想象你经营一家食品公司，想把新款零食卖进欧洲。你会先研究欧盟的食品安全法规：哪些成分达标、哪些工艺要报备、哪些添加剂明令禁止。因为有些东西——比如毒蘑菇、发霉的肉——不管卖相多好、广告多吸引人，就是不允许摆上超市货架。2024年8月，欧盟《人工智能法案》（EU AI Act）正式生效，它扮演的正是这位“欧洲大超市入口质检员”的角色。这部法律把AI应用按风险分成四级，其中“不可接受风险”最严重，等于直接写进了“毒蘑菇清单”：社会评分、在公共场所实时远程扫脸、职场和校园里的情绪识别、利用儿童或残障人士的弱点操纵行为……这些AI应用连进入市场的资格都没有，既不许卖，也不许用。
对AI从业者而言，掌握EU AI Act禁止类清单等于拿到欧盟市场的“准入安全地图”：不仅能把控产品合规红线、规避天价罚款，还能在出海设计中提前规划替代方案，让技术既强大又不越界。
可视化演示
展示AI应用四级风险分类体系与禁止类五大场景，以及合规判定决策流程。
本节配有交互动效（进入视口后自动加载，约 3KB）。
AI应用四级风险分类 禁止类：完全禁止投放欧盟市场 高风险类：需满足严格合规要求 有限风险类：需透明度披露 risk_level = f(harm, rights, autonomy) 风险越高监管越严格，禁止类零容忍。
法案分级
走进任何一家欧洲超市，你会看到货架其实暗藏分级：贴着绿色标签的有机食品最受信任，普通食品凭生产许可上架，生鲜乳制品必须冷链运输，而角落里那扇贴着“严禁销售”标识的后门，永远锁着毒蘑菇和过期肉。食品分级决定了每种商品的“待遇”，欧盟《人工智能法案》用的正是同一套逻辑——只不过它分级的对象，变成了AI应用。
2024年8月1日正式生效的EU AI Act，是全球首部全面监管AI的综合性法律。它把AI应用按风险分成四级：最低风险（如垃圾邮件过滤器）几乎不受约束、有限风险（如聊天机器人）只需履行透明度告知义务、高风险（如医疗诊断AI、招聘筛选AI）需要严格的合规审查与人类监督，而最高一级“不可接受风险”直接被拉黑——对应法律第5条的禁止清单。
第5条列出的禁止类AI应用，相当于“毒蘑菇清单”：利用潜意识操纵或弱势群体扭曲行为的系统、社会评分、基于画像预测犯罪的系统、从互联网无差别抓取人脸建库的系统、职场与校园的情绪识别、执法场景的公共空间实时远程生物识别。落入这个清单的应用，不仅禁止投放市场，连投入使用和使用本身都违法。一句话：技术再炫，产品再好，只要踩中这条线，连“开张营业”的资格都没有。
食品厂不会把毒蘑菇列入“年度研发计划”，因为进入厨房那一刻就出局了。同理，成熟的AI团队在产品立项时就会远离第5条清单，而不是等到产品做出来再补救——这是EU AI Act给整个行业上的第一课。
- 应用集合$x \in \mathcal{A}$ 表示被审查的某个AI应用 $x$ 来自全体AI应用集合 $\mathcal{A}$，立法者要逐个筛查“货架上的每一件商品”。
- 价值观映射$V(x)$ 是把应用 $x$ 映射到它所体现的价值观，相当于质检员给商品贴上的“性质标签”。
- 欧盟价值观集合$\mathcal{V}_{\text{EU}}$ 是欧盟基本权利宪章所承认的价值观集合，它是判定“能不能上架”的基准线。
- 不属于即禁止$V(x) \notin \mathcal{V}_{\text{EU}}$ 表示应用价值观不在欧盟认可的范围内，于是它被归入 $C_{\text{ban}}$（禁止集）。
社会评分
一箱牛奶里有几瓶因为储存不当变质了，超市的处理方式是什么？下架整批、贴上“劣质批次”标签，从此这箱牛奶再也没机会单独翻案。社会评分干的正是这件事：它把你的社会行为、身份特征、历史记录全部碾成一个个数字，再用这个数字决定你在贷款、租房、求职时是“优质客户”还是“风险人群”。
法律条文把这种“永远翻不了案”的数字烙印写进了禁令。第5条第1款(c)项禁止公共或私人机构使用基于社会行为或已知/推断个人特征的社会评分系统，只要它同时满足两个危险信号之一：一是在与原始行为无关的背景下对你产生了不利待遇——比如你在社交媒体上的抱怨被你三年前的帖子“连坐”，影响了房贷审批；二是待遇与行为严重性不成比例——比如闯一次红灯，就被禁止购买高铁票。
