著作权视角下人工智能生成物的权利进路

 

一、引言

  随着大数据、强算力、多模态技术的协同驱动，人工智能不断创新，以GPT、Stable Diffusion为代表的生成式人工智能工具问世，凭借其卓越的内容产出能力，显著提升了文本创作、图像合成、语言转换及代码开发等领域的生产效率。然而，技术突破与现有法律框架的制度张力日益凸显，尤其是在著作权领域引发一系列争议：生成式人工智能应被界定为具有独立法律地位的创作主体抑或人类辅助工具；人工智能生成物是否具备与人类智力成果同等的著作权权利；人工智能生成物的著作权权利归属问题；人工智能机器学习的合理使用问题，已成为当前知识产权领域亟待讨论的议题。从技术特征与法律逻辑的双重视角切入，系统解构生成式人工智能的运作机理与著作权制度的规范目标，可为构建适配新型内容产出的法律框架提供理论支撑[1]。通过探究人工智能生成物的著作权标准、权利主体认定规则以及利益平衡机制，不仅有助于完善人工智能时代著作权制度弹性化调适的理论范式，更能为协调技术创新与法律规制提供制度性解决方案，最终实现技术创新与法律规制的动态平衡，推动形成技术迭代与产业发展的良性互动格局。

 

二、生成式人工智能的著作权法地位

  随着生成式人工智能的兴起，在著作权法框架下主要涉及两个核心问题：一是生成式人工智能的工具属性界定；二是人工智能生成物的著作权主体认定。这些问题的探讨既决定着人工智能技术的演进方向，关涉技术研发的合规空间，亦重新划定传统著作权制度的规范边界，重塑数字时代文化产业的范式转型路径，通过法理创新实现技术伦理与著作权秩序的协同演进。

  （一）生成式人工智能的工具属性界定分析

  在人工智能技术引发的范式转换中，传统内容创作领域“人类中心主义”的单一创作格局已被打破。英国1988年《版权、设计与专利法案》第(93)条虽创设了针对计算机生成作品的特别保护机制，却始终未突破传统著作权理论的主体性框架。为准确界定人工智能生成物的著作权属性，有必要对人类使用人工智能的行为进行类型化分析。根据人类对算法系统的控制强度与交互深度差异，可分为人机协同模式下的浅层辅助应用与深度干预应用；以及人机交互模式下的有限介入应用与全面主导应用[2]。从技术流程角度观察，生成式人工智能的创作参与过程可解构为三阶段，一是操作者向系统输入具有引导性质的指令参数；二是生成式人工智能根据指令参数进行内容生成及通过多轮次反馈实现的迭代式优化过程；三是人类对生成的内容实施筛选、修改和优化。例如，在“李某诉刘某图片著作权侵权案”的司法实践中[3]，涉案图片的生成过程呈现显著的技术特征，原告通过向生成式绘图人工智能Stable Diffusion设定参数化指令集，经由多轮算法调适最终形成涉案AIGC图片。这种“人类主导+算法执行”的复合创作模式，实质上重构了传统著作权法中的创作主体行为边界，为人工智能时代著作权权属认定基准的革新提供了实证样本。

  随着生成式人工智能技术范式迭代的推动，机器创造力已突破传统技术阈限，开创人机协同创作新纪元。核心突破在于其深度渗透至传统上完全由人类主导的创意实现领域，系统性地替代了原本属于人类的创意筛选与表达固化等智力活动[4]。但值得注意的是，尽管算法系统在创意实现阶段的参与度显著提升，但人类创作者通过三重维度维持着创作主导地位：在初始参数设定阶段实施创意指引，在中间迭代优化阶段进行定向筛选，在最终表达确定阶段完成价值注入。自然人主体的独创性贡献不仅体现在技术层面的操作控制，更本质地反映在通过主观意志对表达形态实施灵魂注入的创作内核。无论技术工具如何进化，唯有当人类通过价值判断和创意选择赋予生成物灵魂特质时，方可满足著作权制度对独创性表达的实质要求。值得注意的是，在用户仅实施基础性指令输入且缺乏持续优化调整的轻量化应用场景中，其技术操作尚不足以构成著作权制度意义上的独创性表达，也不构成著作权法上的“创作”，由此生成的内容亦无法满足作品构成要件，自然排除在著作权保护范畴之外。

