架。其核心逻辑在于，合规不能是产品开发完成后的附加项，而必须是一种“合规即设计”（Compliance by Design）的理念。这意味着，法律要求必须被转化为工程要求，并深度整合到机器学习运营（MLOps）的整个生命周期中。例如，《法案》对持续风险管理、上市后监控和详细日志记录的要求 ¹，与MLOps中关于模型监控、版本控制和自动化流水线的核心原则不谋而合 ⁷。第10条的数据治理要求，可以直接映射到MLOps中对数据血缘追踪和版本管理的实践。因此，中国企业的合规工作不能仅仅委托给法务部门。首席技术官和工程负责人必须主导实施，采用如CRISP-ML(Q)等结构化开发流程和MLOps工具 ⁷，从项目启动之初就将合规性构建到开发基础设施中。任何将合规视为事后“补丁”的做法，都将面临巨大的失败风险和被排除在市场之外的后果。

第四节：新前沿：通用人工智能（GPAI）与基础模型的监管

本节旨在探讨《法案》中最新、也最具活力的部分。这部分内容是在立法后期为应对像GPT这样的大型语言模型的兴起而加入的，对于正在开发自有大型模型的中国AI巨头而言，具有极高的相关性 ⁸。

所有GPAI模型提供商的基线义务

即使是未被认定为具有“系统性风险”的GPAI模型，也需承担一系列以透明度和赋能下游合规为核心的义务。这些义务旨在解决一个关键的监管难题：如何管理那些不与特定任务绑定、可适应广泛下游用途的模型 ⁵。

• 技术文档： 制定并维护详尽的技术文档，说明模型的训练过程、所用数据、测试和评估结果，以及其能力和局限性 ⁵。

• 向下游提供商提供信息： 必须向使用其模型构建下游AI系统的提供商提供信息和文档，帮助他们理解模型的性能和限制，从而使他们能够履行自身的合规义务 ⁵。

• 遵守欧盟版权法： 制定并执行一项政策，以尊重欧盟的版权法。这尤其要求提供商对其用于训练模型的数据摘要进行公开，以供权利人行使其权利 ⁵。

加强审查：对具有“系统性风险”的GPAI模型的额外要求

当一个GPAI模型因其用于训练的计算能力（以浮点运算次数FLOPs为单位衡量）超过特定阈值，或被欧盟委员会特别指定时，它将被认定为具有“系统性风险” ⁸。这类模型将面临更严格的规定：

• 模型评估： 必须进行最先进的模型评估，包括进行对抗性测试（红队测试），以识别和缓解系统性风险。

• 风险评估与缓解： 评估并减轻可能在欧盟层面出现的系统性风险，这些风险可能源于模型的开发、投放市场或使用。

• 严重事件报告： 必须追踪、记录并毫不延迟地向AI办公室和相关国家主管部门报告严重事件及其纠正措施 ²。

• 网络安全： 确保模型及其物理基础设施达到充分的网络安全保护水平，防范未经授权的访问或攻击 ²。

开源模型的特殊情况

为了鼓励创新，《法案》为开源GPAI模型提供了一定的豁免 ⁸。然而，这并非一张“免死金牌”。如果一个开源模型被认定具有系统性风险，或者被下游开发者集成到高风险AI系统中，相关的合规义务依然存在，责任可能转移给对模型进行修改或将其商业化的下游部署者 ⁵。这在中国企业广泛使用开源模型的背景下，创造了一条复杂的责任链，必须谨慎评估和管理。

对GPAI模型的监管，实质上是在AI价值链的上游创建了一个新的责任节点。合规的负担不再仅仅由最终产品的提供商承担，而是向上延伸至基础模型的开发者。这对企业的“自研 vs. 采购”决策产生了重大的战略影响。一家计划构建高风险AI应用（如医疗诊断工具）的中国公司，面临两个选择：自研基础模型，或从第三方（如国内外顶尖AI实验室）授权获得。若选择后者，其自身履行高风险合规义务的能力（如数据治理、偏见测试、风险管理），将直接取决于GPAI提供商所提供文档的质量和完整性。这创造了一种新的、关键的供应链依赖和风险。因此，中国企业在选择基础模型时，必须进行严格的尽职调查，评估的不仅是模型的性能，更是其提供商的法规成熟度和提供合规文档的能力。基础模型的选择，已从一个纯粹的技术决策，演变为一个关乎企业市场准入的战略合规决策。

