如果你的团队正在做跨国 AI 业务，最近大概感受到了某种压迫感。在过去两年的行业讨论里，大家日历上都圈着同一个日期：2026 年 8 月 2 日。业界将这个日期视为终极合规大考，因为欧盟在 2024 年颁布了全球首部综合性人工智能法律：AI Act（欧盟人工智能法案）。按照最初公布的时间表，这一天是法案的通用适用日，涉及招聘筛选、信用评估、医疗辅助诊断这些关乎个人切身利益的高风险场景时，AI 系统都需要在此之前完成上市前合格评定、风险管理备案和技术文档准备，否则面临巨额罚款。
然而，真实情况比简单的延期或大考落地更加复杂。虽然欧盟在 2026 年 7 月底生效的 Digital Omnibus 修正案 中，将医疗器械等嵌入式 AI 组件的高风险要求延后到了 2028 年 8 月 2 日，将招聘、信用评分等独立高风险 AI 系统的合规义务推迟到了 2027 年 12 月 2 日（详细时间线分析可参考 ICTRecht 的解读），但这并不意味着合规压力消失了。2026 年 8 月 2 日真正强制执行的，是一套聚焦于告知与标记的透明度规则：按 AI Act 第 50 条规定，系统必须在设计上明确告知使用者正在与 AI 对话，生成的音视频和文本必须嵌入机器可读的标记，对 deepfake 还要做显式披露。加上早在 2025 年 8 月 2 日就已生效的 第 53 条大模型义务 和 第 99 条罚则，企业面临的合规要求依然非常具体。
如果把目光放宽到全球，8 月 2 日这个时间节点恰恰暴露了一个更深层的行业迷思：过去几年科技界太习惯用谁更严、谁更松这种单一维度去衡量全球监管了。把中、美、欧三地的法律文本和实际执法放在一起对比时，就会发现它们代表着三种完全不同的治理哲学：欧盟的横向按风险分层、中国的按应用场景垂直立法、以及美国基于部门授权与州级立法拼图。它们反映的不是技术参数的松紧微调，而是对政府与市场、安全与创新这两对根本矛盾做出的不同权衡。
如果把视角从严不严转向监管设计的底层逻辑，这三个地方的差异，本质上是治理哲学的根本不同。
欧盟走的是横向按风险分层的路线。在 AI Act 正文 中，法案将系统划分为不可接受、高风险、有限风险和最小风险四级。这种设计的最大好处是可预测性高，企业只要查清楚自己的产品落在哪一级，接下来的义务清单就一目了然。但代价则是前置合规成本高昂，高风险系统在上市前必须做合格评定，上市后还要持续接受市场监督。按照 第 99 条的罚则设置，踩到禁止清单红线最高可罚 3500 万欧元或全球年营业额的 7%，违反第 50 条透明度要求也会罚到 1500 万欧元或 3%。所以欧盟的本质不是全球最严，而是规则统一、可预测。它宁可让企业付出高昂的合规成本，也要换取覆盖 27 国单一市场的明确预期。
和欧盟用一部大典横向覆盖所有行业的思路不同，中国走的是按应用场景垂直立法的路线。从 2022 年实施的《算法推荐规定》，到后来的深度合成规定、《生成式 AI 暂行办法》、生成合成内容标识办法，再到 2026 年 7 月 15 日生效的《拟人化互动服务管理暂行办法》，网信办等部委形成了五层部门规章体系。虽然这些都是部门规章，但由于挂靠着《网络安全法》《数据安全法》《个人信息保护法》三部上位法，执法落地力度强。其中算法备案和安全评估成了跨场景的基础管线。看 网信办发布的备案统计，截至 2025 年底已有 748 款生成式 AI 服务完成国家备案，435 款应用完成登记。这种场景清单模式的优点是精准、反应快，能针对新出现的特定产品形态迅速定规；缺点则是监管容易像打地鼠，每出来一种新交互，就需要补一部新法规。
2026 年 7 月陪伴型 AI 在国内集中下线的波折，刚好展示了这种场景监管对产品形态的深刻影响。2026 年 7 月 15 日新规生效时，外网一度盛传中国全面禁掉了 AI 情感陪伴，这其实是一起简化误读。按照 网信办的拟人化办法全文 和 答记者问的官方解释，政策搞的是分龄分场景管理：对未成年人，明确禁止提供虚拟亲属、虚拟伴侣等虚拟亲密关系；对成年人，允许提供但要求施加防沉迷提醒、2 小时强制干预、情感操纵禁令及备案；而普通的智能客服、问答助手、科研工具则不在管辖范围内。
即便不是一刀切全禁，这种直接介入产品交互机制的规则，依然让整个产业经历了一场震荡。在新规生效当天，豆包关停了其 companion 功能；通义千问在 7 月 10 日先停用了拟人 agent，7 月 15 日进一步扩大了关停范围。正如 TechTimes 报道的细节，腾讯元宝在 6 月 30 日、网易在 7 月 14 日相继下架了相关应用，展现出平台在监管截止日前的协调退出。在数据处理上，不同平台也留下了不同的落差：豆包给用户留出了到 10 月 15 日的 3 个月只读导出期；而通义千问则没有给宽限期，直接删除了拟人 agent 的配置和历史记录。