  （二）人工智能生成物的著作权归属分析

  人工智能本身无法享有生成物的著作权。一方面，《中华人民共和国著作权法》（以下简称为《著作权法》）第11条规定了创作作品的自然人是作者。可见，在现行著作权法框架下，人工智能因缺乏法律主体资格而无法获得作者身份，导致以署名权作为权属推定依据的传统机制面临适用困境，此种制度性障碍要求重构创作主体认定标准。美国学者Timothy L. Butler提出“功能性人类代理（FHA）”理论，主张通过法律拟制赋权，使人工智能可独立持有著作权，著作财产权则通过自由裁量权进行个案分配[5]。尽管《著作权法》为非自然人主体预留制度接口，但人工智能与法人组织存在本质差异。前者系算法驱动的技术实体，缺乏独立意思表示能力与责任承担机制；后者作为法律拟制的组织实体，具有完整的权利义务承担能力。若强行赋权于人工智能，将导致法律体系出现结构性矛盾，包括但不限于意思表示效力认定规则缺位、侵权责任构成要件模糊化以及责任财产执行机制真空等系统性难题。

  另一方面，生成式人工智能的表达输出，本质上属于技术参数与算法规则共同作用的必然产物。其生成行为完全依附于预设的技术架构，既无自主创新动机，亦无法感知权利配置的激励效应。即便通过立法技术赋予其拟制人格，也难以实现权利激励与责任约束的制度效能。这种“技术决定论”的生成机制与著作权制度“激励创新”的价值目标存在本质性冲突[6]。因此，不具备主体资格赋予的必要性。为此，基于人工智能生成物的特殊性，可以考虑构建署名权与其他著作权分离的权利配置机制。美国版权局《生成材料登记指南》明确标注行为仅为事实陈述义务；欧盟《人工智能法案》将标注定位为消费者知情权保障措施；我国司法实践亦严格区分标注义务与权利归属的法律性质。我国在2021年和2022年相继出台了《互联网信息服务算法推荐管理规定》和《互联网信息服务深度合成管理规定》，2025年3月，国家网信办发布的《人工智能生成合成内容标识办法》及其相关法规、国家强制标准，对人工智能生成物的标识义务作出规定[7]。但该技术披露义务与著作权法上的署名行为存在本质差异，前者旨在揭示内容生成的技术路径，属于信息公示要求；后者则构成权利归属的法定依据，人工智能生成物的标识义务不构成权属认定依据，也不意味人工智能获得法律主体地位。此种制度安排的规范逻辑根植于著作权法的底层架构——标注机制属于传播环节的透明度规制工具，与创作主体的法律资格认定分属不同规范维度。其制度功能限于维系创作伦理与市场秩序，既未创设新型权利推定规则，更不改变人工智能作为创作工具的本质属性。法律主体资格的取得必须以独立意志与责任能力为要件，这是不可逾越的伦理底线。

  人工智能系统的开发者、训练数据的提供者不宜取得人工智能生成物的著作权。首先，著作权制度的目标在于保障人类智力成果的独创性表达。而人工智能系统的开发者和数据供给者主要实施技术实现层面的基础性投入，其贡献集中于系统架构设计及数据资源整合，既未直接参与具体生成物的创意实现，亦缺乏针对特定产出的主观创作意图。这种技术性投入与著作权法要求的创造性表达之间缺乏必要的法律因果关系[8]。生成物的个性化表达特质源于终端用户的技术操作与价值选择，而非技术开发者的初始设计预设。开发者构建的技术框架本质上是开放性创作工具，其价值实现依赖于用户端的创造性应用，并非基于设计者个人思维、意志的无限延伸。其次，同一算法架构可衍生海量生成物，同一数据集可训练差异化的模型，技术投入与具体产出之间呈现多对多的映射关系。若将权利归属于开发者及数据供给方，将导致权利客体与权利主体的关联性断裂，产生“一对多”的权利重叠困境，严重违反权利边界明晰性原则。此外，人工智能的研发初衷大多是满足开放性用户需求，而非服务于开发者个体创作目的。从技术应用场景考察，无论是专用型系统还是通用型平台，均涉及技术物权的转移与用户使用权的有偿让渡。若将权利配置给开发者，将导致权利主体与应用场景的错位，产生“权利真空”与“权利越界”并存的制度悖论[9]。最后，人工智能系统训练数据通常来源于公共领域素材，若赋予开发者及数据供给方排他性权利，将可能诱发技术性权利垄断，导致市场激励机制扭曲，最终侵蚀著作权制度促进文化创新的价值根基，背离著作权保护的目的。

