欧盟AI法案合规基础设施：构建符合欧洲AI法规的系统

更新于2025年12月8日

2025年12月更新： 通用AI（GPAI）义务自2025年8月2日起强制执行。AI办公室已投入运营并发布指导意见。2025年7月发布的行为准则提供了合规路径。高风险AI系统要求将于2026年8月生效。违规罚款最高可达3500万欧元或全球营业额的7%。技术文档、日志记录和审计追踪基础设施正成为进入欧盟市场的强制性要求。据估计，18%的企业AI系统被归类为高风险，需要进行合规性评估。

欧盟AI法案于2025年8月2日开始执行，成为全球首部综合性AI法规，而各组织发现合规要求远不止更新隐私政策那么简单。¹ 服务欧洲市场的公司现在面临技术文档、自动日志记录、数据血缘追踪和审计追踪等基础设施要求，而其现有AI系统无法满足这些要求。2026年8月高风险AI系统合规截止日期日益临近，但大多数组织缺乏证明合规性所需的技术架构。构建合规的AI基础设施需要理解监管要求和满足这些要求所需的工程系统。

组织必须应对的监管框架

欧盟AI法案建立了一套基于风险的分类系统，以确定合规义务。被禁止的做法——包括社会评分、公共场所实时生物识别以及工作场所情绪识别——已于2025年2月2日起被定为违法。² 通用AI（GPAI）模型义务于2025年8月2日生效。高风险AI系统要求从2026年8月2日起适用，所有风险类别的全面执法将于2027年8月实施。

被禁止的AI做法 面临即时执法，罚款最高可达3500万欧元或全球年营业额的7%——以较高者为准。³ 组织必须审计现有AI部署，以识别任何操纵人类行为、利用漏洞或启用该法案所禁止的实时生物识别监控的系统。

通用AI模型（使用超过10²³ FLOPS训练的能够生成文本、图像或视频的模型）必须维护技术文档、发布训练数据摘要并遵守欧盟版权法。⁴ 超过10²⁵ FLOPS的模型面临额外的系统性风险要求，包括模型评估、事件报告和网络安全措施。

高风险AI系统 包括用作受监管产品安全组件的AI，以及部署在敏感领域的系统，包括关键基础设施、就业、教育、执法和边境管控。⁵ 这些系统需要风险管理流程、数据治理框架、技术文档、记录保存能力、人工监督机制和第三方合规性评估。

欧盟委员会估计5-15%的AI应用将被归类为高风险，但appliedAI对106个企业AI系统的分析研究发现，18%明确属于高风险，42%属于低风险，40%需要逐案分类。⁶ 组织在没有进行正式评估的情况下，不能假设其系统可以逃避高风险义务。

GPAI合规于2025年8月成为强制性要求

通用AI模型提供商于2025年8月2日迎来首个具有约束力的截止日期，执法基础设施现已投入运营。AI办公室——监督GPAI合规的欧盟机构——已开始向模型提供商索取文档，并可从2026年8月起开出罚款。⁷

技术文档要求 规定GPAI提供商必须维护模型架构、训练方法、使用的计算资源和评估结果的详细记录。⁸ 文档必须证明模型按预期运行并识别可预见的风险。无论提供商是否将其归类为开源，文档标准都适用于所有GPAI模型。

训练数据透明度 义务要求发布用于训练内容的"足够详细的摘要"。⁹ 该要求旨在使版权持有人能够识别其作品是否在未经授权的情况下被使用。提供商必须在适用的情况下实施版权持有人行使退出权的机制。

版权合规 要求提供商遵守欧盟版权法，包括文本和数据挖掘例外。未经适当授权就抓取受版权保护内容用于训练的组织，将根据AI法案和现有版权框架承担责任。

系统性风险模型（超过10²⁵ FLOPS的模型）面临额外义务，包括对抗性测试、风险评估和缓解、事件跟踪和报告以及充分的网络安全保护。¹⁰ 提供商必须在达到或预见到计算阈值后两周内通知委员会。

2025年7月发布的GPAI行为准则提供了自愿合规途径。遵守准则"增加委员会的信任"，而不遵守则会触发"更多的信息请求和访问请求"。¹¹ 该准则涵盖透明度、版权以及安全/安保领域。签署方享有合规推定；未签署方必须通过详细文档或差距分析独立证明合规性。

技术文档基础设施要求

AI法案第11条规定，高风险AI系统必须在投放市场前编制技术文档，并持续更新。¹² 文档必须以"清晰全面的形式"向进行评估的国家主管部门和认证机构证明监管合规性。

