从 GPAI 义务到 AI 管理体系：AI Act 认证后的体系化落地（下篇）
图1 AI Act 认证之后：从一次性取证走向体系化持续合规
一 承上启下：认证是起点，持续合规靠体系
上篇我们把视线放在认证本身：Article 43 的合格评定路线、CE 标志、公告机构与协调标准，回答了“一款 AI 系统能不能带着合法身份进入欧盟市场”。但拿到证书只是拿到一张入场资格，真正的考验在证书之后——系统在真实运行环境里能不能长期守住合规状态。
这里需要把“合规”与“体系”分开看。合规是结果，体系是产生并保持这个结果的能力。欧盟《人工智能法案》（Regulation (EU) 2024/1689）对高风险系统的横向要求、对通用目的 AI 模型的提供者义务，都不是靠一次评估就能长期满足的。模型会迭代，数据会更新，用途会扩展，风险会演变。
所以对已经通过认证或准备认证的企业，下一步的问题不是“证怎么拿”，而是“证拿到之后怎么管”。这正是本篇要展开的主线：用一套 AI 管理体系把法规义务转成日常可执行、可证明的过程，让合规从项目动作沉淀为组织能力。
本篇承接上篇的合格评定，把视角从“能不能入市”推进到“入市后能否稳运营”。我们用一张对照图先点明两篇的关系：上篇解决准入资格，下篇解决运行态的可持续合规。
落到组织层面，体系化的好处还在于把“谁负责”说清楚。AI Act 的不少义务需要跨法务、技术、产品、安全多个团队协同；没有体系，责任容易散落在零散沟通里。有了 AIMS，每一项控制都有归属、有流程、有记录，审计与自查时不必临时翻找。
图11 承接上篇：一张证解决准入，一套体系管住运行态
二 GPAI 提供者义务全景
通用目的 AI（GPAI）模型是 AI Act 里单独开辟的一条监管线，集中在第五章。与高风险系统的“按用途监管”不同，GPAI 模型按“能力通用性”监管：只要模型具备通用目的、可被集成进多种下游系统，其提供者就要承担一组横向义务，不论具体用途是否高风险。这组义务自 2025 年 8 月 2 日起适用。
Article 53 列出了五项基础义务。首先，提供者须建立并维持技术文档，载明模型架构、能力边界与已知局限，这是后续一切证明的底座。其次，须向下游集成者提供充分信息，使对方能够理解并履行自身义务。再次，须制定尊重欧盟版权法的版权政策并公开概要。此外，须基于欧盟版权法建立相应的遵从机制。收尾，须保持训练数据摘要，说明数据来源与处理方式。
当 GPAI 模型达到“系统性风险”门槛时，监管再加码。Article 55 与 56 要求提供者做系统性风险评估与缓解，并承担严重事件报告义务。门槛由委员会依算力等客观指标划定，触发后模型进入更严的监管视线。图2 把五项基础义务与系统性风险附加义务并列画出，表1 则把条款与要点做成可对照的清单。
图2 GPAI 提供者义务全景（Chapter V / Article 53）
表1 GPAI 提供者义务清单
还需说明，GPAI 义务与高风险义务并不互斥。一个通用模型既可能自身属于 GPAI，也可能被下游用于高风险场景；提供者既要满足第五章的横向义务，也要为下游提供能把高风险要求接起来的信息。两条线的衔接点，正是行为准则与 AIMS 共同要处理的地方。
三 GPAI 行为准则：把义务转成证据
义务有了，怎么向监管与下游证明“我做到了”？GPAI 行为准则是目前被确认可用的一件适当自愿工具。它由欧盟委员会与 AI 办公室于 2025 年 7 月发布，定位清晰：它是自愿的，不是强制认证，但被确认能帮助提供者证明自己满足了 AI Act 的相关义务。
理解行为准则，关键在“映射”二字。准则不是另立一套标准，而是把条目逐一对应到 Article 53 的具体义务，再给出可操作的执行建议。提供者按准则做完动作，就自然形成一条可追溯的证据链：哪条义务、对应准则哪项、做了什么、留了什么记录，一目了然。监管问询时，这条链能直接调取。
需要提醒的是，准则本身不替代法定义务。它的价值在于降低证明成本、提升与下游及监管沟通的效率。在采购环节，不少买方把是否遵循准则，当作评估供应方合规成熟度的一项参考。图3 把“是什么”与“怎么做”左右对照，表2 给出准则各维度的要点。
对中小提供者，未必从头写一套准则落地方案。可以先用准则的“核心义务”子集做精简版证明，再随业务规模逐步扩面。准则的弹性，恰是它作为自愿工具的价值：既不放松底线，也不强求一刀切的投入。
