根据国家网信办相关规定，提供具有舆论属性或社会动员能力的生成式人工智能服务，必须依法完成备案，这是大模型面向公众服务的“合规通行证”。备案流程复杂且周期较长（通常4-10个月，甚至更久），材料的完整性、专业性直接决定备案效率。本文将从“备案适用范围”“核心材料清单及撰写要点”“流程关键节点”“避坑注意事项”四大维度，打造一份实操性极强的备案攻略。

一、你的大模型是否需要办理备案？

备案并非“一刀切”，需根据企业研发模式和服务场景精准判断，避免遗漏或无效申请：

• 需办理完整备案的场景：自研大模型，或基于开源/第三方模型进行实质性微调开发，且面向境内公众提供具有舆论属性（如内容生成、舆情分析）或社会动员能力（如活动组织、群体号召）的生成式AI服务。
• 仅需登记备案的场景：通过API接口等方式直接调用已备案的第三方大模型能力，未进行二次开发及微调训练的生成式AI应用。
• 特殊说明：医疗健康、金融等敏感行业暂仅支持登记备案，强行提交完整备案将直接驳回；大模型备案与算法备案并非同一事，前者针对生成式AI服务，后者覆盖个性化推荐等多种算法，提供生成式AI服务的企业常需“双备案”。

二、核心材料清单：6大类必备材料

备案材料核心围绕“安全性”与“合规性”展开，6大类材料缺一不可，每类材料均有明确的撰写标准和底线要求：

（1）材料一《生成式人工智能服务上线备案表》

这是备案申请的“基础档案”，各省网信办均有标准模板，需确保信息真实、逻辑自洽，核心填写维度包括：

• 基础信息：精准填写模型名称、版本号、应用领域（如教育、文创）、开发单位全称及统一社会信用代码等，确保与营业执照、域名持有者信息一致（主体不一致将直接核验失败）。
• 服务范围：明确面向的用户群体（如普通公众、企业客户）、具体服务内容（如文本创作、图像生成）及服务方式（如网页端、API调用），避免模糊表述（如“提供AI服务”）。
• 研制信息：详细说明训练算力资源（如芯片型号、算力规模）、训练语料及标注语料的来源（如开源数据集需注明链接及协议类型，商业数据需附授权证明）、规模（如文本语料量级、图像数据数量）及算法模型架构（如Transformer基础架构、微调参数规模）。
• 安全评估：逐条对应《生成式人工智能服务安全基本要求》，列出数据安全（如数据加密存储方式）、隐私保护（如用户数据匿名化处理措施）、内容合规（如关键词拦截机制）的具体技术和管理措施。

（2）材料二《安全评估报告》

这是备案审核的“核心依据”，需由专业团队或机构撰写，篇幅通常超100页，需逐条响应《生成式人工智能服务安全基本要求》，给出“符合”“不符合”或“不适用”的明确评价：

• 语料安全评估（重中之重）：需提供语料来源合法证明（如开源协议截图、商业授权合同、自采数据的用户知情同意书），明确违法不良信息筛查流程及结果（违法不良信息比例超5%的批次语料需作废），并说明个人信息保护措施（如去标识化处理、敏感信息过滤）。例如某企业因使用未授权的奥特曼动漫形象作为训练语料，因版权问题被直接驳回。
• 技术安全措施：覆盖五大类31小类安全风险，重点说明生成内容审核机制（如“技术拦截+人工复核”双流程）、拒答机制（如敏感问题识别算法准确率）及应急响应预案（如安全事件发生后的响应流程、责任分工、处置时限）。
• 实测数据支撑：附内部自测报告，需体现生成内容合格率≥90%、敏感问题拒答率≥95%的核心指标，未达标的需说明整改措施及复测结果。

