一、生成式AI产品上线前，不能只问“模型有没有备案”

（一）上线合规首先要看服务对象、功能形态和内容流向

很多企业上线生成式AI产品时，最容易把合规问题压缩成一句话：我们调用的是已备案大模型，是不是就没事了？

还有一些常见判断也类似：我们只是企业内部工具，是不是不用管备案？我们只是给客户做私有化部署，是不是不用打标？我们只是生成文案，不是图片视频，是不是风险很低？

这些问法都不够精确。

生成式AI产品上线合规，不是只看模型名称，也不是只看产品页面上有没有“大模型”三个字。真正要看的，是谁在用、怎么用、生成什么、生成内容是否对外传播、产品是否面向境内公众、是否具有舆论属性或者社会动员能力、是否涉及深度合成、是否涉及算法推荐、是否需要对生成合成内容进行标识。

备案义务不是只看模型名称。

标识义务不是只看是否生成图片。

深度合成义务不是只看是否换脸。

算法备案也不是只看是否有信息流推荐。

同一个底层模型，放在企业内部办公工具里，和放在面向公众开放的内容生成平台里，合规结论可能完全不同。

同一个文本生成能力，用于内部会议纪要整理，和用于批量生成营销文案、社交媒体评论、新闻观点内容，风险等级也不一样。

同一个数字人技术，用于公司内部培训，和用于对外直播带货、新闻播报、客服互动、虚拟代言，所需审查的标识、授权、内容治理和客户分责都会发生变化。

所以，生成式AI产品上线前，法务不能只问“要不要备案”，而要先做监管适用性判断。

监管适用性判断的顺序应当是：先判断服务对象，再判断功能类型，再判断内容形态，再判断是否具有舆论属性或者社会动员能力，最后判断备案、登记、公示、标识、日志、投诉和安全管理义务。

（二）生成式AI上线合规，是一套产品分层工作

生成式AI上线合规，不是一个“备案按钮”。

它是一套产品分层工作。

同一个AI能力，放在不同场景，合规义务会变。

内部研发测试，重点在研发数据安全、保密、权限管理和内部测试边界。

企业内部办公，重点在员工输入边界、客户资料保护、商业秘密保护、个人信息处理和内部使用规范。

面向企业客户交付，重点在客户合同、数据边界、输出责任、部署方式、第三方模型依赖和客户配合义务。

面向公众开放，重点在生成式AI服务规则、内容治理、用户管理、标识、投诉处理、日志留存和备案或登记判断。

向客户提供API，重点在服务链条、下游应用责任、模型公示、调用限制、禁止用途、数据处理和客户合规承诺。

嵌入第三方平台，重点在平台规则、内容发布责任、标识保留、投诉处理和侵权下架机制。

生成内容对外传播，重点在用户是否知道内容由AI生成，是否可能误导公众，是否需要显式标识或隐式标识。

不同形态的产品，义务也不同。

文本生成，要关注生成式AI服务规则、内容安全、虚假信息、专业误导、版权和标识。

图片生成，要关注版权、肖像、商标、深度合成、显式标识、隐式标识和传播平台规则。

音频生成，要关注声音权益、仿声、冒充他人、音频标识和素材授权。

视频生成，要关注深度合成、肖像、声音、字幕、画面标识、片头片尾提示和传播责任。

数字人互动，要关注用户是否知道其正在与AI生成或合成对象互动，是否可能产生身份误认、信赖误导和人格权益风险。

算法推荐，要关注推荐、排序、画像、分发、热榜、个性化推送等规则。

Agent自动执行，则还要关注工具调用、权限控制、日志留存、操作确认、事故回滚和客户授权。

所以，法务不能只问一个问题：要不要备案？

还要问备案之外，是否需要标识、内容治理、日志留存、投诉处理、客户合同分责和上线后持续更新机制。

（三）上线前应按照七个问题逐项判断

生成式AI产品上线前，至少要逐项判断七个问题。

第一，是否适用生成式AI服务规则。核心是看是否利用生成式人工智能技术向中华人民共和国境内公众提供生成文本、图片、音频、视频等内容的服务。

第二，是否需要生成式AI服务备案或登记。重点要看是否面向境内公众，是否具有舆论属性或者社会动员能力，是否自研或直接提供生成式AI服务，还是调用已备案模型能力形成应用或功能。

