一、技术概述
AI Act 即欧盟人工智能法案（(EU) 2024/1689），是欧盟层面针对人工智能系统的横向立法框架。该法案以风险为导向，将人工智能系统划分为不可接受风险、高风险、有限风险与较低风险若干层级，并针对不同层级设定差异化的义务与透明度要求。对于进入欧盟市场的提供者、进口商与分销渠道而言，理解风险分类是合规工作的起点。当系统被归入高风险类别时，便与传统的 CE 标志制度产生衔接，需要走符合性评定程序、编制技术文档并加贴 CE 标志。本文围绕高风险 AI 系统的 CE 标志符合性评定路径展开，梳理企业应当关注的合规义务与流程框架，供相关方在规划欧盟市场投放时评估自身需要。
二、核心指标与参数含义
在 CE 标志符合性评定语境下，核心概念并非传统意义上的性能参数，而是风险判定与合格判据。其一是风险分类结果，决定系统是否落入高风险范围以及适用的模块。其二是技术文档的完备程度，涵盖系统描述、设计目标、数据治理、人机交互与可追溯安排。其三是质量管理体系，用于证明开发过程的可控与可复查。其四是上市后监测机制，用于持续收集运行信息并触发必要纠正。上述要素共同构成符合性评定的评估对象，其含义应按相应协调标准与条款确定，而非以单一数值尺度衡量。企业宜将这些要素视为一套评价框架，结合系统自身特征进行剪裁，避免脱离实际场景地套用通用条件。
三、数据来源与不确定性
相关依据主要来自 AI Act (EU) 2024/1689 文本、后续发布的协调标准以及欧盟主管机构公布的指南与常见问题答复。由于法案采取分阶段适用安排，不同阶段对应的义务范围存在差异，因此任何关于适用范围的判断都应结合当前阶段条款进行。另一种不确定性来自风险分类的边界情形：当系统兼具多项功能或用于多种场景时，分类结论可能随用途变化而不同。企业在依据公开资料自评时，应说明假设前提与判断逻辑，并将结论标注为阶段性评估参考。对于边界不清的情形，宜留存论证记录，按法规分阶段适用要求执行，并在条件变化时重新评估，以降低后续符合性评定中的不确定性。
四、约束条件
高风险 AI 系统的 CE 合规路径受到多项约束。首先是范围约束：只有当系统属于法案附件所列高风险用途，或作为其他带 CE 标志产品的组件而受相应法规覆盖时，才触发该路径。其次是流程约束：拟投放欧盟市场的系统须完成符合性评定、签署 EU 符合性声明并加贴 CE 标志，相关义务主体需对其角色（提供者、进口商或分销渠道）负责。再次是能力约束：内部评定要求建立并运行质量管理体系，第三方评定则须依托独立的符合性评定机构。另需注意，若系统同时受多项法规约束，应统筹满足各法规的评定与标志要求。上述约束须在规划阶段识别，避免后期重复改造。
五、适用前提
启动 CE 标志符合性评定前，应满足若干前提。一是完成风险分类判定，确认系统落入高风险范围并明确适用的协调标准与模块。二是形成系统描述与预期用途说明，界定部署环境、目标人群与可能受影响方。三是建立数据治理与技术文档基础，证明训练与验证数据的代表性与管理规范。四是具备质量管理安排，能够支撑开发、验证与变更控制的可追溯。五是明确上市后监测与事件处置职责。满足上述前提并不意味着评定必然通过，而是为后续评定提供可追溯的输入。对于跨场景系统，宜按实际部署情况分别评估，使前提条件与用途相匹配，而非照搬通用条件。
六、应用领域
高风险类别覆盖了若干关系公共安全和基本权利的领域。典型情形包括用于关键基础设施运行监控的系统、就业与员工管理中的筛选与评估工具、影响信用与保险的可访问性判定、以及教育与职业培训中的评分与分流应用。在执法与健康领域，部分用途也被纳入高风险管理。上述领域的共同特征是系统决策可能对个人权益产生较大影响，因而需通过 CE 标志符合性评定证明其达到相应要求。企业在判断自身产品是否落入这些领域时，应依据法案附件与适用条款逐项对照，而非仅按行业名称归类。对边界情形，建议结合用途与影响程度综合判断，并保留判定依据。
七、常见问题
以下围绕高风险 AI 系统符合性评定的常见疑问作说明，相关表述仅作方法参考，不构成对任何结果的承诺。
检测周期需要多久？
