ChatGPT VLOSE 指定：歐盟 DSA 加強監督改變什麼？（2026）

2026 年 8 月 31 日，歐盟執委會在 Shaping Europe’s digital future 發布〈Commission designates ChatGPT, Reddit, Roblox under Digital Services Act〉，正式把 ChatGPT 指定為《數位服務法》（DSA）的超大型線上搜尋引擎（VLOSE）。這次 ChatGPT VLOSE 指定不是模型升級，也不是違法判決；它代表一個能搜尋、排序、引用並生成答案的服務，因規模跨過歐盟門檻，必須進入更嚴格的風險治理週期。

原公告很短，只交代指定、門檻與新增義務。真正需要拆開的是三件事：1.591 億到底量到誰、通知後四個月會增加哪些責任，以及「直接監督」為何不等於歐盟已認定 ChatGPT 有害或違法。

ChatGPT VLOSE 指定，原公告真正說了什麼？

公告一次處理三個服務：ChatGPT 被列為 VLOSE；Reddit 與 Roblox 則被列為超大型線上平台（VLOP）。三者的法律分類不同，共同點是業者申報的 EU 平均每月活躍服務接收者都達到 4,500 萬門檻。規模觸發的是額外盡職義務，不是對服務品質、安全性或市場支配力的評分。

These services declared that they reach at least 45 million average monthly users in the EU and thus meet the threshold for designation.

中文：這些服務自行申報在 EU 每月平均觸及至少 4,500 萬名使用者，因此達到指定門檻。

European Commission，2026 年 8 月 31 日

這句話有兩個容易被標題壓掉的限定。第一，數字是服務提供者依 DSA 口徑申報，不是歐盟獨立稽核後公布的商業 MAU。第二，法條用的是「達到或高於」4,500 萬，不是一定要超過。執委會仍保留檢查計算方法的權力。

1.591 億不是整體 ChatGPT 使用者數

歐盟指定服務清單列出的提供者是 OpenAI Ireland Limited、指定服務名稱是 ChatGPT，業者申報數字為 1.591 億。可是 OpenAI 的 DSA 公開頁面把這個數字明確限定為 ChatGPT 的線上搜尋功能：統計截至 2026 年 3 月 31 日止六個月，EU 每月平均約有 1.591 億名活躍服務接收者。

公開文件	它實際寫的是什麼	不能外推成什麼
歐盟指定清單	服務名稱：ChatGPT；業者申報 1.591 億	OpenAI 全公司或所有 GPT 模型都成為搜尋引擎
OpenAI DSA 揭露	ChatGPT search／線上搜尋功能的 EU 活躍接收者	全部 ChatGPT 帳號、付費訂戶或搜尋次數
DSA 計算口徑	六個月期間的每月平均服務接收者	經歐盟獨立查核的商業 MAU

這個表面落差正是目前最重要的邊界問題。截至 2026 年 9 月 1 日，歐盟公開清單仍未附上 ChatGPT 的正式指定決定，因此外界還不能從決定本文確認：新增義務只涵蓋有連網搜尋的回答，還是也涵蓋更多 ChatGPT 功能。比較穩健的結論是：法律指定對象是清單中的 ChatGPT 服務；其搜尋、生成、排序與引用等相關演算法系統，可能因風險評估或監管調閱進入檢視，但不能把 OpenAI API、所有 GPT 模型或其他產品一併宣布為 VLOSE。

這並非純粹的字眼爭議。2026 年一篇討論 ChatGPT 與 DSA 分類邊界的獨立政策研究，就在正式指定前指出：ChatGPT 同時具備搜尋、平台與生成答案特性，傳統「索引結果頁」的框架很難完整描述它。正式決定日後如何畫出服務範圍，會決定哪些資料、功能變更與風險指標必須納入治理。

通知後四個月，增加的不是一張合規清單

DSA 第 33 條規定，超大型服務的額外義務從業者收到指定通知四個月後開始適用。英文公告目前把時程描述為 2027 年 1 月前，但正式決定與實際通知日尚未公開；因此本文不把新聞稿日期當成法律起算點，也不寫死某一天。

DSA 義務	ChatGPT 服務需要面對的問題	重要邊界
第 34 條：系統性風險評估	辨識非法內容、基本權利、選舉與公共安全、未成年人、公共健康及身心福祉等 EU 風險；重大功能變更前也要重做評估	評估的是服務與相關系統，不是要求零風險
第 35 條：風險緩解	採取合理、相稱且有效的產品、演算法、內容治理、測試與內部監督措施	不是一律刪除所有錯誤或爭議資訊
第 37 條：獨立稽核	由業者負擔費用，至少每年接受一次獨立稽核	指定當下不等於已完成稽核
第 40 條：資料存取	監管機關可依附理由的要求取得必要資料與演算法設計、邏輯、運作、測試說明；合格研究者另有申請程序	不等於向公眾公開模型權重、原始碼或私人對話
第 41、42 條：治理與透明度	設置獨立合規職能，並提高透明度報告頻率	依法仍可保護個資、資安與營業秘密

這些規則的重點是建立一個可持續查驗的循環：先界定風險，再留下證據、採取緩解、接受外部稽核，最後公開足以讓監管者與社會檢驗的結果。若服務使用推薦系統或展示廣告，相關的非個人化選項與廣告透明度義務才會按法定條件適用，不能在正式決定公開前把每一項條件式義務都寫成 ChatGPT 已確定必須採用的產品功能。

