先把一个容易误导的说法拿掉：2026年并没有一部可以简单称为“GDPR修订版”的新文本。企业面对的是三套规则同时落到一条业务链路上：欧盟《人工智能法案》判断产品属于哪类风险，GDPR约束训练和运营中的个人数据，中国《网络数据安全管理条例》则要求企业重新检查数据回传国内的路径。
2026年8月2日是需要盯住的时间点。丝路出海网援引 Legalithm 的报道称，高风险AI系统相关义务在2026年8月生效；Worqlo的整理也提到，更广泛的条款会在2026年继续分阶段推出。具体到某个产品，仍要按系统类别核对欧盟正式文本，不能只凭一篇二手摘要排期。
先把产品用途说清楚
欧盟AI法案把AI系统分为不可接受风险、高风险、有限风险和最低风险四类。高风险场景包括关键基础设施、教育、就业、执法和移民等领域。相关提供商需要建立风险管理体系，说明数据质量，准备技术文档，安排人类监督，并在欧盟数据库完成注册。
风险等级不是看模型叫什么，而是看它被拿来做什么。
同一套底层模型，用于回答商品问题和用于筛选求职者，不能共用一份风险结论。一个普通聊天功能接入招聘流程后，即使输出只是候选人排序或建议，也要重新按就业场景评估。员工绩效判断、教育录取和移民审查同样不能因为产品面向C端，就默认属于低风险。
上线前可以先画一张产品功能图：每个算法模块接收什么数据、输出给谁、结果是否会进入重要决定、人工能否复核或推翻、过程是否留有日志。产品用途或决策对象发生变化，这张图也要跟着更新。
高风险判定不是法务在上线前补一页说明书。分类没有做清楚，后面的文档、注册和工程改造都会失去依据。
GDPR没有改名，训练数据却更难管
AI场景没有改变GDPR的基本问题：处理个人数据是否有合法基础，收集范围是否必要，使用目的有没有变化，数据准备保留多久。麻烦在于，模型训练会把这些问题藏进语料、对话日志和持续学习流程里。
几个常见场景需要单独检查：
- 公开语料：GitHub、Wikipedia或Common Crawl上的内容可以公开访问，不等于其中的个人数据可以不经审查直接用于训练。企业仍需识别个人信息，并说明处理目的和依据。
- 用户反馈：客服对话中可能出现姓名、邮箱和位置。如果最初只是为了提供服务而收集，后来又要拿去微调模型，就应重新核对告知内容、处理目的和保留期限。
- 持续学习：新对话自动进入训练池，并不只是一个模型开关。数据从采集、筛选到删除，每个环节都需要有记录，不能让历史数据无限期沉淀。
欧洲用户数据回传国内训练，还要判断跨境传输机制是否成立，例如是否适用SCC或BCR。把服务器放在欧洲也不等于问题自动消失：如果国内团队可以远程调阅，或者日志、备份和标注数据仍会回传，数据链路就没有真正留在欧洲。
“数据不出欧、模型本地微调”可以减少跨境流动，但它解决不了全部问题。训练数据的合法基础、访问权限和删除机制仍然受GDPR约束。
数据回传国内，要同时看两边规则
中国《网络数据安全管理条例》自2025年起执行。企业需要先识别回传内容是否包含个人信息或重要数据，再判断适用的数据出境路径。不能把所有跨境传输都塞进同一份标准合同，也不能只检查生产数据库，忽略日志、备份、标注和客服调阅。
四川省数字贸易网援引调研称，超过六成跨境企业曾因数据合规疏漏遭遇业务中断、资金冻结或市场禁入，部分案例损失达数百万美元。该页面摘要没有给出调研名称和样本范围，这组数字更适合作为风险提醒，不宜直接当作全行业的精确比例。
比泛泛写一份数据制度更有用的，是把真实流向画出来：数据在哪里采集，存到哪个国家，谁负责标注，模型在哪里训练，日志保存多久，国内研发和客服能看到什么，删除请求会同步到哪些副本。路径画不清，出境方式就选不准。
差分隐私和联邦学习不是免责按钮
技术可以缩小风险，但不能代替合法依据。
差分隐私通过在梯度或输出中加入噪声，降低外部人员判断某条样本是否参与训练的可能性。隐私预算ε不能机械套用一个固定阈值，应结合具体任务、数据类型和效果测试确定，并把取值理由及测试结果写进技术文档。
联邦学习让原始数据留在本地，由各节点训练后汇总模型更新。它适合减少原始数据集中回传，但不能直接推出“已经满足GDPR”。模型更新、访问权限、运行日志和异常处理仍要检查。
输入端的PII过滤也值得做。企业可以用spaCy配合正则表达式识别姓名、邮箱等字段，作为第一道拦截，但不能把它当成唯一防线。自由文本和多语言内容可能超出规则覆盖范围，仍需抽样检查，并记录过滤器的适用范围。
上线前，至少留下这些材料
| 排查对象 | 需要留存的内容 |
|---|---|
| 产品清单 | 用途、用户、部署市场、版本、风险分类及判定理由 |
| 数据台账 | 数据来源、字段类型、处理目的、保留期限和删除方式 |
| 跨境数据图 | 存储地、访问方、标注、备份、客服调阅，以及SCC或BCR等安排 |
| 高风险材料 | 风险管理、数据质量说明、技术文档、人类监督安排、欧盟数据库注册状态 |
| 工程控制记录 | PII过滤、权限、日志、删除，以及差分隐私或联邦学习测试结果 |
准备在2026年8月前后进入欧盟市场的团队，先别急着整体迁移系统或购买工具。第一步是确认产品用途和风险等级，第二步是画清中欧数据流。只有这两件事明确后，企业才知道需要补哪些文档、选择哪种传输机制，以及差分隐私或联邦学习是否真的适合当前产品。
每次增加新功能、更换训练数据或改变决策对象，都应重新评估。检查工作最后要回答三个具体问题：模型在替谁做什么决定？数据从哪里来、到哪里去？出现错误时，谁能介入并拿出记录？
