一句话定义
GPAI（General-Purpose AI，通用目的 AI）指的是能力面足够宽、能在大量不同任务上使用的 AI 模型，大语言模型、图像与音频生成模型是典型代表。在欧盟《人工智能法案》（AI Act）里，它是一个法律身份，而不仅仅是一个描述性说法：一旦被认定为通用目的 AI 模型，义务就落在“模型”这一层，不必等到它被装进某个 App 才开始监管。
为什么要单独监管
传统 AI 监管的思路是“看用途”：用于招聘筛选、医疗影像、信用评分，风险高就严管；用于垃圾邮件过滤，风险低就少管。这套逻辑对窄 AI（narrow AI）适用，因为一个模型通常只干一件事。
GPAI 打破了这个前提。同一个模型，今天写合同，明天做客服，后天被集成进医疗问答产品。监管者面临的尴尬是：模型出厂时，下游用途还没发生；按用途管，等于等事故出来再追。
打个比方：GPAI 模型像面粉厂，下游应用像面包店。面粉厂不知道面粉最终做成什么，但面粉的卫生、成分、来源必须可追溯；面包店负责烤制、标签、保质期。欧盟的做法是把这两段责任拆开：模型提供者（provider）和部署者（deployer）各自承担自己的责任。
模型这一层要承担什么
对一般 GPAI 模型提供者，法案的核心要求是“让下游能合规、让公众能知情”：维护技术文档、向下游提供必要的使用信息、制定遵守欧盟版权法的政策、公开一份足够详细的训练内容摘要。被推定具有“系统性风险”（systemic risk）的模型（通常以累计训练算力作为门槛参考，具体数值以官方文本为准）还要额外做模型评估、对抗性测试（red-teaming）、严重事件报告和网络安全防护。
| 维度 | 窄 AI | GPAI 模型 | GPAI 系统（应用） |
|---|---|---|---|
| 能力范围 | 单一或少数任务 | 跨大量任务，可被下游改造 | 基于模型做成的具体产品 |
| 监管关注点 | 用途是否高风险 | 文档、信息传递、版权、训练数据摘要 | 透明度、高风险用途合规 |
| 义务主体 | 系统提供者 | 模型提供者 | 部署者或系统提供者 |
与“高风险 AI”的区别
这个区分最容易被混淆。GPAI 按“能力广度”分类，高风险 AI 系统按“用途后果”分类，两者是两条相互独立的坐标轴：同一个 GPAI 模型被拿去做简历筛选，那个系统可能构成高风险；被拿去做内部文档摘要，就不是。合规上要两条线都看。
对从业者和普通职场人的意义
如果公司做模型，不要认为“我们只是开源”或“只是提供 API”就能免责。如果公司用模型，采购时就该问清楚：供应商给了哪些文档、允不允许某些用途、训练内容摘要是否公开。这些上游信息是下游合规的基础。至于具体生效时间、门槛数值和申报流程，以欧盟官方页面为准。