必需的文档要素 包括：

• AI系统的总体描述，包括预期用途和提供商标识
• 系统要素和开发过程的详细描述
• 监控、运行和控制机制的信息
• 性能指标适当性的描述
• 综合风险管理系统文档
• 相关生命周期变更和修改历史
• 开发过程中应用的技术标准
• 欧盟合格声明
• 上市后性能评估系统

中小企业和初创公司可以提供简化文档，尽管简化后的要求仍然超出大多数组织目前维护的水平。¹³ 实际挑战在于随着系统演进持续生成和维护这些文档——而不是创建很快就会过时的静态文档。

基础设施影响 要求系统能够自动捕获开发工件、跟踪模型版本、记录训练配置并保存评估结果。手动文档流程无法扩展到该法案要求的持续合规监控。组织需要具有内置文档生成功能的MLOps平台、保留决策理由的版本控制系统，以及开发环境与合规记录之间的集成。

MLflow、Weights & Biases和Neptune.ai等现代ML平台为实验跟踪和模型版本控制提供了部分解决方案。然而，大多数平台缺乏专门为监管文档设计的功能——生成主管部门要求的结构化记录，而不是面向开发人员的实验日志。专门构建的合规工具正在涌现以弥补这一差距。

日志记录和审计追踪基础设施

第12条规定，高风险AI系统必须"在技术上允许在系统整个生命周期内自动记录事件（日志）"。¹⁴ 日志记录能力必须实现与系统预期用途相适应的可追溯性——这一模糊措辞将随着执法而逐渐明确。

日志内容要求 包括：

• 日志元数据：系统标识、时间戳、保留期限文档（至少要求6个月）
• 操作详情：假名化的用户和客户端标识符、请求参数、调用上下文
• 模型详情：所使用AI模型的技术信息、性能指标、特征重要性分数
• 决策详情：输出记录、置信度水平、人工监督操作、覆盖文档¹⁵

基础设施挑战 在生产规模下更加复杂。AI系统生成大量日志，需要高效的压缩和存储解决方案。日志必须包含满足合规要求的特定元数据，同时保持可查询以供验证。对于运营生命周期较长的系统，保留期限延长至数年。¹⁶

传统的应用程序日志基础设施被证明不足。Elasticsearch、Splunk或Datadog等标准日志聚合工具捕获操作遥测数据，但缺乏该法案要求的AI特定结构化字段。组织需要专门构建的AI日志记录，以适合监管审计的格式捕获模型输入、输出、决策因素和人工监督操作。

数据血缘要求 要求清晰、可审计的历史记录，显示数据来源、如何转换、哪些系统处理了数据，以及哪些数据训练、测试和运行了特定模型。¹⁷ 对于欧盟AI法案合规，数据血缘提供技术证明，表明训练数据满足质量、相关性和代表性要求。没有血缘基础设施，证明数据治理合规几乎不可能。

实施合规日志记录需要大多数组织尚未规划的架构变更。系统必须在不影响延迟的情况下捕获推理请求和响应。敏感数据必须进行假名化处理，同时保持可审计性。存储系统必须在管理成本的同时保持多年的可访问性。搜索能力必须使审计人员能够验证特定决策，而无需扫描整个日志历史。

人工监督基础设施要求

AI法案将"人在回路中"作为高风险系统的核心原则。第14条要求人工监督机制使个人能够理解系统能力、正确解释输出、决定何时覆盖或忽略输出，并在必要时干预或停止系统运行。¹⁸

技术实现 要求界面以足够的上下文呈现AI决策，以供人类判断。用户不仅必须理解系统决定了什么，还要理解为什么、适用什么置信度水平以及哪些因素影响了输出。产生无法解释的决策的黑箱系统无法满足监督要求，无论其准确性如何。

可解释性基础设施 对于高风险应用变得强制性。在就业、信贷、医疗或执法环境中部署模型的组织需要人类可以有意义地审查的可解释输出。SHAP值、注意力可视化、反事实解释或类似技术必须与用户界面集成，而不是仅作为开发人员工具。

覆盖和干预能力 要求人类操作员能够停止AI系统、纠正决策并记录干预理由。系统必须将人工监督操作记录为审计追踪的一部分。组织不能简单地添加"覆盖按钮"而不捕获覆盖决策的原因和结果。

能力要求 超出了技术系统的范畴。组织必须确保行使监督权的人员具备足够的AI素养以有效履行其角色。¹⁹ AI素养义务于2025年2月生效，要求提供商和部署方确保员工对其操作的AI系统有充分的理解。

风险管理系统要求

高风险AI系统需要文档化的

[内容因翻译需要而截断]