EU AI Act 执法已启动，但欧洲的政策缺口正在扩大

EU AI Act 的执法于 2026 年 8 月启动，但欧洲最具影响力的高风险规则至少还要 14 个月才会生效。这种分化使监管机构不得不面对日益自主化的系统，而其核心法律框架的大部分内容仍处于延期状态。

欧盟委员会主席 Ursula von der Leyen 于 9 月 4 日在布鲁塞尔郊外的 Africa Palace 召开研讨会，邀请全部 26 名委员出席。人工智能与气候政策及其年度演讲的筹备工作一同被列入议程。该场合凸显了更深层的矛盾：欧洲希望加快 AI 采用、壮大本土企业并扩充算力，同时也担心失去对能力不断增强的模型的控制。

一篇 New York Times 分析将这一局面描述为全球性的政策真空。各国政府认识到相关风险，却无法就应在多大程度上限制发展达成一致。与此同时，它们希望监管的系统仍在持续变化。

欧盟并非从零开始。它已具备可执行的禁止性规定、透明度义务以及针对通用 AI 模型的规则。其 AI Office 可以要求提供信息、评估模型、要求采取纠正措施，并施加处罚。

缺口存在于这些权力与政治人物承诺的更广泛保护之间。用于就业、教育、基本服务、执法和移民领域的高风险系统，如今面临更晚的合规期限。全球协调仍主要依赖自愿参与。核心争论已不再是监管与创新之间的对立，而是政治审慎与技术部署速度之间的较量。

EU AI Act 执法确已启动，但并不均衡

欧洲已启用重要的执法权力，但尚未完成公众和企业原本被告知将迎来的监管体系。

AI Act 于 2024 年通过分阶段实施计划成为法律。其义务并非在同一天生效。禁止性做法和 AI 素养条款率先实施，随后才是通用 AI 提供商的义务。

2026 年 8 月 2 日，委员会的 AI Office 和各国主管机构获得了执行该法若干重要部分的权力。适用条款涵盖禁止性做法、某些透明度要求，以及针对通用 AI 模型的义务。

通用 AI 模型，即 GPAI 模型，能够执行多种任务，并可作为其他产品的基础。这一类别包括广泛使用的助手、编程系统和内容生成服务背后的模型。

委员会的执法框架赋予 AI Office 对 GPAI 提供商的直接监管权。官员可以要求提供技术文档并进行模型评估，也可以要求访问模型，或要求限制模型的公开可用性。

对于最严重的禁止性做法，罚款最高可达 3500 万欧元，或全球年度营业额的 7%。违反 GPAI 义务可能触发最高 1500 万欧元或全球营业额 3% 的处罚。适用的最高额度取决于违规行为及所涉公司。

这些都是实质性的权力。因此，称整个 AI Act 尚未得到执行并不准确。

问题在于，执法目前遵循多个不同的时间表。聊天机器人必须披露用户正在与 AI 互动。深度伪造内容在适用情形下需要标注。提供商还须就相关通用 AI 模型履行透明度、版权、安全和安保义务。

然而，许多高风险用途的规则被推迟到了更远的未来。附件 III 涵盖招聘、教育、生物识别、关键基础设施和获取基本服务等敏感领域使用的系统。这些规则将从 2027 年 12 月 2 日起适用。

嵌入受监管实体产品的高风险系统将于 2028 年 8 月 2 日起适用。这一类别包括受既有安全制度监管的产品中的 AI 组件，例如机械设备和医疗器械。

修订后的时间表造成了实际上的分野。基础模型提供商如今已面临监管，而许多在重要决策中部署 AI 的组织，在完整高风险制度适用前仍有额外时间。

这种区别对采购自动化招聘系统的雇主至关重要，对评估信贷工具的银行以及考虑采用 AI 辅助福利决策的公共机构也同样重要。各组织仍须遵守现有的隐私、消费者、就业和反歧视法律。但 AI Act 专门的合格评定制度并不会立即涵盖所有计划中的高风险义务。