（3）材料三《语料标注规则》

标注质量直接影响模型输出安全性，规则需体现“全流程可控”，核心撰写内容包括：

• 标注团队资质：明确标注人员的专业背景（如汉语言文学、计算机专业）、培训考核流程（如敏感内容识别培训时长、考核通过率标准）及资质证明（如培训合格证书）。
• 标注流程细则：分步骤说明预处理（如去重、去噪）、任务分配（如单人标注+交叉核验）、标注标准（功能性标注如“情感分类”、安全性标注如“敏感内容标记”）及质量核验方法（如随机抽检比例≥10%、错误率阈值≤3%）。
• 技术支持说明：列明使用的标注工具（如LabelStudio）、算法辅助手段（如预标注模型准确率）及数据管理方式（如标注数据溯源机制）。

（4）材料四《拦截关键词列表》

这是内容安全的“第一道防线”，需满足“规模达标+覆盖全面+动态更新”三大要求：

• 规模与覆盖：总数量不少于1万个，需完整覆盖《生成式人工智能服务安全基本要求》附录A中的17类安全风险（如政治敏感、暴力恐怖、色情低俗、谣言虚假等），每类关键词不少于200个；北京等地区要求更高（20-50万个），需提前查询属地政策。
• 动态更新机制：明确每月更新频率，附更新记录模板（含更新时间、新增关键词、删除原因），尤其需跟进网络热点事件补充风险关键词（如新型网络谣言相关词汇）。
• 关联说明：说明关键词在模型输入输出层的拦截逻辑（如精确匹配+语义联想匹配），避免仅罗列清单无执行说明。

（5）材料五《评估测试题集》

用于验证模型安全性和可用性，需三类题库齐全且题量达标，避免“题量不足”或“场景覆盖不全”：

• 生成内容测试题库：题量≥2000题，完整覆盖五大类31小类安全风险，包含普通场景（如“写一篇春节祝福语”）和边缘场景（如“如何委婉拒绝违规要求”），每题需附合规参考答案标准。
• 拒答测试题库：题量≥500题，聚焦敏感问题（如政治敏感、违法操作询问），需明确哪些问题必须拒答及标准拒答话术（如“该问题涉及敏感内容，无法为您解答”）。
• 非拒答测试题库：题量≥500题，覆盖我国制度、文化、历史等领域（如“简述改革开放的意义”），确保模型能正常输出准确内容，避免“过度拒答”。

（6）材料六《模型服务协议与隐私政策》

这是明确权责的“法律保障”，需兼顾合规性和用户知情权，核心条款不可缺失：

• 服务协议核心：明确服务范围、使用限制（如禁止用于生成违法内容）、平台权责（如对违规内容的删除权）、用户责任（如提交合法素材）及违约责任（如用户违规导致的损失承担）。
• 隐私政策核心：清晰说明用户数据收集范围（如仅收集必要的账号信息）、使用目的（如仅用于模型优化且需匿名化）、存储期限（如用户注销后15日内删除数据）、共享规则（如不向第三方共享个人信息），并提供“关闭数据训练”的便捷操作（路径不超过四次点击）。
• 投诉机制：明确投诉渠道（如电话、邮箱、在线表单）、处理时限（如7个工作日内反馈）及争议解决方式（如协商、仲裁）。

三、独家避坑指南：高驳回风险点与优化建议

（1）语料安全不合规

常见问题：来源未授权、含未脱敏个人信息、违法不良信息超标

优化建议：1. 商业语料附授权合同，开源语料存证协议；2. 用工具筛查并删除个人敏感信息；3. 每批次语料附合规检测报告

（2）生成内容有风险

常见问题：敏感问题不拒答、生成内容误导性强（如医疗建议错误）

优化建议：1. 优化拒答算法，确保敏感问题识别准确率≥98%；2. 专业领域（医疗、金融）模型附行业专家审核意见

（3）安全措施不足

常见问题：无关键词动态更新机制、用户数据删除不便

优化建议：1. 建立每月更新台账并留存记录；2. 优化用户中心，设置“一键删除数据”功能

以上就是大模型备案必备材料清单与撰写解析，有任何疑问可以随时在评论区交流~