新質生產力賦能出版業的學理闡釋、法律困境與紓困之道

摘要：新質生產力通過新技術應用催生了出版業的新業態、新動能和新模塊，引發了出版發展方式的根本性變革。出版業的新質生產力主要體現在技術、要素、融合、綠色和開放五個方面。在推進出版產業高質量發展的過程中，新型生產力的崛起同時伴隨著一系列新的法律挑戰，包括出版勞動者技術性失業糾紛、新技術生成作品的權屬爭議，以及機器學習帶來的版權侵權風險。為化解新型法律問題，應從以下三個維度展開對策：首先，通過完善勞動法條款、征收科技稅以補償勞動者，并培養出版創新人才，以緩解出版勞動者的失業危機；其次，引入透明度義務以解決新技術生成作品的權屬問題；最后，通過建立法定許可制度和合理使用制度來應對機器學習中的版權侵權難題。

關鍵詞：技術性失業；透明度義務；機器學習；人工智能生成作品；法定許可；合理使用

基金項目：本文系國家社科基金青年項目“個人參與數據收益分配法律制度研究”（項目編號：23CFX037）、中國版權保護中心2024年度版權研究一般課題項目“新質生產力賦能版權金融問題研究”（項目編號：BQ2024027）、廣州市哲學社會科學發展“十四五”規劃2024年度常規課題項目“短視頻平臺算法推薦侵權的體系化規制研究”（項目編號：2024GZGJ67）的階段性研究成果。

新質生產力通過新技術的應用改變了知識生產和信息傳播的范式，推動出版業從數量增長轉向質量提升。2024年1月31日，習近平總書記在中共中央政治局第十一次集體學習中指出：“發展新質生產力是推動高質量發展的內在要求和重要著力點。”2024年7月18日，中國共產黨第二十屆中央委員會第三次全體會議提出：“加快形成同新質生產力更相適應的生產關系，促進各類先進生產要素向發展新質生產力集聚，大幅提升全要素生產率。”然而，伴隨著新質生產力催生的顛覆性技術浪潮，出版業正面臨法律風險泛化的危機，其風險防范能力和治理能力遭遇嚴峻考驗。如果出版者不能有效適應新質生產力帶來的技術革新，且對其法律風險和防范措施缺乏充分認識，可能導致嚴重的侵權后果，從而妨礙出版業的高質量發展。當前學界對新技術生成作品的版權法問題的探討主要集中在創作主體、1創作行為、2可版權性3和權利分配4等方面。然而，針對新技術引發的出版業法律風險及其對策的研究仍然較為欠缺。有鑒于此，本文擬從新質生產力賦能出版業的學理闡釋出發，梳理出版業面臨的新型法律困境，提出相應的法律風險防范策略，以期助力出版業的法律風險治理，推動其高質量發展。

一、新質生產力賦能出版業的學理闡釋

出版業的新質生產力以“以新促質”為核心，以“科技創新”為導向，通過前沿技術催生出版的新業態、新動能和新模塊，從而實現出版發展方式的根本變革。這種新質生產力主要包括技術、要素、融合、綠色和開放五個方面。通過應用人工智能、大數據、算法等新技術，新質生產力有助于提升出版業的整體效率和服務質量，優化出版業結構，推動綠色發展，并促進出版文化的傳承與創新。因此，發展出版業的新質生產力是時代賦予的使命。

（一）新質生產力賦能出版業技術生產力

出版業的技術生產力依托人工智能、虛擬數字技術、算法推薦、區塊鏈等新科技，成為推動出版業高質量發展的核心動力。在新質生產力時代，人工智能、虛擬數字技術、算法、區塊鏈和5G等技術打破了出版業的邊界，實現了萬物互聯，形成了出版主體、出版客體、出版環境、出版技術等多元互聯的全新出版場域。通過上述技術，出版業不僅能夠創新與整合知識傳播模式，還能創造新的價值并重塑出版業態。

生成式人工智能等新技術正在推動出版業向智能化轉型。以GPT-4語言模型為基礎的Chat GPT已廣泛應用于自動寫作、智能翻譯和決策分析等領域。Chat GPT能夠充當出版作品的“智能把關人”，通過自動編校加速編輯流程，減輕編校人員的審核任務，利用數據算力緩解人工編輯工作中的精神壓力，實現出版行業“去中心化”的智能化轉型。5一方面，出版技術生產力催生了新型出版勞動者，提升了編輯工作的數字化程度和創新能力，推動了諸如首席數據官、數據分析師等新職位的出現。另一方面，出版技術生產力引入新的勞動工具，如人工智能、AR、VR、區塊鏈，這些工具的應用大幅提升了出版生產的效率、精度和質量。由此可見，出版技術生產力能夠推動出版勞動者、勞動工具和勞動對象的創新，提高“質”的效率，構成出版業數字經濟的價值基礎，并催生新的出版業態。

（二）新質生產力賦能出版業要素生產力

出版業的要素生產力以數據要素為基礎，借助算法推薦和人工智能等技術，成為推動出版業高質量發展的核心力量。數據要素具有邊際成本低、易共享、強融合等特征，6廣泛應用于出版的知識生產、資源分配、傳播和消費等環節，成為出版企業的重要戰略資源。與土地和勞動力等傳統生產要素不同，數據與知識、管理共同構成新時代出版業的核心要素。7數據要素的轉化與應用是出版業數字化和智能化的關鍵。通過數據的分級分類和共享，出版業形成了出版內容、用戶、交互等數據體系，并推動了“知識+數據”雙驅動的生產模式。

