2025大模型备案全攻略:政策解读+材料清单+流程详解+避坑指南

原创已于 2025-05-26 10:17:56 修改 · 846 阅读

14 ·

CC 4.0 BY-SA版权

文章标签：

#人工智能 #AIGC #大数据 #深度学习 #算法 #语言模型

于 2025-05-26 09:31:39 首次发布

互联网算法备案&大模型备案专栏收录该内容

22 篇文章

订阅专栏

近年来，随着人工智能技术的飞速发展，生成式人工智能服务日益普及。为规范这一领域的发展，保障国家安全和社会公共利益，国家出台了一系列法规政策，其中《生成式人工智能服务管理暂行办法》及《互联网信息服务算法推荐管理规定》等法规，明确要求面向公众提供生成式AI服务的企业必须完成大模型备案。

截至2025年3月份，全国已有505款生成式人工智能服务完成网信办备案，其中大模型备案346款，大模型登记159款。这充分说明，合规备案已成为大模型商业化落地的“必修课”。本文将为您深度剖析2025大模型备案全攻略:政策解读+材料清单+流程详解+避坑指南。

一、大模型备案概述与政策背景

1、什么是大模型备案？

大模型备案，是指利用生成式人工智能技术，向境内公众提供生成文本、图片、音频、视频等内容服务的模型，需依据相关法律法规履行备案手续。其核心法律依据主要来自《生成式人工智能服务管理暂行办法》，该办法明确规定，具有舆论属性或者社会动员能力的生成式人工智能服务提供者，应按照国家有关规定开展安全评估、算法备案等工作。

2、法律依据

《生成式人工智能服务管理暂行办法》：这是大模型备案最直接的法律依据，明确了生成式AI服务提供者的责任和义务。
《互联网信息服务算法推荐管理规定》：虽然主要针对算法推荐，但其管理原则和备案精神也为大模型治理提供了框架。

3、为什么要做大模型备案？

政策合规性: 这是国家法律法规的强制性要求，未完成备案的大模型服务将面临下架、罚款甚至停业整顿的风险。例如，2023年底曾有AI智能对话App因未完成备案而被下架，造成重大经济损失。
安全保障: 备案过程涉及对模型安全性、数据来源合法性、内容可控性等方面的审查，有助于防范不良信息传播、数据滥用等潜在风险。
市场信任度: 完成备案是企业负责任的体现，能够显著增强用户和合作伙伴的信任，为商业拓展和融资创造有利条件，甚至可能获得政府补贴。

4、什么情况下需要做大模型备案？

一般而言，只要企业计划在中国境内向公众提供基于大模型的、能够生成文本、图片、音频、视频等内容，且可能影响舆论或具备社会动员能力的服务，就需要进行大模型备案。这包括但不限于对外开放的聊天机器人、内容创作工具、智能客服等。

这里，我给大家列举了几种常见的需要做大模型备案的情况：

自研大模型面向公众服务：企业自主研发的大模型，若面向境内公众提供生成内容服务，且该服务具有舆论属性或社会动员能力，则需进行备案。例如，某科技公司研发的智能写作大模型，用户可通过在线平台使用其生成新闻稿件、营销文案等，这类模型需完成备案。
微调第三方模型用于公众服务：即使调用第三方已备案的大模型，但经过二次开发或微调，且调整后的模型面向公众提供具有舆论属性或社会动员能力的服务，同样需要备案。比如，某企业基于开源大模型，结合行业数据进行微调，开发出面向特定行业用户的智能问答系统，该系统需履行备案手续。

二、大模型备案所需材料清单与要点解析

准备充分且高质量的备案材料是成功备案的关键。以下是核心材料清单及要点说明：

1、大模型上线备案表

内容：详细填写模型名称、版本号、应用领域、开发单位、联系人及方式等基础信息。
服务范围：明确面向的用户群体及提供的具体服务内容。
研制信息：说明模型训练算力资源、训练语料和标注语料的来源与规模、语料合法性、算法模型的架构和训练框架等。
服务与安全：提供推理算力资源、服务方式及对象、非法内容拦截措施、模型更新升级信息等。
安全评估承诺：填写安全评估的基本情况和评估情况，并承诺所填信息真实性，签字确认。
要点：此表格是备案的核心申请文件，需准确、详尽填写，各项信息应与其他材料保持一致。

2、安全评估报告

内容：这是备案材料的重中之重，通常篇幅较长（可能超过100页）。报告需全面分析模型在数据安全、内容安全、个人信息保护等方面的风险，并提出相应的安全保障措施和应急管理方案。
具体应包含：语料来源的合法性分析（详细说明训练数据的来源、采集方式、授权情况等）；对模型可能生成的各类内容（如知识产权、商业秘密、民族、信仰、性别、透明性、准确性、可靠性以及拒答、应答等题库）进行风险评估；制定发生安全事件时的应急预案（包括响应流程、责任分工、处置措施等）；涵盖语料安全评估、模型安全评估以及安全措施评估，并形成整体评估结论。
参考标准：可参考《生成式人工智能服务安全基本要求》等国家标准进行编写。
要点：报告应体现专业性、客观性和全面性，充分展示企业对模型安全风险的认知和管控能力。

3、模型服务协议

内容：制定详细的用户服务协议，明确用户隐私条款，包括用户数据的收集、使用、存储、共享等方面的规定。提供用户投诉举报的渠道和处理流程，保障用户合法权益。明确在特定情况下的开发者责任限制和免责范围。包含产品及服务的各项规则及隐私条款等，需协同法务共同制定提交，明确服务范围、双方权利义务、数据使用与保护、违约责任等。
要点：协议内容需合法合规，充分保护用户权益，并清晰界定各方责任。

4、语料标注规则

内容：详细阐述训练语料进行标注的目标、方法、流程、质量控制标准等内容。
要点：确保标注工作的合法合规性，坚决杜绝使用含有违法不良信息的语料。

5、拦截关键词库

内容：建立覆盖至少17类安全风险的拦截关键词库，总规模建议不少于1万词。例如，涉政类等敏感领域的关键词，每类应不少于200词，以确保能有效识别和拦截潜在的违规内容。
要点：关键词库应根据实际情况和网络热点动态更新，确保其时效性和有效性。个别省份要求比较严，关键词会远远大于1万个，比如北京，需要20w个关键词。

6、评估测试题集

内容：一套专门设计用于测试大模型安全性和合规性的问题集合。题集应覆盖各类风险场景，包括但不限于诱导生成违法违规内容、伦理道德风险、偏见歧视性内容、虚假信息生成等。这里参照TC260的标准来。
要点：题集需具有代表性和全面性，能够有效检验模型的安全防护能力和内容审核机制。测试结果（包括模型的回答和拒答情况）通常作为安全评估报告的重要支撑材料。