许多从业者误以为社会评分只针对政府，其实私人企业同样在射程内。法律用的表述是“由公共或私人机构实施”，打击面覆盖所有面向公众的评分行为。当然，银行对客户的信贷授信评分、保险公司基于风险的精算定价并不自动触发禁令，因为它们发生在特定合同关系内，且与行为的严重性成比例。边界在于：你是否被一个“看不见的档案”牵着走，却没有翻盘申诉的出口。
欧洲大超市的货架规则里有一句潜台词：食品会过期，但人的改变不应该被一个数字永久定格。社会评分之所以被禁，就是因为它剥夺了消费者“重新开始”的权利。
- 加权求和$S_{\text{total}} = \sum_{i=1}^{n} w_i x_i$ 把 $n$ 项社会行为特征 $x_i$ 按权重 $w_i$ 加总，得到一个人的社会评分。
- 行为特征$x_i$ 是第 $i$ 项社会行为或已知/推断个人特征的量化值，比如消费记录、社交发言、出行轨迹。
- 权重系数$w_i$ 表示第 $i$ 项特征在总分中的重要性，权重设置往往不透明，这正是“数字烙印”可怕的地方。
- 禁止条件$U_{\text{irr}} \lor P_{\text{disp}}$ 中 $\lor$ 是“逻辑或”，表示“无关背景不利待遇”或“不成比例待遇”只要成立其一，评分系统即触发禁令。
实时生物识别
超市想抓住偷窃惯犯，于是在每个货架角落安装了X光机，顾客一进门就被实时透视钱包和口袋。听起来高效，但没人愿意在毫无察觉的情况下被“解剖”。实时远程生物识别，就是AI世界里的X光机：摄像头在公共空间里实时捕捉人脸、步态、指纹，不需要你配合、不需要你知情，几毫秒内就把你从人群中“捞”出来。
EU AI Act第5条针对的是执法场景下三类条件同时满足的系统：实时（数据捕获后立即处理识别）、公共可进入空间（街道、广场、地铁站等公众自由出入的场所）、远程生物识别（无需当事人主动配合的被动采集）。三者缺一不可。这也解释了一个常见困惑：手机人脸解锁、公司闸机刷脸考勤并不属于禁止范围——它们不是执法目的，也不在“公共可进入空间”。
为避免绝对禁令伤及根本安全，法律为执法场景留了三条窄门：搜寻失踪受害者（包括被拐儿童）、防范迫在眉睫的恐怖主义威胁、侦查或起诉特定严重刑事犯罪。即使落入这三类，仍须获得司法或独立行政机构的事先授权；极端紧急情况下可以先执行、后补授权，但必须在72小时内补齐手续，并且受时间、地域范围和目标人群的严格限制。单一依赖生物特征匹配还不够，必须结合其他确凿证据才能采取行动。
例外条件下还要额外满足一套授权约束。用同样的符号语言可以表达为：合法例外 = 反恐、寻失、重罪三类场景之一，且（事先经司法授权，或紧急情况后72小时内补授权）。X光机永远不会成为超市标配，只有面对炸弹威胁、儿童失踪这类十万火急的险情时，才会在严密的流程监督下短暂启动。
- 三要素合取$B_{\text{realtime}} \land P_{\text{public}} \land B_{\text{remote}}$ 用逻辑“与” $\land$ 连接，表示三个条件要同时满足，缺一不可。
- 实时因子$B_{\text{realtime}}$ 表示从生物数据捕获到身份识别发生在同一时间窗口内，几乎没有延迟。
- 公共空间因子$P_{\text{public}}$ 指发生在公众可自由进入的空间，而非封闭的私人场所。
- 远程因子$B_{\text{remote}}$ 指系统在当事人没有主动配合、甚至毫不知情的情况下远程采集并比对生物特征。
情绪识别
超市货架上出现了一款饮料，包装颜色会随着温度变化：蓝色代表“这瓶饮料心情不好”，红色代表“这瓶饮料很兴奋”。你会信吗？当然不会——包装颜色和饮料心情毫无因果关系。可AI情绪识别做的事情，本质上就是“看包装猜心情”：通过摄像头捕捉面部肌肉运动、语音语调、心率波动，推断你此刻是愤怒、焦虑还是愉悦。
