EU AI Act 2026 首次修订深度解读:数字综合法案如何重塑全球 AI 治理

2026 年 5 月 7 日,欧盟理事会、欧洲议会和欧盟委员会的谈判代表就 《数字综合法案》(Digital Omnibus)中的人工智能部分 达成了临时协议。这是自 2024 年 6 月《欧盟 AI 法案》(Regulation (EU) 2024/1689)通过以来的首次正式修订。

为什么这次修订如此重要? 《欧盟 AI 法案》自 2024 年生效以来,被公认为全球第一部综合性 AI 监管立法,直接影响了中国、美国、英国、巴西等 30 多个国家的 AI 立法方向。但原法案在实施过程中暴露了三个关键问题:第一,合规时间线过于紧迫--大量企业在 2026 年 8 月的高风险 AI 系统截止日期前无法完成合规准备;第二,高风险 AI 系统的定义过于宽泛--许多实际上风险较低的应用被纳入了最高级别的监管范围;第三,中小企业合规成本过高--文档要求和技术标准对中小型企业构成了不成比例的负担。

Digital Omnibus 的核心回应:2026 年 5 月的临时协议针对上述三个问题进行了精准修订--延期 16 个月将高风险合规截止日期从 2026 年 8 月推迟到 2027 年 12 月、收窄高风险定义将部分应用类别从高风险清单中移除、简化中小企业合规文档为 500 人以下企业提供简化流程。

AI Master 核心观点:欧盟 AI 法案的这次修订不是"放松监管",而是"精准监管"。它反映了一个重要认知--过度监管会扼杀创新,但监管不足会损害公众信任。欧盟正在寻找一个平衡点:既保护基本权利,又不让欧洲在 AI 竞赛中掉队。这一平衡点的选择,将影响全球 AI 治理的未来方向。

本次修订最受关注的变更是将 Annex III 高风险 AI 系统的合规截止日期从 2026 年 8 月 2 日推迟到 2027 年 12 月 2 日--整整 16 个月的延期。

Annex III 涵盖的领域包括:招聘和员工管理(如 AI 简历筛选系统)、教育和职业培训(如 AI 评分系统)、基本服务的访问和享受(如 AI 信用评分、保险定价)、执法(如 AI 风险评估工具)、移民和边境管理(如 AI 签证审批系统)、司法和民主流程(如 AI 辅助判决系统)。

延期前的时间线:根据 2024 年原法案,高风险 AI 系统的合规义务本应在法案生效后 24 个月(即 2026 年 8 月 2 日)生效。这意味着所有在上述领域部署 AI 系统的组织,必须在 2026 年 8 月前完成风险评估、技术文档准备、质量管理体系建立、上市后监管等一系列合规工作。

延期后的新时间线:临时协议将这一截止日期推迟了 16 个月,给了企业到 2027 年 12 月的准备窗口。这一延期是基于欧盟委员会收到的大量行业反馈--超过 80% 的受访企业表示在 2026 年 8 月前无法完成合规准备,特别是中小企业和初创公司。

关键时间点完整梳理:

延期对行业的影响是双面的:一方面,企业获得了更多时间建立合规体系、聘请合规专家、完善技术文档;另一方面,延期可能导致部分企业在合规投入上产生惰性--认为"还有时间"而推迟行动。

AI Master 的建议是:把延期视为准备时间,而不是等待时间。 合规工作需要的时间往往超出预期--技术文档的编写、质量管理体系的建立、第三方审计的安排,每一项都需要数月。现在开始准备,到 2027 年 12 月才能有充分的合规保障。

Digital Omnibus 的另一项关键修订是收窄了 Annex III 中高风险 AI 系统的定义范围。这意味着一些原本被归类为高风险的 AI 应用,现在可能被降级为中风险或低风险,从而免除最严格的合规要求。

高风险定义收窄的具体措施(根据 EU AI Compass 和全球政策观察的分析):

第一,引入"实质性影响"标准。原法案对高风险的定义主要基于应用领域--只要在招聘、教育、执法等领域使用 AI,就自动被归类为高风险。修订后引入了"实质性影响"(material impact)的门槛--只有当 AI 系统的决策对人类的基本权利、健康安全、经济状况产生实质性影响时,才被归类为高风险。这意味着:

• 一个简单的 AI 简历排序工具(仅作为 HR 的参考建议,不直接决定面试邀请)可能不再属于高风险
• 一个 AI 信用评分系统(直接影响贷款利率和额度)仍然是高风险
• 一个 AI 课堂评分辅助工具(仅提供学习建议,不直接影响学生成绩)可能不再属于高风险

