想象你家附近新开了一座大型购物中心，物业一上任就在大堂贴上“安全年检分级公示”：消防通道必须立即畅通，厨房与锅炉房要在明年秋天前全部达标，咖啡馆只需贴安全须知，普通仓库填个自查表就行——不同的区域，检查时间和力度完全不同。欧盟的《人工智能法案》（EU AI Act）就是这张“安全年检公示”：它给AI按风险分级，用精确到月份的时间表，逼着企业分批完成合规改造。整张表上最显眼的节点，就是2026年8月2日——所有“高风险AI系统”全面落地的日子。对企业法务、合规团队和AI产品负责人来说，读懂这张时间表，等于拿到了倒计时的闹钟。接下来，我们就用“商场年检”这条故事线，把这张时间表掰开揉碎讲清楚。

岗位关联

给AI从业者的一句话价值：读透2026年8月这个关键节点，法务与合规团队可以把数十万欧元的罚款风险，提前拆成一张可执行的日历清单，在过渡期内从容完成合规改造。

目录
  1. 可视化演示
  2. 法案生效时间线
  3. 2026年8月关键节点
  4. 高风险系统判定
  5. 合规核心要求
  6. 企业准备路径
  7. 违规处罚后果
  8. 风险分级对比
  9. AI 应用场景
  10. Python 演示
  11. 常见误区
  12. 面试题

可视化演示

动态演示AI法案实施时间表的核心机制，通过源头/管道/节点/终端四种模式展示关键概念与交互流程。

本节配有交互动效（进入视口后自动加载，约 3KB）。

AI法案实施时间表：AI法案 AI法案实施时间表的整体分阶段 2026年8月关键合规节点的义 核心机制可视化 AI法案实施时间表整体架构与关键组件

法案生效时间线

商场换了新物业，第一件事就是在公示栏贴出整年安全改造计划：哪个月查哪个片区、给多少天准备、由谁验收。租户们看着这张表，心里马上有数——不用天天猜，照着准备就行。欧盟《人工智能法案》也正是这样：2024年8月1日法案正式生效，但生效不等于所有条款立刻执法。它像一位老练的物业经理，把不同风险等级的AI排进不同档期，每档之间留出6到24个月的缓冲期。

整张时间表可以拆成四条主线。第一条：2024年8月1日，法案生效，法律文本正式确立。第二条：2025年2月2日（生效后6个月），第一条“红线”落地——禁止性AI实践，例如社会评分、利用人的弱点操纵决策、无目标抓取人脸。第三条：2025年8月2日（生效后12个月），通用人工智能模型（GPAI）的透明度与版权义务生效，欧盟AI办公室同步启动运作。第四条：2026年8月2日（生效后24个月），附件三所列高风险系统全面适用，这是本文的核心节点；而2027年8月2日（生效后36个月），受现有产品法规管制的附件一系统（如医疗AI）再补上最后一块拼图。

就像租户对着公示栏安排装修工期一样，企业对照这张“月份表”就能倒排内部项目计划。而2026年8月那个被红笔圈出的日子，正是我们今天的主角。

Tk=T0+Dk,Dk∈{6, 12, 24, 36}\displaystyle T_k = T_0 + D_k, \quad D_k \in \{6,\ 12,\ 24,\ 36\}
这条公式的意思是：每个条款的执法日期，等于“法案生效日”加上各自的缓冲月数。
  1. Tₖ（第k个适用节点）某个条款或某类AI系统开始强制执法的具体日期，是整张时间表的基本度量单位。
    TkT_k
  2. T₀（生效基准日）法案正式生效的固定日期，即2024年8月1日，所有节点都从这一天往后推算。
    T0=2024-08-01T_0 = 2024\text{-}08\text{-}01
  3. Dₖ（缓冲月份）按风险等级设定的准备期长度，共有6、12、24、36个月四档；风险等级越高，义务越多，缓冲期反而设计得更长。
    Dk∈{6, 12, 24, 36}D_k \in \{6,\ 12,\ 24,\ 36\}
  4. 代入计算（核心节点）把24个月代入式子，得到2026年8月2日，这正是附件三高风险系统的全面合规日。
    T高风险=2024-08-01+24个月=2026-08-02T_{高风险} = 2024\text{-}08\text{-}01 + 24\text{个月} = 2026\text{-}08\text{-}02