在不对等的权力关系里，“读心”会变成压迫工具。第5条明文禁止在工作场所和教育机构投放或使用情绪识别系统。想象一下：老板用AI监测员工的表情来判断谁在“摸鱼”，老师用摄像头分析学生是否“认真听课”。这种场景下，员工和学生会被迫学会表演——假装积极、掩饰疲惫，真实的情绪反而被压制。法律禁止的不是“读心术”本身，而是把读心术用在权力不平等的场所，因为它会系统性侵蚀人的尊严。
从技术上看，情绪推断本身也站不住脚。微笑可能是真开心，也可能只是职场礼貌；皱眉可能是生气，也可能只是阳光刺眼。自闭症等神经多样性群体的面部表达方式与常人不同，跨文化差异更让“表情=情绪”的公式漏洞百出。用贝叶斯的视角看，先验概率一旦出错，整个推断都会崩塌：
欧洲大超市的质检员不会用包装颜色给饮料“定罪”，同样，法律也不会允许老板用摄像头给员工“定性”。职场与校园，应该是人敢于流露真实情绪的地方，而不是被AI判读情绪的实验场。
- 后验概率$P(\text{emotion}=e \mid \text{face}=f)$ 是观察到面部表情 $f$ 后，判定真实情绪为 $e$ 的概率，也就是AI最终输出的“读心结果”。
- 似然概率$P(\text{face}=f \mid \text{emotion}=e)$ 表示在情绪 $e$ 为真的条件下出现表情 $f$ 的可能性，它来自训练数据里的统计规律。
- 先验概率$P(\text{emotion}=e)$ 是未观察面部前，情绪 $e$ 在人群中的先验分布。文化差异、个人性格都会让这个先验失真。
- 证据归一化分母 $P(\text{face}=f)$ 是观察到该表情的总概率，起到归一化作用，确保所有情绪概率之和为1。
弱势群体利用
学校门口总有人向孩子们推销超甜超油的垃圾食品，因为他们知道孩子抵抗不了糖的诱惑。这类推销被所有文明社会所不齿，因为它蓄意利用对方的弱点。EU AI Act把这种“向最脆弱的人精准下手”的逻辑，同样列为禁止类AI应用的红线。
法律的表述分两支。第5条第1款(a)项禁止使用潜意识操纵技术——那些低于人的意识感知、让人在毫无觉察的情况下被改变行为的手段，比如画面中一闪而过的隐藏指令、超出感知阈值的诱导信号；第5条第1款(b)项则禁止利用脆弱性——基于年龄、残疾或特定社会经济状况，蓄意利用人的弱点来实质性扭曲其行为。
两个条款都强调三个要件：一是“有意设计”或合理可预见，系统必须是被设计成利用脆弱性的，而不是偶然误伤；二是“实质性扭曲行为”，用户本来不会做出的决策因为操纵而发生了；三是“导致或可能导致重大伤害”，伤害可以是身体上的，也可以是心理上或经济上的。典型的例子包括：儿童语音玩具用“不买就哭”的对话套路诱导付费，面向认知能力下降老人的金融AI高频推销高风险理财产品，针对低收入人群的“决策助推”变相引导过度借贷。
毒糖果之所以比普通糖果更恶劣，是因为它精准地瞄准了孩子自控力薄弱这个软肋。AI系统的“精准推送”一旦转向蓄意利用人性弱点，就不再是商业创新，而是法律明令禁止的掠夺。
- 操纵行为$M_{\text{manip}}$ 表示系统使用了潜意识技术或针对性利用手段，这是进入禁令的第一个门槛。
- 脆弱群体$A_{\text{age}} \lor A_{\text{dis}}$ 中 $\lor$ 表示“年龄脆弱性”与“残障脆弱性”至少居其一，即可认定对象脆弱。
- 伤害要件$H_{\text{harm}}$ 表示行为已经造成或可合理预见会造成重大伤害，排除了“无害的玩笑式设计”。
- 三者合取$\land$ 连接三个条件，说明操纵、脆弱性、伤害结果缺一不可，构成完整的禁止闭环。
执法与罚则
假设有人真的把毒蘑菇摆上了欧洲超市货架，会怎样？不是道个歉下架就完了——市场监管部门会开出天价罚单，罚款金额可能高到把整个货架的利润全部赔光。EU AI Act给违反第5条禁令的企业准备的，正是这样一张“倾家荡产”级别的罚单。