第三部分：比较分析与战略合规路线图

本部分旨在通过将欧盟规则与中国国内法规进行对比，为中国企业提供最直接的战略价值，并规划出一条清晰的前进道路。

第五节：跨越监管世界：《欧盟人工智能法案》与中国AI法规的比较

本节将对两大监管体系进行直接比较，超越简单的功能列表，深入分析其背后的监管理念差异及实际影响。用于比较的中国法规主要是《生成式人工智能服务管理暂行办法》（以下简称“《暂行办法》”）及其配套文件 ⁹。

监管理念的对比：基本权利 vs. 社会稳定

• 欧盟： 《法案》的基石是对个人基本权利、健康和安全的保护 ¹。其核心关切点在于防止歧视、保障公平和维护个人自主权。其监管逻辑本质上是产品安全和消费者保护逻辑的延伸 ⁵。

• 中国： 《暂行办法》的出发点是维护国家安全和社会稳定，坚持社会主义核心价值观 ¹⁰。其首要关切是内容治理，防止“违法和不良信息”的传播，并确保技术服务于国家发展目标 ¹³。

核心要求的逐项对比

• 数据治理： 两大框架都要求使用合法来源的训练数据 ¹。然而，欧盟的重点在于数据的代表性，以及积极缓解针对受保护群体的偏见 ¹。中国的重点则在于提升训练数据的真实性、准确性、客观性和多样性，并鼓励使用“安全可信”的数据资源 ¹⁴。

• 内容控制/风险缓解： 欧盟要求缓解对基本权利的风险 ¹。中国则要求服务提供者采取措施，防止生成煽动颠覆国家政权、色情暴力或“虚假有害信息”等内容，并为此建立了包括关键词过滤、人工监控在内的具体制度 ⁹。

• 透明度与标识： 两者都要求对AI生成内容（特别是深度伪造内容）进行标识 ¹。欧盟的透明度规则更进一步，要求明确告知用户其正在与AI互动 ¹。中国的标识要求则与《互联网信息服务深度合成管理规定》保持一致。

• 安全评估： 欧盟对高风险系统强制要求进行基于其特定技术和权利标准的事前合规评定 ¹。中国则要求对“具有舆论属性或者社会动员能力”的服务进行安全评估和算法备案，其评估重点是内容安全和国家安全风险 ¹⁰。

关键差距与协同效应的识别

本节将上述比较综合为战略性建议：

• 协同效应： 为满足《欧盟人工智能法案》而建立的强大数据治理框架（包含数据来源追溯、质量检查、偏见检测），可以为满足中国对数据质量的要求（真实性、准确性等）提供坚实的基础 ¹⁵。

• 关键差距： 遵守中国的内容过滤规定（如政治敏感内容过滤）¹⁶，完全不等于遵守欧盟的偏见缓解规定 ²。一个完美符合中国内容要求的模型，在欧盟的框架下仍可能被认定为对特定人群存在高度歧视。这意味着企业必须为不同市场建立独立的、符合当地法规和文化背景的对齐与测试流程。

这种监管理念的根本性分歧，意味着一个“放之四海而皆准”的全球合规AI模型在实践中几乎不可能实现。中国企业必须在系统架构层面追求“监管模块化”（Regulatory Modularity）。欧盟要求缓解基于性别、种族等特征的偏见 ¹，而中国要求过滤基于政治敏感性和社会主义核心价值观的内容 ¹⁰。这两者是截然不同的任务。一个为避免生成政治敏感文本而训练的模型，可能会无意中学习到导致其对某些人群产生偏见的虚假关联，反之亦然。虽然技术解决方案（如指令微调、基于人类反馈的强化学习）相似，但其优化的“目标函数”和赖以训练的“反馈数据”却截然不同。因此，企业不能只满足于拥有一个笼统的“安全与道德”模型，而需要一个核心基础模型，并在此之上为不同市场开发可插拔的“合规层”或经过精细微调的特定版本。这对企业的MLOps架构提出了重大挑战，需要支持并行的开发轨道、区域特定的测试数据集和模块化的部署策略。