第二,排除"辅助决策"场景。修订明确将纯辅助性的 AI 系统排除在高风险范围之外--即那些仅为人类决策者提供参考信息、不直接做出具有法律或实际约束力决定的系统。这是一个重要区别:如果一个 AI 系统输出"建议拒绝贷款申请",但最终由人类信贷员做出决定,那么该系统可能不需要满足高风险合规要求。

第三,简化中小企业合规文档。修订为500 人以下企业创建了简化的合规文档流程--不需要像大企业那样准备完整的技术文档和合规报告,而是提供精简版文档。这一措施旨在降低中小企业的合规成本,避免合规负担扼杀创业创新。

争议与批评:这些收窄措施引发了部分隐私保护组织和公民社会团体的批评。他们认为:

• "实质性影响"标准过于模糊--什么算"实质性"?谁来判定?这给了企业自我解释的空间
• "辅助决策"排除条款可能被滥用--企业可以名义上将 AI 系统标为"辅助工具",但实际上高度依赖 AI 的输出做决定
• 删除了原法案中第 49 条的透明度保障条款--该条款要求即使在非高风险场景下,AI 系统也必须向用户披露其 AI 身份

AI Master 的分析立场:收窄高风险定义是一个务实的调整,但也带来了新的灰色地带。企业需要认真评估自己的 AI 系统是否仍然属于高风险--即使被排除在 Annex III 之外,仍然可能受到成员国层面的国内监管或 GDPR 的约束。最安全的做法是按照高风险标准进行合规准备,即使法律上可能不需要。

为了帮助企业进行 AI 系统风险分类,以下是一个简化的 Python 工具脚本示例,基于修订后的 EU AI Act Annex III 清单和「实质性影响」标准。

这个脚本可以帮助企业快速评估自己的 AI 系统是否属于高风险类别--虽然它不能替代专业的法律评估,但可以作为初步筛查工具。

使用说明:将你的 AI 系统的基本信息输入检查清单,脚本会根据 Annex III 领域列表和实质性影响标准进行初步评估。评估结果为「高风险」「辅助决策」或「低风险」三个等级。

# EU AI Act 风险分类检查清单
from dataclasses import dataclass
from enum import Enum

class RiskLevel(Enum):
    HIGH = "高风险"
    AUXILIARY = "辅助决策"
    LOW = "低风险"

@dataclass
class AISystemAssessment:
    name: str
    domain: str  # 应用领域
    makes_direct_decision: bool  # 是否直接做出有约束力的决定
    affects_fundamental_rights: bool  # 是否影响基本权利
    affects_health_safety: bool  # 是否影响健康安全
    affects_economic_situation: bool  # 是否影响经济状况
    has_human_oversight: bool  # 是否有人类监督机制
    company_size: int  # 员工人数

    def assess(self) -> RiskLevel:
        """基于修订后的 EU AI Act 进行风险分类"""
        # Annex III 高风险领域列表
        high_risk_domains = [
            "招聘", "员工管理", "教育", "职业培训",
            "信用评分", "保险", "执法", "移民管理",
            "司法", "民主流程", "医疗", "关键基础设施"
        ]

        # 不在 Annex III 领域 -> 低风险
        if self.domain not in high_risk_domains:
            return RiskLevel.LOW

        # 检查是否产生实质性影响
        material_impact = (
            self.affects_fundamental_rights or
            self.affects_health_safety or
            self.affects_economic_situation
        )

        # 实质性影响 + 直接决策 -> 高风险
        if material_impact and self.makes_direct_decision:
            return RiskLevel.HIGH

        # 实质性影响 + 辅助决策 -> 辅助决策级别
        if material_impact and not self.makes_direct_decision:
            return RiskLevel.AUXILIARY

        # 无实质性影响 -> 低风险(即使在高危领域)
        return RiskLevel.LOW

# 使用示例
loan_assessment = AISystemAssessment(
    name="AI 信用评分系统",
    domain="信用评分",
    makes_direct_decision=True,
    affects_economic_situation=True,
    has_human_oversight=False,
    company_size=200,
    affects_fundamental_rights=False,
    affects_health_safety=False
)
print(f"{loan_assessment.name}: {loan_assessment.assess().value}")
# 输出:AI 信用评分系统: 高风险

# GPAI 合规义务检查清单
class GPAIComplianceCheck:
    """GPAI 模型合规义务评估"""

    def __init__(self, model_name: str, training_flops: float,
                 company_size: int, is_open_source: bool):
        self.model_name = model_name
        self.training_flops = training_flops  # 训练算力 FLOPs
        self.company_size = company_size
        self.is_open_source = is_open_source

    def get_obligations(self) -> list[str]:
        """返回适用的合规义务"""
        obligations = []