执法体系分两层：欧盟层面设立AI办公室负责统筹协调、统一解释和指导，各成员国则指定本国市场监督机构负责具体执法。罚款金额的计算采用“两者取高”原则——要么罚固定金额3500万欧元，要么罚企业上一财年全球年营业额的7%，哪个高按哪个来。对大公司来说，7%的全球营业额通常远超3500万欧元；对小公司来说，3500万欧元的固定上限则构成威慑天花板。相比之下，违反其他义务（如高风险系统的合规要求）罚金为1000万欧元或2%营业额，可见对禁止类应用的打击力度是顶格的。
执行节奏同样值得关注：法案2024年8月1日生效，但并非立刻全面执法。第5条禁止条款自2025年2月2日起适用，是所有实体条款中最早生效的硬性约束；高风险AI系统的全面义务从2026年8月2日开始；通用AI模型的相关规则最晚到2027年8月2日落地。成员国之间在执法机构指定、处罚流程细节上存在差异，但禁止条款本身是统一适用的——它像是超市总部的“全国统一禁售令”，各分店可以有自己的陈列规则，却不能自行决定毒蘑菇能不能卖。
在欧洲大超市卖毒蘑菇，最惨痛的代价不是失去一个货架，而是失去整个生意的利润。这张天价罚单时刻提醒所有AI公司：第5条是生死线，不是可以试探的成本项。
- 固定罚金$35{,}000{,}000\,\text{EUR}$ 是法律规定的固定罚款额，保证即便是营收很小的小公司也要承受足够威慑的处罚。
- 比例罚金$7\% \times T_{\text{global}}$ 用上一财年全球总营业额 $T_{\text{global}}$ 乘以7%，让罚金与企业规模挂钩，防止大企业把罚款当“零花钱”。
- 取高函数$\max(\cdot,\cdot)$ 表示选择两个数值中更高者，兼顾了公平性与威慑力——既不让大企业用固定额糊弄过去，也不让小企业面对天文数字比例罚金。
企业合规策略
食品厂想要产品进入欧洲超市，最专业的做法不是等质检员上门罚款，而是在出厂前就建一条“自检传送带”：每一批产品都要过一遍检验设备，毒蘑菇在源头就被挑出来扔进销毁桶。AI企业的合规策略，本质上就是建这条“出厂前自检传送带”。
第一步，建立红线清单。产品上线前对照第5条逐项问自己：我的系统是否对公众做社会评分？是否在公共空间做实时远程生物识别？是否在职场或校园推断情绪？是否利用年龄、残障等脆弱性进行操纵？是否在互联网上无差别抓取人脸建库、基于画像预测犯罪？任何一项命中，立即终止该功能开发，没有“改一改就行”的讨论空间。
第二步，用替代路径保住业务价值。实时识别不让做，就改成事后识别——事后识别不属于禁止类，但要纳入高风险义务管理；情绪识别在职场不能做，就改为统计“工作行为指标”，比如任务完成时长、协作频次，而不是去推断内心的喜怒哀乐；面向公众的社会评分不能做，就回归特定合同关系下的信用评估，确保待遇与行为严重性成比例。第三步，把合规沉淀为组织能力：建立AI系统风险登记册，记录每个产品线的风险级别、合规评估结论和人类监督机制，让每次上架决策都有据可查。
自检传送带不会阻止食品厂生产零食，它只是确保上架的都是安全食品。合规策略的意义同理：它不是创新的敌人，而是让AI产品在欧盟市场活下去的通行证。把红线前置到设计阶段，比事后收到天价罚单要便宜得多。
- 红线项$R_i$ 代表第 $i$ 项禁止特征，比如“存在社会评分行为”、“存在实时远程生物识别”。
- 逐项取反$\neg R_i$ 对每一项红线做逻辑非，表示第 $i$ 项禁止特征不存在。
- 全部合取$\bigwedge_{i=1}^{n}$ 依次用“与”连接所有 $\neg R_i$，要求每一项都为真，即所有红线项全部规避。
- 结果解读$C_{\text{pass}}$ 表示合规通过，它是一个布尔值——只要有一个 $R_i$ 为真（即命中红线），合取结果就变成假，产品就不能进入欧盟市场。
AI 应用场景
出海产品经理的合规红线审查
阶段：产品规划与市场准入评估
解决的问题：过去许多出海团队把AI功能做完才意识到触犯欧盟法规，轻则功能下架，重则面临高额罚款。用第5条禁止清单对产品功能逐项筛查，可以在立项阶段就把风险按在摇篮里。
具体案例：一家中国出海SaaS公司计划在欧盟推出“用户活跃信用分”功能，根据用户退单率、客服投诉次数生成分值并影响售后服务优先级。产品经理用EU AI Act红线清单一查：该功能基于社会行为数据对公众打分，且在不同服务场景产生差别待遇，极可能构成“社会评分”禁止类。团队在2025年2月禁令适用前果断取消该功能，改用“单次订单售后评级”（仅涉及该笔合同），既保留业务价值又规避禁令。