數據要素貫穿選題、編校、印刷、推送和營銷的各個環節，提升了出版業的整體效率。其一，在選題策劃環節，數字出版機構可以利用大數據技術分析用戶行為和偏好，優化選題決策。8其二，在編校環節，結合“大數據+人工智能”技術，實現智能化審校與排版，提升編輯和校對效率。其三，印刷環節則通過數字前端印刷系統和噴墨技術提高生產效率。其四，推送和營銷環節，通過用戶數據生成“用戶畫像”，利用算法推薦精準推送內容，實現線上線下營銷一體化。由此可知，數據要素不僅提升了整體生產效率，還通過精準數據分析和智能技術的應用，實現了出版業的數字化轉型與個性化服務。

（三）新質生產力賦能出版業融合生產力

出版融合生產力通過新質生產力推動“出版業與技術”的深度融合，促進出版跨領域資源的多維融合，成為出版新動能的源泉。一方面，出版業與技術的深度融合主要體現在出版+人工智能、出版+元宇宙、出版+算法、出版+數字等新形態。首先，出版業與人工智能的深度融合催生了用戶生成內容（UGC）和人工智能生成內容（AIGC）等新形式。比如，ChatGPT為外國文學作品的翻譯、出版和傳播提供了支持，推動出版業在智能化和數字化的競爭中保持活力。9其次，出版業與元宇宙的深度融合創造了“融合出版4.0”版本，結合物理空間與賽博空間，推動了元宇宙出版和全息出版等新業態的出現。10再次，出版業與算法的融合促進了知識生產的創新，算法技術已成為數字出版產業的底層邏輯，推動出版產業增值。11最后，出版業與數字技術的融合催生了新形態圖書，如慕課版、AR/VR版等，創造了線上線下融合的新商業模式。

另一方面，出版跨領域的多維融合重塑了出版業的生態系統，形成了出版+文化、出版+教育、出版+法學等跨領域融合模式。首先，出版+文化的融合，通過技術加速文化數字化，如3D建模技術重現經典人物形象，AIGC為古籍保護和文化傳承提供了新思路，助力傳統文化的現代傳承與傳播。其次，出版+教育的融合，則創造了數字教育出版新形態，如在線課程平臺、AI互動課程和有聲讀物平臺，推動了教育資源的數字化與知識傳播的雙贏局面。12最后，出版+法學的融合強化了法律對出版市場的支持，特別是在版權保護方面，推動了版權產業的高質量發展。新技術帶來的版權新風險要求出版與法學領域深度合作，回應新質生產力賦能出版業的挑戰。

（四）新質生產力賦能出版業綠色生產力

出版業綠色生產力通過節能減排、提高資源利用率和關注環保等方式，推動出版業向綠色、低碳和可持續發展轉型。傳統出版業以“高能耗、高排放、高污染”為特征，而綠色生產力通過優化資源配置、提升能源效率、減少環境影響，為出版業的環保綠色發展提供了解決方案。它成為出版業在“資源配置—印刷復制—閱讀消費”綠色發展鏈中的關鍵動力，推動出版業實現可持續發展。

首先，從出版業綠色生產力對資源配置的影響來看，人工智能、大數據等新技術使出版業減少對油墨、紙張、化石燃料的依賴。新質生產力催生新技術的應用，不僅能降低出版業的能耗、排放和污染，也能精準預測市場需求，優化出版生態鏈。其次，綠色生產力對印刷復制的影響表現為減少高污染材料的使用，鼓勵采用植物性油墨、水性油墨等環保型材料，并推廣噴墨數字印刷等綠色印刷技術，以提高能源利用效率和減少排放。13最后，綠色生產力對閱讀消費的影響主要體現在推動數字閱讀的發展，減少紙張和印刷資源的消耗，同時，基于新技術建立的二手書線上交易平臺也推動了低碳閱讀方式。通過將綠色發展理念與新興技術結合，出版業在“資源配置—印刷復制—閱讀消費”各環節實現了綠色化轉型，推動了出版業的高質量、可持續發展。

（五）新質生產力賦能出版業開放生產力

出版業開放生產力強調不僅關注國內市場，還需與國際出版業協同，形成雙循環的開放格局，推動知識傳播和科研交流。全球開放獲取（Open Access， 簡稱OA）運動已進入新階段。開放數據、開放同行評審、開放期刊、開放圖書等實踐證明了出版業開放生產力的合理性。

首先，開放數據的本質是允許數據的免費和自由使用，即無需獲得授權許可即可收集、處理、分析、使用、訪問和共享數據。自2022年以來，歐美國家相繼發布開放科研數據政策，以順應國際數據開放的趨勢。14根據FAIR（Findability， Accessibility， Interoperability， and Reuse of Digital Assets）原則，出版機構可以通過合作建立數據平臺，實現數據的開放、存儲、共享和傳播。其次，開放同行評議是出版業開放生產力的重要組成部分，它可以提高科學研究的透明度、可及性和評議質量。開放同行評議的方式包括公開報告、公開評審人身份、公開預審稿件、公開審稿評論以及開放平臺等。例如，Frontiers出版的期刊《人工智能前沿》（Frontiers in Artificial Intelligence）采用了開放同行評議模式，提高了學術出版機構的透明度，并提升了科學交流的效率。15再次，開放期刊通過開放獲取（OA）、開放知識庫、開放科研社交網絡等方式，促進學術交流與合作，承擔科研公益使命，有助于全球科研教育的互動與共享。最后，開放圖書政策則使學術專著和教材得以開放，不僅提高著作的引用頻率，還增強了公眾的科學素養，減少圖書資源的閑置和浪費。

二、新質生產力賦能出版業的法律困境

新質生產力催生的顛覆性技術實現了出版業的智能化、數字化和規模化，顯著提升了讀者、科研者、出版者和創作者的社會福利。然而，人工智能、大數據和算法等新技術在為出版產業帶來變革機遇的同時，也可能誘發一系列新型法律問題，如出版勞動者技術性失業糾紛、作品權屬爭議和版權侵權風險等。

