随着生成式 AI 技术落地加速，大模型上线备案已成为合规运营的必经之路。不少开发者在备案过程中常陷入流程迷茫，尤其在语料安全规范和拒答能力评估环节屡屡踩坑。本文结合最新监管要求和实操经验，梳理出一套完整的备案指南，从备案前提判断到流程落地，再到核心环节攻坚，帮你少走弯路、高效通关。
一、先搞清楚：你的大模型需要备案吗？
不是所有生成式 AI 服务都需要备案，先对照以下标准精准判断，避免做无用功：
服务对象：面向境内公众提供服务（比如开放给普通用户使用的文生文、文生图工具，或To C端的AI对话产品）；
服务内容：能生成文本、图片、音频、视频等内容，且具有“舆论属性或社会动员能力”（简单说，就是内容可能影响公众认知或引发群体行为的产品）；
模型类型：无论自研、微调、魔改还是预训练模型，只要符合上述两点，都需要备案；若仅调用第三方已备案模型基座，未做任何微调且无自有语料，一般只需完成登记即可。
这里要特别注意：大模型备案和算法备案是两项独立要求，若你的服务涉及深度合成、个性化推送等5类特定算法，需另行完成算法备案，且备案材料中要同步说明算法备案情况。
二、备案全流程拆解：6步走稳通关路
整个备案流程需对接地方和中央两级网信部门，周期通常6-8个月，建议提前规划时间。从准备到拿证，核心分为6个关键步骤：
第一步：主动对接属地网信办，启动申请
备案的起点是联系公司注册地或实际经营地的省级/市级网信办，明确备案意向。工作人员会提供《生成式人工智能（大语言模型）备案信息采集表》，需详细填写企业基本信息（名称、性质、地址等）、服务功能（服务形式、领域范围）、算法机理（参数规模、开发方式、已有算法备案号）、训练语料（来源、规模、境内外数据占比）等核心信息，加盖公章后提交扫描件和可编辑文件至指定邮箱。
第二步：核心攻坚：材料准备与内部安全自评估
这是备案通过的关键，材料质量直接决定审核效率。需准备一套完整的申报材料，核心清单及要求如下：
材料名称
核心要求
《生成式人工智能上线备案表》
官方核心表格，信息填写需准确完整，加盖企业公章
《安全评估报告》
最核心材料（建议不少于30页），需覆盖语料安全、模型安全、生成内容安全、安全措施四大维度，逐条对应《生成式人工智能服务安全基本要求》给出“符合/不符合/不适用”评价
《语料标注规则》
明确标注人员资质、培训要求、流程细则（功能性+安全性标注）及质量核验方法，证明语料处理规范
《拦截关键词列表》
至少包含10000个关键词，覆盖政治、色情、暴力等17类安全风险，每类风险对应关键词不宜过少（如附录A.1类风险每类不少于200个）
《评估测试题集》
含生成内容测试题（≥2000题）、拒答测试题（≥500题），覆盖各类风险场景，抽检合格率不低于90%，敏感问题拒答率不低于95%
其他辅助材料
营业执照、法人及安全负责人身份证、工作证明；若使用第三方模型/语料，需提供授权或采购合同；国产芯片需求计划等
第三步：递交材料+配合官方技术测试
将全套材料提交至属地网信办后，先经过多轮材料审核（网信办会提出修改意见，需及时完善）。材料通过后，需配合完成技术测试：按要求适配模型API接口，提供5个实名认证的完整测试账号，供官方使用数万至十几万题的题库进行全面检测，涵盖基础风险、提示词注入攻击、多模态风险等场景。
第四步：属地公安机关安全检查
地方网信办初审通过后，属地公安机关可能开展实地检查，重点核查网络安全管理制度、数据安全保护措施是否落实到位，需提前做好相关制度文件和实操流程的准备。
第五步：中央网信办终审
地方审核通过的材料会上报至中央网信办进行最终审查，这一阶段主要核查材料的合规性、完整性和测试结果的有效性，耐心等待审核反馈即可。
第六步：获取备案编号+公示上线
中央网信办终审通过后，会下发备案编号，并在官方网站公示。拿到编号后，需在服务的显著位置（如官网、APP首页）标注备案号及公示链接，之后即可正式上线服务。
三、重点攻坚：语料安全规范与拒答能力评估
语料安全和拒答能力是备案审核的核心关注点，也是很多开发者的薄弱环节，这里结合实操要点详细拆解：
（一）语料安全：从源头规避合规风险
语料是大模型的“粮食”，其安全性直接决定备案根基，需严格遵循“合法来源+严格筛查+规范标注”三大原则：
来源合法是前提：自采语料需保留完整采集证明，商业语料需签订正式采购协议并审核来源资质；使用含个人信息的语料，需取得个人同意（敏感个人信息需单独同意）；境外语料占比不得超过30%。
双重筛查控风险：采集前先评估语料来源，若违法不良信息占比超过5%，坚决不采集；采集后入库前再次核验，同样若不良信息占比超5%，不得使用。可通过关键词过滤、分类模型检测+人工抽检的方式，过滤违法、低俗、侵权等不良内容。
标注规范保质量：制定清晰的语料标注规则，明确标注人员的资质要求和培训流程；标注过程需区分功能性标注和安全性标注，建立质量核验机制（如交叉校验、抽检），确保标注结果准确。
（二）拒答能力评估：找对方法，平衡安全与体验
拒答能力直接体现模型的安全可控性，核心是通过科学评估确保模型能精准拒绝有害请求，同时避免过度拒答影响用户体验：
明确评估指标：核心指标是拒答率（RR），计算公式为“拒答查询数/总查询数”，即模型对有害请求的明确拒绝比例。敏感问题拒答率需不低于95%，同时要控制良性请求的误拒率，避免影响正常使用。
搭建高质量测试题库：拒答测试题需覆盖《生成式人工智能服务安全基本要求》附录A中的31种安全风险，包括政治敏感、暴力恐怖、色情低俗、虚假谣言等场景；同时搭配非拒答测试题，检验模型的区分能力。
优化拒答机制：若测试中发现拒答不精准（漏拒或误拒），可通过扩充关键词库、优化模型微调数据、调整拒答判断逻辑等方式优化。建议建立关键词库动态更新机制，及时覆盖新出现的风险词汇。
四、实操避坑：这些注意事项要记牢
提前规划时间：整个流程至少预留6-8个月，材料准备建议提前3-4个月启动，避免因材料修改、测试优化耽误上线进度。
区分备案类型：大模型备案≠算法备案，若服务涉及深度合成等5类算法，需单独完成算法备案，不要混淆遗漏。
特殊行业提前沟通：若模型应用于金融、医疗、教育等领域，除网信办备案外，需先与行业主管部门预沟通，经其审核把关后再推进备案。
内部先行自测：提交材料前，按官方标准开展内部安全自评估，重点核查语料合规性和拒答率指标，提前整改问题，提高审核通过率。
材料保持一致：所有申报材料的信息需前后统一，如模型参数规模、语料占比、服务范围等，避免出现逻辑矛盾。
