​

>这篇文章没有一句 "据说"" 网上说 "。里面的每一个坑，都是我拿真金白银和时间砸出来的。从第一次信心满满提交，到第八次终于拿到备案编号，前后近 9 个月。如果你正在或者准备做 AI 产品上线，请把这篇看完再动手 —— 少走我走过的弯路，就是省下大半年。


----

## 一、被驳回不是小概率事件


很多团队觉得，备案嘛，填几张表、交几份材料的事。我第一次也是这么想的，结果被现实狠狠教育了。

先看几组行业数据，你就知道我不是在吓你：


	- 据行业统计，**超过四成的生成式大模型备案申请会被驳回**，2025 年企业自行申报的平均驳回率约为 **40%**；


	- **超过 60% 的团队首次备案就遭遇驳回**，有企业前后反复提交了十余次才通过；


	- 在驳回案例里，**八成以上**的根源指向同一份材料 —— 安全自评估报告；


	- 正常备案周期 6-8 个月，被反复驳回后拖到 **一年以上** 是常态。


我自己的经历更直白：**8 次提交，8 次驳回，历时 9 个月**。每次驳回通知都是一次 "到底哪里没做对" 的灵魂拷问。

复盘之后我才真正想明白一个底层逻辑：**绝大多数备案被驳回，不是你的模型技术能力不行，而是 "合规叙事" 没做好。** 审核方看的不是你的模型有多先进，而是你描述的技术特性是否**真实、可验证、可追溯、可闭环**。这句话，是整篇攻略的起点，请先记住它。


----

## 二、第一关：先搞清楚 "你到底该办哪个"，不然全白干


我第一个大坑，就栽在这里。**很多人连 "该办备案还是登记、要不要办算法备案" 都没搞清，就急吼吼地开始准备材料 —— 结果方向错了，前面所有工作量直接归零。**

目前跟 AI 有关的合规手续，主要有三种，别搞混：


| | | | |
|:-:|:-:|:-:|:-:|
|类型|定义|适用场景|主管部门 / 入口|
|**算法备案**|针对具有舆论属性或社会动员能力的算法推荐服务|生成合成类、个性化推送类、排序精选类、检索过滤类、调度决策类|中央网信办，线上填报（[beian.cac.gov.cn](https://beian.cac.gov.cn)），约 2 个月|
|**生成式 AI 服务备案**|自研 / 深度微调 / 大规模训练模型，面向公众提供生成式服务|大语言模型、多模态模型等生成式 AI 服务|省级网信办 → 中央网信办，线下提交，约 6-10 个月|
|**生成式 AI 服务登记**|仅调用第三方已备案大模型 API，未做任何调整|只套 API、做 Prompt 工程、业务封装的前端产品|属地网信办，流程简化，周期短很多|

**三条铁律，务必记死：**


	- **"动没动模型权重" 是备案和登记的分界线。** 完全调用已备案 API、没做任何微调，走**登记**；一旦自研底座、深度微调、改了权重、换了基座、大规模训练，就是**备案**。我第一次就把 "深度微调过的模型" 当成登记报，直接被要求补做完整备案，白白浪费一个月。


	- **算法备案和生成式 AI 服务备案是两套机制，互不替代。** 你做大模型又面向公众提供服务，通常**两个都要做**。别以为办了一个就万事大吉。


	- **"小模型不用备案" 是最危险的误解。** 只要向公众提供生成式服务，无论模型多大、是否自研、是否基于开源微调，都要备案。网上那个 "Llama3-8B 微调客服被认定需备案" 的案例就是前车之鉴。


**判定到底要不要备案，用四把尺子量：**


| | |
|:-:|:-:|
|判断维度|判断标准|
|① 服务对象|是否面向中国境内公众？境内用户能访问、能使用，都算|
|② 服务内容|是否生成文本、图片、音频、视频等内容？LLM、文生图、文生视频、代码生成全覆盖|
|③ 属性特征|是否具有舆论属性或社会动员能力？AI 对话、内容生成、智能客服、虚拟人基本全中|
|④ 技术特征|是否自研或微调了模型？动了 → 备案；纯调已备案 API → 登记|

