文生圖像類人工智能對知識產權的侵犯風險及治理路徑

[摘 要]以Sora、Midjourney、Stable Diffusion為代表的文生圖像類人工智能的多元應用，賦予人工智能生成圖像訓練數據侵權、版權沖突、知識產權定位等問題新的討論意蘊。文生圖像類人工智能涉及的知識產權侵犯風險包括訓練數據構成潛在侵權、知識產權歸屬尚未明晰、商業應用擴大侵權規模三個方面。通過強化圖像的獨特性與可溯源性、完善侵權責任認定與承擔規制、增進行業自律與版權知識普及等治理手段，可有效治理前述知識產權侵犯風險，共同推動文生圖像類人工智能的合規、高效與可持續發展。

[關鍵詞]文生圖像類人工智能；知識產權；版權歸屬；風險治理

[中圖分類號]F204 [文獻標識碼]A [文章編號]1671-8372（2024）04-0095-09

Risks of intellectual property infringement in AI for Text-to-Image Generation and governance approaches

GUO Yan-long1，2，LI Meng2，ZHU Ye-lin3

（1. School of Art，Xinjiang Hetian College，Hetian 848000，China；2. School of Art，Anhui University，Hefei 230601，China；3. School of Information Management，Wuhan University，Wuhan 430072，China）

Abstract：The diverse applications of AI for Text-to-Image Generation，represented by Sora，Midjourney，and Stable Diffusion，have brought new perspectives to discussions about issues such as training data infringement，copyright conflicts，and the positioning of intellectual property. The intellectual property risks associated with AI for Text-to-Image Generation include potential infringement in the composition of training data，unclear attribution of intellectual property rights，and the expansion of infringement through commercial applications. To effectively address these risks，measures such as enhancing the uniqueness and traceability of images，improving the regulation of infringement liability and responsibility，and promoting industry self-regulation and copyright awareness can help foster the compliant，efficient，and sustainable development of AI for Text-to-Image Generation.

Key words：AI for Text-to-Image Generation；intellectual property rights；ownership of copyright；risk management

一、引言

自ChatGPT以文衍文，至Midjourney以文生圖，再到Runway、Pika、Sora以文生視頻，人工智能的工具能力日益延展。如果說ChatGPT的發布揭開了通用人工智能時代的帷幕，那么以Sora、Midjourney、Stable Diffusion為代表的文生圖像類人工智能（Text-to-Image AI）的推出，不僅重塑了內容創作的邊界，為藝術創作、設計創新乃至信息傳播帶來了前所未有的變革，也意味著人工智能的理解能力與生成能力得到了質的飛躍[1]。文生圖像類人工智能使人類的創作方式產生改變，而此改變必將對激勵與尊重人類創造力的知識產權體系提出挑戰。自長遠觀之，知識產權體系何以應對此類挑戰，或將對生成式人工智能系統的演進軌跡，乃至未來人類的創造圖景產生深遠影響。

于此演進過程中，文生圖像類人工智能需深度學習、處理與分析海量既有作品，進而生成既真切又富有想象力的圖像內容。文生圖像類人工智能雖極大降低了圖像創作的技術門檻與經濟成本，然亦使原創與摹制的界限趨于模糊，對傳統基于“人類創作”構建的知識產權保護體系造成潛在侵犯風險[2]。此外，人工智能生成的圖像作品亦有遭受侵權的情況。例如北京互聯網法院所裁“AI文生圖”著作權侵權案中，原告李某使用開源軟件Stable Diffusion生成涉案圖片，并在社交平臺上發布時明確標注“AI插畫”“AI繪畫”等標簽。隨后，此圖被劉某用作詩文配圖發布，且未帶署名水印。李某認為其署名權與信息網絡傳播權遭受侵犯，遂訴至法院。法院終裁劉某構成侵權，判令其向李某書面致歉，并賠償損失。本案中，Stable Diffusion生成的圖片未經授權而被擅用，遂致知識產權糾紛。此凸顯文生圖像類人工智能在應用過程中亟須解決的核心法律問題，亦是目前諸多國家面臨的共同難題[3]。如何界定由算法生成的圖像作品的原創性？其創作過程中可能涉及的版權、商標權乃至肖像權等知識產權侵權風險又應如何評估與防范？