2026年8月关键节点

物业在年检计划里用红笔圈出一个日期：明年8月2日，是“高风险区域大检查”。厨房、锅炉房、儿童游乐区全都跑不掉——不是到现场看一眼，而是要拿出整改报告、验收合格证、设备台账，让检查员逐项核对。2026年8月2日对AI企业而言，就是这样的“大检查日”。

这一天，附件三列出的整类“高风险AI系统”从“倡议”升级为“强制”。这类系统覆盖八大应用场景：生物识别与身份分类、关键基础设施管理、教育与职业培训、就业与员工管理、基本公共服务（如信贷评分）、执法、移民与边境管理、司法与民主程序。它们共同的义务清单包括：建立风险管理体系、执行数据治理、编写并保留技术文档、部署日志记录、提供透明度说明、设计人类监督机制，并满足准确性、鲁棒性和网络安全要求。上市前还要通过合格评定、加贴CE标志，并把系统基本信息登记进欧盟数据库。

商场里凡是贴着“高风险”标签的区域，都在8月2日零点接受同等级别的验收。谁没达标，谁就停业整改——这就是2026年节点真正的分量。

S2026={x∣x∈LIII∧¬exempt(x)}\displaystyle S_{2026} = \{ x \mid x \in L_{III} \wedge \neg \text{exempt}(x) \}
这条公式说明：2026年8月2日起必须合规的系统，是“落入附件三清单且不属于豁免情形”的所有AI系统。
  1. S₂₀₂₆（2026合规系统集合）从2026年8月2日起必须全面合规的全部AI系统的集合，是企业自查的总范围。
    S2026S_{2026}
  2. 成员条件（落入清单）只要系统属于附件三的八大高风险领域，就自动进入这个集合。
    x∈LIIIx \in L_{III}
  3. 例外剔除（不在豁免中）同时必须满足“不属于豁免情形”这一条件，两个条件缺一不可。
    ∧ ¬exempt(x)\wedge \ \neg \text{exempt}(x)

高风险系统判定

物业怎么判断哪个区域算“高风险”？靠的是一张《高风险区域清单》：明火厨房、高压配电房、化学品仓库，名字在上面的就重点查；不在名单上但存疑的，再做一轮“两段式评估”确认。法案判定高风险AI系统，用的正是同样的两阶段思路。

第一步看“分类归属”：系统是否落在附件三八大领域清单内，或是附件一强调的、已受产品法规管制的安全组件（比如医疗设备里的诊断AI、汽车里的辅助驾驶AI）。第二步看“排除条款”：即使身处清单内，只要满足明确豁免——例如仅执行狭窄的预处理任务、只做纯辅助决策且人始终握有最终否决权、不做基于生物识别的情绪推断——就可以从高风险名单上“掉下来”。这种设计既避免一竿子打翻一船人，也不会放过真正危险的系统。

就像厨房门上既要有“明火作业”的牌子，又查不到“自动灭火豁免证明”，才有资格按高风险来查。企业拿着清单和豁免条款逐条对照，就能给自己的AI产品准确定级。

Risk(x)=High  ⟺  (x∈LIII)∧¬(x∈E)\displaystyle \text{Risk}(x) = \text{High} \iff (x \in L_{III}) \wedge \neg (x \in E)
一个系统被判为高风险，必须同时满足“在附件三清单里”和“不在豁免集合里”两个条件。
  1. Risk(x)=High（判定结论）表示系统x被正式归类为高风险，将触发全套合规义务。
    Risk(x)=High\text{Risk}(x) = \text{High}
  2. 核心前提（在清单中）系统必须属于附件三或附件一相关清单，这是启动高风险判断的前提。
    x∈LIIIx \in L_{III}
  3. 双重校验（排除豁免）系统还不能落在豁免集合E中，两个条件同时成立，高风险结论才成立。
    ∧ ¬(x∈E)\wedge \ \neg (x \in E)