特别提醒那个最容易误判的 **"舆论属性"**：判断标准不是你有没有社交功能，而是你的服务是否**可能影响公众认知和行为 **。只要你的服务能 "输出内容"，从监管视角看基本都落入这个范畴。

还有一个常见的侥幸心理：**"内测应该不用吧？"** 错。只要测试对象是不特定的公众，哪怕只有 100 人、哪怕需要邀请码，你的服务就已经在 "向公众提供" 了。上海 2025 年就有案例：3 家网站在未备案的情况下自行把生成式 AI 功能重新上线，哪怕只是灰度测试，最终被正式立案处罚。


----

## 三、第二关：6 套核心材料，每一套都是坑


确定要备案后，接下来是最磨人的环节 —— 备材料。整个备案材料里，**最耗时的就是安全自评估报告**，建议提前 2-3 个月启动，别等通知了才开始写。

标准配置是以下 6 套材料：

### 材料一：大模型上线备案申请表


	- 填写模型名称、版本号、研发主体工商资质、核心功能、服务范围、适用人群；


	- 训练算力资源、训练语料来源与规模；


	- 附《算法备案承诺书》：**法定代表人手写签字 + 企业公章**，缺一不可。


### 材料二：安全自评估报告（核心中的核心）


这是整套材料里审核权重最大、最容易被驳回的一份，通常要 **60-100 页**，覆盖 **160 余项**评估指标。内容框架大致是：


	- 算法 / 模型基本情况（算法流程附流程图、数据、模型、干预策略、结果标识）；


	- 服务情况（服务简介、算法在服务中的应用）；


	- 风险研判（滥用风险、漏洞风险、恶意利用风险等）；


	- 风险防控措施（技术措施、管理措施、应急响应）；


	- 合规性说明与承诺（逐条对照法规，法定代表人签字盖章）。


**常见错误写法**：只写 "本系统基于深度学习技术，使用大语言模型进行文本生成"—— 这种等于没写，必被打回。要写到 "基座模型、参数量级、训练方法、优化器、学习率、推理策略" 这种颗粒度，比如 "基于 LLaMA2-13B 全参数微调，32 层 Transformer，AdamW 优化器，学习率 2e-5，推理采用 beam search"。

### 材料三：模型服务协议


	- 服务范围界定（"为电商卖家提供商品标题生成服务"，而不是 "提供 AI 服务"）；


	- 用户行为规范、个人信息处理规则、投诉举报机制（响应时限要写具体）；


	- 未成年人保护条款。


**注意**：协议里的承诺必须和安全评估报告里的保障措施**逻辑一致**。报告里写了 "48 小时投诉响应"，协议里就必须明确约定，两边打架直接驳回。

### 材料四：语料标注规则


	- 标注团队介绍、培训体系、考核标准；


	- 标注流程闭环：分配 → 执行 → 校验 → 验收；


	- 质量校验比例建议 ≥5%，留存核验记录。


### 材料五：拦截关键词列表


	- 总规模 **≥ 10,000 个**（北京地区甚至要求 20 万 - 50 万条）；


	- 覆盖 17 类安全风险场景，A.1 类每类风险 ≥200 个、A.2 类每类 ≥100 个；


	- 建立**每周动态更新机制**，留存更新日志。


### 材料六：评估测试题集


三类标准化测试题库，量化门槛基本没有协商空间：


| | | |
|:-:|:-:|:-:|
|题库类型|数量要求|内容要求|
|生成内容测试题|≥2000 条|覆盖日常 / 专业 / 边缘场景|
|拒答测试题|≥500 条|敏感议题、诱导性问题，验证拒答能力|
|非拒答测试题|≥500 条|正常问题，验证服务可用性不受影响|

**特别提醒**：题不在多，在 "准" 和 "全"。有企业原提交的题集里 70% 是 "写一首诗" 这种无效题，完全验证不了安全能力，被要求全部重做。每道题都要有明确的测试目的和预期结果，并且**不能由模型开发团队自己出题自己验证**，要有独立团队。


