欧盟《AI 法案》透明度规则生效，但标签无法证明真相

2026 年 8 月 2 日，欧盟人工智能透明度规则开始适用，Google News 由此进入新的监管环境。这些规则要求围绕聊天机器人、合成媒体、深度伪造内容，以及部分由 AI 撰写的公共利益相关材料进行披露。然而，核心矛盾已然明确：识别出 AI 的参与，并不能自动证明某项说法准确、具有误导性，还是完全捏造。

这一区别对通过 Google News、搜索结果、社交信息流或 AI 生成摘要获取报道的人而言至关重要。机器可读水印可以揭示软件曾协助生成一张图像，却无法确认图中事件是否真实发生。披露信息可以表明某个聊天机器人是自动化系统，却无法证明其回答可靠。

欧盟正试图让合成内容在穿行于信息系统之前更容易被识别。Google 已通过其 AI 生成媒体水印系统 SynthID 提供了规模最大的技术应对方案之一。因此，真正的较量并非欧洲与 Google 之间的对立，而是可追溯内容的监管承诺与脆弱、碎片化来源信号这一技术现实之间的较量。

欧盟 AI 透明度规则究竟改变了什么

第 50 条将多项常见的 AI 披露做法转化为法律义务，但并未要求为所有 AI 使用情形设置一种通用标签。

欧盟委员会于 7 月发布最终指引，明确哪些提供商和部署者适用新要求。这些规则于 2026 年 8 月 2 日开始实施，是欧盟《人工智能法案》分阶段落地的一部分。

提供商是指开发 AI 系统，或以自身名义将其投放欧洲市场的主体。部署者则是指在自身权限下使用该系统的主体，不包括纯粹的个人活动。两者的区别决定了谁必须创建技术标记，以及谁必须向受众说明 AI 的使用方式。

直接与人互动的系统提供商必须明确说明这种互动，除非知情用户显然能够判断其自动化属性。这项义务涵盖服务聊天机器人、对话式助手，以及部分自动化信息界面等工具。

生成式系统的提供商还必须让合成音频、图像、视频和文本能够以机器可读格式被检测。法律文本规定，这些措施应当保持有效、可互操作、可靠且技术上可行。成本、内容类型和现有技术水平都会影响合规要求。

部署者承担独立的披露义务。他们必须告知接触到情绪识别或生物特征分类系统的人，也必须披露深度伪造内容以及部分涉及公共利益事项的 AI 生成材料。

公共利益规则存在一项重要例外：当人类对 AI 生成文本进行审阅，且个人或组织承担编辑责任时，该文本不需要进行同等披露。这一例外承认自动化发布与由负责任编辑参与的 AI 辅助新闻工作之间存在差异。

常规编辑也不会自动将文件转化为合成内容。拼写检查、格式调整和有限的语言润色，在未实质性改变材料含义或性质时，可能不适用该规则。

委员会的透明度指引提供了实践示例，旨在区分这些情形。它们是对法律文本的补充，而非替代。

这与 Google News 有关，因为该服务处于出版商与读者之间。它会为众多机构的公共利益报道建立索引、排序、聚合并呈现，也可能向用户展示受自动化系统影响的摘要、图像、标题及其他界面内容。

不过，第 50 条并未简单地规定 Google News 要为其结果中出现的每篇文章负责标注。责任取决于谁生成了内容、谁部署了相关系统，以及材料以何种方式触达用户。

这种价值链视角避免将每个分发者都视为原始创作者，但也带来了棘手的运营问题：当内容在生成工具、编辑、出版商、内容管理系统、聚合器和社交平台之间流动时，来源信号可能消失。

生成时存在的标记，只有在后续系统保留并解读它时才有价值。欧洲已将可追溯性设为法律预期，但尚未消除创作与发现之间的薄弱环节。

为什么 Google News 如今处于透明度测试之中

Google News 并非这些规则的唯一目标，但它是规则实际价值将变得可见的场景之一。

大多数读者不会检查文件元数据，也不会运行取证检测软件。他们是在标题、缩略图、推荐、通知或生成摘要中接触信息。因此，发现服务成为检验来源信息能否抵达普通用户的重要场所。