表2：关键义务比较分析：《欧盟人工智能法案》 vs. 中国《暂行办法》

合规领域	《欧盟人工智能法案》要求	中国《暂行办法》要求	对中国企业的战略启示
监管理念	基于风险，保护个人基本权利、健康和安全。	发展与安全并重，维护国家安全和社会稳定，弘扬社会主义核心价值观。	差距： 监管理念根本不同，合规不能相互替代。必须为两大市场分别制定合规策略。
训练数据	强调数据质量、代表性，并积极采取措施缓解偏见。需尊重欧盟版权法。	强调数据来源合法，并提升数据的真实性、准确性、客观性、多样性。不得侵害知识产权。	协同： 为欧盟建立的严格数据治理流程（如来源追溯）有助于满足中国的要求。 差距： 欧盟的“偏见缓解”是独特且技术要求高的额外义务。
内容/风险控制	识别和缓解对健康、安全和基本权利的风险。	采取措施防止生成违法和不良信息（如颠覆国家政权、色情、虚假信息）。	差距： 这是最大的差异点。中国的“内容安全”与欧盟的“基本权利保护”是两个维度的要求，需要独立的模型对齐和过滤机制。
透明度与标识	告知用户正在与AI互动；对AI生成内容（深度伪造）进行显著标识。	按照《深度合成规定》对生成的图片、视频等内容进行标识。	协同： 标识义务有重叠，可建立统一的标识技术方案。 差距： 欧盟的“互动告知”义务是额外要求。
用户权利	侧重于部署者对系统的理解和控制（通过透明度），以及基本权利影响评估。	保护用户个人信息权益（查阅、复制、删除等），建立投诉举报机制。	协同： 中国《个保法》下的个人信息保护机制可作为欧盟合规的基础。 差距： 欧盟的“基本权利影响评估”（FRIA）是针对特定高风险场景的独特要求。
安全评估/备案	对高风险系统进行事前合规评定（CE认证），评估其是否符合《法案》所有技术和流程要求。	对具有舆论属性或社会动员能力的服务进行安全评估和算法备案，侧重内容安全。	差距： 评估的重点和标准完全不同。通过中国的算法备案不代表能通过欧盟的CE认证。

第六节：中国企业可操作的合规框架

本节将前述所有分析转化为一个具体的、分阶段实施的项目计划，旨在帮助企业系统性地应对挑战。

第一阶段：治理与评估（第1-3个月）

• 建立AI治理结构： 参照行业最佳实践，任命一个由法务、工程、产品和高级管理层组成的跨职能AI治理委员会 ¹⁹。其职责是制定公司范围内的AI原则、监督合规工作并做出关键决策。

• 开展AI系统盘点： 全面梳理企业内部所有已部署和计划开发的AI系统，建立一份动态清单。

• 风险分类： 使用第二节中的标准，对清单上的每个系统进行初步的风险分类，识别出哪些属于禁止、高风险、有限风险或最低风险类别。这是后续资源分配的基础。

第二阶段：运营整合（第4-12个月）

• 将合规嵌入AI开发生命周期（MLOps）： 这是最关键的一步。将合规检查点（如数据质量扫描、偏见测试、文档完整性检查）作为自动化门禁，集成到持续集成/持续部署（CI/CD）流水线中。采纳如MLOps Stack Canvas和CRISP-ML(Q)等框架，将合规从人工审查转变为系统化、可重复的工程实践 ⁷。