  人工智能生成物的著作权应归属于生成式人工智能的使用者。首先，在人工智能生成内容的过程中，使用者的主导性作用构成权属配置的核心依据，其通过输入指令、参数调校、指令优化、结果筛选等全流程控制行为，实质性地塑造了生成物的表达形态，其技术介入程度已超越单纯工具操作范畴，构成著作权法意义上的创造性投入。2025年1月美国版权局发布的《版权与人工智能》报告第二部分，该报告明确作者身份认定的关键在于对表达元素的控制力，而非提示指令的调试频次或基础性选择行为，该法理在“黎明的扎莉亚”案中获得实证。其次，通过将权利配置聚焦于终端用户，可有效化解多元主体参与导致的权属碎片化困境，降低交易成本，同时构建起“创作-传播-利用”的闭环规制体系，契合数字时代内容产业的效率诉求。最后，使用者作为生成行为的直接受益方，其权益保障与创作投入呈正向相关。当用户通过差异化指令组合获得个性化表达时，权利配置的确定性将激发技术应用的创新活力，形成“技术赋能-创作增值-权利确认”的良性循环机制[10]。

 

三、人工智能生成物的著作权法保护分析

  人工智能生成物的著作权保护和合理使用规则分析在全球范围内被广泛探讨，各国对于人工智能生成物的保护不尽相同，各有特色，从法律视角讨论人工智能生成物著作权权属问题，不仅关系到创作者、投资者、使用者的利益，也影响到整个内容创作行业的健康发展。

  （一）人工智能生成物的著作权保护认定

  人工智能生成物的著作权问题，全球范围内已形成初步共识,承认人工智能的工具属性并不必然否定其生成内容具有著作权。我国著作权严格遵循“人类智力成果说”，将创作主体限定于自然人范畴，而人工智能生成物本质上是由算法进行判断和选择的，其形成过程缺乏自然人直接的创造性劳动投入，故被现行制度排除在著作权保护范围之外[11]。相反观点则认为，当人工智能生成物与人类作品具备相同的表达外观时，应突破创作主体身份的形式要件[12]。实际上，深入技术本质层面考察，生成式人工智能依赖于人类对算法架构的底层设计、数据供给参数调校、结果筛选和价值判断。根据现行著作权法，若人工智能生成物构成作品，须满足两个基本要件：一是独创性，二是“能以一定形式表现”，即可复制性。同时并非所有生成物都可以纳入著作权法的保护，只有当生成的内容满足独创性和可复制性两大要件，且该智力投入达到独创性阈值时，达到独创性要求后，才能认定为作品。

  一是“独创性”中的“独”，现行著作权法强调的是劳动成果系劳动者自身产出，既认可从无到有进行创造的情形，亦承认在既有作品基础上的创新演绎，只要作品表达具有可辨识的差异性特征与原创性贡献[13]，在人工智能生成内容的情境下，算法系统通过海量数据解析与模式识别生成新的内容，虽在技术机理层面与人类创作存在本质差异，但只要其生成过程未实施显性复制行为且输出成果具备可识别的新颖特征，即可认定满足独立创作标准[14]。即当算法系统通过深度学习机制实现知识重组与规则重构，并在此过程中展现非复制性表达选择能力时，即便其运算逻辑与人类思维存在本质差异，仍应确认其输出成果的独立创作属性。

  二是“独创性”中的“创”，要求能够体现作者独特的智力判断与选择[15]。一方面，著作权法对创新性的门槛设定显著低于专利法“非显而易见性”标准，仅需满足最低创作高度阈值[16]。因此人工智能生成物的法律定性亦应遵循同等认定基准[17]。人工智能生成过程中人类对参数调校与指令优化实现的智力投射，所蕴含的个性化选择已超越传统创作行为的判断阈值，其也应被认定为满足“创造性”的要求。另一方面，人机交互指令序列的设计构成人类创作意志的具象化投射，也是人工智能生成物受著作权法保护的法理基础[18]。美国版权局对《黎明的扎莉亚》(Zarya of the Dawn)著作权审查过程中，表明对生成图像的选择、编排与结构化整合可构成受保护的汇编作品,但其中单幅算法生成图像因欠缺人类创作要素不具备著作权登记适格性[19]。这一裁判要旨通过美国版权局为《一块美国奶酪》(A Single Piece of American Cheese)登记核准案中获得裁判规则补强，体现《美国法典》第17编第102(a)条“原创性”要件在人工智能场景的限缩解释趋势。创作者对人工智能生成的多个图像实施审美选择与构图重组，形成具有统一艺术表达的视觉集合体，该编排行为所承载的人类智力投入符合汇编作品保护要件[20]。事实上,该作品与《太空歌剧院》(Théâtre D'opéra Spatial)案形成鲜明对照,前者由于创作者实施超越提示词优化的构图重构，视觉要素重组等实质性二次创作，使得最终成果因承载人类独创性贡献而通过著作权法审查。基于此类裁判经验的积累，美国版权局在2023年发布了《版权登记指南:含人工智能生成材料的作品》,系统构建“人类智力贡献度”评估框架，要求审查者重点考察创作者在作品最终表达形成过程中实施的创造性干预行为及其强度[21]。日本2024年3月发布的《关于人工智能与著作权的意见》同样对人工智能辅助使用和表达输入作出了认定[22]。当用户通过精细化指令实现对生成物的独创性表达实施有效控制时，其智力投入具备法律评价意义。相较于抽象模糊的提示输入，能够精确引导算法输出特定艺术风格、叙事结构或视觉元素的指令设计，因其承载人类独创性思维而被视为可被著作权法保护的基础要件。这种“指令具体性阈值”的设定，实质上将法律评价重心从生成结果的客观形态转向创作过程中的人类干预质量，体现出日本在人工智能创作认定领域向“过程中心主义”审查范式的转变，为司法实践确立了可操作性标准。

