人工智能法案 (AI 法案)
探索欧盟的人工智能法案（AI Act），这是全球首个全面性的人工智能法规。了解其如何根据风险对 AI 系统进行分类，建立治理机制，并为道德、透明和值得信赖的 AI 设定全球标准。...
2 分钟阅读
AI Act
EU Regulation
+4
引言
2026年8月第一周的两项公告，从两个不同方向指向了同一个转变。8月2日，欧盟AI法案的透明度规则成为可执行法律，要求任何部署聊天机器人、内容生成器或情绪识别系统的人必须明确披露，否则面临最高1500万欧元的罚款。几天后，Google Cloud将其Agent Identity系统推向通用可用性——这是一个原生权限层，可精确追踪AI agent可以访问的内容，并记录其所有操作。一个是推动披露的监管机构，另一个是将问责制作为功能销售的云平台。两者正趋同于同一个结论：一个无法被识别、审计或问责的AI agent，无论法院是否要求，都不应投入生产。
8月2日发生了什么变化
欧盟AI法案第50条透明度义务于2026年8月2日成为一般适用义务，并可由各国主管机构在整个欧盟范围内强制执行。实际操作中，这涵盖四个方面。提供者必须确保人们"被明确告知他们正在与AI系统交互，除非从上下文中显而易见"——即聊天机器人披露规则。生成合成音频、图像、视频或文本的系统提供者必须以机器可读、可检测的格式标记输出。部署生成真实人物、地点或事件深度伪造的系统的人必须披露。而部署情绪识别或生物特征分类系统的部署者必须告知受其影响的人员，并遵守欧盟数据保护法。
这些概念本身并不新鲜——AI法案早在多年前就已签署。8月2日的变化在于，这些具体义务不再只是合规路线图上的未来日期，而是成为各国监管机构现在即可实际执行的规则。
被推迟至2027年和2028年的内容
并非法案中的所有内容都按计划实施。通过2026年7月8日签署的《AI数字综合法案》，欧盟推迟了其高风险系统的要求。附件III下的独立系统——如就业筛选、教育、执法、关键基础设施——的截止日期推迟至2027年12月2日。而嵌入附件I下已受监管产品（如医疗设备或电梯）中的AI系统，截止日期推迟至2028年8月2日。
这个延期值得精确理解，因为它很容易被误读为"AI法案被推迟了"。事实并非如此。禁止行为清单和通用AI模型义务未受影响。被推迟的只是高风险分类要求——这是最重的合规负担，针对的是最窄范围的系统。如果您的agent与用户对话或生成内容，您已经处于该法案已生效的部分之内。
为什么透明度规则很重要
与"高风险系统"相比，透明度要求听起来并不起眼，但它是大多数AI agent构建者首先会实际遇到的规则。面向客户的客服agent、内容生成工作流、语音助手——所有这些系统都与人类对话，这意味着无论它们是否被归类为高风险，第50条都适用。做好这件事并不复杂：明确告知用户正在与AI对话，标记生成的内容，并保留记录证明您已做到。而做错的地方，正是合规报告从文书工作变成带有实际金额的法律风险敞口的关键所在。
加入我们的新闻通讯
免费获取最新提示、趋势和优惠。
Google推出Agent Identity
Google Cloud对同一底层问题的回应来自一个完全不同的方向：基础设施，而非法律。该公司将其Gemini Enterprise Agent Platform推向通用可用性，同时带来了一系列新的agent治理原语——Agent Memory Bank、Agent Runtime、Agent Gateway、Agent Registry、Agent Evaluation，以及最值得关注的Agent Identity。
Agent Identity是一种基于开放标准构建的原生IAM凭证类型，专门为自主系统而非人类用户账户设计。它通过将权限直接绑定到agent的运行环境来强制执行最小权限访问，从而堵住了一种常见的攻击路径——被盗的agent令牌可能被其他地方重放。它生成agent每个操作的不可否认日志。它还自动管理凭证生命周期，因此已退役的agent不会留下一组休眠、被遗忘的权限等待被滥用。
Agent Identity的实际作用
实际效果是，“哪个agent做了这件事，它被允许做吗？“这个问题有了一个确定的答案，而不是事后从应用日志中拼凑出的猜测。随着agent从回答问题转向执行操作——预订、编辑记录、转账、删除文件——这一点变得愈发重要。一个只关注模型本身提示注入的LLM安全架构，会完全忽略这一整个攻击面：agent的实际权限及其使用情况。
这也是两项公告之间联系比表面看起来更紧密的地方。第50条问的是"您是否披露了这是AI？“Agent Identity回答的是一个相关但不同的问题：“您能否证明这个特定agent做了什么、拥有什么权限、在谁的授权下？“一个能清晰回答第二个问题的系统，会发现第一个问题要容易得多。
两条不同的路径，同一个目的地
直接指出这一模式是值得的，因为它将持续出现。监管机构从法律风险角度趋同于披露和问责。云平台从安全和可靠性角度趋同于身份和权限。AI agent框架曾经将身份视为事后考虑——一个环境变量中的API密钥，在舰队中的每个agent之间共享。这种模式经不起监管审查或真实安全事件的考验，这正是两个方向现在都指向同一解决方案的原因：知道哪个agent做了什么、有什么访问权限，并且能够展示出来。
已经在尝试真实世界AI agent示例——客户支持机器人、研究助手、编码agent——的团队将是首先感受到这一转变的群体，原因很简单：他们有更多在生产中的agent，生成了更多需要记录的操作。这与我们在Claude Cowork及其竞争对手将agent从单次会话聊天推向持久化、多日任务时看到的模式相同：自主性总是比治理工具先行一步。
从一开始就构建可治理的Agent
为从未设计过审计追踪的agent舰队进行事后改造是一个痛苦的项目——每个操作都必须从任何存在的日志中重建，而一半情况下这些日志根本不存在。更省力的路径是使用从一开始就使agent每一步操作都可见且可追踪的工具进行构建，就像数据治理将数据血缘视为首要关注点，而非在数据泄露后才添加的功能一样。
这也是底层模型发展速度发挥作用的地方。Microsoft的Orchard框架等最新发布，以及向专业化、可审计agent（而非一个庞大的通用模型做所有事情）的广泛转变，使得构建范围——以及因此权限——天生狭窄且明确的agent变得更加实用。范围狭窄的agent天生比理论上可以执行任何操作的agent更易于治理。
FlowHunt的方法遵循相同的逻辑：作为一个AI agent平台，每个自动化流程都是一个可见的流程，而非黑箱，因此当合规问题出现时——这个agent做了什么、为什么以及基于什么授权——答案已经在工作流中，而不是您的团队需要在截止日期压力下重建的内容。
结论
欧盟AI法案的透明度规则和Google的Agent Identity系统并非相互协调，它们解决的也是名义上不同的问题——一个是法律合规，另一个是云基础设施。但它们在同一个星期落地，指向同一个基本事实：随着AI agent承担更多自主、重要的工作，“我们不知道它做了什么"不再是一个可接受的答案，无论提问者是监管机构还是您自己的安全团队。那些将身份、披露和可审计性视为核心需求——而非以后添加的功能——的团队，将在合规问题和生产事件来临时，发现它们远没有那么令人头疼。