高风险 AI 系统的符合性评定周期受到多项因素制约，难以给出统一时限。其一是风险分类与适用模块的范围，涉及的功能越多、部署场景越复杂，所需评估内容越广。其二是技术文档与质量管理的成熟度，若文档体系在前期已较完备，评定所需的补充材料会相应减少。其三是所选择的评定路径，第三方评定与内部评定在流程环节上存在差异。四是加急与否对出具结论的节奏有影响。实际安排应按法规分阶段适用要求执行，由承接评定的机构结合系统具体情况确定工作节点。建议企业在规划市场投放时，将评定周期作为前置变量纳入排期，避免以过短的期限倒推工作，并预留材料补充与复评空间。
检测费用如何计算？
该项费用受多方面因素影响，主要取决于委托的检测项目数量、所采用的试验方法与判定条件、样品的数量与规格尺寸、试验工况设置的复杂程度，以及委托方对报告出具周期的缓急要求等。单项常规性能测试与多项目组合验证之间的费用差异较为明显，若需加急出具报告，通常也会对最终费用产生一定影响。建议在正式委托前先梳理并明确检测需求与项目清单，直接与承接检测任务的实验室沟通，由技术人员依据实际样品情况与试验方案给出针对性的报价参考。
样品需要怎样准备？
在 AI 系统符合性评定中，"样品"更多体现为可供评估的对象与材料集合。应准备系统描述文档，说明架构、预期用途与运行边界；提供训练、验证与测试数据集的来源与治理说明，以证明数据具有代表性与管理规范；整理模型与算法相关的设计记录，包括版本、变更与验证证据。若系统嵌入于硬件产品，还需提供相应运行环境信息。质量管理体系的运行记录、上市后监测方案与事件处置流程也应一并归档。所有材料应按相应协调标准要求组织，使评定人员可追溯每项判断依据。建议提前按文档清单自查，减少因材料缺失导致的反复补充。
检测结果如何解读？
符合性评定的输出应理解为对系统是否满足 CE 合规要求的阶段性结论，而非对系统长期表现的承诺。若评定通过，表明在已提交材料与评估范围内，系统达到了相应条款所设条件，可作为投放欧盟市场的判定参考。若评定中提出不符合项，应区分是文档缺失、流程不足还是技术证据不充分，并据此补充。结论的有效范围限于被评估的对象与用途，系统发生用途变更或重大修改后，原结论可能不再适用。建议将评定结论与风险分类记录、技术文档一并留存，作为后续监管问询与变更管理的依据，并按法规分阶段适用要求执行更新，保持记录链条完整。
试验出现异常如何归因？
在评定或验证过程中出现偏离预期的情况时，宜以结构化方式归因。先确认异常是否源于数据问题，如训练或验证数据不具代表性、标注不一致或分布偏移。再检查模型设计与验证方法是否匹配预期用途，是否存在未覆盖的边界条件。随后审视质量管理体系运转是否有效，变更控制与记录是否完整。若系统涉及软硬件集成，还需判断异常来自算法层还是运行环境。归因过程应形成书面记录，明确根因与纠正措施。对于边界不清的情形，可依据协调标准给出的方法框架进一步分析。需注意，异常归因结论仅用于改进与复评参考，不代表对市场合规状态的判定。
检测报告包含哪些内容？
符合性评定形成的文件通常包含若干要素：系统标识与预期用途描述，使结论可对应到具体对象；所依据的法规与协调标准编号，标明适用的评定模块；技术文档关键内容的摘要，涵盖数据治理、模型验证与可追溯安排；质量管理体系的运行概述；评定活动的过程与发现，包括不符合项及处置；整体的符合性结论与限制说明；以及 EU 符合性声明的相关指向。上述内容的组织方式按相应条款确定，不同评定路径在详略上可能存在差异。报告应作为技术文档的组成部分归档保存，用于监管核查与后续变更评估。企业宜使报告与其内部记录一致且可相互印证。
哪些场景建议安排该项检测？
当系统被归入高风险范围，或作为其他带 CE 标志产品的组件而受相应法规覆盖时，宜安排符合性评定。典型如用于关键基础设施监控、就业筛选、教育与评分、信用与保险判定、执法与健康等影响个人权益较大的场景。若系统将投放欧盟市场并由提供者承担相应义务，也应纳入评定规划。对于跨场景或多功能系统，建议按实际部署分别评估，避免因用途叠加而遗漏适用要求。边界情形难以自行判断时，可先完成风险分类论证并留存记录，再决定是否启动第三方或内部评定。是否安排评定应基于用途与影响判断，而不宜仅以行业名称类推，亦需结合分阶段适用要求把握节奏。