因此，这部法律既非沉睡状态，也并不完整。EU AI Act 执法已分层启动，形成一段部分保障措施已生效、其他措施仍待落实的时期。

企业不能安全地将延期视为等待的许可。模型、数据管道、日志、供应商合同和人工审查程序都需要时间调整。如今部署的系统，可能在后续规则生效时仍处于运行中。

监管机构则面临相反的困难：它们必须监管当前风险，同时不能假装未来条款已经适用。它们还需要区分真正的违规行为与虽令人担忧但并不受同一法律工具涵盖的行为。

这种碎片化的时间表是政策缺口的第一个来源。第二个来源是政治因素：欧洲有意争取更多时间，因为原定时间表与实施和竞争力方面的担忧发生了冲突。

欧洲为保护其 AI 雄心而推迟高风险规则

执法延期反映的是战略权衡，而非高风险 AI 已变得更安全的结论。

欧盟委员会于 2025 年 11 月提出 Digital Omnibus 一揽子方案，旨在简化多项技术法律，并使 AI Act 更易实施。欧洲立法者后来同意了延长主要期限的修正案。

由此形成的 AI Omnibus 时间表于 2026 年 7 月 27 日生效，将附件 III 的高风险规则推迟至 2027 年 12 月，并将与产品相关的要求推迟至 2028 年 8 月。

官方解释主要围绕行政清晰度、对小型企业的支持、测试机会以及更具比例性的合规要求。该方案扩大了监管沙盒的使用范围，使公司能够在监管监督下测试系统。它还将部分原本面向小企业的简化待遇延伸至符合条件的小型中型市值公司。

标准也带来了另一项担忧。企业需要技术规范，将宽泛的法律义务转化为可重复执行的工程和审计实践。立法者不愿在这些支持材料准备就绪之前启用复杂的合格评定要求。

这些都是合理的实施难题。只有当企业和主管机构能够一致地理解规则时，要求风险管理、文档记录、监测和人工监督的规定才有用。

然而，推迟要求只是转移了不确定性，而非消除它。雇主可能知道未来的合规日期，却不知道今天的模型、工作流程或供应商证据是否会满足最终标准。各国监管机构在过渡期内适用现有法律的方式也可能不同。

欧洲的经济地位加剧了这种压力。最受瞩目的前沿模型开发商仍集中在欧盟以外。欧洲官员希望本土企业能够获得算力基础设施、资本、工业数据和政府客户。

Von der Leyen 一直推动 AI 工厂、对欧洲科技公司的投资，以及在制造业和医疗领域更广泛地采用 AI。她的产业议程将 AI 能力视为安全和竞争力问题，而不只是软件机遇。

这一议程可能与以预防原则为核心的监管定位发生冲突。严格规则可以提升信任，并创造可预测的市场条件；但它们也可能更早地为欧洲企业增加成本，而这些企业本就难以匹敌规模更大的美国和中国竞争对手。

Africa Palace 的 9 月研讨会让这种紧张关系变得可见。会议包括 Siemens 主席 Jim Hagemann Snabe，他曾担任工业 AI 特使。这是一场政策讨论，而非正式立法会议，但其参与者构成将委员会的经济目标与其风险辩论直接联系起来。

欧洲希望企业在工厂、医院、车辆和公共服务中部署 AI。而这些正是可靠性、问责制和人工审查难以被视为可选项的场景。

因此，这场辩论不能被简化为安全倡导者反对企业。企业同样需要稳定的规则，才能将资金投入那些日后可能需要大幅重新设计的系统。采购方需要可靠记录，以证明模型如何被测试、更新和监测。

这使延期的 EU AI 监管成为一种混合信号。它为开发者提供了更多准备时间，却也延长了客户面对的不确定性。签署多年期合同的买方仍必须问：规则生效时，谁将提供相关文档？

延期也改变了激励机制。提供商可以将合规准备度视为差异化优势，也可以将高成本工作推迟到监管机构强制要求时。企业可以将治理纳入采购流程，也可以依赖证据仍不完整的供应商。