• 开发技术文档模板： 根据第11条的要求，创建标准化的技术文档模板，确保所有高风险系统文档的一致性和完整性，降低后期整理的成本。

• 实施数据治理协议： 将第10条的数据治理要求操作化，引入或开发用于数据血缘追踪、版本控制和自动化偏见检测的工具。

第三阶段：文档化与验证（第13-18个月）

• 构建技术档案： 针对每个被划分为高风险的系统，基于第二阶段创建的模板和运营输出，正式汇编完整的技术档案。

• 进行模拟审计： 在正式提交合规评定前，聘请内部或第三方审计师进行模拟审计，以提前发现和弥补差距 ¹⁹。

• 准备注册与CE标志： 启动指定欧盟授权代表的流程，准备《欧盟符合性声明》，并为在欧盟数据库中注册系统做好准备。

关于利用现有中国合规框架的战略指导

企业应充分利用为满足中国监管（如算法备案）而准备的工作。例如，为中国算法备案准备的文档可以作为欧盟技术档案的起点，但必须清楚地标示出需要进行重大扩展的领域，尤其是基本权利影响分析、偏见缓解措施的详细说明以及持续风险管理的证据。

第四部分：执法与战略展望

本最后部分旨在强调《法案》的严肃性，并展望未来，将合规定位为一种战略必需品，而非单纯的成本中心。

第七节：不合规的高昂代价：罚款与执法

《法案》设立了严厉的罚款机制，旨在形成强大的威慑力。其金额之高，足以对任何大型企业的财务状况构成实质性威胁。

罚款结构解析

罚款金额与违法行为的严重程度直接挂钩，具体分为几个层级：

• 最高3500万欧元或全球年营业额的7%（以较高者为准）： 适用于违反禁止性AI实践（第5条）的行为。这是最高级别的罚款，反映了对此类行为的零容忍态度 ¹。

• 最高2000万欧元或全球年营业额的4%（以较高者为准）： 适用于违反《法案》中其他多项核心义务的行为，包括数据治理、技术文档、透明度等高风险系统的关键要求 ¹。

• 最高750万欧元或全球年营业额的1.5%（以较高者为准）： 适用于向监管机构提供不正确、不完整或误导性信息的行为 ²。

值得注意的是，虽然《法案》对中小型企业（SMEs）和初创企业规定了较低的罚款上限，但对于大型中国企业而言，将始终面临上述罚款金额或全球营业额百分比中较高者的风险 ²。

执法机制

《法案》将建立一个双层执法结构：一个中央的欧盟人工智能办公室（AI Office）负责协调、监督具有系统性风险的GPAI模型以及制定标准；同时，每个欧盟成员国将指定国家主管当局，负责本国市场的监督、调查和执法 ²。

第八节：演进中的格局：为未来成功定位

预见“布鲁塞尔效应”

《法案》作为全球首部全面的人工智能综合性法律 ⁴，极有可能产生强大的“布鲁塞尔效应”，即其规则和标准将被世界其他国家和地区借鉴，逐渐成为事实上的全球AI治理黄金标准，正如GDPR在数据隐私领域所产生的影响一样 ²。因此，早期、全面地实现合规，不仅是进入欧盟市场的门票，更可能成为一项显著的全球竞争优势。

将合规转化为“可信赖AI”品牌

能够以可验证的方式证明其AI系统合规、安全、公平和符合道德的企业，将在客户、合作伙伴和监管机构中建立起巨大的品牌信任。在合规方面的投资，最终可以转化为市场准入、客户忠诚度和高端品牌定位的丰厚回报。

前路展望

《法案》并非一成不变的静态文本。欧盟委员会被授予权力，可以根据技术和市场的发展，通过授权法案来更新被禁止的实践清单和高风险系统列表 ²。因此，企业必须将合规视为一个持续监控和适应的动态过程，而非一次性的项目。建立灵活的治理和技术架构，以应对未来法规的演变，将是保持长期竞争力的关键。

引用的著作

1. 欧盟人工智能法案： 指南 - Bird & Bird, 访问时间为 七月 31, 2025， https://www.twobirds.com/-/media/new-website-content/pdfs/capabilities/artificial-intelligence/eu-ai-act-guide-chinese-version.pdf

2. 什么是《欧盟AI 法案》？ - IBM, 访问时间为 七月 31, 2025， https://www.ibm.com/cn-zh/think/topics/eu-ai-act