第三，是否涉及深度合成服务。尤其是图片、音频、视频、数字人、虚拟场景、语音克隆、换脸、拟声、口播视频、虚拟主播等产品。

第四，是否涉及算法推荐备案。尤其是推荐、排序、画像、个性化推送、信息流分发、智能匹配、热榜精选等功能。

第五，是否需要显式标识或隐式标识。生成合成文本、图片、音频、视频、虚拟场景等内容时，应重点审查标识义务是否触发以及标识如何落到产品功能中。

第六，调用已备案模型的应用如何公示。不能只保存供应商备案号，还要看自己的应用或功能是否需要登记、公示，是否需要注明模型名称、备案号或上线编号。

第七，企业客户交付时如何分配责任。客户是否对外开放，是否二次发布，是否关闭标识，是否上传未经授权素材，是否将生成内容用于广告、新闻、营销、直播、客服，都要在合同里写清楚。

二、先判断是否向境内公众提供生成式人工智能服务

（一）这是生成式AI上线合规的第一道门槛

生成式AI产品上线合规的第一道门槛，是判断产品是否属于向中华人民共和国境内公众提供生成式人工智能服务。

监管规则关注的重点，不是企业有没有用AI，而是是否向境内公众提供生成文本、图片、音频、视频等内容的生成式人工智能服务。

这里面有几个关键词。

第一，利用生成式人工智能技术。

第二，向中华人民共和国境内公众提供。

第三，生成文本、图片、音频、视频等内容。

如果只是企业内部研发、内部测试、内部办公应用，未向境内公众提供生成式AI服务，通常不应简单按面向公众的生成式AI服务来处理。但这并不意味着完全没有合规要求。内部场景仍然要处理数据安全、个人信息、商业秘密、员工输入边界和供应商依赖。

如果产品面向不特定公众开放，无论通过App、小程序、网页端、插件、开放API还是嵌入第三方平台，只要向境内公众提供生成内容服务，就应进入生成式AI上线合规的重点审查范围。

（二）上线前要先区分四种场景

1、内部研发测试

内部研发测试通常不直接面向公众。此时重点不在公众服务备案，而在研发数据来源、测试数据安全、个人信息和商业秘密保护、权限隔离、日志留存和外部模型调用边界。

例如，研发团队使用第三方模型API测试产品效果，应审查输入数据是否包含客户资料、源代码、个人信息或未公开商业信息，是否会被供应商用于训练，是否涉及跨境处理，是否符合公司内部数据管理要求。

2、企业内部办公工具

企业内部办公工具常见场景包括内部知识库问答、合同检索、代码辅助、会议纪要、内部制度查询、客服辅助、研发文档总结等。

这类产品一般不是直接面向公众提供生成式AI服务，但风险并不低。

员工可能输入合同文本、客户名单、商业秘密、源代码、财务数据、人事资料、内部调查材料。企业要重点控制员工输入边界、客户资料保护、商业秘密保护、数据是否进入训练、日志保存和访问权限。

3、企业客户私有化部署

企业客户私有化部署最容易产生误判。

很多AI企业认为，只要是ToB项目、私有化部署，就一定不涉及生成式AI备案或标识问题。这种判断过于简单。

要进一步看：AI企业是否直接向最终用户提供服务？企业客户是否将该功能开放给公众？生成内容是否对外传播？客户是否用该系统生成营销文案、客服回复、数字人视频、新闻评论、广告素材？底层模型由谁提供？模型名称、备案号或上线编号由谁公示？生成内容由谁负责标识？

如果客户仅在企业内部使用，风险相对不同。

如果客户将生成能力嵌入其App、小程序、官网、客服系统、内容平台，对外提供给不特定用户，就要重新评估服务链条和责任分工。

4、面向公众开放产品

面向公众开放的产品，是生成式AI上线合规的重点场景。

包括App、小程序、网页端、插件、开放API、平台功能模块等，只要向不特定用户提供生成文本、图片、音频、视频等能力，就应重点判断生成式AI服务备案、登记、公示、标识、内容治理、投诉处理和日志留存义务。

