从 2023年底开始，我一直在帮企业做生成式 AI 大模型备案。前前后后经手了 80 多个项目，客户的模型类型五花八门 —— 有自研基座的、有二次开发微调的、也有套壳 API 做应用层的。

也见过大量技术团队、初创企业自主申报，材料反复被网信部门驳回，平均整改周期 4-6 个月，严重耽误产品上线、商业化落地。

结合全国多省份网信办审核口径、《生成式人工智能服务管理暂行办法》《生成式人工智能服务安全基本要求》国标实操细则，我统计下来：90% 备案驳回、反复补材料的企业，问题高度集中在三类核心环节，并非企业模型性能不足，而是合规体系、材料逻辑、安全能力建设没踩中监管审查核心。今天把这几 个卡点拆开揉碎了讲，希望能让后面的人少走点弯路。

一、安全评估报告不知道怎么写

大模型备案的第一个硬骨头，就是安全自评估报告。安全自评估报告是整套备案材料的核心，也是技术实测环节重点核查内容。很多企业把评估报告写成产品介绍，没有对标国标 31 项安全指标做量化测试，线下模型实测时敏感问题拒答率、风险拦截率不达标，直接进入多轮整改周期。

（1）安全评估报告缺维度、无量化数据支撑

国标《生成式人工智能服务安全基本要求》覆盖内容安全、算法公平、隐私保护、知识产权、应急处置五大类 31 项指标。大量报告仅简单文字描述，缺少实测数据：

• 缺少数万条测试题库测试结果
• 无涉政、暴恐、歧视、虚假信息等 17 类风险拦截统计
• 未标注敏感提问拒答率（硬性标准≥95%）、内容抽检合格率（≥90%）

（2）风控词库、测试题库体量与质量不达标

两大硬性量化门槛，也是最容易忽略的点：

• 拦截关键词库：最低标准 1 万条，覆盖全部 17 类风险场景，一线城市要求 20 万 + 词条，需按月更新留存迭代记录
• 测试题库：至少 2000 条生成测试题 + 500 条拒答测试题（北京地区要求测试题5W+），覆盖正常提问、诱导越狱、对抗攻击、灰色边缘场景，仅少量简单试题无法通过实测。

（3）缺少完整长效安全运营体系

监管不只看申报当下的安全能力，更核查长期风险管控机制，缺失以下制度会直接扣分：

• AI 生成内容溯源水印方案；
• 7×24 小时内容巡检、人工复审机制；
• 违规生成内容应急处置、用户投诉举报闭环流程；
• 模型重大版本更新重新安全评估制度。

（4）快速通过安全实测的优化方案建议

1.按国标 31 项指标逐条撰写评估报告

每个指标配套对应测试场景、测试样本、量化结果数据，拒绝空泛文字描述，报告建议 30-100 页，完整覆盖所有风险维度。

2.标准化搭建两类题库

敏感拦截词库：分大类收录涉政、色情、暴力、民族、虚假金融、医疗谣言等词条，建立月度更新台账；

测试题库：覆盖正常咨询、诱导越狱、多轮套话、未成年人诱导、地域性别歧视等对抗性场景，留存完整测试日志。

3.补齐长效安全运营全套制度文件

同步完善《AI 内容安全巡检制度》《算法风险应急处置预案》《模型迭代安全评估规范》《用户投诉处理流程》，作为评估报告附件一并提交，证明企业具备常态化风控能力。

二、训练数据合规存在缺陷

数据合规是所有审核环节里权重最高的板块，超过 60% 企业初次申报被退回都源于语料链路不完整，只要存在一处无法溯源、授权缺失，直接判定不合规，无折中整改空间。

（1）公开爬取数据集无完整权利证明链条

不少团队直接使用网络公开语料、开源数据集，仅标注 “公开清洗数据”，无法提供三类关键文件：采集授权、版权声明、商用许可协议。监管要求每一类训练语料都要形成完整溯源链路，从数据源、采集、清洗、标注全流程可追溯。