  总而言之，以人工智能生成图片为例，对于传统的美术作品而言，传统画师通过笔触技法展现个体审美判断，而智能绘图用户则借由参数组合实现风格化输出。二者差异仅体现在创作工具的技术代际，其本质均系人类通过技术媒介实施的创造性表达。这种技术迭代引发的创作方式转型，恰好印证著作权制度“重表达实质，轻技术形式”的价值取向，故不应因工具革新而否定其受著作权保护的基础[23]。

  （二）人工智能生成物机器学习的合理使用分析

  在生成式人工智能模型引发的诸多著作权问题中,训练数据的侵权风险受到广泛关注。具体而言,模型训练依赖海量文本与图像数据集，其中大量受著作权保护作品未经授权使用,导致数据使用的合法性问题凸显。有学者支持“合理使用”主张，训练过程中的临时复制具有高度转换性,应当通过增设机器学习合理使用例外条款赋予合法性[24]。还有学者则认为,鉴于模型训练过程中对作品的使用具有目标非特定性与技术中介性，本质上应归类为“非表达性使用行为”，从而排除于著作权专有权利控制范围。该理论建构基于三重法理逻辑，一是训练数据的摄取过程不针对特定作品表达内容；二是数据处理的中间性特征使其区别于最终表达输出；三是算法对文本与图像的解析属于技术性转换行为，未实质利用作品的表达价值[25]。这些争议揭示了人工智能大模型对传统著作权制度的独创性认定标准、权利配置模式与利益平衡机制形成了系统性冲击，亟待通过制度创新实现法律规则与技术现实的再调适。

  著作权制度内在的利益平衡机理体现为双重约束结构，权利保护不足将抑制人们的创作热情，权利保护过度则不利于内容传播[26]。考虑到人工智能大模型的技术特性与发展态势,宜采取灵活性利益协调策略，原则上将训练行为纳入合理使用框架，但鉴于合理使用认定固有的个案判断特征，叠加人工智能大模型训练过程的多阶段性与场景依赖性，亟需构建适配技术特征的分类评估框架[27]。在我国著作权法框架下的合理使用制度主要遵循《伯尔尼公约》的“三步检验法”标准[28]。在比较法中,美国版权法第107条规定了合理使用制度的四个要素[29]，对此,部分学者主张借鉴该范式来重构我国的合理使用制度,并据此将人工智能大模型训练中的“作品使用”归入合理使用的范畴[30]。还有学者认为,生成式人工智能训练数据的使用符合我国著作权法中“三步检验法”标准,构成合理使用,在技术层面不影响作品的正常传播利用，在法益层面未对著作权人造成非合理损害[31]，因此人工智能大模型训练中适用合理使用制度具有正当性[32]。

  在司法实践中，著作权人主要针对OpenAI、Stability AI等头部人工智能企业提起诉讼,且多为由创作者发起集体诉讼[33]。多数案件仍处于审理程序,少数已判案例对训练数据合法性的指引价值有限[34]。2024年9月,德国地方法院在LAION数据集侵权案中开创性适用文本数据挖掘例外条款[35]，其裁判要旨体现三重突破:一是否定《德国著作权法》（UrhG）第44a“临时复制”条款对网络图片永久存储行为的适用性;二是构建人工智能三阶段责任分层模型——数据集构建、算法训练、内容生成环节分别认定主体责任；三是扩张解释“科研目的”的内涵外延,确认商业机构技术研发的合法性。然而,此判决仅规制数据抓取行为，未讨论生成型人工智能训练是否构成合理使用的核心争议[36]。我国涉及机器学习合法性认定的案件较少。杭州互联网法院曾主张对机器学习行为采取适度宽容的司法立场,认为机器学习过程因不涉及作品表达复制与传播行为可纳入合理使用范畴[37]。然该裁判存在双重局限：其一聚焦网络平台责任判定而疏于机器学习行为本身的规范证成；其二事实背景拘泥于用户个性化调校场景，对商业化生成式人工智能系统开发缺乏普适参考价值。当前司法实践亟待构建针对训练数据合法性审查的层级化裁判框架，需区分个人非营利微调与商业规模化开发场景。综上可见,针对机器学习使用作品的合法性问题,全球范围仍缺乏适配生成式人工智能技术特性的、具有普遍指导意义的典型案例。