        # 基础义务(所有 GPAI)
        obligations.extend([
            "技术文档",
            "信息透明",
            "版权合规",
        ])

        # 系统性风险 GPAI
        if self.training_flops > 1e25:
            obligations.extend([
                "模型评估 + 对抗测试",
                "严重事件跟踪",
                "年度合规报告",
                "网络安全保护",
            ])
            risk_level = "系统性风险"
        else:
            risk_level = "基础 GPAI"

        # 中小企业简化
        if self.company_size <= 500:
            obligations.append("简化文档流程")

        # 开源例外
        if self.is_open_source:
            obligations.append("检查开源例外条款适用性")

        return obligations

# 使用示例
check = GPAIComplianceCheck(
    model_name="自定义基础模型",
    training_flops=5e25,  # 超过 10^25 FLOPs
    company_size=300,  # 中小企业
    is_open_source=False
)
for obs in check.get_obligations():
    print(f"  - {obs}")

很多人误以为 Digital Omnibus 是一次"放松监管"的修订。事实恰恰相反--在收窄部分高风险定义的同时,修订也新增了若干禁止性 AI 实践,强化了对特定高风险场景的管控。

新增的禁止 AI 实践(根据 Council 和 Parliament 的临时协议):

第一,基于多模态生物特征识别的大规模监控。原法案已经禁止了实时远程生物特征识别(如街头面部识别),但修订进一步扩大了禁止范围--将多模态生物特征识别(同时使用面部、步态、声纹、指纹等多种生物特征进行识别)的大规模监控纳入禁止清单。这反映了对多模态 AI 技术发展的监管预判:当 AI 可以同时使用多种生物特征进行识别时,监控的精确度和侵犯性将远超单一模态。

第二,基于情感识别的雇佣和保险决策。修订明确禁止使用 AI 情感识别系统(通过面部表情、语音语调、生理信号等推断个人情绪状态)来进行雇佣决策(招聘、晋升、解雇)和保险决策(保费定价、理赔判定)。这一禁令基于一个核心科学争议:AI 情感识别的科学有效性仍然存疑--多项研究证明,面部表情与真实情绪状态之间的关联远不如商业宣传所声称的那样可靠。

第三,针对弱势群体的预测性警务。修订禁止使用 AI 预测性警务系统针对未成年人、难民、无家可归者等弱势群体进行风险评估和执法优先级排序。这一禁令反映了对算法偏见和系统性歧视的深刻担忧--历史数据中固有的偏见(如少数族裔更高的逮捕率)会被 AI 模型放大,导致对弱势群体的过度执法。

这些新增禁令的意义在于:它们表明欧盟的 AI 监管不是一次性的立法行为,而是一个持续演进的治理过程。随着技术发展和认知深化,监管框架会不断调整--既要放宽不合理的过度监管,也要收紧对新发现的风险领域的管控。

与原法案禁止清单的对比:

通用 AI 模型(General-Purpose AI Models,GPAI)--即像 GPT-4、Claude、Gemini 这样的基础大模型--在 EU AI Act 中受到专门监管。Digital Omnibus 对 GPAI 的合规义务也进行了调整。

GPAI 义务的基本框架(2025 年 8 月 2 日已生效,不受延期影响):

• 技术文档:提供模型的训练数据、架构、训练方法、评估结果的详细文档
• 信息透明:向下游部署者提供模型能力、局限性和使用说明
• 版权合规:提供训练数据的版权摘要,遵守欧盟版权法
• 系统级风险评估:对于具有系统性风险的 GPAI(定义为训练算力超过 10 的 25 次方 FLOPs),需要进行额外的系统级风险评估和缓解措施

Digital Omnibus 对 GPAI 的调整:

• 简化中小企业 GPAI 提供者义务--500 人以下的 GPAI 提供者可以享受简化文档流程
• 新增开源 GPAI 的例外条款--某些开源基础模型可能获得部分义务豁免,具体取决于模型的部署方式和影响范围
• 强化模型溯源要求--GPAI 提供者需要建立更完善的数据溯源机制,确保训练数据的来源可追踪

GPAI 对中国 AI 企业的影响尤为显著。DeepSeek V4、Kimi K2.6、Qwen3.7-Max 等中国基础模型如果想在欧盟市场提供服务,同样需要满足 GPAI 合规要求--包括技术文档、版权合规、透明度义务。对于开源模型(如 Qwen 系列),需要密切关注"开源 GPAI 例外条款"的具体适用范围。