律所的AI辅助合规差距分析
阶段：合规评估与尽职调查
解决的问题：跨国律所要为大量AI产品做欧盟合规审查，逐条阅读法律文本效率极低，且各成员国执法口径有差异。把第5条禁令转译成结构化规则库，用AI做初步筛查，再交给律师复核，能大幅提升合规审查效率。
具体案例：一家欧洲律所搭建了内部合规工具：输入AI产品的功能描述和技术参数，工具自动比对第5条禁止清单，输出“潜在命中项+相关判例+修改建议”的差距报告。例如，客户提供的“零售店铺顾客情绪分析系统”被工具标记为“可能涉及情绪识别”，律师进一步确认其使用场景为商场而非工作场所/校园，最终给出“不触发第5条禁令，但需评估GDPR敏感数据合规”的结论。
算法工程师的合规替代设计
阶段：技术方案设计与模型改造
解决的问题：实时远程生物识别的商业价值很大（客流统计、安全预警），但禁令红线不可触碰。算法工程师需要在不触发禁止要件的前提下保留核心功能。
具体案例：某智慧零售方案商原计划用公共空间摄像头实时识别人脸来做客流画像。合规审查后，团队把方案改成“边缘设备匿名化计数”：摄像头实时处理画面，但只输出人数、停留时长、区域热力，在设备端完成人脸检测后立即丢弃身份信息，不进行远程身份比对。该方案既不满足“远程生物识别”三要素，也不触碰人脸数据库，顺利通过合规评估并落地欧洲门店。
Python 演示
"""EU AI Act 第5条禁止类AI应用快速筛查工具""" class ProhibitionScreener: """根据EU AI Act第5条黑名单规则对AI应用做合规初筛.""" def __init__(self, app): self.app = app self.flags = [] self.hits = [] def check_social_score(self): s = self.app.get("social_scoring") if s and s.get("public_scope") and (s.get("unrelated_treatment") or s.get("disproportionate")): self.hits.append("社会评分(第5(1)(c)条): 对公众产生无关/不成比例待遇") def check_realtime_biometric(self): b = self.app.get("biometric") if b and b.get("realtime") and b.get("public_space") and b.get("remote"): ex = b.get("exception") if ex not in ("counter_terror", "missing_person", "serious_crime"): self.hits.append("实时远程生物识别(第5(1)(h)条): 公共空间且无执法例外") def check_emotion(self): e = self.app.get("emotion_recognition") if e and (e.get("workplace") or e.get("education")): self.hits.append("情绪识别(第5(1)(f)条): 应用在职场或教育环境") def check_vulnerable_exploit(self): v = self.app.get("vulnerability_exploit") if v and v.get("intentional") and (v.get("age") or v.get("disability")) and v.get("harm"): self.hits.append("利用弱势群体(第5(1)(b)条): 蓄意利用年龄/残障并造成伤害") def