 

四、生成式人工智能生成物的著作权规制路径

  根据以上的分析和论述，立足于我国的实际，借鉴国外对人工智能生成物保护经验，对人工智能生成物的著作权法保护路径可具体归纳为：在著作权法体系下，将人工智能生成物认定为作品，使其权利归属于人工智能使用者，采用“视为作者”的保护模式基础上增设人工智能创作物的特殊署名规则、构建分层保护的著作权制度、缩短生成式人工智能作品的保护期、建立合理使用的评估框架等对人工智能生成物进行全方位的法律保护。

  （一）增设人工智能创作物的特殊署名规则

  在构建生成式人工智能著作权规范的学理路径中，署名与其他著作权行为的权属配置成为亟待解决的议题。首要规范是确立技术来源披露义务，强制要求标注“人工智能创作”等标识以区别于人类创作[38]。目前，多个国家和地区将人工智能或人工智能生成物的标注义务列为法定义务，如欧盟《人工智能法案》第52(3)条、中国《生成式AI服务管理暂行办法》第11条确认为法定披露要求，但该义务在著作权法维度不构成传统署名权范畴的法律行为。其次应构建人工智能生成物特殊权利登记机制，为人工智能生成物的登记、许可及转让提供便利[39]。借鉴德国专利商标局（DPMA）2023年启用的“AI作品快速注册通道”，建立包含算法指纹存证、训练数据溯源及输出物样本备案的电子化登记簿。此外，署名与其他著作权行为的分离解释，还应当考虑到公共利益的平衡[40]。著作权法的目的在于鼓励文学、艺术和科学作品的创作与传播，人工智能创作的作品在丰富文化市场、促进知识共享方面具有潜在价值。技术来源标识与著作权主体资格的分离解释，本质是构建动态适应性规则，标识义务履行仅产生公示作品技术起源的效力，而登记程序则赋予财产权交易安全性；二者协同实现，促进技术扩散、保障创作者收益、维护公众获取自由的三元平衡，最终形成契合WIPO《人工智能知识产权柏林宣言》的“透明标识、高效登记、合理使用”制度闭环[41]。

  此外，为确保特殊署名规则的制度的贯彻执行，应明确规定各方主体违反标识义务时需承担的程序性制裁与实体性赔偿责任[42]。具体包括：确立法定责任自负范式，依据过错程度设定梯度化处罚标准；引入失信行为联合惩戒机制，将违规记录纳入行业信用评价体系；完善民事赔偿与行政处罚的双轨制责任体系，通过惩罚性赔偿条款遏制故意规避行为；分场景适用法律法规，分为技术运营、内容传播等适用差异化规范，技术运营主体未履行算法生成物溯源标识义务，此类行为将导致权利链追溯机制失效，可适用《网络安全法》确立的网络安全等级保护制度实施合规审查；商业机构将人工智能生成物伪饰为人类智力成果进行传播，该行为构成对创作生态系统的根本性破坏，建议参照《反不正当竞争法》中虚假宣传条款设定惩罚性赔偿标准。通过这种分层递进的责任体系设计，既可维护数字创作市场的信用基础，又能为新型创作形态的规范发展提供制度保障。

  （二）构建分层保护的著作权制度

  建构人工智能生成物的著作权保护体系亟待突破传统一元赋权范式，可借鉴专利法领域发明专利与实用新型专利的分级确权原理，创设“完全著作权-有限著作权-开放许可权”三元架构[43]。完全著作权适用于人类创造性干预显著的内容，其权利主体依贡献度复合认定：开发者基于算法架构享有类软件著作权，投资者通过训练数据筛选获得邻接权，使用者凭借独创性指令设计取得演绎权；权利生效采用登记生效主义，需向国家版权机构提交人类主导性证据并通过实质审查，保护范围覆盖复制、演绎、传播等全部著作财产权[44]。有限著作权则针对算法自主性主导的产出物，延续自动保护原则但实施技术存证替代登记制度，权属证明需包含符合欧盟《eIDAS条例》第42条的区块链时间戳、机器学习过程哈希值校验链及算法决策可解释报告，保护范围限缩至复制权与传播权，且参照《伯尔尼公约》第9条三步检验法禁止商业性演绎使用。创新性增设的开放许可权适用于公共领域增强型内容，默认适用CC-BY-NC许可协议，要求强制标注数据来源，允许非商业性再利用并强制衍生成果回馈公共知识库，权利生效免除登记程序但需在元数据层嵌入机器可读的开放许可标识。该分层体系通过《德国著作权法》第2a条“计算机生成作品”特别条款实现本土化调适，并衔接欧盟《人工智能法案》第52条透明度义务，强制要求输出内容嵌入三类权属标识码：完全著作权登记号、有限著作权存证ID、开放许可URI，构建起可供司法验证的权利溯源生态。该分层保护制度既响应了WIPO《人工智能与知识产权政策草案》倡导的渐进式赋权理念，亦为破解生成式人工智能领域“保护不足与权利过度扩张”的悖论提供制度出口。