系统性风险 GPAI 的特殊要求:具有系统性风险的 GPAI 除了基础义务外,还需要:

1. 进行模型评估和对抗性测试
2. 跟踪和记录严重事件
3. 向欧盟委员会提供年度合规报告
4. 确保足够的网络安全保护

截至 2026 年 5 月,GPT-4/4.5/5.5、Claude Opus 4.7、Gemini 3.5 Pro 等旗舰模型几乎肯定属于"系统性风险 GPAI"类别,而部分中小型模型(如 Flash 类模型)可能只需要满足基础义务。

EU AI Act 的影响力远超欧盟边界。作为全球第一部综合性 AI 监管立法,它正在通过布鲁塞尔效应(Brussels Effect)--即欧盟标准通过市场力量成为全球事实标准--塑造全球 AI 治理格局。

对中国 AI 企业的影响:

• 出口合规:任何在欧盟市场部署 AI 系统的中国企业(如跨境电商的推荐系统、智能硬件中的 AI 功能、企业 SaaS 的 AI 模块)都需要满足 EU AI Act 的要求。DeepSeek、Kimi、Qwen 等基础模型如果提供面向欧盟的服务,也需要满足 GPAI 合规要求。
• 监管互认:中国正在制定自己的 AI 立法框架(如《人工智能法》草案),EU AI Act 的修订可能影响中国立法的方向和时间表。两个司法管辖区之间的监管协调程度,将直接影响跨国 AI 企业的合规成本。
• 开源生态:Qwen 等开源模型的欧盟合规状态取决于"开源 GPAI 例外条款"的具体设计。如果开源模型能获得部分豁免,将有利于中国开源 AI 在欧盟市场的推广。

对美国 AI 企业的影响:

• OpenAI、Anthropic、Google 等美国巨头已经在 EU AI Act 框架下进行合规准备。Digital Omnibus 的延期给了它们更多时间,但并未改变合规方向。
• 美国联邦层面的 AI 立法仍处于碎片化状态--各州有自己的 AI 法规(如加州 AI 安全法案、科罗拉多 AI 消费者保护法)。EU AI Act 的修订可能促使美国加速联邦层面的统一立法。
• 特朗普推迟 AI 行政令(2026 年 5 月报道)--美国联邦政府在 AI 监管上的立场与欧盟形成鲜明对比。这种监管差异可能导致"监管套利"--AI 公司选择在监管更宽松的地区部署有争议的应用。

对其他国家和地区的影响:

• 英国:脱欧后采取了"亲创新"的 AI 监管策略--不制定综合性立法,而是通过现有监管机构在各自领域管理 AI。EU AI Act 的修订可能促使英国重新评估其策略。
• 巴西:正在审议 AI 立法草案,直接参考了 EU AI Act 的框架。
• 加拿大:《人工智能与数据法案》(AIDA)的立法进程受到 EU AI Act 的显著影响。
• 日本:采取了"软法"策略--通过行业指南而非立法来管理 AI。

全球 AI 治理的三种模式对比:

基于 Digital Omnibus 的最新修订,以下是 AI 企业的合规行动清单,按优先级排序。

第一步:风险分类(2026 Q3 完成)

• 盘点企业所有在用和计划部署的 AI 系统
• 根据修订后的 Annex III 清单,逐一评估每个系统是否属于高风险
• 对于可能被排除在高风险之外的系统,进行"实质性影响"论证
• 输出:AI 系统风险分类清单

第二步:差距分析(2026 Q4 完成)

• 对照 EU AI Act 的要求,评估每个高风险 AI 系统的合规差距
• 重点关注:技术文档完整性、质量管理体系、数据治理、透明度义务、人工监督机制
• 输出:合规差距报告 + 整改计划

第三步:合规体系建设(2027 Q1-Q2 完成)

• 建立或完善 AI 治理委员会
• 制定 AI 风险管理流程
• 建立技术文档编写和维护机制
• 部署 AI 系统的监控和日志基础设施
• 输出:合规体系运行 + 文档体系

第四步:预审计(2027 Q3 完成)

• 聘请第三方审计机构进行预合规审计
• 根据审计结果进行整改
• 输出:预审计报告 + 整改记录

第五步:正式合规(2027 Q4 完成)