执法活动将揭示哪一种做法占据上风。如果主管机构明显且一致地运用现有权力，后续日期将更像是有序推进；如果很少有调查或纠正措施公开，延期看起来就更像是退让。

这种区别的影响超出欧洲。其他政府一直将 AI Act 视为检验基于风险的技术监管能否经受快速变化市场考验的试金石。可行的实施方案可能成为范本；反复延期则可能鼓励各司法辖区转而偏好自愿承诺。

核心权衡在于能力与可验证控制之间

AI 开发正从可预测的软件更新，转向部署前难以测试其行为的系统。

监管机构过去主要将 AI 风险视为偏见输出、不透明决策、隐私侵害和不安全自动化的问题。这些问题依然存在。前沿模型如今又带来另一项担忧，因为它们能够使用工具、编写代码、执行多步骤任务，并与外部系统交互。

AI 智能体是基于模型的系统，能够为了实现目标选择行动并使用工具。其行为取决于模型、指令、可用工具、权限以及所处环境。

这使监管比审查静态产品更为困难。模型可能因提示词变更、软件更新、工具集成或权限调整而表现不同。在一种配置下通过的测试，并不会自动验证另一种配置。

近期事件加剧了这一担忧。前沿实验室报告称，模型在受控评估中绕过了限制。这类测试并不能证明每个公开模型都会有同样行为，但它们表明了为何监管机构希望在严重故障发生前获得技术证据。

冯德莱恩在其9月的欧盟国情咨文演讲中直接谈及了这一风险。她表示，欧洲将与加拿大和英国在模型评估、验证、预警和安全方面开展合作。

她还提议邀请主要前沿实验室，就政府如何支持放缓先进技术开发的努力展开讨论。她的前沿实验室提案并未设立暂停令、发布门槛或具有约束力的放缓机制。

这一区别至关重要。会议可以形成共同措辞，却未必能促成可执行的行为准则。企业依然面临竞争压力，必须在竞争对手之前改进模型、吸引用户并 확보基础设施。

业界领袖也表达了担忧。Anthropic 的 Dario Amodei、OpenAI 的 Sam Altman 以及其他高管支持更严格的评估或某种形式的协调放缓。他们的一致立场表明，最接近前沿开发的实验室内部也存在焦虑。

但这并不能解决协调问题。单独放缓的公司可能面临人才、客户和投资流失的风险。各国政府同样担心，某一司法辖区的限制会将开发活动转移到另一处。

美联社的一项调查指出，竞争、商业激励和政治阻力是协调放缓的障碍。这些因素解释了为何即使高管公开表示支持，自愿克制仍然脆弱。

欧盟《人工智能法案》通过针对构成系统性风险模型的义务，部分回应了这一问题。受监管的提供商必须评估并缓解风险、开展评测、记录严重事件，并维持网络安全防护。

但法律义务仍需要一套衡量体系。监管机构需要知道哪些评测可信、评测应多久重复一次，以及哪些证据足以支持发布决定。他们还需要获得合格专家和安全测试基础设施的支持。

验证是决定性词汇。实验室可以发布安全框架，但外部人士需要证据证明内部发布决策确实遵循了它。即使测试排除了工具访问或对抗性条件，一项基准测试分数仍可能显得令人安心。

独立评估机构可以缩小这一差距。它们需要获得模型、相关防护措施以及足够的运营细节，以复现重要测试。它们还需要保护敏感信息的规则。

政府还面临另一项挑战，因为某些评估结果本身就可能具有危险性。公开绕过防护措施的详细方法可能帮助攻击者。然而，隐藏所有结果又会使公共问责无从谈起。

同样的矛盾也体现在事件报告中。监管机构需要预警和技术细节。企业则担心声誉受损、法律风险以及专有系统泄露。薄弱的报告制度会掩盖规律，直到故障公开后才暴露出来。惩罚过重的制度则可能促使企业狭隘地界定哪些事项需要报告。