图3 GPAI 行为准则：可据以证明合规的自愿工具
表2 GPAI 行为准则要点
四 AI 管理体系（AIMS）以 ISO/IEC 42001 为底座
把零散义务统一起来的，是 AI 管理体系（AIMS）。ISO/IEC 42001:2023 是全球首个 AI 管理体系标准，它把 PDCA 循环落到 AI 生命周期上：Plan 阶段确立政策、识别 AI 风险、设定可执行目标；Do 阶段把控制落到生命周期流程与职责上；Check 阶段做监测、内审与绩效度量；Act 阶段通过管理评审持续纠偏。图4 画出这个循环。
AIMS 的真正意义，是把 AI Act 的横向要求“翻译”成组织内部能运行的控制。AI Act 对高风险系统提出风险管理、数据治理、记录留存、透明度、人为监督、网络安全六项横向要求。这些要求如果只当作“要交的文档”，就会散落各处；放进 AIMS，它们变成可分配、可度量、可审计的过程。
表3 给出一组映射示例：风险管理对应标准的规划与风险处置条款，数据治理对应数据治理过程，记录留存对应文件化信息，透明度对应影响分析与沟通，人为监督对应职责与能力，网络安全对应信息安全与韧性控制。图5 把这种“法规义务—管理控制”的对应关系可视化，方便企业据此搭流程。
从治理视角看，AIMS 不是给技术团队单设的额外流程，而是把 AI 风险纳入既有治理框架。企业常已有信息安全、质量或隐私管理体系，AIMS 应与之并线而非另建孤岛。这样既能压低重复投入，也能让 AI 风险与其他风险在同一张管理视图里被看见。
图4 AIMS 以 ISO/IEC 42001 为底座的 PDCA
图5 AI Act 横向要求映射到 ISO 42001 控制
表3 ISO 42001 与 AI Act 要求映射
五 高风险已认证系统的持续性：从合格评定到运行态
上篇讲到的高风险系统，一旦通过合格评定、贴上 CE、拿证入市，监管视线并没有移开。AI Act 要求提供者在运行态持续守住合规：模型变了、数据变了、用途变了，风险画像也要跟着变。把合格评定的“静态结论”接到“动态运行”，靠的是三件事——变更管理、上市后监督、事件响应。
变更管理解决“变的时候怎么办”。任何对模型、训练数据或预期用途的修改，都应回到风险框架重评，并把评估与决定留痕，避免“证是旧证、系统是新版”的脱节。上市后监督（PMS）解决“平时怎么看”。要建立持续收集性能退化、异常与事故的机制，把信号回灌给开发与治理环节。事件响应解决“出事怎么报”。要明确上报路径与时限，尤其是涉及人身、健康、基本权利的情形。
这套运行态机制不是凭空新建，而是 AIMS 的自然延伸。表6 列出 AIMS 应沉淀的文档类别：政策类明确方向、风险类支撑第九条与第十三条、数据类支撑第十条与第五十三条、运行类支撑上市后监督、证据类供第三方或内控调取。图6 把四个运行态支柱串成一条线。
运行态监控的频率与深度，应与风险等级挂钩。高风险或系统性风险模型需要更密的监测与更快的事件升级路径；低风险应用则可按常规节奏抽查。把频率写进 AIMS 的运行类文档，才能避开“平时不管、出事再补”的被动局面。
图6 已认证高风险系统：从合格评定到运行态
表6 AIMS 文档清单
六 行业落地示例：汽车 / 医疗 / 金融 / 招聘
AIMS 是通用底座，但落到行业会产生不同的衔接重点。汽车的自动驾驶与感知 AI，要在功能安全与网络安全的既有框架里接入 AI 风险论证，衔接 ISO 26262 与联合国 R155；医疗器械内嵌的 AI，要沿器械合规路径补齐临床与质量证据，衔接 MDR。金融的信贷评分与反欺诈模型，要满足既有审慎监管对可解释、可审计与公平性的要求。招聘场景的简历筛选 AI 直接落入 Annex III 高风险清单，须做影响评估并保留人员监督。
四类场景的共性在于：都要先判定自身在 AI Act 下的定位（高风险、GPAI，还是两者兼具），再决定适用哪一组义务；差异在于衔接的既有监管接口不同。企业不必为每个行业重写一套体系，而应以 AIMS 为内核，把行业接口作为“插件”外接。图7 把四类要点并列，表4 给出场景、衔接标准与合规要点的对照。
落地时建议先做“行业—义务”映射表：把本行业的监管点逐条对应到 AI Act 条款与 AIMS 控制，既避免漏项，也避免把通用要求过度放大到不适用之处。