  （三）缩短生成式人工智能作品的保护期

  构建生成物著作权保护期限制度时，需正视技术迭代周期与权利存续期的适配性问题。我国现行《著作权法》的知识产权保护期限为作者死后的50年，虽契合自然人创作规律，但与生成式人工智能技术代际更迭周期产生制度性冲突，技术迭代周期的急剧压缩，使得固定期限的保护模式难以匹配动态演进的创作生态。现行长期保护机制将导致双重制度困境，一方面过度挤压社会公众接触与合理使用文化成果的法定空间；另一方面形成阻碍后续创新的“权利锁定效应”，抑制知识资源的优化配置与创造性转化，更可能因权利主体虚拟化导致公共领域资源供给受阻。且在新型技术的支持下，人工智能生成物的创作过程已突破传统“构思-表达”的线性模式，相比自行独立创作，其产出效率已大幅度提升。因此，再赋予其长期限“垄断”权利已失去正当性基础。

  因此，建议构建“技术生命周期适配型”保护机制，针对前述被标注的作品，有必要在著作权上采用相对短的保护期限[45]。欧盟《人工智能法案》已有立法先导，其核心价值在于通过缩短独占期加速知识要素流动，使人工智能生成物能更快进入公有领域。为此可以建立相关配套制度包括：建立人工智能生成物年费维持制度，未按期缴费视为自动放弃权利；设置技术过时审查机制，当新一代人工智能系统产出同类作品效率提升50%时，自动触发原保护期缩减程序。此类制度设计既维系了创新激励的基本功能，又避免了技术垄断对文化生态的负面影响，加速优质智力成果向公有领域释放，构建开放型知识共享生态，驱动文化创新活力与艺术创作生态的协同演进，通过公私领域动态平衡机制实现知识价值链的良性循环。

  （四）建立合理使用的评估框架

  为应对人工智能大模型机器学习适用合理使用制度引发的争议，有必要构建一个更为精细化的评估框架，避免将其使用行为简单归类为“构成（或不构成）合理使用”重构合理使用制度的框架时，须从三个维度突破传统范式：其一，目的与行为功能的情境化解析。传统司法审查聚焦作品利用的公益彰显程度，公共利益导向显著的使用往往获得更宽容的合理使用认定。但人工智能大模型训练具有跨界复合属性——融合了技术研发突破、科研范式革新及社会应用创新三重目标，其使用目的评估需摒弃商业性/非商业性二元对立的机械套用，转而构建基于应用场景特异性、技术目标正当性及社会福利贡献度的多阶审查模型[46]。其二，训练数据的风险分级治理。鉴于大模型对异构数据的海量需求，应依据法律属性建立四维分类体系：公共领域数据、授权许可数据、版权作品非侵权性使用、版权作品侵权性使用[47]。建议通过动态化数据治理机制实施分级风险管控：一级是禁止使用未脱敏个人信息等高风险数据；二级允许在数据匿名化及权利金机制下使用争议数据；三级开放公共知识库等无争议资源。其三，市场效应的生态化评估转型。传统合理使用判定基准聚焦作品利用行为对权利人可期待经济收益的减损效应，这一源于著作权法激励理论的市场替代原则在数字时代遭遇结构性挑战。人工智能大模型训练引发的市场影响呈现本质性变革：其生成的内容并非训练数据的演绎衍生品，而是通过数据模式化重构产生的新价值载体，导致传统侵权认定范式失灵。典型的如OpenAI构建的订阅制商业模式，其收益源自API调用服务而非内容复制，形成从作品交易市场向技术服务市场的价值迁移。为应对此种范式跃迁，需构建融合直接竞争维度与衍生技术维度的动态评估框架，前者需计量被利用作品在既有市场中的需求弹性变化，后者则须量化大模型催生的四层创新生态价值：基础模型开源引发的技术扩散收益、垂直领域应用市场增长、数据要素交易规模及关联服务产业扩张。这一分析范式的转换，是从作品中心主义转向以技术生态系统为评估维度的创新价值衡量[48]。