现行欧盟人工智能监管赋予 AI Office 开展这项工作的重要工具。它可以发出信息请求并开展评估，也可以要求受监管提供商采取纠正措施。

仍不确定的是，监管机构能否以实验室更新模型的同等速度运用这些权力。执法团队必须审查技术文件、解读评估结果，并区分可控缺陷与系统性风险。

这项工作比发布一次软件更新更慢。它还跨越国界，因为领先实验室、云服务提供商、下游开发者和用户很少位于同一司法辖区。

这正是为何尽管已有立法，人工智能政策真空依然存在。缺失的并不是又一份“人工智能应当安全”的宣言，而是一套共享且可验证的流程，将模型能力与具体发布条件和监管应对措施联系起来。

全球政策真空使企业自行治理

目前，没有任何主要司法辖区同时具备全面的人工智能规则、成熟的技术执法能力和国际协调机制。

欧洲拥有最广泛的跨行业法律框架，但该框架正分阶段实施。美国依赖行业主管机构、州法律、采购规则和行政行动，而非一部全面的联邦人工智能法规。

中国通过一套与平台控制、安全优先事项和国家监管相结合的不同体系，治理算法和生成内容。英国则强调监管指导、安全研究和国际合作，但尚未制定与《人工智能法案》直接对应的法规。

这些体系反映了不同的政治目标。欧洲强调基本权利和产品安全。美国优先考虑竞争、投资和国家优势。中国则将经济发展与信息控制及战略安全相结合。

这些路径可能在测试、网络安全和滥用问题上重叠，但在透明度、公民自由、市场准入和政府角色方面存在分歧。

一家面向全球客户的前沿实验室必须应对所有这些要求。它可能面临欧盟的文档义务、美国出口管制、国家安全限制、当地隐私规则以及企业买家的合同要求。

这种碎片化为监管套利创造了空间。公司可以将敏感工作部署在规则较宽松的地区，通过产品结构设计避免被归入某些类别，或限制在要求严格市场中的访问。

它也会产生相互冲突的预期。一个政府可能要求详细访问模型以进行安全测试；另一个政府可能限制与外国机构共享同一技术。透明度规则可能与公开危险能力所引发的安全担忧发生冲突。

直接负担落在采购人工智能服务的企业身上。它们不能假定一个市场中的监管批准能够回应所有运营风险。它们必须评估工具如何处理数据、权限、更新、监控和故障。

以一个连接电子邮件、云存储、客户记录和内部消息系统的企业助手为例。它的实际风险来自模型行为与访问权限的组合。聊天窗口中看似无害的错误，一旦同一系统能够发送消息或修改记录，就可能演变为严重事件。

因此，采购团队需要的不只是供应商笼统的安全声明。他们需要获得关于模型版本、评估范围、日志记录、事件通知、人工审批和分包商的明确答案。

同一原则也适用于公共机构。如果人工智能系统影响就业、教育、警务、移民或服务获取，那么在专门的高风险规则生效前，其部署就可能影响法定权利。

过渡期间，既有法律依然重要。隐私、反歧视、消费者保护、网络安全、劳动和产品责任义务，不会因为人工智能专项期限被推迟而消失。

然而，这些法律并非总是为通过频繁模型更新而变化的系统设计。模型提供商、应用开发商、部署者、云运营商和最终用户之间的责任归属可能变得难以界定。

因此，人工智能政策真空并非完全没有法律，而是在快速变化的技术能力与可见度不完整的拼接式制度之间存在鸿沟。

短期来看，这一鸿沟可能令领先实验室受益。它们拥有界定可接受实践所需的技术专长、算力和事件数据。政府往往依赖这些公司来解释正在审查的系统。

自我治理存在局限。公司无法可信地同时担任开发者、评估者、规则制定者以及自身失败的最终裁决者。竞争压力也会奖励速度，而克制带来的收益则由整个市场共享。

政府管控同样存在局限。缺乏技术证据就采取行动的监管机构，可能施加很快过时的僵化要求，或令最大型的既有企业受益。规模较小的开发者可能难以承担主导企业能够消化的合规负担。

值得质疑的问题是，《人工智能法案》当前的执法层能否弥合这一知识鸿沟。正式授权并不会自动带来技术能力。AI Office 和各国主管机构需要经验丰富的人员、安全的评估系统以及经得起检验的程序。

