欧盟AI法案与本地部署模型：企业将面临哪些变化

《(欧盟) 2024/1689 号条例》于 2024年8月1日 生效，分阶段实施：针对不可接受风险行为的禁令自 2025年2月2日 起适用，通用目的人工智能模型（GPAI）的义务自 2025年8月2日 起适用，而最重的部分——高风险系统的要求——自 2026年8月2日 起全面适用。违规处罚对被禁止行为最高可达 3500万欧元或全球营业额的 7%，对其他多数违规行为最高可达 1500万欧元或 3%。具体日期可能因法规修订而调整：制定计划前务必核实最新状态。

该条例的架构以风险为基础：被禁止的行为、高风险系统（负有风险管理、数据质量、技术文档、日志记录、透明度和人工监督等义务）、有限风险系统（主要是透明度义务）以及最低风险。一个常被忽视的要点是：义务同时约束系统提供方和在职业场景中使用系统的部署方（deployer）。如果你的企业将 AI 用于人员、文档或重要流程，即使模型来自外部供应商，企业自身也负有责任。

在实践中，AI法案中与 DPO 日常工作交集最直接的部分是数据管理：质量、相关性、可追溯性和最小化。再叠加仍然完全适用的 GDPR。将提示词和文档发送给外部 API，意味着把个人数据转移给第三方控制者或处理者：需要法律依据、欧盟境外传输评估、数据处理协议，而当处理具有系统性或敏感性时，往往还需要 DPIA。

每一次交给外部供应商的环节，都会带来持续性的合规工作，而非一次性工作：供应商会变更条款、数据处理区域、分包方或留存政策，评估就得重做。这就是敏感数据云端推理的隐性成本：不是按 token 计费的账单，而是需要长期守护的法律边界。

在自有边界内运行模型——企业服务器、专用工作站、私有基础设施——从根本上消除了最棘手的一类传输：数据不离开你掌控的环境，因此无需欧盟境外传输条款，数据最小化可以按项目落实，数据驻留成为技术事实而非合同承诺。模型准备阶段也可以遵循同一原则：借助 Distiller Cloud 这样的零留存服务，数据集和训练产物会在交付后 48 小时内被自动销毁，不在第三方留下任何副本。

第二个优势是可审计性。以文件形式下载的模型——采用 GGUF 或 safetensors 等标准格式——是一件产物：它有版本号，可以在自有评估集上测试、归档和复核。当 AI法案要求技术文档、日志记录和人工监督能力时，基于自有产物工作，要比还原一个可能毫无预警就更改行为的外部服务简单得多。

这一点必须说清楚，因为这是最常见的错误：如果用例属于高风险类别——人员评估、招聘筛选、信贷、基本服务——即使模型完全在本地运行，AI法案的义务依然适用。部署方式不会改变风险分类，风险分类取决于系统做什么、作用于谁。

改变的是证明合规的成本。当数据、日志、运行环境和模型版本完全在掌控之中时，合规工作就变成了内部流程，而不是与供应商的谈判。反向决策也更容易：如果某个用例风险过高或不够清晰，可以将其搁置，而不必受制于任何人的时间表。

第一步：建立现有和规划中的 AI 用例清单，逐项注明所处理的数据、涉及的人员和供应商。第二步：按条例的风险类别对每个用例进行分类——对大多数内部自动化而言，等级会是有限或最低风险，但分类结果必须形成文档。第三步：针对敏感数据，评估哪些流程可以迁移到本地或私有模型上，从重复性、边界明确、专用模型足以胜任的任务入手。第四步：确定向每家供应商提出的问题——数据留存、是否将数据用于训练、分包方、数据处理区域——并把同样的问题应用于内部流程。

由此显现的方向是一种双速策略：通用 API 用于实验和非敏感数据任务，专用模型在自有边界内承载重要数据上的稳定流程。Distiller Cloud 正是为第二种场景而生：一个为你的任务量身定制的小模型，你可以下载它，并在你的政策允许的地方运行——同时可以确信，交付 48 小时之后，我们的服务器上不会留下任何数据。