  同时可以借鉴域外经验，尽管各国应对生成式人工智能的合理使用规制路径不同，但总体思路是一致的，我国目前正处于构建治理体系的关键阶段，一方面对内要广泛听取技术人员、创作者和用户等多方主体的意见，明确底线；另一方面要抓住全球共识尚未形成的窗口，积极参与全球标准制定，提升话语权，构建兼顾技术创新与权利保护的包容性框架[49]。

 

五、结语

  随着生成式人工智能的快速发展，人工智能生成物在著作权法框架下的适应性问题引发了广泛讨论。当前虽尚未形成规范共识，但理论建构与判例演进正逐步明晰制度轮廓[50]。符合独创性标准的人工智能生成物应被纳入著作权客体范畴，人工智能使用者凭借指令输入与生成参数调控、结果筛选等行为，依法取得著作权主体资格。尽管存在法理质疑，我国司法实践已呈现渐进式突破，通过类案裁判确认人工智能生成物具备作品属性，并将权利配置给实际控制创作流程的使用者。此裁判逻辑既契合著作权法激励创新的价值取向，又维系了“人类中心主义”的规范根基，具有理论与实践的双重正当性。然而，该路径的普适性仍需通过立法与司法的双重检验。面对不可逆的技术革新浪潮，构建兼具包容性与前瞻性的著作权规则体系，将成为引导文学创作生态健康发展、促进成果合规流通与价值实现的关键命题。理论界与实务界的协同探索，必将推动人工智能时代著作权制度完成范式重构，实现技术伦理与法律秩序的动态平衡。

 

[本文系教育部人文社科研究项目“数据要素市场化配置机制法律问题研究”（21YJE820001）的阶段性研究成果]

 

（作者单位：王磊，北京理工大学智能科技法律研究中心研究员；

单墨涵，北京理工大学智能科技法律研究中心研究助理）

 

 

 

 

 

【1】王迁.再论人工智能生成的内容在著作权法中的定性[J].政法论坛,2023,41(04):16-33.

【2】张平.生成式人工智能著作权问题的制度回应[J].南方传媒研究,2024,(05):21-31.

【3】北京互联网法院（2023）京0491民初11279号民事判决书

【4】杨利华,王诗童.人工智能生成内容的著作权规制研究[J].法治研究,2025,(03):57-71.DOI:10.16224/j.cnki.cn33-1343/d.20250423.008.

【5】Timothy L.Butler，“Can a Computer Be an Author? Copyright Aspects of Artificial Intelligence”，4 Comm/Ent L.S.707(1981-1982).

【6】曹源.人工智能创作物获得版权保护的合理性[J].科技与法律,2016,(03):488-508.

【7】张继红.生成式人工智能生成内容标识义务研究[J].法商研究,2024,41(04):187-200.

【8】刘晓春.生成式人工智能数据训练中的“非作品性使用”及其合法性证成[J].法学论坛, 2024,39(03):67-78.

【9】徐家力.人工智能生成物的著作权归属[J].暨南学报(哲学社会科学版),2023,45(04):37-49.

【10】Edward Lee.Prompting Progress:Authorship in the Age of AI[J].Florida Law Review, 2024(76).

【11】王迁.ChatGPT生成的内容受著作权法保护吗？[J].探索与争鸣,2023(03):17-20.

【12】吴汉东.人工智能生成作品的著作权法之问[J].中外法学,2020,32(03):653-673.

【13】王迁.知识产权法教程（第八版）[M].北京:中国人民大学出版社,2024.

【14】吴汉东.论人工智能生成内容的可版权性：实务、法理与制度[J].中国法律评论,2024(03):113-129.

【15】王迁.知识产权法教程（第八版）[M].北京:中国人民大学出版社,2024.

【16】李扬,涂藤.论人工智能生成内容的可版权性标准[J].知识产权,2024(01):68-84.

【17】吴汉东.人工智能生成作品的著作权法之问[J].中外法学,2020,32(03):653-673.

【18】孙山.人工智能生成内容属性判断关键在于独创性[Z].检察日报,2024-01-26(03).

【19】See United States Copyright Office Re Zarya of the Dawn Registration # VAu001480196 Feb.21 2023.

【20】See United States Copyright Office Re A Single Piece of American Cheese 1-14119617821 Jan.30 2025.

【21】See United States Copyright Office Copyright Registration Guidance Works Containing Material Generated by Artifcial Intelligence Mar.16 2023.

【22】日本文化審議会著作権分科会法制度小委員会「AIと著作権に関する考え方について」(2024年3月15日) 39-40頁参照

【23】熊琦,陈子懿.生成式人工智能著作权规制的全球立场形成机理[J].数字法治,2025,(02):76-93.

