欧盟AI法案来了,你连自己产品有几个AI都数不清?
原创
GTG-Hardy
GTG-Hardy
GTG网络安全实验室
2026年10月15日 10:00
广东
在小说阅读器读本章
去阅读
在公众号小说中沉浸阅读
\"我们没用 AI。\"
这是厂商跟我们说得最多的一句话。然后我们解包固件,在文件系统里找到一个 models 目录,里面躺着三个模型文件。
其中一个,连他们的产品经理都没见过。
01
一个很常见的场景
假设你是一家做宠物喂食器的公司,产品出口欧洲。产品经理跟你拍胸脯说:\"我们没用什么 AI,就是个定时投喂,到点出粮,App 上设个时间。\"
然后你把固件解包,在文件系统里翻出一个 3MB 的 .tflite 文件。
再往下查,它用在一个叫\"宠物靠近检测\"的功能里——摄像头拍到宠物走近才出粮,避免误投。这个功能当初是方案商打包进来的,连产品经理自己都忘了。
这不是极端例子。在智能硬件行业,厂商对自己产品里有多少 AI,普遍是糊涂的。
而这在欧盟《人工智能法案》的语境下,不是一个学术问题。
02
为什么\"数不清\"是个问题
法案的逻辑是这样的:它不管你的整台设备,它管的是一个个 AI 系统。
每个 AI 系统有自己的用途,用途决定它落在哪一档——有的完全不受管,有的要做透明度标注,有的要满足一整套高风险义务,还有的直接被禁止。
所以\"数不清\"的后果是:你按 A 方案准备了一套材料,实际上产品里还藏着一个按 C 方案管理的系统,于是你整份合规工作都得推倒重来。
更麻烦的是,漏掉的那个往往是最要紧的。因为它藏得深,说明它当初就没进入过任何人的视野——自然也没进入过任何风险评估。
03
AI都藏在哪儿
我们做评估时,会按一张清单逐项排查。这里挑几条最常命中的:
一、固件里的模型文件。
最直接的一条。解包后搜 .tflite、.onnx、.pb、.pt 这类后缀,或者搜 model、models 目录。模型文件通常体积不小,很容易发现。
二、第三方 SDK。
这一条命中率极高。很多广告、统计、图像处理类的 SDK,内部打包了识别能力。厂商采购时只看到\"这是一个数据分析 SDK\",不知道它还带了个模型。
三、芯片自带的算力。
如果你的主控芯片标称带 NPU,或者厂商宣传页上写着多少 TOPS 算力——那说明产品规划时就买了 AI 方案。芯片不会无缘无故配 NPU。
四、云端调用的外部服务。
抓一次包就清楚了。OCR、语音转写、图像审核、大模型对话——这些如果调的是第三方接口,每一个都是一个独立的 AI 系统,而且往往涉及数据出境。
五、App 里的推理代码。
有些识别跑在手机上而不是设备或云端。反编译后搜推理框架的依赖就能看出来。
六、方案商预置的整包固件。
如果固件是方案商提供的,里面的 AI 功能可能从来没跟你们交代过。这也是为什么评估时我们一定会追问供应链。
还有一条反方向的:把规则引擎当成 AI。
这个方向同样要排查。有些厂商听说要做 AI 合规,紧张地把所有带\"智能\"两个字的功能都报了上来,结果里面一半是 if-else 规则判断——温度高于多少就报警,这种不是 AI 系统。
报多了不是问题,报少了才是。但报多了会让评估成本虚高,也会让真正有风险的功能淹没在一堆噪音里。
04
一个容易搞混的分界
排查时会遇到一个高频问题:\"人脸检测\"和\"人脸识别\"是同一个东西吗?
不是,而且这一字之差,在合规上差得很远。
- 人脸检测只回答\"画面里有没有人\",输出的是位置框。它不判断是谁,通常不触发高风险义务;
- 人脸识别回答\"这是谁\",属于生物识别,在很多情形下直接落入高风险。
怎么区分?看模型的输出层。只输出坐标框的是检测;输出了特征向量(用来比对的数学表示)或者属性标签的,性质就变了。
很多厂商自己都没分清这两个。而在评估报告里,这是两个独立的条目,等级不同、义务不同、整改动作也不同。
05
为什么要自己先数一遍
我理解厂商的处境:法案条文厚,配套标准还在陆续出,先等等看。
但有一件事现在就能做,而且不花钱:把自己产品里的 AI 系统数清楚。
方法就是拉一张表,一个 AI 系统占一行:
| 它做什么 | 跑在哪儿 | 模型从哪来 | 输出给谁 |
|---|---|---|---|
| 例:检测到宠物靠近才出粮 | 设备端 | 方案商预置 | 控制出粮机构 |
| 例:语音对话问答 | 云端 | 第三方大模型 API | 播报给用户听 |
| 例:识别家庭成员并切换称呼 | 设备端 | 开源模型 | 内部参数,用于打招呼 |
| 例:生成睡前故事 | 云端 | 第三方大模型 API | 展示在 App 上 |
| … |
就四列,不需要写得多漂亮。真正有价值的是填表的过程——每填一行,你都得回去确认一次\"这个东西到底在干什么、跑在哪里\"。
等评估做完,可以在右边再补一列\"落在哪一档\",那份表就是后续所有工作的底稿。
这张表有三个用处:
一是知道自己的合规工作量有多大。三个 AI 系统和八个 AI 系统,是完全不同量级的项目。
二是发现被遗忘的功能。写这张表的过程,本身就是一次产品复盘。
三是这就是法案要求你做的基础工作。对高风险系统,法规明确要求你建立风险管理和技术文档体系;而这一切的起点,就是先知道自己有什么。
06
结尾
欧盟这套规则有个特点:它不要求你一次做对所有事,但它确实要求你知道自己在做什么。
一台设备里有几个 AI、分别做什么用——这个问题如果连厂商自己都答不上来,那么无论花多少钱做合规,地基都是虚的。
更多相关内容
尽在视频号“GTG网络安全实验室”
广测电磁:全球数字安全合规优选伙伴
别让合规只停留在“拿证”。
面对欧盟 CRA网络弹性法案、AI法案及 GDPR/CCPA/数据法案等严苛监管,凭借CNAS(L18872)+A2LA(6947.01)双资质及前360/深信服核心网络安全专家团队,为您提供真正的“实战级”防护。
🏆 为什么GTG能为您降本避险?
- 拒绝模板:不只给报告,我们提供定制化漏洞修复方案,确保产品真安全。
- 极致省心:代写核心文档,免除繁琐填表,让合规效率提升70%。
- 全域覆盖:从消费电子到汽车、工控、医疗,一站式解决全球隐私与数据安全难题。
您的全球合规通行证,从这里开始。
[ 👉 CRA / AI法案 / 隐私合规 ]
版权声明
本站仅做备份收录,仅供研究与教学参考之用。
读者将信息用于其他用途的,全部法律及连带责任由读者自行承担,本站不承担任何责任。










评论