run(self): self.check_social_score() self.check_realtime_biometric() self.check_emotion() self.check_vulnerable_exploit() if not self.hits: self.flags.append("未命中第5条禁止清单, 可进入下一阶段评估") else: self.flags = self.hits def print_report(self): for line in self.flags: print(" [结论] " + line) def main(): demo_apps = [ {"name": "市民信用分平台", "social_scoring": {"public_scope": True, "unrelated_treatment": True, "disproportionate": True}}, {"name": "商场实时扫脸广告屏", "biometric": {"realtime": True, "public_space": True, "remote": True, "exception": None}}, {"name": "企业员工情绪监控助手", "emotion_recognition": {"workplace": True, "education": False}}, {"name": "儿童语音玩具(诱导危险游戏)", "vulnerability_exploit": {"intentional": True, "age": True, "disability": False, "harm": True}}, {"name": "合规的新闻推荐系统", "social_scoring": None, "biometric": None, "emotion_recognition": None, "vulnerability_exploit": None}, ] for app in demo_apps: screener = ProhibitionScreener(app) screener.run() print("== " + app["name"] + " ==") screener.print_report() print() if __name__ == "__main__": main()
self.hits = []维护一个命中清单，每命中一条禁令就往里追加一条违规说明，类比传送带上被红灯拦截的“毒蘑菇”。s.get("unrelated_treatment") or s.get("disproportionate")用逻辑或还原法律条文里“无关背景不利待遇或不成比例待遇”的触发关系，任一为真即构成社会评分禁令。if b and b.get("realtime") and b.get("public_space") and b.get("remote")用三个“与”条件精确还原实时远程生物识别的三要素，缺一不可。if ex not in ("counter_terror", "missing_person", "serious_crime")执法三类例外（反恐、寻失、重罪）不在其中时，实时远程识别才被判定为禁止类。e.get("workplace") or e.get("education")对应情绪识别禁令的两个禁区：工作场所和教育机构。v.get("intentional")强调“蓄意利用”要件，避免把偶然的算法偏差误判为利用弱势群体。if not self.hits:所有检查项跑完后，如果命中列表为空，说明产品安全通过禁止类筛查。if __name__ == "__main__":保证模块被导入时不执行演示逻辑，只有直接运行时才跑五个示例应用。
常见误区
误区“2024年8月法案生效了，所以所有AI公司现在都必须满足所有条款，包括高风险义务，否则马上被罚。”