免费开放也不能当然排除监管义务。

规则关注的是是否对公众提供服务，不是是否收费。

（三）企业最容易误判的四个地方

第一，以为ToB产品一定不适用。

ToB产品不等于低风险。如果企业客户再面向公众提供生成能力，仍需要判断责任分工、模型公示、标识、内容治理和客户合同约束。

第二，以为API服务不算上线。

如果API能力被用于向境内公众提供生成式AI服务，就要看服务链条、调用方式、下游应用责任和登记公示要求。API不是责任真空地带。

第三，以为只要不叫“大模型”就不用管。

规则看的是生成式人工智能服务，而不只是产品名称。产品叫智能助手、内容工具、写作插件、数字员工、营销助手、客服机器人，都不影响按功能实质判断。

第四，以为产品不收费就不是服务。

免费开放同样可能构成向公众提供服务。免费并不当然排除备案、标识和内容治理义务。

三、再判断是否具有舆论属性或者社会动员能力

（一）备案判断不能只看是否生成内容

生成式AI服务备案判断，不能脱离“舆论属性或者社会动员能力”。

公开备案信息显示，提供具有舆论属性或者社会动员能力的生成式人工智能服务的，可通过属地网信部门履行备案或登记程序。对于通过API接口或其他方式直接调用已备案模型能力的生成式人工智能应用或功能，由地方网信办开展登记。

这意味着企业上线前不能只判断“是否生成内容”，还要判断服务是否可能影响公众表达、信息传播、舆论讨论或组织动员。

一个内部合同摘要工具，和一个面向公众的评论生成工具，风险不同。

一个企业内部知识库问答系统，和一个可以批量生成热点评论、社交媒体文案、新闻观点、营销短视频脚本的工具，监管关注点不同。

一个数字人内部培训工具，和一个面向公众直播互动、销售产品、发表观点、引导用户行动的数字人，也不能同等处理。

（二）上线前要判断产品是否可能影响公共传播

企业可以从六个角度判断产品是否可能影响公共传播。

第一，是否面向不特定公众。

如果产品开放给不特定用户注册、使用、调用或生成内容，应更谨慎。

第二，是否生成可公开传播内容。

如文章、评论、短视频脚本、图片、海报、音频、视频、数字人内容、社交媒体内容。

第三，是否涉及新闻、观点、评论、舆情、社交传播。

这类内容更容易影响公众认知和舆论讨论。

第四，是否支持批量生成和自动发布。

批量生成和自动发布能力会放大传播效果，也会提高内容治理要求。

第五，是否可用于营销、引流、社群运营、舆情干预。

如果产品帮助用户生成话术、评论、私信、海报、投放内容，可能涉及广告合规、平台规则、反垃圾信息和舆论治理。

第六，是否可能影响公众认知或组织行动。

例如事件动员、群体号召、金融投资引导、医疗健康建议、公共议题讨论、选购决策和社群组织。

如果只是企业内部检索工具，风险和义务明显不同。

如果是面向公众的内容生成、评论生成、舆情生成、数字人互动产品，应更谨慎评估备案、登记和内容治理义务。

（三）不能把模型已备案理解成应用不用管

很多企业会问：我们调用的是已备案模型，还需要做什么？

这里要特别区分底座模型和应用功能。

企业可能直接调用已备案模型，但自己的应用、功能、场景、用户和输出内容仍需要审查。

国家网信办关于生成式AI服务已备案信息的公告中，已明确要求已上线的生成式人工智能应用或功能，应在显著位置或产品详情页面公示所使用已备案或登记生成式人工智能服务情况，注明模型名称、备案号或上线编号。