合规核心要求

大检查那天，物业会查什么？厨房要拿出可行的消防预案（风险管理体系）；要有进货与消毒台账（数据治理）；要备好操作手册和设备说明书（技术文档）；要有监控录像（日志记录）；还要有值班经理全程盯着（人类监督）。高风险AI系统的合规义务，正是这“五板斧”。

第一，风险管理体系：识别、评估并持续缓解系统全生命周期中的风险。第二，数据治理：训练与验证数据要满足相关性、代表性、无偏性，并做好溯源。第三，技术文档：证明系统设计、预期用途与决策逻辑都写得清、查得到。第四，日志记录：系统运行日志须留存，支持事后追溯审计。第五，透明度与人机监督：告知用户正在与AI交互，确保人能理解输出，并有权否决或中止AI的决策。

五板斧齐了，高风险区域的“验收材料”才算齐全。缺一套，整改通知单当晚就会贴到门上。

R=P(h)×S(h)\displaystyle R = P(h) \times S(h)
风险值的计算方式：某一危害场景的风险，等于它发生的概率乘以它一旦发生后的严重程度。
  1. R（综合风险值）企业需要量化并持续监控的风险水平，超过阈值就要触发整改措施。
    RR
  2. P(h)（危害发生概率）对每个危害场景h估计其发生的可能性，依据来自历史数据和专家判断。
    P(h)P(h)
  3. S(h)（危害严重程度）危害一旦发生，对个体与社会的影响大小，例如人身安全、财产损失、基本权利侵犯等。
    S(h)S(h)
  4. 两者相乘（风险排序）高概率乘高严重度等于高风险，必须优先投入资源去缓解。
    R=P(h)×S(h)R = P(h) \times S(h)

企业准备路径

聪明的租户不会等到8月1日才动工，而是倒排工期：2月请第三方预检，3月整改，5月复检，6月拿证。每一道工序都留足余量，才能平安闯关。面向2026年8月，成熟的企业同样走五步。

第一步，盘家底：把公司所有AI系统登记造册，逐个判定风险等级，生成“AI台账”。第二步，差距分析：拿高风险义务清单逐条对照，找出缺口，输出差距报告。第三步，整改设计：把数据治理、文档、日志、人机监督按优先级排期，每项落实到具体责任人和预算。第四步，预检与认证：在上市前联系公告机构做合格评定，完成后加贴CE并注册进欧盟数据库。第五步，后市场监测：建立投诉渠道、重大事件报告机制，持续循环改进。

照着这个倒推公式算一算，2026年8月看起来遥远，但减去预检排队、减去两轮整改，留给企业的舒适窗口实际只剩一个冬天。现在就是动工的最好时机。

Tstart=Tdeadline−∑i=1nΔti−Δtbuffer\displaystyle T_{start} = T_{deadline} - \sum_{i=1}^{n} \Delta t_i - \Delta t_{buffer}
启动日期等于截止日减去所有工序耗时，再减去一段安全缓冲时间。
  1. T_start（准备启动日）企业最晚应从哪一天开工，才能赶上2026年8月节点。
    TstartT_{start}
  2. T_deadline（合规截止日）固定节点，即2026年8月2日，所有工作都以此倒推。
    Tdeadline=2026-08-02T_{deadline} = 2026\text{-}08\text{-}02
  3. ΣΔtᵢ（各工序耗时）差距分析、整改、预检、注册等每个阶段耗时的总和；每一项都不是零成本。
    ∑i=1nΔti\sum_{i=1}^{n} \Delta t_i
  4. Δt_buffer（缓冲时间）预留的意外容差，一般建议不少于3个月，防止评审排队、资料打回等意外。
    −Δtbuffer- \Delta t_{buffer}

违规处罚后果

检查不合格的商场会怎样？先是巨额罚单，接着责令停业整改，严重的直接吊销资质、全行业通报——一次事故，多年口碑全搭进去。法案为违规行为设计了“三档递进”的处罚体系，火力相当猛。

第一档，违反禁止性AI实践：最高罚3500万欧元，或企业全球年营业额的7%，取两者中的较高者。第二档，违反高风险系统核心义务（数据治理、文档、日志、人机监督等）：最高罚1500万欧元或全球年营业额3%。第三档，向监管机构提供不正确、不完整的信息：最高罚750万欧元或1.5%。除此之外，监管还能责令召回、下架、限制或暂停AI系统；违规记录进入公开数据库后，融资和政府采购都会立刻遇冷。