设想这样一种情况：一张在 Google 产品之外生成的伪造图像。某出版商上传时附带了披露信息，但另一家网站复制文件时去掉了原始标签。第三个账号又在将其附到误导性报道前，对图像进行了裁剪和压缩。最终，这张图像出现在新闻信息流的一则标题旁。

提供商侧水印只能解决这一链条中的部分问题。发现平台仍需要获取该信号、确信其含义，并通过清晰的用户界面传达相关信息。它还必须避免让用户以为未标记内容就一定真实。

最后这个问题尤其重要。正向水印能够表明兼容系统创建或修改了材料，但没有水印所能证明的内容少得多。该内容可能由人类制作、由不受支持的工具生成、元数据已被剥离，或经过处理后超出检测范围。

Google 多年来一直投入这一领域。其SynthID 系统会向受支持 Google 模型生成的内容嵌入不可感知信号。该技术覆盖图像、文本、音频和视频，尽管不同格式的实现与检测方式存在差异。

Google 还增加了验证功能，使用户能够检查受支持媒体中是否存在 SynthID 信号。由于这些工具会查找生成过程中嵌入的标记，因此比视觉猜测提供更强的证据。

不过，SynthID 主要是关于 Google 自身内容生成流程的证据。它无法充当针对每种模型、编辑应用程序或未知生成器的通用检测器。阴性结果绝不应被视为真实性证书。

这让 Google News 和类似服务同时面临两方面压力：监管机构希望获得有意义的披露，而用户希望得到关于材料是否可信的简单答案。这两种诉求并不相同。

平台可以准确报告未发现兼容的来源信号，但许多读者会将这一表述理解为材料真实的确认。因此，产品设计必须保留不确定性，而不是用令人安心的徽章将其掩盖。

出版商也承受着类似压力。他们需要留存记录，说明媒体的来源、哪些工具对其进行了修改，以及谁批准了发布。编辑团队还需要制定政策，在文件经过工作流程时保留技术凭证。

开发出版工具的人员还有另一项任务：他们必须防止调整尺寸、转码、导出设置或格式转换悄然删除有价值的来源信息，还需要找到方法区分无害的辅助功能与实质性的合成生成。

这种被迫做出的应对是运营层面的，而不仅是法律层面的。提供商、出版商和发现平台需要兼容的技术系统、编辑控制和易于理解的提示。隐藏在元数据中的披露，无法保护从未见到它的读者。

欧盟规则提高了最低预期。Google News 将有助于揭示，行业能否将这一预期转化为能够在整个分发链中存续的信息。

Google News 在水印技术上领先一步

Google 现有的来源技术赋予其优势，但这一优势并不能解决跨平台检测或编辑问责问题。

Google 在第 50 条适用前便为生成图像推出了 SynthID，之后又将该方法扩展至文本、视频和音频。该系统嵌入一种统计性或媒体层面的信号，兼容的检测工具可以识别。

对于图像和视频，该标记被设计为肉眼不可见，同时能在压缩、滤镜和中度裁剪等常见改动后继续保留。对于文本，水印会影响 token 的选择，这意味着模型选择的词语会携带可检测的统计模式。

这不同于可见标签。可见提示会告诉人们材料是合成的；不可见标记则为软件提供证据，表明参与该体系的生成器曾生成或修改内容。

两层机制都有价值。可见标签能够立即触达读者，而机器可读标记则可支持平台、研究人员和执法系统。但两层机制都无法在所有环境中可靠运作。

Google 还向其他开发者开放了部分 SynthID Text。这一步可以推动更广泛的采用，因为模型开发者无需从头发明全新的方法，而是可以在兼容的生成流程中集成水印。