直接監督，不等於已被判定違法

VLOSE 最實質的制度變化，是 DSA 第 34 至 42 條等超大型服務義務由歐盟執委會取得集中監督與執法權，並與提供者所在地的數位服務協調機關分工。這讓執委會能要求更完整的風險資料、追蹤緩解措施並啟動調查，不再只依靠一般公開承諾。

但指定本身沒有宣布任何違規、罰款或內容下架命令。依 DSA 第 73、74 條，最高可達前一年度全球營業額 6% 的罰款，必須先有具體 DSA 違規與不合規程序；不能把「成為 VLOSE」直接改寫成「將被罰 6%」。同樣地，DSA 要求合理且相稱的風險緩解，並沒有承諾每一個生成答案都正確，也沒有把所有錯誤資訊自動變成非法內容。

DSA 也不是 AI Act 的另一個名字

DSA 與《歐盟 AI 法案》（AI Act）可能同時碰到 ChatGPT，卻在回答不同問題。DSA 關心的是一個中介服務如何分發資訊，以及這套服務在大規模下造成哪些系統性風險；AI Act 則依 AI 系統、通用 AI 模型、提供者與部署者角色，規範模型生命週期、用途與透明度。

	DSA／VLOSE	AI Act
主要對象	被指定的線上服務及其相關系統	AI 系統、模型與供應鏈角色
這次觸發原因	服務分類加上 EU 受眾規模	不是由這次 VLOSE 指定觸發
核心問題	資訊分發、基本權利與社會風險如何被評估與緩解	AI 系統或模型在其類型、用途與生命週期下要遵守什麼

所以，ChatGPT VLOSE 身分不代表 GPT 模型突然被歸類為 AI Act 的「高風險系統」，更不代表模型能力出現跳躍。兩套制度會在監督機關、透明度與風險管理上交會，但法律身分不能互換。想追蹤另一條制度線，可接著讀 AlphaLab 的歐盟 AI Act 透明度規則解析。

AlphaLab 的判讀：監管追上的是分發權，不是模型智力

一、答案引擎把「排序」壓縮成一段看似完整的文字

傳統搜尋引擎把多個連結排成清單，使用者仍能看到來源競爭。生成式答案引擎則先檢索、挑選、排序，再把內容合成一個統一語氣的答案。來源被納入、被省略、被放在第幾個引用位置，都會影響讀者看見的世界，只是這些選擇不再以十個藍色連結的形式出現。

因此，本文的推論是：真正需要稽核的單位不只是一個模型版本，而是從查詢理解、檢索、來源選擇、引用，到最終合成的整條答案路徑。只測「有沒有引用」不夠，還要問引用是否支持句子、重要反例是否被遺漏、不同語言與會員國是否得到一致品質，以及惡意網站能否操弄答案。

二、最重要的透明度進步是可調查，不是全面開源

DSA 第 40 條的價值，是讓監管者能在有理由、必要且相稱的範圍內要求資料與系統說明，合格研究者也有一條受條件約束的存取路徑。它增加的是「能不能驗證風險主張」的能力，而不是把模型權重、訓練資料、私人提示或完整搜尋軌跡公開給所有人。

這個差別很重要。若要求過度寬泛，會碰到個資、資安與營業秘密；若只接受平台自行選擇的平均指標，又很容易漏掉低資源語言、選舉期間或未成年人場景中的尾端風險。監督成效取決於問題能否被轉成可重複、可分語言與場景檢查的指標，而不是報告頁數。

三、制度身分不會自動修好一個答案

指定能帶來稽核、證據保存與問責壓力，卻不會在四個月後讓幻覺、來源偏差或搜尋操弄突然消失。最值得觀察的不是 OpenAI 是否新增一頁合規說明，而是風險評估是否公開具體測量方法、獨立稽核是否能指出缺口、監管者能否取得足以反駁平台說法的資料，以及產品真的做了哪些可驗證改動。

接下來，讀者與產品團隊該盯哪些訊號？

1. 等正式指定決定。先確認服務範圍、通知日期與主管機關分工，再談精確生效日；不要用新聞稿日期代替送達紀錄。
2. 看風險方法，不只看結論。有沒有按語言、地區、年齡與高風險情境拆分？有沒有測引用支持度、來源多樣性、搜尋操弄與重大功能變更？
3. 看獨立稽核能否反駁平台。稽核的資料範圍、抽樣與限制，比「通過／未通過」一個標籤更有資訊。
4. 高風險問題仍自行核對。醫療、法律、金融、選舉與公共安全資訊，打開原始來源、核對日期與司法管轄；VLOSE 身分不是答案正確保證。
5. 產品團隊現在就整理證據鏈。把查詢、檢索、排序、引用與生成的變更紀錄、語言別測試、風險指標與保留期限納入發布流程，別等監管要求才回頭拼湊。

對內容出版者與研究者而言，也應開始量來源是否被引用、引用位置、推薦流量與重要資訊被省略的模式。AlphaLab 的 GEO 與 AI 引用 A/B 測試提供了產品外部可做的觀察起點；它不能取代監管資料存取，卻能讓「答案引擎如何分配可見度」不再只停留在感覺。