（一）新質生產力賦能出版業勞動者的技術性失業糾紛

隨著新質生產力的推進，人工智能、大數據和機器學習等技術在出版行業的廣泛應用正在引發深刻的勞動市場變革。新興技術的應用顯著提升了出版業的效率和質量，但也使出版勞動者面臨“技術性失業”的挑戰。傳統的編輯、排版、校對等崗位正逐步被自動化和智能化工具取代。根據《2023—2024年中國出版業發展報告》，出版行業積極引入新技術，如百度“文心一言”應用AI技術推動選題策劃、美術設計、文字潤色、編輯校對、市場營銷等環節提升生產效率和精準性。16再如，新華社的“快筆小新”在北京冬奧會期間自動生成1105篇稿件，其內容生成的速度和準確性遠超人工編輯。17統計數據顯示，人工智能的發展對出版行業產生了巨大沖擊，全球約18%的工作崗位可能受到影響。18隨著出版行業對新技術的依賴不斷加深，諸多傳統勞動崗位的需求急劇下降，從而加劇了技術性失業現象。

技術性失業不僅是社會和經濟領域的難題，更是亟須法律回應的關鍵問題。首先，新技術的應用在出版業中引發了崗位替代，從而加劇勞動糾紛。自動化編輯軟件、機器翻譯工具和AI校對系統的廣泛應用，雖然顯著提升了出版效率，但也造成許多傳統崗位的消失，使得大量依賴人工的出版勞動者面臨失業，并引發更多的勞動糾紛。其次，現有《勞動合同法》對“重大技術革新”的定義缺乏明確的客觀標準，導致在實際操作中難以判斷技術革新是否足以構成裁員的合理依據。“重大技術革新”的模糊標準使得企業裁員和勞動者權益保障之間產生齟齬。最后，現行《勞動合同法》未能明確界定因技術革新導致的失業補償標準。雖然許多出版企業通過引入新技術降低人工成本，但在技術變革引發的大規模裁員中，既有法律條款未提供針對性補償標準，導致勞動者難以獲得公平的賠償。

（二）新質生產力賦能出版業引發作品權屬爭議

在出版業融合生產力時代，作品版權歸屬不明的情況愈加普遍。一方面，在新質生產力推動下，出版業與人工智能、大數據、算法等技術的深度融合使得作品在網絡平臺上的創作、存儲、獲取、使用和傳播頻率呈指數級增長。然而，人工智能生成的作品在創作能力和生產效率上遠超人類，機器生成的作品與人類創作的作品在外觀形式上難以簡單區分。此外，由于數字化作品在線上可能會被多次許可授權或改編演繹，作品的版權歸屬問題變得愈加難以界定。比如，在全國首例人工智能（AI）文生圖構成作品案中，原告李某使用人工智能軟件生成圖像《春風送來了溫柔》，并發布于小紅書平臺。然而，被告未經授權擅自使用該圖像，且未承認原告為作品的著作權人。法院審理認為，盡管該圖像由人工智能生成，但原告在創作過程中通過創意性地選擇提示詞、設置參數等方式，展現了其智力和創造性投入。因此，法院認定該作品符合“獨創性”要求且屬于美術作品，原告享有該作品的著作權。19

另一方面，在出版業融合生產力時代，出版業與娛樂、教育、體育、文化、法學等領域的跨界融合日益加深。線上平臺上大量作品被多次改編和傳播，生成了由其他作品二次創作、演繹或剪輯的新作品。尤其是在數字化作品中，如用戶生成的內容、小說、音樂、字幕和視頻，這些作品適用于各種可穿戴設備。數字化作品的內容構成復雜，版權歸屬往往不明確，通常不會完全歸屬于單一主體。20再加上，我國《著作權法》規定版權自動取得，版權自作品創作之日起自動產生，不要求強制登記。登記制度的缺失加劇了版權歸屬不明的風險，使得大量“無主”的孤兒作品充斥出版市場。即使作品在網上或數據庫中標注了作者信息，使用機器學習或數據挖掘技術獲取這些線上作品時，仍需與分散的著作權人逐一談判以獲得授權許可。這一過程耗費高昂的搜尋、授權及執行成本。因此，新技術誕生的海量作品是否具有版權、版權人具體信息為何以及如何快速獲取授權許可等問題，變得更加復雜。

（三）新質生產力賦能出版業產生版權侵權風險

機器學習作為人工智能的主要技術手段，被廣泛應用于數據獲取、處理和分析的各個階段。然而，這也引發了對復制權、改編權、翻譯權、匯編權以及信息網絡傳播權等方面侵權的風險。在出版產業中，機器學習可以用于詩歌創作、圖書檢索、圖片生成、新聞內容改寫和視頻制作等任務。機器學習在處理數據時可能涉及未經授權的數據復制、改編、翻譯或匯編行為，這是否構成版權侵權，在實務界和學術界仍存在廣泛爭議。

在實務界，對于人工智能等新技術在機器學習中使用數據是否侵犯版權，不同國家的判定結果存在差異。在美國，谷歌數字圖書館利用人工智能中的機器學習技術對紙質圖書進行大規模掃描并編制索引，使用戶能夠通過輸入關鍵詞獲取相關圖書片段。美國聯邦第二巡回法院裁定，谷歌數字圖書館的這種行為屬于合理使用，因為其通過機器學習和數據挖掘復制圖書及傳播簡短圖書片段的行為沒有替代原圖書的市場，未經授權的免費使用不構成版權侵權。21與此相對的是，在另一案件中，美國法院裁定，TVEyes提供的搜索引擎復制了大量電視新聞，并允許用戶通過關鍵詞搜索和剪輯這些新聞，侵犯了電視新聞版權人的權利。22在日本、新加坡等國，人工智能機器學習中的數據處理行為被認定為合理使用，不構成版權侵權。23歐盟在著作權法下為人工智能挖掘數據設立了合理使用條款，但該條款僅適用于圖書館、博物館等非營利機構。我國也出現了關于人工智能機器學習的版權糾紛案件。24再如，在Westlaw訴Ross Intelligence案中，湯森路透指控Ross智能公司通過未經授權使用Westlaw平臺的數據來訓練其人工智能系統。該案件的核心爭議在于Ross是否侵犯了湯森路透的版權，尤其是其對Westlaw數據庫的使用。25目前，ChatGPT、文心一言等生成式人工智能在出版業中的應用，對作品的搜集、索引和修改行為正游離于侵權與合理使用之間。