商场最怕的不是一张罚单，而是“黑名单＋停业＋口碑崩盘”的组合拳。罚款只是显性成本，看不见的机会损失才是真正的无底洞。

Fine=max⁡( Cfixed, r×Tglobal )\displaystyle \mathrm{Fine} = \max\bigl(\, C_{\mathrm{fixed}},\ r \times T_{\mathrm{global}}\, \bigr)
最终罚款取两个数中较大的一个：固定金额上限，或按全球年营业额乘以比例算出的金额。
  1. Fine（最终罚款额）监管实际开出的罚单金额，执行时取两种算法的较大值。
    Fine\mathrm{Fine}
  2. C_fixed（固定上限）三档分别对应3500万、1500万、750万欧元，是低收入企业的兜底红线。
    Cfixed∈{3500万,1500万,750万}C_{\mathrm{fixed}} \in \{3500万, 1500万, 750万\}
  3. r×T_global（营业额比例）全球年营业额乘以档位比例7%、3%或1.5%，体量越大越疼。
    r×Tglobalr \times T_{\mathrm{global}}
  4. 取较大者（震慑设计）两条路算完取最大的那个，保证无论企业大小都罚到痛处。
    max⁡(⋅)\max(\cdot)

风险分级对比

同一座商场里，消防通道是“绝对红线”——堆杂物直接清走；厨房和锅炉房是“重点检查”——全套材料备齐；咖啡馆只要贴张安全须知；普通仓库自己签个自查承诺书。四种区域，四种力度。法案对AI系统也分成四层管理。

第一层，不可接受风险：直接禁止，名单上的行为没有缓刑期，2025年2月就已开始执法。第二层，高风险：附件三与附件一的系统，承担前述全套义务，外加合格评定、CE标志与数据库注册。第三层，有限风险：例如聊天机器人，只需履行透明度义务——告知用户正在和AI对话，不要求事前认证。第四层，最小风险：例如垃圾邮件过滤器，无强制义务，鼓励自愿加入行为准则。企业先定级、再对表，才不会做多或做漏。

就像商场租户各按其类做功课，AI企业也要先问一句“我的产品属于哪一层”，再决定投入多少合规预算。定级错了，要么白干，要么踩雷。

x↦{禁止x∈U高风险义务x∈H透明度义务x∈L无强制义务x∈M\displaystyle x \mapsto \begin{cases} \text{禁止} & x \in U \\ \text{高风险义务} & x \in H \\ \text{透明度义务} & x \in L \\ \text{无强制义务} & x \in M \end{cases}
任何一个AI系统都能被映射到四个风险档位之一，每档对应完全不同的义务强度。
  1. 映射箭头（唯一归类）任意AI系统x都能被归入四档中的一档，定级是合规工作的起点。
    x↦x \mapsto
  2. 第一行（禁止）落在不可接受风险集合U中的系统直接禁用，没有任何整改窗口。
    禁止x∈U\text{禁止} \quad x \in U
  3. 第二行（高风险）在H集合中的系统承担全套合规义务，是2026年8月大检查的主角。
    高风险义务x∈H\text{高风险义务} \quad x \in H
  4. 第三四行（轻量义务）有限风险的系统只做透明披露，最小风险的系统没有强制义务。
    透明度义务 x∈L;无强制义务 x∈M\text{透明度义务} \ x \in L; \quad \text{无强制义务} \ x \in M

AI 应用场景

场景一：法务合规团队的“2026合规倒排战”

阶段：合规差距分析阶段

解决的问题：过去法务靠人工翻条文，不知道自家几十个AI系统谁先谁后，风险敞口不清。现在按法案四档时间表，先把产品线盘成“AI台账”，再对每一条做高风险判定，把2026年8月节点拆成季度里程碑，逐项落实责任人。