因此，调用已备案模型不是合规终点，而是合规起点。

法务上线审查要同时看四件事。

第一，底座模型是否已备案或登记。

第二，自己的应用或功能是否需要登记或备案。

第三，页面是否需要公示模型名称、备案号或上线编号。

第四，客户合同中谁负责公示、更新和维护这些信息。

如果企业只是把供应商备案截图存档，却没有在自己的产品页面、公示页面、客户合同和上线流程中处理相关义务，仍然可能留下合规缺口。

四、判断是否涉及深度合成服务

（一）生成图片、音频、视频、数字人，不能只看生成式AI规则

生成图片、音频、视频、数字人，不能只看生成式AI服务规则，还要看深度合成规则。

深度合成不只是换脸。

文本生成、语音生成、音频编辑、图像生成、视频生成、虚拟场景生成等，都可能进入相关规则评价。

AI企业如果做数字人、AI视频、AI语音、AI客服形象、虚拟主播、口播视频、头像生成、语音克隆、形象替换、虚拟场景生成，应当单独判断深度合成管理义务。

尤其是容易导致公众混淆或误认的内容，例如生成真实人物形象、仿冒特定声音、生成新闻播报式视频、虚拟主播对外互动、数字人客服、AI代言人，都要更谨慎。

（二）深度合成上线前重点审五件事

第一，是否提供深度合成服务。

产品是否利用深度学习、虚拟现实等技术生成、编辑、合成人脸、人声、图像、音频、视频、虚拟场景等信息。

第二，是否只是技术支持方。

AI企业不一定直接面向公众，也可能向客户提供SDK、API、私有化系统、数字人生成工具或视频合成能力。技术支持方也应关注相应义务和合同分责。

第三，是否生成可能导致公众混淆或者误认的内容。

例如生成真人外貌、真人声音、新闻播报、身份化数字人、客服形象、专家形象、公共人物形象。

第四，是否涉及人脸、人声、身份特征等人格权益。

客户上传的图片、音频、视频、肖像、声音素材，是否取得权利人授权，是否允许用于训练、生成、传播、商业推广。

第五，是否需要显著标识、日志留存、投诉处理和辟谣机制。

深度合成服务如果可能导致公众混淆或误认，标识和投诉处理就不是可选项，而应进入上线前审查。

（三）技术支持方不能把责任完全推给客户

AI企业最容易漏掉的是技术支持方责任。

很多企业不是最终面向公众的平台，而是给客户提供数字人、视频生成、语音克隆、图像生成SDK或API。

这不意味着完全没有义务。

深度合成规则不仅关注最终平台，也关注为深度合成服务提供技术支持的活动。

因此，客户合同中应写清四类事项。

第一，客户使用场景。客户不得将工具用于违法违规、冒充他人、误导公众、侵犯人格权益或未经授权商业使用。

第二，客户素材授权责任。客户应保证上传图片、音频、视频、人脸、人声、文本资料具有合法授权。

第三，客户对外发布和标识义务。客户发布生成合成内容时，应按要求履行显著标识、隐式标识保留和平台规则。

第四，AI企业技术协助义务。AI企业应提供必要技术标识、日志留存、投诉协助、下架协助和事故处理支持。

如果合同没有写清，客户出问题后可能反向主张AI企业没有提供合规功能或没有充分提示风险。

五、判断是否涉及算法推荐服务

（一）推荐、排序、分发功能要单独审查

不是所有AI产品都适用算法推荐备案，但凡涉及推荐、排序、分发、画像、个性化推送等功能，就不能只按生成式AI产品审查。

算法推荐规则关注的是互联网信息服务中的算法推荐活动。国家网信办也持续公开发布境内互联网信息服务算法备案信息，并可通过备案系统查询相关信息。

如果AI产品包含推荐排序、个性化推送、信息流分发、热榜精选、智能匹配、画像推荐等功能，就应进一步判断是否涉及算法推荐规则和备案要求。

例如，一个AI写作平台如果只是用户输入问题、模型生成答案，重点是生成式AI规则和标识。

但如果平台还根据用户画像推荐内容模板、推送热点选题、排序展示内容流、自动生成并分发给不同用户，就可能叠加算法推荐规则。

（二）AI企业常见算法推荐场景

AI企业常见算法推荐场景包括智能内容推荐、个性化学习路径推荐、智能招聘和人岗匹配、商品推荐和广告投放、短视频、图文、评论排序、金融、保险、医疗服务匹配、知识库答案排序和内容分发、Agent根据用户画像自动推送任务或内容。