在學術界，關于機器在大數據環境下進行復制、改編、匯編、翻譯和傳播等行為是否侵犯版權的問題，存在不同的觀點。持肯定態度的學者認為，人工智能機器學習中的數據復制、改編、匯編等行為存在侵犯版權的風險。26在輸出階段，以Sora為代表的人工智能最終輸出的內容，包括“文生文”“文生圖”“文生視頻”。人工智能等新技術所生成的內容將作者的觀點、思想和情感傳達給用戶。用戶可以通過關鍵詞提高圖書檢索效率，迅速定位感興趣的內容部分，從而促進創作者與用戶之間的溝通。此外，創作者和出版者可以從人工智能生成的復制件中獲得經濟價值，這有助于激勵他們繼續創造、開發和傳播其他作品，因此著作權人有權獲得新技術利用作品所產生的經濟收益。27如果未經授權的復制、改編和匯編行為對著作權人的經濟利益產生了實質性影響，則人工智能機器學習相關行為可能構成版權侵權。與此相對，持否定態度的學者主張，數字圖書館和新聞機構利用人工智能技術獲取數據，并在復制件中提取思想、數據等非表達性元素的行為，屬于“非作品性使用行為”，不構成版權侵權。該觀點認為，在輸入階段，人工智能機器學習的數據處理行為屬于臨時復制和功能性行為，具備技術上的客觀性與偶然性，沒有獨立經濟價值，不會對著作權人的市場利益產生影響，因此屬于合理使用，并不侵犯版權。28此外，輸入階段是生成式人工智能自動化處理數據的過程，其間的電子版臨時復制件、改編數據和匯編數據等尚未被社會公眾所知曉，因此這些臨時復制行為無法與社會公眾進行對話交流，也未產生可被公眾欣賞的經濟價值，因此不構成版權侵權。29雖然上述學者對出版業中人工智能機器學習的版權侵權判定仍舊莫衷一是，但為本研究探尋解決對策提供了有益的啟示。

三、新質生產力賦能出版業的紓困之道

在新質生產力背景下，人工智能等新興技術的應用引發了若干重要問題，包括出版勞動者失業、海量作品的權屬證明與授權許可，以及機器學習中使用作品的合法性等。這些問題的妥善處理，是時代賦予出版業的中國之問與科技之問。

（一）新質生產力賦能下失業出版勞動者權利保護

由于新質生產力推動了新技術的迭代與升級，出版勞動者面臨嚴峻的“技術性失業”問題。對此，失業者的權利保護可以從三個層面著手：完善法律條款、征收科技稅，以及培育出版創新人才。

首先，應當完善《勞動合同法》中的相關條款，以應對出版業中的技術性失業問題。根據我國《勞動合同法》第40條和第41條，企業在進行重大技術革新時需要裁員，必須提前一個月通知或支付額外一個月工資。然而，這些條款在處理出版業的技術性失業時存在一些不足。一方面，法律中“重大技術革新”的定義缺乏明確的客觀標準；另一方面，對于失業人員的救濟措施也不夠充分。因此，針對出版勞動者因技術性裁員的權利救濟，可以采取以下措施：一方面，應科學界定“重大技術革新”的法律術語。雖然新質生產力推動了人工智能、大數據、算法等技術的革新，但法律層面對這些技術的屬性仍需進一步明確。在此基礎上，可以細化出版業中適用“重大技術革新”的具體情形。例如，可以對因“重大技術革新”裁員的數量上限、救濟時間以及不同類型技術性失業等內容進行詳細規定。另一方面，應提高出版勞動者技術性裁員的經濟補償標準。補償金的設置應與裁員的數量和次數掛鉤。對于多次或大規模裁員的出版企業，其裁員經濟補償金的賠償額應相應提高。

其次，開征出版人工智能等新技術稅以補償失業的出版勞動者。新質生產力催生的新科技使出版勞動者面臨更高的失業風險。為保護出版勞動者的合法權益，國家可以通過稅收政策來緩解這種失業風險。一方面，對于使用人工智能等新技術替代出版勞動者的企業，國家應提高其稅收，并將這些稅收專用于失業勞動者的救濟。由于出版企業在使用人工智能等技術時不需支付勞動報酬、保險和福利，這使得人類勞動者在競爭中處于劣勢。增加稅收，不僅可以降低出版勞動者的失業風險，還能將這些稅收用于為失業出版勞動者提供補貼，從而緩解他們的經濟壓力。另一方面，對聘用出版勞動者的企業應施行稅收優惠。僅依靠提高出版企業的稅收來應對裁員是不夠的，還應對那些繼續雇傭出版勞動者的企業給予稅收優惠。2024年1月，我國科技部與財政部等部門出臺了《我國支持科技創新主要稅費優惠政策指引》，對科技創新活動、重點產業發展和全產業鏈的稅收優惠進行了詳細規定。出版企業可以利用這些稅收優惠政策投資人工智能等新技術和內部員工的培訓，從而實現技術進步與優秀員工培養的雙贏局面。

再者，通過培育出版創新人才來助力促進勞動轉型。在新質生產力催生新技術導致大規模失業之前，需要提前做好“新技術與復合型出版人才”的培養工作，實現出版勞動力的有效轉型。新興技術對出版勞動者的技能提出了更高的要求，因此，通過“人機合作”實現智能機器與出版勞動者的融合與共生發展至關重要。為此，應從出版創新人才的培養入手，包括推動出版教育的創新和加強出版技術的培訓建設，以有效提升新質生產力時代出版所需的知識和技能，有助于規避技術性失業帶來的社會風險。

