寻求AI使用与版权保护的动态平衡

【科学随笔】

作者：王 丹（湖南师范大学信息科学与工程学院讲师）

近年来，AI训练数据侵权、AI生成作品著作权归属等新型纠纷频发。从训练阶段的海量数据投喂，到生成内容的权属界定，再到侵权责任的分配机制，生成式人工智能带来了前所未有的版权治理挑战。据中国信息通信研究院测算，2025年我国人工智能核心产业规模突破1.2万亿元，生成式人工智能应用已渗透至新闻、出版、影视、设计、音乐等多个版权密集型行业，这意味着权利人、技术方等与相关利益方的版权博弈日趋复杂。

现行著作权法以“人类作者”和“固定载体”为基本预设，难以有效回应生成式人工智能带来的主体多元化、创作过程黑箱化、侵权链条复杂化等新问题。一方面，数据训练的合法性边界尚不明确，权利人与技术方各执一词，集体诉讼与个案纠纷频发；另一方面，AI生成内容的可版权性标准缺乏统一规则，司法裁判尺度不一，同案不同判现象时有发生。这既不利于权利人合法权益的保护，也制约了人工智能产业的健康有序发展。如何在鼓励技术创新与维护版权秩序之间寻求动态平衡，已成为新时代版权治理的重大课题。

用AI创作，版权归谁

生成式人工智能输出内容的法律属性，是当前版权治理中最具争议的核心议题。争议的焦点在于：当创作过程中融入了机器算法的生成行为，其成果是否仍符合著作权法意义上的作品要件？权利又应归属于谁？这一问题不仅关乎个案裁判，更触及著作权法“保护人类创作”的根本宗旨。

从当前的司法实践看，法院在判断AI生成内容可版权性时，普遍回归“独创性智力投入”这一本质标准。以2023年北京互联网法院判决的“李某诉刘某AI绘画侵权案”为例，法院认定原告通过提示词设计、参数调整、多次筛选等环节投入了创造性智力劳动，生成的图片体现了使用者的个性化表达，构成美术作品。这一裁判要旨表明，司法并未因“AI参与”而一概否定生成内容的可版权性，而是着眼于人类在创作过程中的实际智力贡献。相反，在另一些案件中，对于用户仅输入简单指令、由AI自主生成的内容，法院则倾向于认定不构成作品，体现了“智力投入程度决定可版权性”的裁判逻辑。

这一裁判逻辑体现了“AI是工具，人是主体”的基本立场。人工智能无论多么智能，本质上仍是人类意志的延伸与工具性存在。著作权法保护的是“人类的智力创造成果”，而非机器运算的产物。因此，可版权性的判断标准应聚焦于：人类是否在生成过程中进行了实质性的、个性化的智力投入，包括但不限于创意构思、提示词设计、参数调优、内容筛选与修改等环节。只有当人类的智力投入达到“独创性”门槛，且该投入与最终表达之间存在直接因果关系时，AI生成内容方可获得版权保护。这一标准既坚守了著作权法的人文底色，也为AI辅助创作留出了制度空间。

不过，在权利归属层面，立法还应进一步明确规则。建议确立“谁投入、谁享有”的基本原则，将AI生成内容的著作权归属于对独创性表达作出实质性贡献的使用者，而非AI开发者或运营者。同时，对于AI开发者，可考虑赋予其基于服务协议的合同性权利，而非著作权，以避免权利叠架与垄断。此外，应明确要求AI生成内容进行标识，以区分人类原创作品与AI辅助生成作品，既保障公众知情权，也为后续权属认定与侵权判定提供证据支撑。

训练AI的语料，版权怎么保护

生成式人工智能的技术逻辑决定了其对海量训练数据的深度依赖。一个大语言模型的训练往往需要数万亿token（词元）的语料，涵盖书籍、论文、新闻、网页、代码等各类受版权保护的作品。这种“数据投喂”模式在提升模型性能的同时，也埋下了系统性侵权隐患。从技术现实看，训练数据的采集、预处理、标注、微调等环节，均可能涉及对作品的复制、改编、翻译等受专有权控制的行为，而权利人往往对此毫不知情，更谈不上授权与获酬。这种数据来源的不透明性，进一步加剧了侵权认定与救济的难度。

造成这一困境的核心在于授权成本与合理使用边界的双重模糊。一方面，逐一获取权利人授权在操作上几乎不可行——训练动辄涉及数以亿计的作品，逐一谈判的交易成本将使模型训练在经济上难以为继；另一方面，现行著作权法第二十四条规定的合理使用条款采取封闭列举模式，并未明确涵盖机器学习场景，司法实践中对“数据训练是否构成合理使用”存在重大分歧。

在这方面，国际上已有一些探索。欧盟《数字单一市场版权指令》第3条为科研机构确立了强制性例外，第4条则为包括商业在内的主体设立了允许“选择退出”的一般性例外。日本《著作权法》第47条之七与英国《版权、设计和专利法》第29A条虽未普遍采用“选择退出”，但也通过划定法定豁免范围或确立非商业研究例外，采取了类似的宽松规制路径。这一制度设计既通过法定例外降低了交易成本，为技术创新松绑；又在不同程度上尊重了权利人意愿，实现了技术创新与权利保护的动态平衡。

结合我国实际，建议从三个层面推进立法修法。其一，在著作权法第二十四条中增设“文本与数据挖掘例外”条款，明确为科学研究、统计分析及机器学习等目的使用作品的行为，在符合一定条件下可构成合理使用，并设定目的限定、比例原则、技术保护等适用要件。其二，建立“选择退出”机制，要求模型训练方履行信息披露义务，权利人可通过技术手段或声明方式表示保留，兼顾效率与自治。其三，探索建立集体管理组织主导的数据授权平台，通过延伸集体管理、强制许可等多元机制，破解海量授权难题，并确保权利人获得合理报酬，形成“法定例外+选择退出+集体管理”的多层次制度供给。