【24】张吉豫,汪赛飞.大模型数据训练中的著作权合理使用研究[J].华东政法大学学报,2024,27(04):20-33.

【25】刘晓春.生成式人工智能数据训练中的“非作品性使用”及其合法性证成[J].法学论坛,2024,39(03):67-78.

【26】张涛.人工智能大模型训练的著作权困境及其调适路径[J].现代法学,2025,47(02):189-208.

【27】See William Patry, How to Fix Copyright,Oxford University Press,2012,p.215.

【28】林秀芹.人工智能时代著作权合理使用制度的重塑[J].法学研究,2021,43(06):170-185.

【29】美国版权法第107条规定了合理使用制度的四个要素:(1)使用行为的性质和目的,(2)被使用的版权作品的性质;(3)使用部分所占的数量和实质性;(4)该使用对版权作品潜在市场或价值的影响

【30】熊琦.人工智能与版权——法律涵摄技术的路径选择[J].中国版权,2023,(03):6-16.

【31】张新宝,卞龙.生成式人工智能训练语料的著作权保护[J].荆楚法学,2024,(05):77-90.

【32】张涛.生成式人工智能训练数据集的法律风险与包容审慎规制[J].比较法研究,2024,(04):86-103.

【33】See Authors Guild v.OpenAI Inc.1 23-cv-08292 S.D.N.Y.Andersen v.Stability AI Ltd.3 23-cv-00201 N.D. Cal..

【34】See Robert Kneschke v. LAION e.v.Regional Court of Hamburg 310 O 227/23 2024 Thomson Reuters Enterprise Centre GmbH et al. v. ROSS Intelligence Inc.No.1 20-cv-00613 D. Del. Feb. 11 2025.

【35】See Robert Kneschke v.LAION e.v.Regional Court of Hamburg 310 O 227/23 2024 .

【36】See Thomson Reuters Enterprise Centre GmbH et al.v.Ross Intelligence Inc. No.1 20-cv-00613 D.Del. Feb.11 2025

【37】参见上海某文化发展有限公司诉杭州某科技有限公司著作权侵权及不正当竞争纠纷案,杭州互联网法院(2024)浙0192民初1587号民事判决书。

【38】刘维.人工智能时代著作权法的挑战和应对[J].上海交通大学学报（哲学社会科学版）,2021,29(02):40-49.

【39】胡凌,李广益,李一达,邱遥堃,沈伟伟,岳林,杨安卓,郑戈.法律科幻问答[J].法律和社会科学,2020,19(02):395-427.

【40】张平.人工智能生成内容著作权合法性的制度难题及其解决路径[J].法律科学（西北政法大学学报）, 2024,42(03):18-31.

【41】姚志伟.人工智能生成物著作权侵权的认定及其防范——以全球首例生成式AI服务侵权判决为中心[J].地方立法研究,2024,9(03):1-17.

【42】吴汉东,刘鑫.生成式人工智能的知识产权法律因应与制度创新[J].科技与法律(中英文),2024,(01):1-10.DOI:10.19685/j.cnki.cn11-2922/n.2024.01.001.

【43】李梦菲.生成式人工智能创作物在著作权领域的权利归属及保护路径[C]//《法治实务》集刊2024年第2卷——新型工业化的法治保障研究文集.华东政法大学;,2024:192-202.DOI:10.26914/c.cnkihy.2024.024079.

【44】丛立先,李泳霖.生成式AI的作品认定与版权归属——以ChatGPT的作品应用场景为例[J].山东大学学报（哲学社会科学版）,2023(0 4):171-18 1.

【45】冯刚.人工智能生成内容的法律保护路径初探[J].中国出版,2019(01):5-10.

【46】See Maurizio Borghi & Stavroula Karapapa, Copyright and Mass Digitization, Oxford University Press, 2013,p.24-25.

【47】See Benjamin Sobel,A Taxonomy of Training Data,in Jyh-An Lee,Reto Hilty & Kung-Chung Liu eds., Artificial Intelligence and Intellectual Property,Oxford University Press,2021,p.221.

【48】刘潇,李家宝.人工智能创新生态系统中的技术互补与协同创新[J].科技进步与对策,2025, 42(03):14-26.

【49】熊琦,陈子懿.美国人工智能模型训练合理使用认定的成案经验研究[J].科技与法律(中英文),2024,(06):11-23.DOI:10.19685/j.cnki.cn11-2922/n.2024.06.002.

【50】张凌寒,杨建军,文禹衡,等.续章与新篇：中国人工智能法治研究2024年度观察[J].法律适用, 2025,(03):146-166.