具体案例：一家向欧洲市场售卖招聘筛选AI的SaaS公司，法务团队在2025年第三季度启动差距分析，将自家产品判定为附件三高风险，随即立项补齐数据治理与技术文档，预留9个月公告机构认证排期，最终在2026年6月完成CE注册，抢在8月2日前落地。

场景二：产品负责人调整“发布窗口”

阶段：产品发布规划

解决的问题：AI产品负责人常遇到“研发都完了，发布前才发现不合规”的窘境。利用高风险判定与合规核心要求清单，可以在立项阶段就判断产品是否属于附件三领域，决定发布窗口和资源投入。

具体案例：某银行计划2026年3月在欧洲分行升级信贷评分模型，产品负责人提前用“两阶段判定法”评估，发现该模型属于“基本公共服务”高风险场景，需先完成合格评定。团队把上线计划推迟到2026年7月，留出认证时间，避免“带病上线”。

场景三：云厂商的GPAI透明度披露

阶段：通用模型合规运营

解决的问题：提供大模型API的云厂商，在2025年8月2日后面临通用模型的透明度与版权义务。传统“黑盒发布”行不通，需要向公众公示训练数据摘要、建立投诉渠道，并确保下游客户调用时能看到“AI生成”标签。

具体案例：某云服务商在2025年8月前完成大模型技术文档公示，建立版权投诉接口，并为所有API响应自动附加“由AI生成”标识，与欧盟AI办公室的要求对齐，保障了欧洲客户的续约。

Python 演示

python50 行
# -*- coding: utf-8 -*-"""AI法案合规倒计时与准备清单生成器"""from datetime import date DEADLINES = {    'prohibited': {'date': date(2025, 2, 2), 'label': '禁止性AI实践'},    'gpai': {'date': date(2025, 8, 2), 'label': '通用AI模型(GPAI)'},    'high_annex3': {'date': date(2026, 8, 2), 'label': '附件三高风险系统'},    'high_annex1': {'date': date(2027, 8, 2), 'label': '附件一高风险系统'},} CHECKLIST = {    'prohibited': ['移除社会评分功能', '禁止无良操纵用户', '停止无目标人脸抓取'],    'gpai': ['发布技术摘要文档', '公示训练数据概况', '建立版权投诉渠道'],    'high_annex3': ['建风险管理体系', '完成数据治理', '编写技术文档',                    '部署日志记录', '设计人类监督', 'CE认证并注册'],    'high_annex1': ['沿用行业既有合规', '补齐AI专项要求', '对接公告机构'],}  def days_left(deadline_key, today=None):    target = DEADLINES[deadline_key]['date']    today = today or date.today()    return (target - today).days  def build_plan(risk_level, product_name, today=None):    plan = DEADLINES[risk_level]    remain = days_left(risk_level, today)    lines = ['产品: ' + product_name,             '适用条款: ' + plan['label'],             '合规截止日: ' + plan['date'].isoformat(),             '剩余天数: ' + str(remain)]    if remain < 0:        lines.append('状态: 已逾期, 立即停止对欧盟市场提供服务')    elif remain < 180:        lines.append('状态: 紧急冲刺, 优先完成禁止性红线自查')    else:        lines.append('状态: 窗口充足, 建议本月启动差距分析')    lines.append('待办清单:')    for item in CHECKLIST[risk_level]:        lines.append('  - ' + item)    return '\n'.join(lines)  if __name__ == '__main__':    today = date(2026, 3, 1)    print(build_plan('high_annex3', '智能招聘筛选系统', today))    print('---')    print(build_plan('prohibited', '社会信用评分APP', today))
目的：给定一个AI系统的风险等级，自动计算距离合规截止日的剩余天数，并输出该等级对应的合规待办清单，帮助企业做合规倒排。
  1. from datetime import date引入Python标准库的日期类型，用于计算截止日与今天的间隔。
  2. 'high_annex3': {'date': date(2026, 8, 2), ...}把2026年8月2日这个核心节点编码进字典，作为附件三高风险的截止日。
  3. DEADLINES = {...}用字典把法案四档关键日期集中管理，相当于把“年检公示表”变成机器可读的数据结构。
  4. CHECKLIST = {...}为每个风险等级预置合规待办清单，对应高风险系统的“五板斧”义务。
  5. def days_left(deadline_key, today=None):定义倒计时函数，入参是风险等级键名，可选传入“今天”便于测试。
  6. return (target - today).days日期相减得到剩余天数，负数表示已经逾期。
  7. def build_plan(risk_level, product_name, today=None):主函数，根据风险等级生成一份可读的合规计划报告。
  8. if remain < 0:` / `elif remain < 180:按剩余天数分三档紧急度：逾期、紧急、窗口充足，提示不同的行动策略。
  9. for item in CHECKLIST[risk_level]:把该等级的待办清单逐条追加进报告，形成可执行的checklist。
  10. print(build_plan('high_annex3', '智能招聘筛选系统', today))模拟2026年3月时的场景，展示招聘筛选系统的合规冲刺状态。