这些场景的共同点，是系统不是简单生成内容，而是在影响用户看到什么、选择什么、匹配什么、购买什么、被推荐给谁。

如果产品可能影响用户重大权益，例如招聘筛选、信贷、保险、医疗服务匹配、教育路径推荐，除算法推荐外，还要关注个人信息保护、自动化决策、公平性、歧视风险和行业监管。

（三）生成式AI和算法推荐可能叠加适用

生成式AI规则和算法推荐规则不是二选一。

AI内容生成平台同时做内容推荐，可能要同时看生成式AI和算法推荐。

数字人直播带货系统同时生成话术并推荐商品，还要看广告、电商、消费者权益保护和平台规则。

AI招聘工具既生成候选人评价，又做排序筛选，还要看个人信息保护、劳动就业公平和算法推荐风险。

AI教育产品既生成学习内容，又推荐学习路径、评价学生表现，还要关注未成年人保护、教育监管、个人信息和算法公平。

上线前不能只给产品贴一个标签，然后只套一套规则。

更稳妥的做法，是按功能拆分：生成内容归生成式AI和标识规则审查，音视频数字人归深度合成审查，推荐排序归算法推荐审查，个人信息处理归个人信息保护审查，行业场景归行业监管审查。

六、判断是否需要人工智能生成合成内容标识

（一）AI生成内容标识已经成为上线必查项

AI生成合成内容标识，已经是生成式AI产品上线必查项。

《人工智能生成合成内容标识办法》已明确将人工智能生成合成内容包括利用人工智能技术生成、合成的文本、图片、音频、视频、虚拟场景等信息，并将标识分为显式标识和隐式标识。

显式标识，是用户可以明显感知到的文字、声音、图形等标识。

隐式标识，是通过技术措施在文件数据中添加、不易被用户明显感知的标识。

这意味着，标识不只针对图片、视频，也不只针对换脸。文本、图片、音频、视频、虚拟场景等生成合成内容，都要进入标识审查范围。

（二）不同内容类型，标识方式不同

1、文本

文本生成应审查是否需要在交互界面、生成结果页面、复制或下载文件中提示由AI生成。

如果文本可能被对外发布，例如营销文案、新闻摘要、评论、报告、客服回复、社交媒体内容，应进一步审查发布端是否需要保留提示或标识。

2、图片

图片生成应审查是否需要可见标识、水印、文件元数据标识。

如果图片涉及真实人物、品牌、商品、场景、证件、新闻事件、广告投放，应同时审查肖像、版权、商标、虚假宣传和深度合成风险。

3、音频

音频生成应审查是否需要语音提示、音频元数据标识。

如果涉及仿声、语音克隆、客服语音、虚拟主播、有声内容发布，更要关注声音权益、身份误认和用户是否知道音频由AI生成。

4、视频

视频生成应审查是否需要画面标识、片头片尾提示、元数据标识。

如果视频对外传播，尤其是新闻播报、数字人口播、广告推广、教育课程、医疗健康建议，应强化标识和审核。

5、虚拟场景和数字人

虚拟场景和数字人应审查是否需要在互动界面持续提示用户正在与AI生成或合成对象互动。

如果数字人使用真实人物形象、声音、姓名、身份特征，还要审查授权链条。

6、多模态内容

多模态内容可能同时包含文本、图片、音频、视频和数字人互动，不同内容层可能需要不同标识方式。

例如，一个数字人短视频中同时包含AI生成画面、AI合成声音、AI生成字幕、AI生成文案，不能只在某一层做简单提示。

（三）不能把标识义务全部推给客户

如果AI企业是服务提供者，应当在产品设计中提供标识能力。

如果客户将生成内容对外发布，客户也可能承担发布和标识责任。

但这不意味着AI企业可以完全不管。

合同里应写清四个问题。

第一，谁负责添加标识。

第二，谁不得删除、篡改、隐匿标识。

第三，客户二次编辑、二次发布时标识如何保留。

第四，API调用或私有化部署时标识功能如何启用。

如果客户擅自关闭标识、删除水印、去除元数据、对外发布未标识生成内容，应由客户承担相应责任。

但AI企业也应证明自己已经提供必要技术能力、提示义务和合同约束。否则生成内容流出后，责任很难界定。

七、调用已备案模型后，还要看公示和登记义务

（一）调用已备案模型不等于应用不用做任何动作

调用已备案模型，不等于应用不用做任何动作。

国家网信办公开公告已经明确，已上线的生成式人工智能应用或功能，应在显著位置或产品详情页面公示所使用已备案或登记生成式人工智能服务情况，注明模型名称、备案号或上线编号。