當下，知識產權遭受生成式人工智能工具侵犯的風險隱患是普遍存在的，且相關探討已經較多。蔡琳等認為，為了清晰界定生成式人工智能著作權法中的保護路徑，并為其出版、發行與商業交易等新興版權形態提供制度框架與支撐，應加速立法進程，重新構建著作權法中的作品分類體系，并增設生成式人工智能“作品”作為法定類別[4]。徐小奔等認為，在維持生成式人工智能工具屬性的前提下，遵循“技術中立”原則，為生成式人工智能服務供應商設定恰當的版權注意事項[5]。張吉豫等認為，著作權法在人工智能時代必須主動適應技術發展趨勢，構建與當前社會產業發展相契合的合理使用規范[6]。然而這些討論多以宏觀視角聚焦于生成式人工智能生成文本的可版權性、著作權倫理等領域，缺少對于“文生圖像”的針對性探討。有鑒于此，本文旨在深入剖析文生圖像類人工智能的概念內核、運行機理及其生成內容的獨特屬性，進而從技術革新、法律規制與社會審視三個維度剖析文生圖像類人工智能引發的知識產權侵犯風險，并探索構建適應智能時代需求的知識產權保護新路徑，以期在鼓勵創新與保障權益之間尋得平衡。

二、文生圖像類人工智能的理論邏輯及其生成內容特征

（一）文生圖像類人工智能的界定

從廣義概念來說，圖像包括靜態圖片與動態影像。靜態圖片是圖像在某時刻的靜態呈現，而動態影像則是圖像在時間維度上的連續展示，兩者共同構成了人類對世界的視覺感知和認知體系。美國視覺研究領域杰出的理論家W. J. T. 米切爾（W. J. T. Mitchel）在其著作《圖像理論》（The Theory of Images）中，對圖像的概念進行了廣泛的探討。米切爾認為，圖像不僅是視覺的再現，更是文化、權力和知識的載體[7]。他將圖像視為傳遞和構建意義的“媒介”，而影像作為動態的圖像形式，同樣具備這種能力。

以Sora、Midjourney、Stable Diffusion為代表的文生圖像類人工智能并非自然發展的產物，亦非純粹思辨的結果，而是時代發展和科技進步的產物。文生圖像類人工智能借以深度學習算法，特別是生成對抗網絡（GANs）及其衍生模型的優化，使得智能機器能夠厘析人類輸入的文本描述，生成與之相契合、富有創意與視覺魅力的圖像[8]。具體而言，此項技術不同于此前單一的文本至文本的轉換，而是開始探索與圖片、視頻輸出模態的交互與融合，使用者輸入文字和語言指令，便可自動生成所需的圖片和視頻[9]。例如OpenAI的DALL·E能夠根據用戶輸入的文本描述生成與之相匹配的圖像內容。DALL·E生成的圖像不僅具有高度的真實性和多樣性，亦可實現跨模態的創意融合，使用者可將不同風格的圖像元素進行組合和拼接，進而生成全新的圖像作品。這彰顯了其在處理與理解復雜視覺信息方面的卓越能力，更預示著文生圖像類人工智能在廣告、影視等創意產業的廣泛普及與深度融合[10]。在傳統模式下，影視制作與廣告營銷高度依賴人工操作，耗時長、成本高，且對創意與資源的要求極為苛刻。然而，文生圖像類人工智能的發展為這些行業帶來機遇與變革，其能夠基于數據分析，理解目標受眾的偏好與需求，從而生成符合市場趨勢與品牌調性的圖像內容。這種基于數據驅動的創意生產方式，既提升了廣告的傳播效果，亦為市場營銷策略的制定提供了更為科學的依據。企業能夠借此技術優化資源配置，加速內容產出，提升市場競爭力。