欧盟的第 50 条文本刻意没有指定单一的必备技术。它允许使用水印、元数据、加密来源信息、指纹、日志记录及相关方法。

这种灵活性反映了各类内容不同的失效模式。图像水印可能因激进编辑而受损，文件元数据可能在上传或转换过程中消失，文本信号则可能因翻译、改写或短摘录而减弱。

它也避免让一家公司成为合成内容检测的强制性把关者。仅限 Google 的标准会让其他生成器产出的材料游离于系统之外。专有检测器也可能令独立审查变得困难。

更可信的路径是分层来源机制。生成文件可以同时携带嵌入式水印、签名创作凭证、服务端记录和可见披露。每一层都能弥补其他层的弱点。

Google 在 Gemini、YouTube、Search 和 Google News 中的布局，使这种分层方法能够在其产品内部实现。该公司可以标记受支持输出、保留凭证、呈现提示，并通过相互连接的界面提供验证。

然而，纵向整合也带来了自身的信任问题。同一家公司可以生成内容、检测自己的标记、对相关材料排序，并向用户呈现结论。因此，独立标准和第三方测试仍然必要。

Google 同样无法控制生成后的所有转换。用户可以截取屏幕截图、转录语音、重制图像，或要求另一模型改写文本。每一次转换都可能削弱最终产物与其原始来源之间的关联。

对 Google News 而言，最有用的输出或许因此是一份带有条件限定的来源声明。它可以说明存在兼容证据、识别与该证据关联的系统，并解释该信号无法证明什么。

这种表述不如一个绿色勾选标记令人满意，但也更准确。

这些规则将迫使竞争对手提供相当的能力。OpenAI、Anthropic、Meta、图像生成公司以及较小的模型提供商，都需要为受欧洲法规覆盖的用途制定可行的标记策略。

这种竞争性回应比任何单一 Google 功能都更重要。只有当不同的生成器、发布系统和分发平台能够交换并解读同一类基础证据时，来源信息才能在网络规模上发挥作用。

真正的权衡是可追溯性与可靠性

欧洲可以要求建立来源机制，但无法通过立法消除水印和检测技术本身的局限。

欧盟委员会委托进行了一项关于合成图像和视频标记与检测的技术评估。其结论较为审慎：多种方法展现出潜力，但没有任何一种能在所有场景中提供完整解决方案。

这份技术评估指出了效果、互操作性、隐私、可访问性和实施成本之间的权衡，也强调需要支持多模态系统和新兴标准。

这些结论解释了为何第 50 条包含“技术上可行”和“最先进水平”等表述。法律要求采取严肃措施，却并不假装一种不可摧毁的水印已经存在。

文本是一个尤其棘手的案例。语言模型可以调整词元选择，以形成统计特征。但另一个人或模型可以在保留原意的同时改写文本。

翻译也能产生同样的效果。摘要、重组，或将生成段落与人工写作结合，同样如此。短摘录可供检测器评估的信号更少，因而会增加不确定性。

媒体水印面临不同的攻击。裁剪、录屏、重新编码、噪声、滤镜和生成式编辑都可能削弱嵌入信号。加密元数据能提供更强的来源记录，但普通平台可能会在处理过程中将其剥离。

这些弱点并不意味着来源信息毫无用处。安全带不能避免每一次受伤，垃圾邮件过滤器也无法拦住每一条欺诈信息。一项措施无需提供确定性，也可以降低风险。

危险出现在概率信号被包装成事实判定之时。误报可能把人工作品标注为合成内容，漏报则可能让被操纵的材料看起来真实可信。

执法体系必须考虑这些错误。调查人员应审查提供商的流程、文档、测试和保存控制措施，而不应将单一检测器结果视为作者身份的决定性证据。

读者也需要保持同样的谨慎。AI 标签说明的是内容如何产生，并不能揭示是否有人核验其中的主张、图像是否准确呈现事件，或呈现方式是否具有误导性。

反过来也成立。人工创作的内容同样可能虚假。真实照片可能配有捏造的说明文字，真实引语可能被断章取义。透明度解决的是来源问题，而新闻工作仍必须处理证据问题。

这正是 Google News 无法仅通过增加“AI 生成”类别来解决问题的原因。它仍需持续评估发布者信号、报道历史、交叉验证、内容质量和相关性。来源信息应成为众多输入之一。