公开信息还显示，对于通过API接口或其他方式直接调用已备案模型能力的生成式人工智能应用或功能，由地方网信办开展登记。

因此，AI应用开发企业不能只保存供应商备案截图。

还要审查自己的应用或功能是否需要登记，是否需要页面公示，是否需要在产品详情页注明模型名称、备案号或上线编号。

（二）应用公示至少要看三件事

第一，公示位置。

应在显著位置或产品详情页面公示。不能藏在用户很难找到的协议深处，或者仅在内部合规文档中留存。

第二，公示内容。

至少应关注模型名称、备案号或上线编号、服务提供者信息。具体内容应结合最新公告、属地网信部门要求和产品形态确认。

第三，公示更新。

如果切换模型、增加模型、替换供应商、启用多模型路由，应及时更新公示信息。

如果产品支持用户选择多个模型，还要考虑不同模型对应的备案或登记信息如何展示。

如果底层模型由客户自行配置，也应在合同中写清客户自行配置后的公示责任和合规责任。

（三）客户合同中要写清模型公示责任

不同交付方式，模型公示责任不同。

如果AI企业向客户提供SaaS服务，通常由AI企业维护产品页面公示，并确保模型信息及时更新。

如果客户私有化部署，应明确客户是否需要在其对外产品中公示模型信息，AI企业是否提供模型信息、备案号或上线编号支持。

如果AI企业只提供API，应明确下游应用方如何履行公示和标识义务。

如果客户擅自更换模型、关闭标识功能、删除公示信息、改变产品用途，应由客户承担相应责任。

这些内容不能只靠口头沟通，应写进客户合同、服务说明、API使用规范和产品文档。

八、上线前应形成监管适用性判断表

（一）法务不应只口头判断要不要备案

生成式AI产品上线前，法务不应只在会议上口头判断“要备案”或“不用备案”。

应形成书面监管适用性判断表。

这张表的价值很高。

它可以让产品、技术、合规、销售和管理层对上线边界形成统一理解。

它可以用于客户问询，特别是企业客户在采购AI产品时，经常会问模型是否备案、是否需要打标、是否处理个人信息、是否有日志和投诉机制。

它可以用于投资人尽调，证明公司上线前做过基本合规评估。

它也可以用于监管沟通和争议处理，证明企业不是完全没有判断，而是基于当时产品功能、服务对象和监管规则做过评估。

没有书面判断，后续很难证明企业上线前做过合规评估。

（二）判断表至少包含十项内容

监管适用性判断表至少应包含十项。

第一，产品名称和功能描述。

不能只写“AI助手”，要写清生成文本、图片、音频、视频、数字人、推荐排序、Agent执行等具体功能。

第二，服务对象。

区分内部、企业客户、公众用户、开发者、平台运营方、企业客户的最终用户。

第三，部署方式。

包括SaaS、API、私有化、本地部署、插件、SDK、嵌入第三方平台。

第四，生成内容类型。

包括文本、图片、音频、视频、虚拟场景、多模态内容。

第五，底座模型来源。

包括自研、开源、第三方API、已备案模型、多模型路由、客户自选模型。

第六，是否面向境内公众提供服务。

这是判断生成式AI服务规则适用的重要前提。

第七，是否具有舆论属性或者社会动员能力。

重点看是否生成可公开传播内容，是否涉及评论、观点、新闻、营销、社群、批量生成和自动发布。

第八，是否涉及深度合成。

重点看是否生成人脸、人声、图片、音频、视频、数字人、虚拟场景。

第九，是否涉及算法推荐。

重点看是否存在推荐、排序、画像、个性化推送、信息流分发、智能匹配。

第十，是否需要显式标识、隐式标识、备案、登记、公示、日志和投诉机制。

这些是上线前必须形成结论的事项。

（三）判断结论要分三类

监管适用性判断不宜只写“适用”或“不适用”。

更合理的是分为三类。

第一，已经明确适用。

例如面向公众提供生成式AI内容服务，且具有舆论属性或者社会动员能力，应完成相应备案、登记、公示、标识、内容治理或制度建设。

第二，暂不适用。

例如仅内部使用，未向境内公众提供生成式AI服务。此时应说明理由，同时保留数据安全、个人信息、商业秘密和供应商合规要求。

第三，需持续关注。

例如当前仅企业内部使用，但未来计划开放给客户终端用户；当前只生成内部文档，但未来可能开放营销内容生成；当前不支持自动发布，但后续计划接入社交平台；当前只用文本，后续计划增加图片、音频、视频和数字人。