----

## 四、第三关：完整流程 5 个阶段，盯紧时间线


整个备案周期，从开始准备到拿到备案号，**至少 4-8 个月，常态 6-10 个月**。这是系统工程，不是填几张表能搞定的。完整跑一遍是下面 5 个阶段：

### 📅 第一阶段：备案前准备（约 1 个月）


	- 组建跨部门团队：技术 + 法务 + 数据 + 合规，一个都不能少；


	- 全面梳理模型研发流程、语料来源及合法性、安全机制；


	- 研读政策：至少精读《生成式人工智能服务管理暂行办法》+ GB/T 45654-2025《生成式人工智能服务安全基本要求》+ 属地网信办具体要求；


	- 向省级网信办提交备案意向，获取官方制式材料清单。


### 🗂️ 第二阶段：核心材料准备（1-2 个月）


	- 系统化整理训练数据：数据分级、清洗、构建语料；


	- 撰写安全评估报告（工作量最大的材料，尽早启动）；


	- 制定语料标注规则、构建拦截关键词库、编制评估测试题集；


	- 起草模型服务协议（需法务深度参与）；


	- 内部自评估和自测试。


### 📤 第三阶段：提交与省级初审（1-2 个月）


	- 向省级网信办提交纸质材料（装订成册、加盖公章）+ 电子版；


	- 省级网信办审核材料完整性、安全性、合规性，**同步开展技术安全测试**（重点测模型拒答率、生成内容合格率）；


	- 收到补正通知 → 限期内修改 → 重新提交。（这里就是驳回高发地）


### 🔍 第四阶段：中央网信办复审（1-3 个月）


	- 备案材料深入审查 + 模型全面审查；


	- **征求工信、公安等跨部委意见**；


	- 再次技术测试；


	- 通过 → 官方渠道公示 → 下发备案编号。


### 🔄 第五阶段：拿号之后（长期，千万别以为结束了）


	- 定期更新拦截关键词库和测试题库；


	- 模型重大变更需履行变更手续；


	- 配合年度核验；


	- 留存评估结果和问题整改记录。


----

## 五、第四关：8 次驳回的 8 个死因，逐个拆给你看


终于到了重点。我把 8 次驳回全部复盘，浓缩成 8 个 "死因"。**你只要避开这 8 个，通过率至少翻一倍。**

### 死因 1：训练语料合规链条断裂（头号卡点）


**现象**：只写 "使用公开数据集"，没有具体来源、没有授权证明、没有采购合同；开源基座的商用 License 核查不严（部分开源协议明确禁止商用）；训练数据混入未脱敏个人信息、未经授权爬取的数据。

**正确做法**：


	- 逐条列明数据集来源（开源 / 商业采购 / 自有合规数据 / 人工标注），附授权协议、采购合同、商用授权证明；


	- 涉及个人信息的语料**全量脱敏**，留存脱敏日志与抽检记录；


	- 境外语料单独统计占比（≤30%）并说明筛查机制；


	- 从采集 → 清洗 → 标注 → 入库，每个环节留痕，形成可追溯的合规链。


### 死因 2：安全评估报告 "形同虚设"（八成驳回的根源）


**现象**："模型具备良好安全能力、可抵御风险输出" 这类描述性语言，2026 年基本零通过率；没有量化测试数据；未对标国标逐条举证；应急预案只有文件没有演练记录。

**正确做法**：


	- 报告按 "评估基础概况 → 语料安全 → 模型安全 → 生成内容安全 → 运营管控与应急处置" 完整框架写；


	- 每项安全措施配套**量化测试数据 + 原始测试记录 + 佐证材料**；


	- 通篇对标 31 类风险场景逐条举证，附抽检统计表；


	- 用词采用确定性表述（"完全符合"" 已 100% 完成 "），避免" 基本合规 ""暂无重大风险" 这类模糊措辞。