常见误区

误区有些团队觉得2026年8月还有一年多，等2026年初再启动合规完全来得及，现在不用花精力。

正解就像商场年检，厨具订购、施工、消防复检都要排队，任何一环延误都可能错过8月2日。高风险合规的前置动作很多：公告机构评审平均要3-6个月，数据治理改造少说6个月起；而且禁止性条款2025年2月已生效，GPAI义务2025年8月已生效——公司可能已经在违规而不自知。

为何常见：人们习惯用“截止日期”而非“准备耗时”来倒推，忽略了合规是一项重工程而不是一个开关。

误区不少团队认为只要公司在中国、服务器在境外，欧盟AI法案就管不到自己，产品照卖不误。

正解法案有很强的域外效力：只要你的AI系统在欧盟市场上架，或者输出结果被欧盟境内人员使用，就落入了管辖范围。这就像商场里摆摊的货主虽然不在本地，但货物进了商场就得遵守商场的消防规定，不能因为人在外地就豁免。

为何常见：人们常用“注册地决定法律”的直觉去套数字化服务，忽略了消费者保护类法规普遍采用“面向谁提供就管谁”的原则。

误区以为法案是专门治理大模型聊天机器人的，自己做的招聘筛选、信贷评分、安防监控工具根本没人管。

正解恰好相反。通用大模型（GPAI）的义务2025年8月就生效了，而2026年8月的“主角”是附件三高风险系统——招聘、信贷、安防、教育这类“用AI替人做关键决定”的系统。大模型是基础设施，高风险系统才是直接触碰公民权利的“厨房与锅炉房”。

为何常见：媒体对生成式AI报道密集，导致公众把AI法规与大模型画等号，忽略了风险分级的核心逻辑。

误区看到“全球营业额7%”就觉得自己公司小、营业额低，罚款了不起几十万，无所谓。

正解罚款取“固定额 vs 比例”的较大者，固定额以欧元计（3500万/1500万/750万），小公司照样可能被罚数百万欧元；此外还有责令召回、下架、暂停服务等非金钱制裁，以及公开数据库带来的商誉与融资伤害。预算再小，也要先把禁止性红线拆掉。

为何常见：人容易把“比例”和“绝对额”混为一谈，低估了监管给罚款装上的兜底条款。

误区觉得做完合格评定、贴上CE标志、注册进数据库，公司就永远合规了，之后不用再投入。

正解CE标志只是上市前的“入场券”。法案还要求持续的日志留存、上市后市场监测、重大事件报告、使用说明更新；系统大版本更新甚至可能触发重新评定。这就像商场厨房年检合格不等于全年不用管，消防抽查和日常运维随时都会来。

为何常见：把“一次性认证”的旧思维套用到“全生命周期监管”的新范式上，忽视了AI系统的持续演进特性。

面试题

Q1. 《欧盟AI法案》从哪一天起正式生效？

单选题 · easy

  • A.2023年6月14日
  • B.2024年8月1日← 正确答案
  • C.2025年2月2日
  • D.2026年8月2日

答案：B。法案于2024年8月1日正式生效，这是整张“年检公示表”的基准日。2025年2月2日是禁止性条款执法日，2026年8月2日是高风险系统合规日，都不是生效日本身。