这类事项应设置重新评估触发条件。

这种分层，比简单写“适用或不适用”更符合AI产品快速迭代特点。

九、客户交付时，要把备案和标识义务写进合同

（一）AI企业不能只在内部做合规判断

很多AI产品风险不是发生在AI企业内部，而是发生在客户使用阶段。

客户把内部工具开放给公众。

客户关闭标识功能。

客户用生成内容对外营销。

客户上传未经授权素材生成数字人。

客户用AI生成内容发布新闻、广告、短视频、直播话术。

客户把API嵌入自己的App、小程序、官网和客服系统。

如果合同没写清，客户出问题后很可能反向追责AI企业，主张AI企业没有提示备案义务，没有提供标识能力，没有说明使用边界，没有协助处理投诉。

因此，AI企业不能只在内部做合规判断，还要把相关义务通过合同传导给客户。

（二）客户合同至少要写清六项

第一，产品使用场景。

客户不得超出约定场景使用产品。例如仅限内部办公，不得对公众开放；仅限文案辅助，不得用于新闻发布；仅限企业内部客服辅助，不得直接替代人工对外承诺。

第二，模型备案和公示。

明确谁负责公示模型名称、备案号或上线编号。SaaS产品、私有化部署、API调用、客户二次开发，责任分配应分别处理。

第三，生成内容标识。

明确谁负责显式标识和隐式标识，谁不得删除、篡改、隐匿标识，客户二次编辑和二次发布时如何保留标识。

第四，客户素材授权。

客户应保证上传图片、音频、视频、人脸、人声、文本资料、商标、产品资料、第三方作品具有合法授权，不侵犯他人合法权益。

第五，对外发布责任。

客户对其发布、传播、营销使用生成内容承担相应责任。尤其是广告、直播、短视频、新闻、客服、金融、医疗、教育、招聘等场景，应明确客户审核义务。

第六，配合整改和事故处理。

出现投诉、监管问询、侵权主张、平台下架、标识争议时，双方如何协助、下架、修正、通知、留痕和处理用户请求。

（三）销售材料也要和合同保持一致

上线合规不仅是法务文件，也是销售边界管理。

销售材料不能对客户宣传：全流程无需备案，无需打标，生成内容可直接商用且无风险，调用已备案模型所以所有场景都合规。

这些话术风险很高。

如果销售团队为了成交作出过度承诺，后续客户出现监管问询、平台下架、侵权投诉或标识争议时，销售材料可能反过来影响合同解释和客户索赔。

因此，法务应同步审查销售话术、产品白皮书、官网宣传、服务说明、API文档、客户演示材料，确保它们与合同条款、真实产品能力和监管判断一致。

十、生成式AI产品上线前，建议拉出七张表

（一）服务对象判断表

第一张表，是服务对象判断表。

至少区分内部使用、企业客户使用、面向公众使用、API下游使用、私有化部署使用。

每一类都要写明最终用户是谁，是否境内公众，是否由客户再对外开放，是否存在下游应用方。

（二）功能类型判断表

第二张表，是功能类型判断表。

至少列明文本生成、图片生成、音频生成、视频生成、数字人互动、算法推荐、Agent执行。

每项功能都要对应风险等级、监管规则、是否需要标识、是否需要日志和人工干预。

（三）模型来源表

第三张表，是模型来源表。

至少列明自研模型、开源模型、第三方API、已备案模型、多模型切换、模型备案号或上线编号。

如果未来切换模型，应设置重新评估和公示更新机制。

（四）备案和登记判断表

第四张表，是备案和登记判断表。

至少包括是否向境内公众提供服务，是否具有舆论属性或社会动员能力，是否需要生成式AI备案，是否需要应用或功能登记，是否需要页面公示。

（五）深度合成和算法推荐判断表

第五张表，是深度合成和算法推荐判断表。

至少包括是否生成合成音视频、图像、虚拟场景，是否提供技术支持，是否涉及推荐、排序、分发、画像，是否触发算法备案或深度合成相关义务。

（六）AIGC标识表

第六张表，是AIGC标识表。

至少包括显式标识、隐式标识、页面提示、下载文件标识、元数据标识、客户二次发布标识。

标识功能应进入产品需求和开发计划，而不是上线后临时补文字。

（七）客户合同责任表

