在粤港澳大湾区 AI 产业快速发展的背景下，广州、深圳大量研发团队基于开源基座开展大模型二次开发与微调工作，不少企业误以为直接复用开源底座就可以跳过复杂的合规流程，直接上线面向公众的 AI 服务。现实当中，开源大模型备案有着明确的监管红线，即便使用公开开源权重，只要对外提供具备舆论属性的生成式服务，就必须走完完整的大模型备案流程，其中完整训练日志留存、代码审计材料，是审核环节不可缺少的硬性条件，也是很多广东 AI 企业提交备案之后被退回整改的主要原因。

很多研发人员存在认知误区，认为开源模型原始代码由社区公开，企业只做微调，就不需要梳理训练链路与开展代码审计。但大模型备案审核关注的并不是开源基座本身，而是企业接手之后所做的二次微调、数据处理、推理改造、安全对齐等全部改动环节。监管部门需要确认，企业在开源代码之上新增的逻辑，不会引入后门、提示注入漏洞、隐蔽风险输出等安全隐患，训练与微调全流程可追溯，这也是属地网信部门开展初审、技术专家评审的核心切入点。

完整训练日志是大模型备案溯源体系的基础凭证，这份日志不能是简单的截图或者简略记录，需要覆盖从数据集导入、数据清洗过滤、样本标注、训练参数配置、迭代版本记录、SFT 微调、RLHF 对齐，到模型权重导出的全流程痕迹。日志需要如实记录每一轮训练所使用的数据集来源、数据清洗规则、不良样本过滤情况、境外语料占比、训练算力调度记录，每一个模型版本变更都要有对应的时间戳与操作人留痕。部分广州本地企业在前期申报时，只提交最终模型效果说明，缺少中间迭代日志，审核阶段无法复现训练过程，直接导致备案材料打回重写。按照合规要求，训练相关日志连同推理交互日志，需要在境内存储，留存周期不少于六个月，满足事后回溯核查的要求。

代码审计则是开源大模型备案另一项硬性支撑材料，区别于普通软件功能测试，面向大模型备案的代码审计，重点排查开源继承部分与企业自研修改部分的双重风险。一方面核查开源协议合规性，确认企业对于开源基座的使用方式符合对应开源许可证约束，规避知识产权纠纷；另一方面重点审计新增业务代码、安全拦截模块、提示词处理逻辑，排查是否存在隐藏后门、越狱绕过漏洞、越权访问、数据泄露等风险点。审计工作需要区分开源原始代码与企业二次修改代码，明确改动范围，出具客观的风险评估与整改结论，不能直接照搬开源社区的公开说明作为审计材料。对于广东地区的开源大模型项目，如果涉及对接政务、制造业场景，代码审计的严谨程度会被进一步看重，部分场景还会要求说明第三方审计机构资质情况。

不少团队会混淆开源基座本身和二次开发主体的责任，基座已经开源不等于运营主体可以免除大模型备案义务。哪怕没有改动底层权重，仅做提示工程、RAG 知识库接入，只要面向国内公众提供服务，具备舆论传播能力，运营主体就要独立完成大模型备案，补齐训练微调记录、代码审计、安全评估报告全套材料。广州天河、海珠不少 AI 科创企业，在项目前期研发阶段没有同步沉淀日志与审计资料，等到临近上线才临时补写材料，不仅材料真实性容易受到质疑，还拉长整体备案周期，错过产品落地和地方政策补贴申报窗口期。

结合广东属地实操经验，大模型备案准备工作应当嵌入模型研发全周期，而不是上线前的一次性补材料工作。在项目立项阶段就要建立训练日志管理规范，每一次微调迭代同步留存数据集清单、参数版本、运行日志；代码层面建立变更管控机制，每一次修改做好记录，定期开展代码安全审计，把风险问题在研发阶段整改完毕。除了训练日志与代码审计，企业还需要同步完善语料来源证明、风险测试题集、用户服务协议、隐私政策、应急处置预案等配套材料，广东地区有跨境业务潜在场景的企业，还需要配套提交跨境风险声明或者跨境合规分析报告，避免属地初审环节出现材料缺失问题。

从行业实操来看，大模型备案不是简单的纸面材料提交，背后是整套 AI 安全治理体系的落地。完整训练日志保证数据和训练过程可追溯，代码审计守住算法层面的安全底线，两者相互配合，证明开源大模型经过企业侧的安全管控，能够满足国内生成式 AI 服务的监管标准。广州、深圳从事开源大模型开发的企业，在规划产品上线节奏的时候，需要把日志梳理、代码审计、安全评估的周期纳入整体项目排期，提前对照大模型备案的各项硬性要求逐项自查，减少反复整改带来的时间成本，在合规前提下开展商业化落地，同时也可以对接本地 AI 产业相关扶持政策。

随着监管细则持续细化，大模型备案审核对于技术凭证的真实性、完整性要求持续提高，单纯依靠模板化文档很难通过专家评审。对于开源大模型项目，把完整训练日志留存、规范代码审计落到实处，既是顺利通过大模型备案的硬性条件，也是企业自身管控算法风险、规避合规事故的重要手段。