欧盟准则为希望证明合规的提供商和部署者提供了结构化路径。不遵循自愿准则的组织可以采取替代措施，但这些措施必须提供同等充分性。

这种灵活性鼓励技术竞争，同时也带来了不确定性：各国主管部门将如何比较不同系统。早期执法决定将有助于界定何为充分实施。

潜在处罚赋予这一问题实际分量。根据 AI Act 的处罚框架，违反受覆盖运营者义务的行为可能触发高额行政罚款。适用金额取决于违法行为、公司状况和执法背景。

因此，大型提供商有动力在主管部门提出问题之前记录自己的选择。较小组织则面临不同负担：它们必须将宽泛的法律义务转化为负担得起的发布与产品工作流程。

核心政策权衡无法回避。僵化的技术强制要求可能将薄弱标准固化为法律；灵活的要求则可以鼓励改进，但会让企业不确定合规的起点。

欧洲选择了由执法支持的灵活性。这能否带来更安全的信息环境，将取决于实施、测试，以及呈现在用户面前的界面是否诚实。

发布商和 AI 团队必须证明什么

合规与其说取决于一项笼统的 AI 政策，不如说取决于能够说明特定系统和内容经历了什么的证据。

AI 提供商应了解哪些输出会获得机器可读标记、这些标记何时添加，以及它们能在何种转换后保留下来。它还应记录已知局限，以及解读这些标记所需的检测工具。

部署者则需要不同的记录。它应了解员工何时使用生成式系统、生成材料是否涉及公共利益，以及是否由合格人员完成了有实质意义的编辑审核。

编辑责任不能简化为点击批准按钮。审核者应能够评估来源、质疑主张、纠正错误并拒绝生成材料。发布商必须对最终结果承担责任。

这一差异影响新闻编辑部、企业传播团队、政府机构、非营利组织和独立发布者。它们中的任何一方都可能发布涉及健康、选举、公共安全、经济政策或其他公共事务的 AI 辅助文本。

常规编辑依然重要，因为过度标注会制造噪声。如果每一句经过拼写检查的文本都收到醒目的 AI 提示，读者可能不再关注。因此，委员会的指引区分了标准编辑与更实质性的生成或操纵。

组织需要为这一边界制定书面标准。语法修正与生成整篇政策分析并不具有相同的编辑风险。重写一段文字则可能介于两者之间，取决于意义改变的程度。

最稳妥的工作流程会追踪输入、编辑、审核和最终发布。它应保存源材料，并记录责任编辑；还应保留可用的来源数据，而不是在导出时将每个文件的信息都抹平。

这类似于良好的知识管理实践。团队本就需要可靠记录，以说明重要主张来自何处、决策如何变化。当可检索的知识库能够保留原始证据和审核记录时，就能支持这种纪律。

不过，内部记录不能替代公开披露。受众需要在接触内容的时点获得清晰信息。隐藏的政策文件无法满足旨在告知用户的通知要求。

产品团队应与真实读者一起测试通知。他们需要了解人们是否看到标签、是否理解其含义，以及是否正确理解其局限。无障碍测试应涵盖屏幕阅读器、移动端布局、视觉对比度和本地化。

Google News 和发布商也应避免将多项主张压缩为一个标签。“使用 AI 制作”“使用 AI 编辑”和“经编辑核验”传达的是不同事实。单一徽章可能掩盖这些差异。