这场集中关停的背后，暴露的是监管要求与产品体验之间的真实摩擦。陪伴型 AI 想要好用、让人产生黏性，核心靠的是持久记忆、连续人格和无条件的情感倾听；而新规要求的 2 小时防沉迷打断、情感依赖干预以及数据隔离，恰好与这些产品特性产生了直接冲突。像 IAPP 的行业分析 和 TechPolicy.Press 的交互设计探讨 所指出的，欧盟和加州的做法是只要披露——只要弹窗告知用户对方是 AI、把水印打好，并不干涉产品功能怎么设计。而中国的规章则对产品功能本身提出了更深刻的合规要求。当合规要求直接干预产品的核心功能与交互设计时，光靠前端弹个告知框已经解决不了问题，平台最终只能选择下线相关功能。
大家常以为监管最宽松的美国，如果把联邦态度的放任简单等同于整体合规环境，会忽略其真实的监管复杂度。
美国的监管由部门执法与各州立法共同拼凑而成。在联邦层面，2025 年 1 月特朗普上台后，迅速废除了拜登时期强调安全审查与风险控制的 AI 行政命令（EO 14110），转而签署了主张去监管、减少企业合规负担的新行政命令（EO 14179）；参议院随后也否决了试图冻结各州 AI 立法的提案。但这并不意味着合规真空。
在州层面，正如 Loeb & Loeb 的跟踪报告 显示，全美已有至少 44 个州出台了自己的 AI 法案，30 多个州通过了针对 deepfake 的治理法律。其中加州的立法最为密集，一口气推出了覆盖前沿大模型安全审查（如 SB 53）、强制公开训练数据来源（AB 2013）、以及强制嵌入 AI 水印与透明度检测（AI Transparency Act）的多部法律。
在行政执法层面，美国联邦贸易委员会（FTC）直接使用《FTC 法案》第 5 条关于不公平或欺骗性行为的授权，在 Reed Smith 记载的 FTC 执法案例 中，曾在 Operation AI Comply 行动中打击了 5 家涉及 AI 虚假宣传的公司（如 DoNotPay 和解赔偿、处罚 Rytr 等）。即使后来撤销了对 Rytr 的行政令，FTC 也在同日一口气向 10 家公司发出了虚假评价警告信。
因此，做美国市场的团队并没有享受所谓的无监管红利，反而必须同时应对 44 个州和多个监管机构交织出来的规则迷宫。这种碎片化带来的不确定性和法律风险，有时甚至比应对欧盟的单一市场还要棘手。
在三种哲学的碰撞中，最根本、也最没有妥协空间的一环，是对 AI 输出内容中价值观的法律界定。中国是全球唯一将意识形态要求直接写进 AI 法规条文的辖区。从 《算法推荐规定》 第一条要求弘扬社会主义核心价值观，到 《生成式 AI 暂行办法》 第四条要求坚持社会主义核心价值观，再到 《拟人化互动办法》 第八条和第十一条对服务内容与训练数据的硬性要求，这一主线贯穿始终，并通过安全评估、算法备案和企业审核机制落地。
在美国，受宪法第一修正案的严格约束，政府在法律上被禁止强制要求 AI 系统遵循某种特定政治立场或价值观。任何试图干预 AI 表达内容的立法，都会直接撞上宪法违宪审查的高墙。而欧盟的 AI Act 则把重心放在基本权利保护和防歧视上，对内容的干预主要依托 DSA（数字服务法）对违法内容的下架机制，同样避免由法律直接规定 AI 的意识形态倾向。
虽然三种治理哲学在法律和价值观上天差地别，但在具体的技术工程层面，全球反而出现了一个罕见的交集。欧盟 AI Act 第 50 条与加州的 AI 透明度法案（AI Transparency Act） 刚好都在 2026 年 8 月 2 日同日生效或实施。两地立法都高度看重机器可读的内容标记。参考 欧盟发布的透明度行为准则，官方推荐结合显式标识、元数据和水印方案。正如 Terms Law 的合规分析 所指出的，一套符合 C2PA 标准的来源元数据方案，能够同时满足欧盟和加州的机器可读合规要求。
而在中国，强制性国家标准 GB 45438.1-2025 规定的隐式标识技术路径同样与 C2PA 保持兼容。不过中国提出了额外的显式标识要求，且据 乔治城大学关于水印政策的研判，《深度合成规定》第十八条使其成为了全球最早明文禁止任何单位和个人篡改或删除 AI 水印的辖区。
C2PA 的跨辖区适用说明，在打水印、加元数据这类具体的工程技术层面，全球依然能找到公约数。然而，正如 Companion AI 在中国遭遇的停运风波所揭示的那样，工程层面的交集无法抵消底层治理哲学的分歧。当监管不再局限于在输出端打个水印或弹个告知框，而是开始干预产品的交互机制与心理影响时，开发者们面临的就不再是一道加一段元数据的技术题了。通用工程标准无法消解治理哲学的底层分歧，能否用一套统一的产品架构服务全球市场，成了摆在所有跨国 AI 团队面前的真实考验。