（二）透明度義務解決新技術生成作品的權屬問題

透明度義務制度具有作品說明功能和篩查功能，有助于減少人工智能等技術生成作品的權屬糾紛。新質生產力催生了人工智能、大數據、算法等新技術，但社會公眾對機器學習、數據模型、算法推薦等技術原理知之甚少，對新技術生成作品的創作者、授權許可、流轉等信息也難以判定。為解決這些技術黑箱和作品權屬不清的問題，許多國家和地區考慮制定人工智能的透明度義務制度。2024年3月13日，歐盟議會通過了《人工智能法》（Artificial Intelligence Act），該法案將透明度義務作為開發和使用人工智能系統的法定義務。30我國也將《人工智能法》的立法提上了議事日程，312023年，我國頒布了《生成式人工智能服務管理暫行辦法》，第4條第5款要求提升生成式人工智能服務的透明度。人工智能等新技術生成物的出版者負有法定的透明度義務，這意味著出版者應向社會公眾說明作品的作者身份、安全使用注意事項、復制、發布、傳播等信息。然而，透明度義務的說明范圍是有限的，出版者沒有義務披露人工智能等新技術生成作品的研發過程、訓練數據模型等技術秘密。32此外，透明度義務有助于篩查新技術生成作品的版權侵權風險。通過透明度義務，新技術生成作品的交易流程可以按照法律要求識別異常或可疑行為，從而落實作品合規義務。履行人工智能等新技術生成作品的透明度義務，在版權法上具有三點合理性。首先，它尊重作者的精神權利。作者享有署名權、修改權等精神性權利，而人工智能等新技術生成作品的透明度要求，實際上體現了對他人創造性勞動的尊重。通過明確作品的來源、使用情況和處理方式，尊重作者的原創勞動和創作意圖。其次，它有利于著作權人行使財產權。由于人工智能、算法、大數據等相關數據信息通常處于技術黑箱中，社會公眾難以了解其具體情況。通過使用易于理解的語言披露人工智能等新技術生成作品的使用數據信息，可以保障著作權人的知情權，并幫助他們主張財產權救濟。最后，它符合版權法的功利主義理論。由出版者或運營者自行披露人工智能等新技術生成作品的相關信息，不僅可以減少交易成本，還能減少對出版市場的干預，從而體現效率原則，契合功利主義理論的要求。在這種情況下，若出版者已經履行了經濟上合理、技術上可行的透明度義務，則無需承擔額外的法律責任。

人工智能等新技術生成作品的透明度義務可以通過“登記制度”或“添加標簽”等方式來實現。由于人類作品與人工智能生成作品的外在表現形式日益相似，如果缺乏有效的登記制度，社會公眾可能難以憑作品的外在形式快速區分人類創作與機器創作。通過建立人工智能生成作品的版權登記系統，公眾能夠迅速獲取作品的權屬、保護期限及流轉信息，從而解決人工智能生成作品可能出現的孤兒作品權屬不明的問題。這將提高審查效率，確保線上作品交易的安全性，既保護了作者的版權，又不剝奪權利人通過作品獲得的市場經濟利益。在現有版權自愿登記原則的基礎上，可以引入針對人工智能新技術生成作品的軟法登記制度。此外，出版者的透明度義務還可以幫助篩查潛在的版權侵權風險，并提供糾錯機制。人工智能生成的作品存在版權侵權的風險，用戶可以根據作品的版權登記信息及時反饋錯誤或侵權內容給出版者。出版者則可以根據這些反饋采取刪除、屏蔽或斷開鏈接等措施，從而有效篩選內容并降低版權侵權的風險。

（三）法定許可與合理使用制度破解版權侵權難題

在版權法體系中，是否需要獲得權利人許可和支付費用，通常會形成三種作品使用規則。一是需獲得著作權人授權許可并支付費用（事先授權制度）；二是無需著作權人授權許可但仍需付費（法定許可制度）；三是既無需著作權人授權許可，也無需付費（合理使用制度）。傳統的事先授權制度要求人工智能獲取的海量數據作品必須逐一獲得著作權人的授權許可。這種制度通常伴隨著巨大的交易成本和低效的使用過程，可能不利于社會福利的增長，并阻礙新技術的發展。鑒于此，在新質生產力賦能出版業的背景下，為提升新技術生成作品的效率，降低出版交易成本，可以考慮引入過渡階段模式和最終階段模式。這包括在機器學習處理數據的相關行為中，增設法定許可制度和合理使用制度，以應對傳統事先授權制度的局限性。

1.過渡階段模式：增設法定許可制度

如果出版者和二次創作者需要逐一獲得眾多著作權人的授權許可并支付費用才能使用人工智能進行機器學習，這將會產生巨額的談判成本和使用成本。法定許可制度為解決這一問題提供了關鍵途徑，其合理性主要體現在兩個方面。

一方面，從立法論的角度看，法定許可制度是版權法中權利限制的一個重要組成部分。在這一制度的保護下，出版者和二次創作者可以在不需要逐一獲得著作權人授權的情況下，利用新技術進行機器學習和數據挖掘，只需支付相應的報酬即可享受侵權豁免。法定許可制度遵循的是“效率優先”的法律價值，旨在克服新技術的使用與作者專有權的保護之間的矛盾。法定許可制度的目標是限制作者的專有權，防止著作權人因無法獲得合理報酬而拒絕他人使用其作品，從而保障出版者和二次創作者在使用人工智能時的權益。同時，使用者向著作權人支付對價，也符合激勵著作權人繼續創作的理念。因此，增設機器學習訓練數據的法定許可條款，為人工智能技術的使用者和被使用作品的作者提供了雙贏的局面。