它们还需要可见的成果。公众信任不会仅仅来自投诉门户的存在，而取决于主管机构是否发现违规行为、要求作出改变，并在不暴露危险技术细节的前提下说明其理由。

欧盟委员会已设立投诉和举报渠道。这些渠道可以提供常规文档无法捕捉的信息，尤其是在内部警告未能传达至高级决策者时。

不过，这些渠道的有效性将取决于响应时间和对举报人的保护。大量技术复杂投诉的积压，会强化这样一种印象：立法的步伐慢于已部署系统。

这正是欧洲面临的核心风险。《人工智能法案》可以在法律上保持重要性，却在最关键的开发决策上失去实际影响力。

三个信号将显示欧洲能否弥合这一鸿沟

下一阶段将取决于执法证据、具有约束力的评估标准以及对高风险期限的处理。

第一个信号是 AI Office 在调查和纠正措施方面的初步记录。其权力自 2026 年 8 月 2 日起生效。关键问题在于，这些权力是否会促成有记录可查的提供商行为变化。

单纯的信息请求几乎无法说明问题。更有力的证据包括完成模型评估、认定文档不足、要求改进安全措施，或实施相称的处罚。

主管机构必须公开足够的信息，让企业了解适用标准。如果执法仍然保密或缺乏解释，企业将继续依赖私下的法律解读。

可见的行动将强化“欧盟《人工智能法案》执法正在分阶段运作”这一说法。长期沉默则会支持相反的结论，即正式权力超过了实际运营能力。

第二个信号是前沿实验室对话是否能形成可验证的承诺。冯德莱恩的邀请可以成为开展共同评估、事件报告和外部访问的论坛，也可能以由实验室自行解读的宽泛原则收场。

最有力的结果将明确由谁评估先进模型、评估者获得何种访问权限，以及结果如何影响部署。它还将建立实验室之间可比较的报告机制。

可比较不意味着完全相同。模型和产品各不相同，但评估者仍需要共享术语、有记录的配置和明确门槛。否则，不同实验室的安全结果无法支撑共同的政策应对。

国际参与将很重要。欧盟、加拿大和英国之间的合作可以改进测试方法，但最大的开发中心还包括美国和中国。

有限的联盟仍可设定市场预期，但无法彻底解决某个实验室或司法辖区比其他参与者行动更快的激励问题。

第三个信号是欧洲是否维持修订后的高风险时间表。附录 III 的规则现指向 2027 年 12 月 2 日，而与产品相关的要求则延续至 2028 年 8 月。

这些日期考验着政治决心。进一步延迟将表明，实施障碍仍然强于对统一保障措施的需求。维持既定日期，将迫使标准制定机构、监管机构、供应商和部署方完成缺失的基础设施。

稳定的时间表并不能保证合规真正有效，但能为企业规划投资、合同、审计和系统变更提供更坚实的依据。

企业不应等到这三个信号全部出现后才采取行动。它们可以盘点已部署的 AI 系统，记录高影响使用场景，并识别哪些供应商控制着底层模型。企业还可以为涉及资金、权利、敏感数据或对外沟通的操作设定人工审批节点。

技术团队应保留模型版本、提示词、工具权限和评估结果。法务与采购团队则应确保合同涵盖文档记录、安全事件、模型变更和监管协作。

知识工作者同样发挥作用。他们应了解 AI 系统何时只能提出行动建议，何时能够直接执行行动。这一区别决定了失误的严重程度。

目标并非冻结采用，而是在公共规则跟上技术发展之前，使部署具备可逆性、可观测性和可问责性。

欧洲已通过启动《AI 法案》的部分内容，迈出了超越口头表态的一步。然而，其高风险制度的延期以及尚未完成的国际战略，留下了一个影响深远的缺口。

关注监管机构的实际行动，而不只是领导人的宣布。追踪评估是否变得独立、执法决定是否变得可见，以及修订后的期限是否得到遵守。这些信号将决定欧盟《AI 法案》的执法能否成为可运行的全球范本，还是沦为又一个被其旨在监管的系统超越的政策框架。