### 死因 3：测试题库与风险词库不达标（硬性量化指标）


**现象**：题库数量不够、全是无效题；只有题目没有模型实际输出记录和拦截日志；题库老旧没有更新机制；多模态模型缺图像 / 视频级风险测试题。

**正确做法**：按上面的量化门槛（2000/500/500 + 万级词库）逐项达标，附带完整输出日志与拦截记录，说明月度 / 周度更新机制。

### 死因 4：数据存储与日志留存触碰红线（零容忍）


**现象**：训练、推理、用户交互数据跨境存储或跨境传输；日志留存不足 6 个月；未落地 AI 生成内容的人机标识（文本水印、元数据溯源标签）。

**正确做法**：数据必须境内存储；用户 Prompt、模型输出、安全审核日志、操作日志**留存 ≥6 个月**；落地 AI 生成内容标识能力；建立数据访问权限管控、审计机制和数据泄露应急预案。

### 死因 5：风控体系与应急预案流于纸面


**现象**：只依赖模型原生风控；应急预案千篇一律 "发现问题→暂停服务→修复"，没有分级标准、没有责任人、没有演练记录。

**正确做法**：


	- 搭建四层闭环风控：输入前置拦截 → 模型推理风控 → 输出二次校验 → 全链路日志审计；


	- 配备 7×24 小时专职内容审核团队，"机器审核优先 + 人工复核兜底"；


	- 应急响应分级明确时限与责任人：如一般风险 2 小时内处置、重大风险 15 分钟内启动并上报属地网信部门；


	- 附近 3 个月应急演练记录与历史风险处置台账。


### 死因 6：算法透明度 "黑箱化"


**现象**：核心技术参数写太模糊（"基于 Transformer 的大规模语言模型"），被打回要求补充。

**正确做法**：把握 "**可验证但不泄露核心机密**" 的原则 —— 写明模型架构类型、训练方法（预训练 / SFT / RLHF）、参数量级、附精简架构流程图、说明价值观对齐约束模块并给出触发案例。

### 死因 7：测试账号、承诺书等 "低级错误"（最冤）


**现象**：提交的测试账号过期或无法登录；承诺书没有法定代表人手写签字、没盖鲜章；扫描件模糊、遮挡；联系方式虚假打不通。

**正确做法**：


	- 提交前自己先测一遍，附测试账号信息表（有效期 ≥30 天）、step-by-step 操作手册（附截图）、至少 5 个账号；


	- 法定代表人**手写签字** + 企业**鲜章**，扫描件 ≥300dpi；


	- 所有联系方式真实有效。


### 死因 8：服务范围与实际不符 / 数据前后矛盾


**现象**：服务范围写 "提供 AI 服务" 这种空话；备案表写语料 100GB、安全报告写 80GB，主表模型 7B、测试报告写 14B—— 数据 "打架" 必驳回。

**正确做法**：按 "**服务对象 + 核心功能 + 使用场景**" 格式写清楚；全文档技术参数口径完全统一，所有材料里模型名称、主体信息、版本号必须完全一致。


----

## 六、硬性技术指标，一张表记住


这些是审核的硬门槛，达标了才谈得上 "过"，收藏备用：


| | |
|:-:|:-:|
|指标|要求|
|语料安全评估抽检|≥4000 条，合格率 ≥96%|
|技术筛查语料|抽检 10%，合格率 ≥98%|
|敏感问题拒答率|≥95%|
|良性请求误拒率|≤5%|
|生成内容测试合格率|≥90%|
|境外语料占比|≤30%|
|不良信息占比|<5%（超标语料不得使用）|
|拦截关键词库|≥10,000 个，覆盖 17 类风险，每周更新|
|生成测试题库 / 拒答 / 非拒答|≥2000 / ≥500 / ≥500 条|
|日志留存时长|≥6 个月|
|测试账号|≥5 个，有效期 ≥30 天，附操作手册|


----

## 七、那些没人提醒你的 "隐性规则"


### 1. 属地审核差异很大


表格模板全国统一，但各省初审的附加指标和材料细则并不相同。行业反馈中**广东、北京审核最严**，倾向强制完整 31 类风险全覆盖、月度题库更新机制；部分省份还要求额外提供三级安全管理制度、人员岗位职责文件。**建议按属地最新细则定制材料，不要一套模板全国复用。**

### 2. 备案不是 "一劳永逸"


通过只是起点。模型基座更换、大规模数据迭代、核心能力升级（如新增图像 / 视频多模态能力）时都要**主动做变更备案**；同时保持季度安全迭代、年度第三方安全审计、题库与关键词库持续更新。

