同一个通用模型可以写诗、生成代码、筛简历，也可以被下游开发者接入医疗或关键基础设施。风险既不完全存在于模型权重里，也不完全由最终用户制造：训练者知道数据和能力，部署者知道场景，云平台控制访问，第三方评测者看到部分行为。法律若只寻找一个“负责的人”，会错过风险在价值链中被切分的事实。
欧盟《人工智能法》2024/1689 号条例首次为通用人工智能模型建立专门义务，并对具有系统性风险的模型增加评估、事件报告、网络安全和风险缓解要求。条例以训练计算量等指标作为初始推定工具，同时允许根据能力、市场影响和其他标准指定。其创新不在于找到了永恒阈值，而是承认前沿能力、算法效率与部署规模会变化，分类方法必须可更新。
模型与系统的法律分层
模型是可被集成的组件，系统则把模型、界面、数据、规则和组织流程组合成具体用途。一个模型在研究环境中可能风险较低，接入招聘或信贷后则影响基本权利。欧盟法因此同时配置模型提供者与高风险系统经营者义务。困难是避免两种漏洞：上游称“不知道用途”，下游称“无法了解模型”。技术文档、能力限制和下游信息共享正是为填补这条缝。
开源模型使责任结构更复杂。开放权重提高审查、创新和竞争，也让提供者难以控制后续改造。完全按闭源服务监管可能压垮非营利开发；完全豁免又可能让商业主体通过开放发布规避义务。合理区分应考虑发布者资源、模型能力、实际商业化与是否构成系统性风险，而不只看许可证名称。
阈值为何会漂移
训练浮点运算量可测且与规模相关，但同样算力因数据质量、架构和后训练方法不同会产生不同能力。算法进步还会让旧阈值越来越容易跨越或失去预测力。能力测试又可能被针对性训练，或无法覆盖新工具调用和自主行为。监管需要指标组合：计算量负责初筛，独立评测、部署规模、可复制性和事件证据负责修正。
评测本身也是治理对象。谁选择题目、谁能看到测试集、结果是否公开、模型更新后是否重测，都会改变结论。若企业自行选择对自己有利的基准，合规会退化为营销。第三方访问、保密测试、红队保护与利益冲突规则应与评测技术一起建立。
三组尚未解决的争论
预防与创新。 支持者认为高能力模型的损害可能跨境扩散，事前义务比事故后诉讼有效；批评者担心固定门槛固化大公司优势。实证问题是合规成本由谁承担、是否减少进入者，以及沙盒和共享评测能否降低成本。
透明与安全。 公开训练来源、能力和风险有助监督，过度公开也可能泄露商业秘密、隐私或攻击路径。分层披露——向监管者、下游和公众提供不同信息——比“全部公开/全部保密”更可执行，但要求可信保密制度。
集中监管与行业监管。 通用模型跨行业，中央机构有技术积累；医疗、金融、劳动机构则理解场景。前沿设计是建立共同模型层基线，再由行业法叠加用途要求，避免重复也避免无人负责。
可检验的监管问题
- 计算阈值与真实高影响能力的相关性是否随时间下降，多久需更新？
- 价值链文档能否让下游减少可预见事故，还是只产生无人阅读的合规文件？
- 重大事件报告是否形成可共享的失效数据库，同时保护安全和商业信息？
- 开放模型豁免是否促进中小创新，还是成为大型商业发布的规避渠道？
- 多法域规则差异会推动更高全球基线，还是造成地域封锁与合规碎片化？
有效性不能以发布多少指南衡量，而应看高后果部署是否更早发现风险、事故是否更少、责任信息是否足以调查，以及竞争是否仍然存在。
法律如何跟上持续更新
传统产品认证围绕固定型号，在线模型却可能每天调整过滤器、工具权限和后训练数据。若每次小改都重新审批，制度无法运行；若只认证一次，实际系统很快与证书不同。可行路径是规定“重大变更”触发重评，并要求提供者保存版本、差异测试、回滚和部署范围。重大与否应由能力、风险控制和预期用途变化判断，而不是参数文件大小。
监管学习也需要公共证据。事件数据库若只向少数机构封闭，研究者无法发现跨产品共因；完全公开又会暴露攻击细节和受害者。分层匿名发布可以先公开事件类别、影响、检测方式与修复，再向认可研究者提供更细资料。议会和法院还应能审查监管机构是否持续更新阈值、是否对同类主体一致执法，避免技术复杂性成为行政不透明的盾牌。
法律边界： 本文是比较法与制度研究，不构成针对任何产品、机构或法域的法律意见。人工智能规则仍在分阶段适用并持续更新，具体合规应核对届时有效文本并咨询有资质的专业人士。
跨域连接
- 人工智能与算法治理 提供风险分级、透明和问责框架。通用模型监管把治理从最终系统向上游推进；可检验推论是，上游文档质量提高后，下游风险评估应更少依赖猜测。
- 基础模型 解释预训练、后训练和下游适配的技术分工。法律责任若与实际控制相匹配，应随谁能改变数据、权重、访问和场景而分配，而不是全部压给离受害者最近的一方。
- 外部性 说明模型收益由提供者获取、部分风险却由社会承担。保证金、保险、事件报告或强制评测都在尝试让风险成本进入决策，但每种工具都会影响市场集中。
- 权力分立 提醒技术标准制定同样需要授权、监督和救济。行政机构更新阈值的灵活性越大，越需要公开理由、专家利益冲突规则与司法审查，防止技术判断变成不可质疑权力。
参考文献
- European Union. Regulation (EU) 2024/1689 laying down harmonised rules on artificial intelligence. OJ L, 2024.
- NIST. Artificial Intelligence Risk Management Framework 1.0. 2023. DOI: 10.6028/NIST.AI.100-1.
- NIST. Generative Artificial Intelligence Profile. NIST AI 600-1, 2024. DOI: 10.6028/NIST.AI.600-1.
- Bommasani, R. et al. On the Opportunities and Risks of Foundation Models. 2021. DOI: 10.48550/arXiv.2108.07258.
延伸阅读
- European Commission AI Office. General-Purpose AI Code of Practice. current official version.