另一方面，法定許可制度符合“效率優先”價值理念。法定許可制度允許出版者和二次創作者在使用人工智能技術獲取數據后再支付報酬，從而跳過使用者與著作權人之間的談判環節，提高了作品的使用和傳播效率。此外，法定許可制度還允許出版者和二次創作者向著作權集體管理組織繳納許可費，而無需直接獲得著作權人的授權。這意味著，使用人工智能獲取數據的過程不必與著作權人就許可費率進行討價還價，也不必擔心著作權人拒絕作品使用而影響數據復制。這種做法顯著降低了人工智能等新技術在復制和使用數據方面的交易成本，從而提升了技術應用的效率。值得注意的是，新技術對既有作品的使用是否適用法定許可制度也是一個重要問題。在19世紀，許多國家在自動鋼琴版權案件中探討了這一問題，特別是復制權是否包括音樂卷軸制造的問題。33該案件中，美國、德國等國家普遍承認了機械復制權，并在本國法律中規定音樂作品的機械復制（即新技術復制他人作品）適用法定許可。342023年8月23日，美國國會圖書館和版權局展開了征求意見活動，考慮是否將人工智能等新技術的作品復制行為納入法定許可范圍。35上述國家支持增設法定許可制度，以降低著作權人對人工智能使用其作品的抵觸情緒，平衡著作權人與出版社、使用者之間的利益，從而提升人工智能等新技術對他人作品使用的效率。

2.最終階段模式：引入合理使用制度

新質生產力賦能出版業的合理使用問題，其最終解決路徑是增設合理使用制度。增設合理使用制度能夠有效解決人工智能機器學習中的版權問題，在技術、經濟和法理三個層面上具有可行性。首先，從技術層面來看，合理使用制度可以提升機器學習作品的數量和質量，促進人工智能、算法、大數據等技術的發展。如果人工智能等新技術生成的作品需要逐一獲得授權許可，則機器學習將傾向于選擇處于公有領域、已過保護期限、易于獲得或質量較低的數據。36這些數據可能因時代局限性而帶有偏見，如種族差別和地域隔閡，從而引發算法偏見。37其次，從經濟層面來看，合理使用可免除人工智能等新技術生成作品的交易費用，減少新技術發展成本，降低中小型出版企業的市場準入門檻，增加社會福利。合理使用作為違法阻卻事由，允許作品的使用者和出版者在不需獲得著作權人授權許可的情況下免費使用作品。交易成本、市場準入和社會福利等因素通常用于解釋合理使用的經濟合理性。38最后，從法理層面來看，將合理使用制度引入出版業中的人工智能應用，彰顯了“公平優先”的價值理念。39如果人工智能等技術生成的作品所運用的機器學習、文本和數據挖掘具有“轉換性使用”，則可判定為合理使用。在美國的谷歌圖書館系列案件中，機器學習圖書資料的復制、清洗、分析和處理行為被法院認定為具有轉換性，最終被判定為合理使用，從而解決圖書版權糾紛。40 2018年日本修訂后的《著作權法》第30—4條、第47—4條和第47—5條規定，在必要限度內，商業目的與非商業目的的文本與數據挖掘均屬合理使用。41

合理使用制度的增設與人工智能機器學習的各個階段密切相關。人工智能機器學習的過程可以分為輸入階段、訓練階段和輸出階段。首先，輸入階段主要涉及通過網絡爬蟲、算法和API接口等數字化技術獲取數據，并對其進行清洗。在這一階段，人工智能機器學習獲取的數據不僅包括公有領域的作品，也包括尚在保護期內的作品。這些海量數據需要轉碼為結構化數據，通過轉碼對數據進行清洗、修改或刪除，最終匯總成數據集。上述獲取、清洗、轉碼、修改、刪除、匯總等行為可能涉及對復制權、改編權、翻譯權和匯編權的侵犯。其次，訓練階段是將清洗后的數據應用到算法模型中進行處理，包括數據的拆分和合并，以發現數據之間的關系。在這一階段，可能會侵犯匯編權和保護作品完整權。最后，輸出階段是指人工智能在數據訓練的基礎上接收指令，生成并輸出內容。這些內容可以是文字、聲音、圖片或視頻等，通常以數字化形式呈現在互聯網上。輸出的內容可能與訓練數據中的作品表達相同或不同，這可能涉及對著作權人的復制權、改編權和信息網絡傳播權的侵犯。

本文認為，人工智能機器學習是否構成合理使用，取決于機器學習的階段和輸出結果的形式。在輸入階段和訓練階段，作品數據的使用行為可以視為合理使用，不構成版權侵權。輸出階段中，需根據輸出結果的兩種不同情形進行分類判定。一種情形是，輸出結果若是非表達性內容，構成合理使用。另外一種情形是，輸出結果若是表達性內容，且與原作品構成實質性相似，則輸出的結果原則上構成版權侵權，除非其符合“轉換性使用”。

一方面，輸入階段和訓練階段涉及的數據使用行為屬于合理使用。在這兩個階段，作品數據被用作工具或數據，并沒有輸出具體的表達內容。數據在此階段經過獲取、清洗、刪除、修正和匯編等處理，作為“技術性使用”的一部分進行操作。由于這些行為未生成替代原作品的內容，社會公眾無法接觸這些處理過的數據，且這些操作不會影響原作品的正常使用，也不會損害著作權人的市場利益。因此，將輸入階段和訓練階段的作品使用行為納入合理使用范疇，從而豁免人工智能機器學習過程中對作品的復制、改編、匯編和翻譯等行為的版權責任，是合理且正當的。