• 确保所有高风险 AI 系统在 2027 年 12 月 2 日前满足全部合规要求
• 向监管机构提交合规声明(如适用)
• 输出:合规确认

中小企业简化流程:如果企业员工人数在 500 人以下,可以享受简化的合规文档流程--但简化不等于免除,核心义务(技术文档、风险管理、人工监督)仍然需要满足。

EU AI Act 的罚款体系按违规类型分级,最高罚款达到 3500 万欧元或全球年收入的 7%(取较高者)--这是目前全球最严厉的 AI 监管罚款体系。

罚款分级:

执法机制:每个欧盟成员国的指定监管机构负责在本国范围内执行 EU AI Act。这意味着:

• 在法国部署的 AI 系统由法国监管机构执法
• 在德国部署的 AI 系统由德国监管机构执法
• 不同成员国的执法力度和优先级可能存在差异

欧盟 AI 办公室(EU AI Office)作为协调机构,负责跨成员国的执法协调和 GPAI 的系统性风险监管。对于跨多个成员国的 AI 系统,AI 办公室可以牵头联合执法。

与 GDPR 的对比:GDPR 的最高罚款是 2000 万欧元或 4% 年收入。EU AI Act 在禁止性实践的罚款上超过了 GDPR(7% vs 4%),反映了对 AI 风险的更高关注度。

对中国企业的特别提示:即使企业在欧盟没有实体存在,只要其 AI 系统的输出在欧盟使用,就受到 EU AI Act 的管辖。这意味着中国的 AI 企业如果在欧洲有客户或用户,需要评估合规风险。

基于 Digital Omnibus 的首次修订和全球 AI 立法动态,以下是对未来两年 AI 治理趋势的预判。

趋势一:监管的"精准化"成为主流。EU AI Act 的首次修订表明,AI 监管正在从"一刀切"转向"精准监管"--根据实际风险等级调整监管强度,而非简单地按应用领域分类。预计其他国家的 AI 立法也会采纳类似的精细化思路。

趋势二:合规工具市场快速增长。随着 EU AI Act 合规截止日期的临近,AI 合规工具市场将迎来爆发式增长--包括自动化合规评估工具、技术文档生成工具、模型审计工具、数据治理平台等。预计 2027 年 AI 合规工具市场规模将超过 50 亿美元。

趋势三:AI 治理的国际协调加速。欧盟、美国、中国、英国等主要司法管辖区正在探索 AI 监管的国际协调机制--类似于 WTO 之于贸易、Basel 之于银行监管。G7 的"广岛 AI 进程"、联合国 AI 咨询机构、OECD 的 AI 原则框架,都在推动全球 AI 治理标准的趋同。

趋势四:开源 AI 的监管框架成型。Digital Omnibus 新增的"开源 GPAI 例外条款"代表了监管框架对开源模式的适应性调整。预计未来 2 年将形成更完善的开源 AI 治理框架--在鼓励开源创新的同时,确保开源模型不会成为监管规避的工具。

趋势五:AI 安全从"伦理"走向"工程"。EU AI Act 的执法框架表明,AI 安全不再是伦理讨论的范畴,而是工程实践的要求--技术文档、测试报告、审计记录、监控日志,这些都是工程化而非伦理化的产物。预计 AI 安全将从"哲学问题"转变为"工程问题",催生新的工程学科--AI 安全工程。

EU AI Act 的首次修订(Digital Omnibus on AI)是 AI 治理史上的一个重要节点。它既不是"放松监管",也不是"加强监管"--而是监管框架走向成熟的标志:从初期的"宁可严不可松"转向了"精准平衡"。

欧盟的选择反映了其对 AI 治理的核心理念:技术必须服务于人类利益。这意味着:

• 允许 AI 创新,但不允许创新以牺牲基本权利为代价
• 鼓励 AI 发展,但要求开发者为 AI 的行为负责
• 支持 AI 应用,但确保人类对关键决策保持最终控制权

对中国 AI 行业的启示:中国的 AI 产业发展速度和规模在全球领先,但 AI 治理框架仍在建设中。EU AI Act 的经验和教训--包括其初期的过度严格和修订后的精准调整--为中国立法者提供了宝贵的参考。中国需要在促进 AI 产业发展和保护公众利益之间找到自己的平衡点。

对全球 AI 开发者的信息:合规不是负担,而是竞争力。在 AI 信任日益重要的时代,能够满足最高合规标准的 AI 产品,将在市场上获得更大的信任和价值。EU AI Act 的合规不是"不得不做"的义务,而是"应该做好"的投资。

最终的观点:AI 治理不是一次立法就能解决的问题,而是一个持续的、动态的过程。Digital Omnibus 的首次修订只是开始--随着技术的发展和认知的深化,治理框架会继续调整。关键是建立灵活但有底线的治理框架:灵活性让创新有空间,底线让公众有信心。