第七张表，是客户合同责任表。

至少包括客户使用场景、客户素材授权、模型公示责任、生成内容标识责任、对外发布责任、投诉和监管协助。

这张表可以直接转化为客户合同条款、SLA、API使用规范和产品服务说明。

十一、生成式AI上线合规，真正要查的是一条监管链

（一）上线前应按六个问题依次判断

生成式AI产品上线，真正该查的不是一个问题，而是一条监管链。

第一问，是否向境内公众提供生成式AI服务。

如果没有面向境内公众提供服务，生成式AI服务规则的适用结论不同，但仍要关注数据安全、个人信息、商业秘密和客户合同。

第二问，是否具有舆论属性或社会动员能力。

如果产品生成可公开传播内容，涉及评论、观点、舆情、营销、社交传播、批量生成和自动发布，就要更谨慎评估备案或登记。

第三问，是否涉及深度合成或算法推荐。

图片、音频、视频、数字人、虚拟场景，要看深度合成。推荐、排序、画像、分发，要看算法推荐。

第四问，是否需要生成合成内容标识。

文本、图片、音频、视频、虚拟场景、多模态内容，都要审查显式标识和隐式标识。

第五问，是否调用已备案模型，是否需要公示或登记。

调用已备案模型不是终点，应用或功能仍可能需要登记、公示模型名称、备案号或上线编号。

第六问，客户使用时义务如何分配。

客户是否对外开放、二次发布、关闭标识、上传素材、生成数字人、对外营销，都应在合同中写清责任。

这些问题串起来，才是一套完整的上线判断。

（二）调用已备案模型只是合规起点

很多企业以为，底座模型已经备案，就可以直接上线。

这个理解不够完整。

企业还要看自己的应用是否需要登记，是否需要公示模型信息，是否需要给生成内容打标，是否涉及深度合成和算法推荐，客户是否会对外发布生成内容，是否需要日志留存和投诉处理机制。

如果只拿供应商备案号当护身符，很容易漏掉应用层和场景层义务。

特别是在SaaS、API、私有化部署、多模型切换、客户二次开发、客户对外发布等场景下，合规责任链条必须拆清楚。

（三）法务应把备案和标识嵌入产品流程

备案和标识不应只停留在法务审查阶段。

产品设计阶段，要判断功能和场景，确定是否生成文本、图片、音频、视频、数字人，是否对公众开放，是否支持推荐排序或自动发布。

开发阶段，要预留标识、公示、日志、投诉处理、模型信息更新能力。

上线前，要完成监管适用性判断，明确备案、登记、公示、标识和客户合同要求。

客户交付阶段，要写清客户责任，特别是素材授权、对外发布、标识保留、模型公示和事故协助。

上线后，要持续更新模型信息、标识规则、监管判断和客户使用边界。

AI产品不是上线一次就结束。模型会变，功能会变，客户场景会变，监管规则也会变。上线合规应当是持续机制。

十二、不要把生成式AI上线合规压缩成一句“要不要备案”

生成式AI产品上线，最怕的不是不知道规则多，而是把所有规则压缩成一句“要不要备案”。

备案只是其中一个问题。

标识、公示、深度合成、算法推荐、客户发布、日志留存、投诉处理，都可能影响产品能不能稳定上线。

企业真正需要做的，不是拿一个备案号给自己壮胆，而是把产品放进真实业务链条里重新审查：谁在用，怎么用，生成什么，发给谁，是否传播，是否执行，是否会让公众误认，是否会影响用户重大权益，是否有投诉和纠错机制，是否在合同里把客户责任写清楚。

生成式AI产品上线，不是单点合规，而是链条合规。

底座模型要看来源和备案。

应用功能要看登记和公示。

生成内容要看标识。

音视频数字人要看深度合成。

推荐排序要看算法规则。

客户对外发布要看合同分责。

用户投诉和监管问询要看日志和处理机制。

AI企业如果只问“要不要备案”，很容易漏掉真正会出问题的地方。

法务真正要推动的，是形成一套上线前监管适用性判断表，把备案、登记、公示、标识、深度合成、算法推荐、客户合同和投诉处理全部串起来。

这样，产品上线才不是带着不确定性往前冲，而是在知道边界、留好证据、分清责任的基础上进入市场。

这才是生成式AI产品稳定上线、持续运营和企业客户愿意长期采购的基础。