正解法案生效不等于全部条款立即适用。第5条禁止类条款自2025年2月2日起适用，是高优先级的“第一波”；高风险AI系统的全面义务到2026年8月2日才落地；通用AI相关规则更是等到2027年8月。这就像超市宣布了新食品安全条例，但条例规定“禁令下个月起执行”——法律存在了，具体条款的检查时间表却是分阶段的。
为何常见：媒体报道标题常常简化成“欧盟AI法案生效”，读者容易忽略法律内部的“分阶段适用”机制。
误区“社会评分只有国家机关才能搞，私人公司给用户打个服务等级分不碍事。”
正解条文明确说“由公共或私人机构实施”的社会评分都在打击范围内。只要系统基于社会行为或推断特征生成对公众的评分，并在无关场景中造成不利待遇或不成比例伤害，私人企业同样构成违规。比如外卖平台把顾客按“难缠程度”打分并跨商家共享，风险极高。但银行对客户的授信评分、保险公司的精算定价因为发生在特定合同关系内且保持成比例，不属于禁止范围。
为何常见：“social scoring“这个译名让人自然联想到政府信用体系，忽略了法条中”或私人机构”这个关键词。
误区“EU AI Act把实时人脸识别一刀切全禁了，手机人脸解锁、公司刷脸打卡都要完蛋。”
正解第5条禁止的是三个条件同时成立的系统：执法目的、公共可进入空间、实时远程生物识别。手机解锁和考勤打卡既不属于执法场景，也不是“远程”被动采集，完全不在禁止范围内。公共空间的商业性实时人脸识别虽不直接落入第5条，但无差别抓取人脸建库被明令禁止，GDPR也几乎堵死了商业实时识别的合法性路径。执法场景还有反恐、寻失、重罪三类严格例外。
为何常见：新闻标题习惯性放大“人脸识别被禁”的传播效果，丢失了“实时+执法+公共空间+远程”这些关键限定词。
误区“AI Act禁止一切情绪识别AI，所有情感计算产品都不能做了。”
正解禁令的射程是工作场所和教育机构两个场景。其余场景，比如广告素材的情绪反馈测试、医疗场景中对患者情绪状态的辅助评估，不触犯第5条这一款，但可能落入GDPR敏感数据规则或未来高风险义务的调节范围。所以做情绪识别产品要回答的关键问题是：我的产品用在哪、服务对象是谁，而不是“情绪识别是否被禁”。
为何常见：把“工作场所和学校禁止”概括成“全面禁止”，是典型的以偏概全。
误区“罚款就是3500万欧元，大公司小公司都一样。”
正解法条写的是“3500万欧元与全球年营业额7%取较高者”。大公司往往被7%的营业额惩罚覆盖，金额远超3500万；小公司可能营业额基数太低，7%还不够威慑，于是3500万的固定下限兜底。两者取高，正是为了让罚金既匹配企业规模又保持足够威慑力。而且这是违反第5条禁令的罚则，其他一般合规义务违规只有1000万欧元或2%一档。
为何常见：只记住了法条里的第一个数字，忽略了“两者取高”的机制和营业额基准。
面试题
Q1. 欧盟《人工智能法案》(EU AI Act) 按风险把AI应用划分为几个等级？
- A.四个等级← 正确答案
- B.三个等级
- C.五个等级
- D.两个等级
答案：A。EU AI Act采用四级风险框架：不可接受风险、高风险、有限风险、最低风险。禁止类应用属于第一级“不可接受风险”，根本不允许进入市场。这就像欧洲超市把食品分成有机、普通、需冷藏和毒蘑菇四档，毒蘑菇直接被拒收。BCD给出的层级数量都不符合法条的四级划分。
Q2. 下列哪项最可能构成第5条禁止的“实时远程生物识别”？
- A.警方在街头实时扫脸找人← 正确答案
- B.手机支付使用指纹解锁
- C.案发后调取录像比对
- D.公司闸机刷脸打卡考勤
答案：A。实时远程生物识别要求“执法目的+公共可进入空间+实时+远程”三要素同时成立。A发生在警方执法、公共街头、实时远程扫脸，最可能落入禁止框架（除非满足反恐/寻失/重罪例外）。B和D不是公共空间执法场景，C是事后识别而非实时，均不构成禁止类。
Q3. 社会评分构成“禁止类”的触发条件包括哪些？
- A.在无关社会背景下不利待遇← 正确答案
- B.与行为严重性不成比例的待遇← 正确答案
- C.评分结果在员工内部公开
- D.算法模型使用了深度神经网络