另一方面，在輸出階段，內容的輸出結果對合理使用的判定具有重要影響。第一，如果人工智能機器學習的輸出內容僅提取了作品中的有價值事實或思想，而非直接再現作品的表達形式，則此類行為應視為合理使用，不構成版權侵權。例如，如果人工智能在創作過程中僅模仿某位詩人的創作風格，通過大數據處理生成與該詩人風格相似但表達不同的文字作品，這些作品的創作風格和場景要素屬于事實或思想范疇。根據“思想與表達二分法”，對作品思想的模仿使用不構成版權侵權。版權主要保護作者對表達型內容的使用與傳播。誠如著名學者賽格教授（Matthew Sag）所言，非表達型內容使用屬于合理使用。42第二，如果人工智能機器學習的輸出內容屬于表達型內容，即具有獨創性的表達，并且該輸出內容與現有作品構成實質性相似，則通常構成版權侵權。人工智能生成的表達性內容可能包含他人作品的表達元素，依據“接觸+實質性相似”規則，這類輸出內容應被視為侵權行為。如果將這些實質性相似的輸出內容認定為合理使用，可能會導致對人工智能生成作品的過度保護，這不僅可能削弱創作者的創作積極性，還可能不利于著作權人的合法權益保護。第三，如果人工智能機器學習的輸出內容是表達型內容，但這些輸出內容引入了與原作品不同的新功能、新用途或新表達方式，并且沒有對原作品的著作權市場產生替代作用，則此類內容構成合理使用，不侵犯版權。在這種情況下，人工智能生成的輸出內容可被視為“轉換性使用”。例如，在“谷歌圖書計劃”案件中，盡管谷歌大規模復制現有圖書的行為超出了傳統的合理使用界限，但美國法院仍認定這一行為屬于合理使用，因為谷歌圖書的復制和傳播為原圖書提供了新的功能和用途。43在2015年的《黑貓警長》動漫糾紛案中，我國法院也首次引入了轉換性使用的概念。44綜上所述，在新質生產力時代，對人工智能等新技術使用的版權侵權判定應采取“謙抑性”態度，以鼓勵和支持前沿技術的快速發展。人工智能生成作品的轉換性使用為機器學習中的作品使用提供了合法性依據，有助于激勵出版創新，并應對出版數字市場交易失靈的風險。

四、結語

新質生產力通過技術創新創造新的價值，通過數據要素強化出版業各環節的動能，推動出版業與技術的深度融合，實現生態友好和經濟高效的綠色發展，并協同打造國內外出版業雙循環的開放格局。然而，新質生產力帶來的技術變革也導致出版行業面臨若干新的法律問題，如出版勞動者技術性失業糾紛、海量人工智能生成作品的權屬不明，以及機器學習使用作品時的版權侵權風險等。這些問題是出版業必須面對的技術挑戰、時代課題，也是中國特有的問題。面對人工智能、算法等技術的迅猛發展，出版業不應固守傳統，擔心侵權而排斥新技術，而應積極借助技術浪潮推動產業升級，實現高質量發展。未來的研究應重點關注幾個方向：首先，深入探討人工智能生成作品的版權歸屬問題，特別是在數據驅動和機器學習的背景下，如何明確界定原創性和版權歸屬。其次，研究應著眼于通過立法和政策調整，減輕新技術帶來的社會影響，特別是如何幫助出版勞動者適應技術變革并為其提供再就業機會。此外，還應進一步評估全球出版市場在技術創新與版權保護之間的平衡，尤其是如何在國際版權合作框架內解決跨國版權侵權問題。

The Theoretical Explanation， Legal Dilemmas， and Solutions to Empowering the Publishing Industry with New Productive Forces

Abstract： Technological advancements in the new quality of productive forces have reshaped the publishing industry， fostering innovation in formats， dynamics， and modules， while fundamentally transforming its development model. The new productive forces in the publishing industry are primarily manifested in five aspects： technology， elements， integration， green development， and openness. As the publishing industry strives for high-quality development， the rise of new productive forces brings with it a series of new legal challenges， including disputes over technical unemployment for publishing workers， ownership disputes over works generated by new technologies， and copyright infringement risks brought about by machine learning. To address these emerging legal issues， the following strategies should be implemented： First， improving labor law provisions， compensating workers through technology taxes， and fostering innovation talent in the publishing industry to alleviate the unemployment crisis faced by publishing workers； second， introducing transparency obligations to address ownership issues of works generated by new technologies； and third， establishing a statutory licensing system and a fair use system to resolve copyright infringement issues arising from machine learning.

Keywords： Technical Unemployment； Transparency Obligations； Machine Learning； AI-generated Works； Statutory License； Fair Use

1. 參見蔡琳、楊廣軍：《人工智能生成內容（AIGC）的作品認定困境與可版權性標準構建》，載《出版發行研究》2024年第1期，第67-74頁。

2. 參見王遷：《三論人工智能生成的內容在著作權法中的定位》，載《法商研究》2024年第3期，第182-200頁。

3. 參見李曉宇：《元宇宙下賽博人創作數字產品的可版權性》，載《知識產權》2022年第7期，第20-46頁。

4. 參見李健：《出版視域下生成式人工智能創作物的權利歸屬與制度應對》，載《出版發行研究》2023年第3期，第41-47頁。

5. 參見肖延兵、余朔：《生成式人工智能賦能學術出版應用場景探討》，載《中國出版》2024年第7期，第27-34頁。

6. Charles I. Jones Christopher Tonetti.Nonrivalry and the Economics of Data， American Economic Review， Vol.110：9， pp.2819-2858（2020）.