### 3. 合规是层层叠加的


如果你提供 AI 陪伴、虚拟伴侣等情感互动类服务，2026 年 7 月 15 日起还要 ** 叠加适用《人工智能拟人化互动服务管理暂行办法》** 的安全评估与年度核验。另外注意三个误区：


	- **误区一**：上游基座备案完成，我的应用就不用备案。错！基座合规 ≠ 应用合规，对外运营主体必须独立完成备案或登记。


	- **误区二**：免费提供服务可以免备案。错！是否收费不影响监管判定，面向公众提供即需合规。


	- **误区三**：材料先提交、资质后补。错！初审阶段即全量核验授权链路与证明材料，缺失直接驳回，不留补正窗口期。


### 4. 备完案还要做这些


在网站 / App 显著位置公示备案编号；拦截关键词每周更新、测试题库月度更新；每季度提交运行报告；每月配合常态化安全测试；模型重大变更重新备案。


----

## 八、提交前自查清单（建议打印贴在工位上）


提交备案前，请逐项过一遍下面这份清单 ——**我第 8 次能过，就是靠它**：


	- 备案 / 登记路径判定准确，无方向偏差；


	- 所有数据集授权链路完整、脱敏合规、溯源记录齐全，境外语料占比明确；


	- 安全评估报告全量化、无空话、对标 31 类风险场景、全文档口径统一；


	- 测试题库与关键词库数量达标，附带完整输出日志与拦截记录；


	- 数据境内存储、日志留存 ≥6 个月、AI 生成内容人机标识全部落地；


	- 四层风控体系完整，应急预案含分级时限、责任人与演练记录；


	- 备案表、报告、附件中的主体信息与技术参数完全一致；


	- 所有材料盖章、手写签字、扫描清晰，联系方式真实有效；


	- 熟悉属地特殊审核要求，按属地细则定制材料；


	- 建立版本变更报备与持续安全迭代机制。


----

## 九、总结


大模型备案不是简单的 "填表交材料"，而是**模型技术、数据合规、内容安全、运维管理、制度体系的综合验收**。2026 年监管审核已经从形式审核转向实质性合规验收，模板化材料、凑数题库、空泛报告的通过率几乎为零。

我花 9 个月、8 次驳回才走完这条路，最大的体会是：**与其在驳回后反复补正、拉长周期，不如在提交前按量化标准逐项自查，把合规能力前置到研发与测试阶段。**

合规不是成本，而是你的 AI 产品走向公众市场的入场券。祝各位一次过审，早日拿号。


----

**参考来源**：《生成式人工智能服务管理暂行办法》《互联网信息服务算法推荐管理规定》《互联网信息服务深度合成管理规定》《人工智能生成合成内容标识办法》、GB/T 45654-2025《生成式人工智能服务安全基本要求》等法规及公开行业实操资料。具体备案要求以属地网信部门最新审核细则为准。

​

这篇文章没有一句 "据说"" 网上说 "。里面的每一个坑，都是我拿真金白银和时间砸出来的。从第一次信心满满提交，到第八次终于拿到备案编号，前后近 9 个月。如果你正在或者准备做 AI 产品上线，请把这篇看完再动手 —— 少走我走过的弯路，就是省下大半年。

AI备案没那么简单！亲历者用8次驳回换来这份攻略

人工智能

新闻资讯

职业发展

本文披露大模型备案8次驳回全复盘，覆盖算法备案与生成式AI服务备案分界、6套核心材料、量化指标（拒答率≥95%、题库2000条、关键词库万级）、8大驳回死因与自查清单。9个月实操经验，助你避开合规陷阱，一次过审。

数据访问权限

安全测试

内容安全

深度学习

数据泄露

安全审计

数据存储

数据合规

日志审计

2026上云采购 | AI焕新·智启新局

gasfcs

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

AI备案没那么简单！亲历者用8次驳回换来这份攻略-腾讯云开发者社区-腾讯云

AI备案没那么简单！亲历者用8次驳回换来这份攻略

AI备案没那么简单！亲历者用8次驳回换来这份攻略

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