答案：AB。法条以“或”关系列出两个触发条件：在原本无关的社会背景下产生不利待遇（A），或者待遇与行为严重性不成比例（B）。只要满足其一即构成社会评分禁令。C和D只是实现细节或展示方式，不是社会评分的禁止触发条件。
Q4. 执法场景的实时远程生物识别，欧盟法案允许的例外有哪些？
- A.搜寻失踪的受害儿童← 正确答案
- B.拦截普通交通违章车辆
- C.防范迫在眉睫的恐袭威胁← 正确答案
- D.侦破特定严重的刑事犯罪← 正确答案
答案：ACD。第5条只留下三条窄门：搜寻失踪受害者（A）、防范迫在眉睫的恐怖主义威胁（C）、侦查或起诉特定严重刑事犯罪（D）。B“普通交通违章”不在例外清单中，不能作为实时远程识别的合法理由。另外即使满足例外，仍须经司法或独立机构授权，紧急情况须在72小时内补办手续。
Q5. 下列哪个场景不在“情绪识别禁令”的禁止范围内？
- A.面试官分析求职者微表情
- B.教室监测学生听课专注度
- C.医院辅助诊断患者情绪障碍← 正确答案
- D.会议室评估员工疲劳程度
答案：C。情绪识别禁令只覆盖工作场所和教育机构两个场景。A面试室、B教室、D会议室都属于这两个禁区。C属于医疗辅助诊断场景，虽然涉及情绪信息，但不是以“职场/校园关系”为前提的评估，不触发第5条禁令，不过仍需评估医疗器械法规和GDPR的约束。
Q6. 违反第5条禁止条款，罚金如何计算？
- A.一律处罚三千五百万欧元
- B.一律按全球营业额百分之七
- C.取两者中数额较高者处罚← 正确答案
- D.取两者中数额较低者处罚
答案：C。法条采用“两者取高”原则：罚款金额为3500万欧元与全球年营业额7%中的较高者。取高的意义是让罚金匹配企业规模——大公司受营业额7%约束，小公司受3500万固定额兜底。A和B都只讲了其中一个选项，D恰好说反了，取低者会让大企业轻松规避威慑。
Q7. 企业想在欧盟市场合规落地，下列做法合理的有？
- A.上线前逐项对照红线清单← 正确答案
- B.将实时识别改成事后识别← 正确答案
- C.设计阶段移除禁止性特征← 正确答案
- D.在注册地规避欧盟执法即可
答案：ABC。合规的正确姿势是把禁止类清单前置到产品设计：上线前逐项排查（A）、用事后识别替代实时识别（B）、在设计阶段移除禁止特征（C）。D错在以为注册地可以规避——EU AI Act的适用范围覆盖在欧盟市场投放或使用的AI系统，总部在欧盟外但只要产品面向欧盟用户就在监管射程内。
Q8. EU AI Act中属于“不可接受风险”的AI应用，对应的监管态度是？
- A.直接列入禁止类清单← 正确答案
- B.需要完成严格合规审查
- C.只需履行透明度告知义务
- D.完全不受任何法律约束
答案：A。“不可接受风险”是四级风险中最高的一级，对应直接禁止——既不能投放市场，也不能投入使用和使用。B对应的是高风险AI，C对应的是有限风险，D对应的是最低风险。就像超市里毒蘑菇不是“加强检验后销售”，而是根本不具备上架资格。
Q9. 关于“利用弱势群体”禁令，下列哪项理解正确？
- A.系统必须有意利用脆弱性← 正确答案
- B.只要造成实际伤害即可
- C.算法存在偏差就构成利用
- D.仅儿童适用此条禁止
答案：A。利用弱势群体的禁止强调“有意设计或合理可预见”：系统必须是被设计成利用年龄、残障或特定社会经济状况的脆弱性来扭曲行为，偶然的算法偏差不算。B缺少“有意性”要件，C把偏差等同于利用，D错误——儿童只是弱势群体之一，残障群体等同样在保护范围内。
Q10. 某公司2025年3月仍向欧盟投放被禁止的AI应用，以下认识正确的是？
- A.第5条禁令已适用可被处罚← 正确答案
- B.要等2026年8月才能处罚
- C.法案生效即等于全部条款执法
- D.总部在欧盟外就完全不受罚
答案：A。第5条禁止条款自2025年2月2日起适用，所以2025年3月投放被禁应用已经违法，可以启动执法（A对）。B把时间误认为2026年8月（那是高风险义务的起点）；C忽略了法案分阶段适用的机制；D错误，只要产品面向欧盟市场投放，无论总部是否在欧盟都在监管范围内，7%的罚金还按全球营业额计算。