7. 參見尹西明、陳勁、王冠：《場景驅動：面向新質生產力的數據要素市場化配置新機制》，載《社會科學輯刊》2024年第3期，第178-188頁。

8. 參見王雪凝：《激活數據要素潛能驅動醫學教育數字出版創新發展》，載《科技與出版》2022年第11期，第61-66頁。

9. 參見張立科：《擔負新的文化使命：推進出版深度融合發展的思考與實踐》，載《中國編輯》2024年第4期，第16-21頁。

10. 參見張新新、周姝伶：《新質生產力推動全媒體出版傳播體系構建——推動出版深度融合發展的新要素新動能新路徑》，載《中國編輯》2024年第6期，第11-20頁。

11. 參見楊旦修、王雨詩：《數字出版產業的增值：數據挖掘與算法應用的發展取向》，載《中國編輯》2023年第5期，第34-39+46頁。

12. 參見萬安倫、王金英：《出版學：大交叉大融合的新文科》，載《出版發行研究》2024年第3期，第12-18頁。

13. 參見方卿、丁靖佳：《出版業高質量發展目標之綠色發展——出版業綠色發展指標體系構建》，載《編輯之友》2024年第4期，第19-27頁。

14. Alondra Nelson，Ensuring Free， Immediate， and Equitable Access to Federally Funded Research，https：//libguides.library.cpp. edu/c.php？g=1026882p=9568088， last visited on December 2， 2024.

15. 參見閆冬傲、陳方：《國外學術出版機構開放科學實踐對比分析及啟示》，載《中國科技期刊研究》2024年第1期，第17-24頁。

16. 參見湯雪梅、楊春蘭：《2023—2024年中國出版業發展報告》，載《出版發行研究》2024年第7期，第10-11頁。

17. 參見邢頤、馬萌：《人工智能視域下的學術出版：流程革新、發展困境與優化策略》，載《中國出版》2024年第13期，第38頁。

18. 喬沐：《數智賦能出版業 構建數字出版新圖景》，http：//szjj.china.com.cn/2024-07/22/content_42868899.html，最后訪問日期：2024年12月16日。

19. 參見北京互聯網法院2023年度十大典型案件（2023）京0491民初11279號。

20. 參見姚鶴徽：《智能時代出版者版權風險與防范之策》，載《編輯之友》2023年第4期，第84-89頁。

21. Authors Guild v. Google， Inc.， 804 F.3d 202 （2d Cir. 2015）.

22. Fox News Network， LLC v. TVEyes， Inc.， 883 F.3d 169 （2d Cir. 2018） .

23. 參見劉曉春：《生成式人工智能數據訓練中的“非作品性使用”及其合法性證成》，載《法學論壇》2024年第3期，第67-78頁。

24. 參見北京市高級人民法院民事判決書（2022）京民再62號。

25. Sushila ChananaVanessa K. Ing，Thomson Reuters v. Ross Intelligence’： AI Copyright Law and Fair Use onTrial，https：//www.law.com/therecorder/2023/12/15/thomson-reuters-v-ross-intelligence-ai-copyright-law-and-fair-use-ontrial/？slreturn=2024120255519， last visited on December 2， 2024.

26. 參見張平：《人工智能生成內容著作權合法性的制度難題及其解決路徑》，載《法律科學》2024年第3期，第18-31頁。

27. Harold Demsetz， Toward a Theory of Property Rights II： The Competition between Private and Collective Ownership， The Journal of Legal Studies， Vol13：2， pp.653-672（2002）.

28. 參見李曉宇：《“元宇宙”下虛擬數據作品的著作權擴張及限制》，載《法治研究》2022年第2期，第15-24頁。

29. Alain Strowel，Reconstructing the Reproduction and the Communication to the Public Rights： How to Align Copyright with Its Fundamentals， in P. Bernt Hugenholtz ed.， Copyright Reconstructed： Rethinking Copyright’s Economic Rights in a Time of Highly Dynamic Technological and Economic Change， Kluwer Law International， 2018， pp.203-240.

30. European Parliament， Texts Adopted：Artificial Intelligence Act（2024）.

31. 國務院辦公廳已將“預備提請全國人大常委會審議人工智能法草案”列入2023年5月31日印發的《國務院2023年度立法工作計劃》。

32. 參見劉文杰：《何以透明，以何透明：人工智能法透明度規則之構建》，載《比較法研究》2024年第2期，第120-134頁。

33. Claudy Op den Kamp Dan Hunter， A History of Intellectual Property： In 50 Objects，Cambridge University Press. 2019， p.153.

34. 參見李安：《機器學習的版權規則：歷史啟示與當代方案》，載《環球法律評論》2023年第6期，第97-113頁。

35. The U.S. Copyright Office， Library of Congress， Artificial Intelligence and Copyright： Notice of Inquiry and Request for Comments， Clause 10.3， https：//www.federalregister.gov/documents/2023/08/30/2023-18624/artificial-intelligence-andcopyright， last visited on December 2， 2024.

36. Andres Guadamuz， A Scanner Darkly： Copyright Liability and Exceptions in Artificial Intelligence Inputs and Output， GRUR International，Vol.73：2， pp.111–127（2024）.

37. Amanda Levendowski， How Copyright Law Can Fix Artificial Intelligence’s Implicit Bias Problem， Washington Law Review， Vol.93：2， pp.579-630（2008）.

38. Wendy Jane， Gordon.Fair Use as Market Failure： A Structural and Economic Analysis of the Betamax Case and Its Predecessors， Columbia Law Review， Vol.82：8， pp.1600-1657（1982）.

39. 參見孫山、張雯雯：《生成式人工智能預訓練中權利限制制度的選擇與建構》，載《科技與出版》2024年第7期，第6-15頁。

40. Pamela Samuelson，Text and Data Mining of In-Copyright Works：Is It Legal？ Communications of the ACM， Vol.64：11， pp.20-22（2021）.

41. Tatsuhiro Ueno， The Flexible Copyright Exception for \"Non-Enjoyment\" Purposes-Recent Amendment in Japan and Its Implicatio， GRUR International， Vol.70：2， pp.145-152（2021）.

42. Matthew Sag， Copyright Safety for Generative A， Houston Law Review， Vol.61：2， pp.101-109（2023）.

43. Authors Guild， Inc.v.Google Inc.954 F.Supp.2d 282 （S.D.N.Y.2013） .

44. 參見上海知識產權法院（2015）滬知民終字第730號民事判決書。