3. 丁晓东：人工智能风险的法律规制——以欧盟《人工智能法》为例 - 民商法律网, 访问时间为 七月 31, 2025， https://www.civillaw.com.cn/t/?id=39890

4. 拜登限制部分数据向中国跨境传输，中美欧人工智能法律法规对比, 访问时间为 七月 31, 2025， https://pdf.dfcfw.com/pdf/H3_AP202403041625385287_1.pdf?1709571209000.pdf

5. 欧盟《人工智能法案》：未雨绸缪，抑或为时过早？, 访问时间为 七月 31, 2025， https://www.iiss.pku.edu.cn/__local/F/9C/D7/534E4CED029D314063D83DC6F75_EA4010C5_A2DBC.pdf

6. 《欧盟AI 法案》合规解读:机遇与挑战并存 - Protiviti, 访问时间为 七月 31, 2025， https://www.protiviti.com/sites/default/files/2025-04/interpretation-of-eu-ai-act_cn.pdf

7. 人工智能工程师应对欧盟人工智能法案的指南 - O’Reilly Media, 访问时间为 七月 31, 2025， https://www.oreilly.com/library/view/ren-gong-zhi-neng-gong-cheng-shi-ying-dui-ou-meng-ren-gong-zhi-neng-fa-an-de-zhi-nan/9798341662797/preface01.html

8. 7.实现可信的通用人工智能和生成式人工智能- 人工智能工程师应对 …, 访问时间为 七月 31, 2025， https://www.oreilly.com/library/view/ren-gong-zhi-neng-gong-cheng-shi-ying-dui-ou-meng-ren-gong-zhi-neng-fa-an-de-zhi-nan/9798341662797/ch07.html

9. 《生成式人工智能服务安全基本要求》要点解析 - King & Wood Mallesons, 访问时间为 七月 31, 2025， https://www.kwm.com/cn/zh/insights/latest-thinking/key-takeaways-of-china-s-basic-requirements-for-the-security-of-generative-ai-services.html

10. China’s New Regulations on Generative AI | 中国新的生成式人工智能管理规定, 访问时间为 七月 31, 2025， https://www.eversheds-sutherland.com/en/south-africa/insights/chinas-new-regulations-on-generative-ai

11. 人工智能（AI） 国际金融监管初探, 访问时间为 七月 31, 2025， https://assets.kpmg.com/content/dam/kpmg/cn/pdf/zh/2024/09/artificial-intelligence-international-financial-regulation-preliminary-study.pdf

12. 生成式人工智能服务管理暂行办法-中国法律检索系统 - 北大法宝, 访问时间为 七月 31, 2025， https://law.pkulaw.com/chinalaw/6dc227b9153496c2bdfb.html

13. 专家解读｜推动生成式人工智能精细化治理 - 中央网信办, 访问时间为 七月 31, 2025， https://www.cac.gov.cn/2023-07/13/c_1690898363806525.htm

14. 生成式人工智能服务管理暂行办法_国务院部门文件 - 中国政府网, 访问时间为 七月 31, 2025， https://www.gov.cn/zhengce/zhengceku/202307/content_6891752.htm

15. 专家解读｜构建面向AI时代的数据治理新生态 - 中央网信办, 访问时间为 七月 31, 2025， https://www.cac.gov.cn/2023-08/29/c_1694965943882536.htm

16. 全国网络安全标准化技术委员会技术文件生成式人工智能服务安全基本要求, 访问时间为 七月 31, 2025， https://www.tc260.org.cn/upload/2024-03-01/1709282398070082466.pdf

17. 《生成式人工智能服务管理暂行办法》答记者问, 访问时间为 七月 31, 2025， https://www.mps.gov.cn/n6557563/c9113616/content.html

18. 《生成式人工智能服务管理暂行办法》要点及影响——人工智能和算法系列文章（五） - 君合, 访问时间为 七月 31, 2025， https://www.junhe.com/legal-updates/2219?locale=zh

19. 毕马威全球财务智能化调研报告, 访问时间为 七月 31, 2025， https://assets.kpmg.com/content/dam/kpmg/cn/pdf/zh/2024/12/kpmg-global-ai-in-finance-report.pdf