Q2. 首批强制执法的AI义务是哪一类？

单选题 · easy

  • A.禁止性AI实践条款← 正确答案
  • B.高风险系统的合规
  • C.通用模型全部义务
  • D.开源模型的责任

答案：A。生效后6个月，也就是2025年2月2日，禁止性AI实践率先执法，相当于商场里“消防通道堆杂物”这类最危险的行为被立即拉红线。高风险系统和GPAI义务的执法顺序都在它之后。

Q3. 2026年8月2日全面适用的对象是？

单选题 · mid

  • A.附件三高风险系统← 正确答案
  • B.附件一高风险系统
  • C.所有生成式AI应用
  • D.全部开源AI组件

答案：A。2026年8月2日是生效后24个月，对应附件三高风险系统全面合规。附件一的高风险系统要等到2027年8月2日才适用，生成式AI和开源组件则要看它们落在哪个风险档位，不能一概而论。

Q4. 下列哪些属于附件三的高风险AI领域？

多选题 · mid

  • A.生物识别身份分类← 正确答案
  • B.教育评估打分← 正确答案
  • C.电商商品推荐
  • D.员工招聘与筛选← 正确答案

答案：ABD。附件三覆盖生物识别、教育、就业、信贷、执法、移民、司法等八大敏感领域。电商商品推荐通常属于最小或有限风险，不在附件三清单内，因此C不选。

Q5. 违反禁止性AI实践的罚款上限为？

单选题 · mid

  • A.1000万欧或营业2%
  • B.1500万欧或营业3%
  • C.3500万欧或营业7%← 正确答案
  • D.750万欧或营业1.5%

答案：C。违反禁止性AI实践是最重的一档，最高罚3500万欧元或全球年营业额7%。1500万欧/3%对应违反高风险系统核心义务，750万欧/1.5%对应向监管提供错误信息，其余两档都比禁止性条款轻。

Q6. 高风险AI系统的合规义务包括哪些？

多选题 · hard

  • A.建立风险管理体系← 正确答案
  • B.开展数据治理← 正确答案
  • C.编写技术文档← 正确答案
  • D.强制公开训练数据

答案：ABC。高风险系统的“五板斧”包括风险管理、数据治理、技术文档、日志记录、透明度与人机监督。D的“强制公开训练数据”是误解，法案只要求GPAI公示训练数据摘要，并非公开完整数据，因此不选。

Q7. 附件一高风险AI系统（如医疗AI）的合规截止日是？

单选题 · mid

  • A.2025年8月2日
  • B.2026年8月2日
  • C.2027年8月2日← 正确答案
  • D.2028年8月2日

答案：C。附件一涉及医疗器械、汽车等已受产品法规管制的系统，法案给它们最长的缓冲期，在生效后36个月即2027年8月2日适用。这相当于商场里“已经在合规经营的区域”可以晚点复查。

Q8. 《AI法案》的核心监管思路是？

单选题 · easy

  • A.所有AI统一管理
  • B.按风险高低分级← 正确答案
  • C.完全交给行业自律
  • D.全部豁免中小企业

答案：B。法案的灵魂是“风险分级”：不可接受风险禁止、高风险严管、有限风险透明、最小风险自律。它既不是一刀切，也不是纯自律，而是一张按风险强度递进的“年检公示表”。

Q9. 关于违规处罚，下列说法正确的有？

多选题 · hard

  • A.提交错误信息可被罚款← 正确答案
  • B.监管可责令产品下架← 正确答案
  • C.处罚不会影响企业商誉
  • D.仅有大型企业会被追责

答案：AB。向监管提供不正确不完整信息可罚750万欧或1.5%，监管还可责令召回与下架，A、B正确。违规记录会进入公开数据库，商誉与融资必然受损，C错误；罚款同时覆盖大中小各类企业，D也错误。

Q10. 企业应对2026年8月节点最该先做的动作是？

单选题 · mid

  • A.全面停止AI产品研发
  • B.开展合规差距分析← 正确答案
  • C.等待执法细则完全落地
  • D.将数据全部迁出欧盟

答案：B。正确的第一步是盘点AI台账并做差距分析，对照高风险义务清单找出缺口，才能制定整改排期。停止研发是因噎废食，等待细则会错过窗口，迁数据更解决不了域外管辖问题，A、C、D均不可取。