（2）境外语料比例超标，缺少跨境合规材料

国标硬性要求境外训练语料占比不得超过 30%，很多企业使用海外开源基座 + 大量境外网页数据，占比超标且未做跨境数据安全评估、出境审批说明。

（3）含个人信息语料脱敏流于形式

仅简单写 “数据脱敏处理”，无脱敏技术方案、脱敏前后对比样本、用户授权采集证明；训练、标注过程留存未脱敏手机号、身份证、肖像信息，存在隐私泄露风险。

（4）备案表、评估报告、测试文档数据互相矛盾

模型参数量、训练总数据量、标注样本数量在不同材料填写数值不一致，审核会判定材料真实性存疑，直接打回全稿重改。

（5）建议直接落地的合规整改清单

• 搭建语料分类档案库

商业采购语料：采购合同 + 商用授权书；开源数据集：官方开源协议、使用声明；自有采集数据：用户知情同意、采集规则文档；全部整理成册附在评估报告附件。

• 严格核算境外语料占比

拆分境内 / 境外语料体量，占比控制 30% 以内；若使用境外基座模型，补充基座原厂商备案 / 授权文件，说明本地化部署方案。

• 完善隐私脱敏全套证明

附脱敏算法说明、脱敏样本、标注人员保密协议；明确用户原始数据存储周期不超过合规要求时限，留存删除、销毁记录。

• 全材料统一技术参数

申报前统一校验申请表、安全评估、测试报告、技术说明书里所有模型、数据、算力参数，杜绝数值冲突。

三、备案本质认知错位

绝大多数企业默认：备案只是提交一套纸质材料，只要营业执照、模型参数填完整就能通过审核，存在三大致命认知偏差：

（1）只做纸面材料，无实质安全能力配套

很多团队临时拼凑申请表、报告，内部没有常态化内容风控、日志留存、风险处置机制。但监管审核逻辑是材料证明企业真实具备风险防控能力，所有报告内容都要能对应后台实测、制度文件、运行记录，纸上谈兵直接初审驳回。

（2）混淆备案、登记、算法备案三类合规路径

• 自研模型或在模型基座上进行二次开发微调的模型，面向境内公众提供生成式服务，具备舆论属性或社会动员能力的→必须做大模型备案+算法备案
• 仅调用第三方已备案大模型API、不做二次开发微调训练，不改动底层架构，具备舆论属性或社会动员能力的→走大模型登记+算法备案
• 涉及生成合成类、个性化推送类、排序精选类、调度决策类、检索过滤类的算法，面向境内公众提供服务，具备舆论属性或社会动员能力的→做互联网算法备案。

大量企业申报类型选错，提交材料完全不匹配对应审核标准，第一轮直接退回重报。

（3）忽视属地审核细则差异，一套材料全国通用

北京、上海、广东、江浙等省份量化标准明显不同：例如敏感拦截词库，普通省份最低 1 万词条，北京地区要求 20 万以上；境外语料占比、安全测试题库体量、线下答辩要求各地口径不一，直接套用通用模板会大量缺项，导致反复修改，耗时耗力。

（4）落地整改实操方案建议

• 申报前先完成合规定位自查

先确认三大核心条件：是否生成图文音视频内容、是否面向境内公众、是否自主训练 / 大规模微调模型，精准区分备案 / 登记，避免申报类型错误。

• 材料与内部制度一一对应

安全评估报告里提到的风控规则、数据存储周期、投诉渠道、应急机制，企业内部必须有成文制度、后台功能支撑，审核人员会随机抽查佐证材料。

• 提前调研属地网信最新实操要求

重点确认：敏感词库最低量级、测试题库标准、安全负责人资质要求、是否需要线下技术答辩，材料按属地细则定制，减少多轮补正。

大模型备案难，难点从来不在政策条文晦涩，而是企业普遍存在认知偏差、数据合规短板、安全风控体系缺失三大底层问题。

只要提前对应本文三大卡点自查，把监管真正关注的数据溯源、量化安全能力、长效合规体系落地，绝大部分企业可以避免 3 轮以上补正，大幅压缩审批周期。

后续我会持续更新各省份备案最新细则、安全评估报告标准框架、语料合规档案模板，有备案相关实操疑问可以在评论区交流。