最有用的通知或许会将创作与审核分开。它可以说明 AI 生成或修改了该材料，然后指出是否有负责任的编辑进行了审核。这种格式有助于读者理解来源与监督。

安全团队必须为蓄意移除标签做好准备。不法行为者不会可靠地保留标签。平台应将缺失或受损的凭证视为调查信号，尤其是在其他证据表明存在操纵时。

它们还必须保护检测器免遭滥用。如果公开检测工具过多暴露水印信息，对手就能优化内容以规避检测；如果工具完全封闭，独立研究人员则无法评估错误率。

这种张力需要受控访问、透明评估和外部审计。提供商可以在不公开每项运行细节的情况下发布性能信息。监管机构也可以在保密保护下审查系统。

第 50 条义务最终要求组织证明：透明度是经由设计实现的。临时补上的免责声明，无法修复此前每一步都丢弃来源信息的流程。

Google News 用户接下来应关注什么

接下来的三个信号将显示，欧盟规则究竟能改善信息系统，还是仅仅制造另一层合规通知。

第一个信号是主要 AI 提供商之间的互操作性。Google 的 SynthID 可以识别受支持的 Google 输出，但用户会接触来自许多生成器的媒体。如果平台开始跨越公司边界识别凭证和标记，透明度项目将得到加强。

关注 Google、OpenAI、Anthropic、Meta、Microsoft 和领先媒体生成提供商是否发布有据可查的支持信息。重要的公告不是又一种专有水印，而是一套能让独立工具解读多个来源系统的有效交换机制。

这将强化欧盟的方法，因为共享检测层可以超越单一产品系列而延续。持续的拼凑局面则会削弱它。每个生成器都要求使用不同的私有检测器时，用户无法真正核验内容。

第二个信号是有限过渡期内对旧系统的处理。委员会表示，某些在 8 月 2 日前投放市场的生成式系统，其标记义务的期限延至 2026 年 12 月 2 日。

这一期限将揭示提供商是为广泛使用的模型进行改造，还是用合规版本取而代之。它还将显示监管机构如何解读那些并非围绕来源信息设计的系统的技术可行性。

如果出现一波可见的技术文档、检测工具和保存指引，将增强信心；没有测试细节的模糊保证，则表明合规主要仍停留在程序层面。

第三个信号是首批执法模式。国家市场监管机构将负责第 50 条监督的大部分工作。European AI Office 和 European Data Protection Supervisor 则会在各自领域内承担较窄的职责。

早期案件将表明，主管部门重点关注的是欺骗性部署、缺失通知、薄弱技术标记，还是不足的文档。它们也将确立监管机构如何看待诚实的技术局限与疏忽实施之间的差异。

相称的执法将针对无视明确义务的组织，同时允许可信的工程工作持续改进。惩罚每一次检测失败可能鼓励防御性的过度标注；执法薄弱则可能使这些规则换个名字变成自愿指引。

读者还应关注 Google News 如何呈现溯源信息。一个有用的界面会说明检测到了哪些证据，以及哪些信息仍然未知。一个具有误导性的界面则会把有限信号转化为对真实性的宽泛断言。

最重要的问题很简单：这些新信息是否能帮助用户作出更好的判断？如果标签沦为背景装饰，这项政策就会偏离初衷。如果平台将其作为不容置疑的真实性评分，这项政策可能会带来新的风险。

在这些问题得到答案之前，用户也可以采取行动。当 Google News 中出现具有重要影响的图像、录音或引述时，应追溯至最初的发布者。核查其他可信机构是否印证了核心说法。应将缺失的溯源信息视为不确定性，而非真实性的证据。

对于发布公共利益内容的团队而言，现在正是测试完整链路的时候。生成文件、编辑、导出、上传、分发，并检查哪些信息得以保留。记录凭证在哪些环节消失，并明确由谁负责修复每一处断点。

Google News 可以成为了解 AI 辅助媒体的一扇更清晰窗口，但它本身无法认证现实。沿着溯源信号追查，同时继续核验报道背后的证据、编辑责任与原始报道。