需要提醒，行业清单并非静态。AI Act 的 Annex III 会随委员会授权调整，新场景可能被纳入高风险。企业的行业映射表应设定期复核机制，避免因为清单变动而漏掉新出现的义务。
图7 四类行业落地要点对照
表4 行业合规要点对照
七 合规实施路线：90–180 天节奏
把上述要求落到执行，可以拆成五个阶段。0 到 30 天做现状诊断：盘清 AI 资产与用途，界定哪些系统处于监管视线内，产出资产台账。30 到 60 天做风险分类与映射：判定高风险还是 GPAI，把适用条款逐一对照，产出义务映射矩阵。60 到 90 天建立 AIMS：搭政策、流程与职责，产出体系文件初稿。
90 到 150 天做文档与证据沉淀：把技术文档、训练数据摘要、影响评估等补齐，形成可随查的证据库。150 到 180 天做评定与监控准备：决定走第三方评定还是内控路线，并把系统接入运营态监控。表5 把阶段、周期、动作与产出列清，表8 给出一张可勾选的执行清单。图8 把这条时间轴画出。
这个节奏是参考框架，并非固定脚本。产品风险高、规模大，周期应拉长；业务形态单一、AI 占比低，则可压缩。关键是把“诊断—分类—建体系—沉淀证据—接监控”的顺序守住，避免在边界没定的情况下就仓促投入取证。
资源有限时，建议把力气压在“高暴露”环节：先覆盖对外提供、面向个人与公共服务的系统，再向内部工具延伸。先建成能跑通的证据链，比追求文档完美更重要；证据可用，监管沟通才有底气。
落地工具上，不必追求一次性上重平台。可先用清单、模板与共享盘把证据沉淀下来，待流程跑顺再引入专门系统。工具服务于证据质量，而不是反过来；流程没定清，上系统只会把混乱固化。
图8 合规实施路线：90–180 天节奏
表5 合规实施路线阶段
表8 落地执行 checklist
八 罚则与合规收益、监管演进
合规的另一面，是违规成本。Article 99 按违规类型分档：违反禁止性实践（例如投放不可接受风险的应用）可至 3500 万欧元，或全球营业额的 7%，以高者计；违反高风险或其他义务（含 GPAI 与透明度等）可至 1500 万欧元，或全球营业额的 3%；提供虚假信息等另列 750 万欧元或 1% 的档位。需要强调，口径以全球营业额比例为上限，并非一笔固定保证数额，具体以欧盟官方文本为准。图9 与表7 给出层级对照。
把罚款逻辑倒过来看，合规本身就是市场准入。欧盟市场不会因为“罚得起”就容忍违规，买方与监管更看重的是企业能否持续证明自己守规。一张证书加一套体系，恰恰是这种“可证明性”的载体。对出海企业，这比应付单次检查更有长期价值。
监管本身仍在演进。AI Act 自 2024 年 8 月 1 日生效、GPAI 义务自 2025 年 8 月 2 日生效，时间线已明确；而 2026 年存在“简化包 / Omnibus”的讨论动向，意在压低中小主体的合规负担。相关条款尚未正式公布，本文不作确定性表述，只提示企业保持体系弹性，待文本落地再校准证据要求。图10 把已知节点与动向展望并列。
对集团型企业，合规还能产生协同效应。一套 AIMS 与证据库，可在不同产品线、不同法域之间复用，把单点合规成本摊薄。这也是把“合规即成本”扭转为“合规即能力”的现实路径之一。
图9 罚则层级（Article 99）
图10 监管演进展望：简化包与 Omnibus
表7 罚则层级（Article 99）
九 结语
把上下两篇合起来看，AI Act 给企业出的题分两层：一层是“能不能进”，靠合格评定与 CE 回答；另一层是“进去之后能不能稳”，靠 AIMS 与运行态机制回答。两层不是前后割裂，而是同一合规目标的两次落地。
对实务者，三条经验值得记牢：义务要证据化，GPAI 与高风险义务本质上都靠文档与记录说话；体系要底座化，用 ISO 42001 把风险、数据与变更统管起来；行业要衔接化，在垂直场景复用既有监管接口，避免另起炉灶。图12 用三句话收束全文。
回到本系列的起点：上篇讲清“证怎么来”，下篇讲清“证之后怎么守”。两者拼出的，是企业面对欧盟 AI 监管的完整合规视图。把这套视图落到组织里，需要的不只是文档，而是把义务、证据与责任连成一条可持续运转的线。
图12 写在收尾：认证之后，真正拼的是体系与证据
— — — — — — — — — — — — — — — —
苏州纳兰企管提供以上专业技术支持，
欢迎联系邮件[email protected]获取解决方案。