總體而言，文生圖像類人工智能作為人工智能領域的一項前沿技術，為人類探索和理解圖像與語言之間的復雜關系提供了新的視角和工具。然而伴隨技術的不斷進步和應用場景的相繼拓展，其中蘊含的潛在風險和現實挑戰亦相繼顯現，為更有效引導文生圖像類人工智能服務于經濟社會發展與創意產業升級，深入剖析文生圖像類人工智能的內在運行機理尤為重要。

（二）文生圖像類人工智能的運行機理

由文生圖像類人工智能的界定可知，Sora、Midjourney、Stable Diffusion等文生圖像類人工智能是一種將文字描述轉換成圖片、影像內容的技術，其依托于深度學習機制與網絡學習技術，探賾文字描述和圖像內容之間復雜而微妙的映射關系，進而生成具有良好視覺效果的圖像作品[11]。其運行機理主要表現在文本輸入與處理、文本編碼與特征提取、多模態融合與圖像生成以及圖像優化與輸出四個方面。

一是文本輸入與處理。作為整個流程的起點，文本輸入與處理涉及深度語言理解、信息提取與結構化技術挑戰。文生圖像類人工智能的文本輸入具有多樣性，這種多樣性不僅體現在語言種類上，如中文、英文、法文等多語種的支持，亦體現在文本內容的豐富性上，包括描摹物態、敘述故事、抒發情感、引述術語等。為應對文本輸入的多樣性，系統須具備強大的文本解析能力，能夠精準辨識并解析不同語言、不同風格以及包含特殊符號的文本輸入。這通常涉及自然語言處理中的分詞、詞性標注、命名實體識別等預處理技術。在解析過程中，系統還會進行文本清洗，剔除冗余的噪聲數據，如標點符號、空格等，以及糾正明顯的拼寫和語法錯誤，為后續的處理提供干凈、有序的數據基礎。繼而，文本處理環節深入到文本的語義層面。經過清洗的文本需被轉譯為計算機能夠理解的數值向量。此過程不再停留于字面解析，而是深入文本的深層含義。現代技術通常采用預訓練的語言模型，如BERT、GPT等對文本進行轉譯。這些模型通過在大規模語料庫上的訓練，能夠捕捉詞匯之間的語義關系和上下文信息，生成富含意蘊的文本向量。

二是文本編碼與特征提取。文本編碼是文本到圖像映射的關鍵環節之一。傳統的文本編碼方法如詞袋模型（Bag of Words，BoW）、TF-IDF等雖簡單易行，然卻存在維度災難、語義鴻溝等弊端，難以準確表達文本中的語義信息。隨著深度學習技術的發展，基于神經網絡的文本編碼方法逐漸成為主流[12]。特征提取則是從編碼后的文本向量中挖掘出對圖像生成有用的關鍵信息的過程。特征提取的目的在于將文本中的抽象概念、情感色彩、關鍵信息等，轉化為圖像生成算法能夠理解和利用的具體參數或指令。此過程需借助多種技術手段，如注意力機制、知識圖譜等。其中，注意力機制能夠幫助模型在文本編碼過程中關注那些對圖像生成至關重要的部分。知識圖譜則能夠將文本中的概念、實體和關系映射到一個結構化的知識庫中，為圖像生成提供豐富的背景信息和上下文支持。

三是多模態融合與圖像生成。多模態融合是指將來自不同傳感器、不同模態的信息進行整合的一項技術。在文生圖像領域，多模態融合關注如何將文本描述與圖像生成過程相結合。為了實現文本與圖像之間的有效關聯，需要進行跨模態對齊與融合。這包括將文本向量與圖像特征進行匹配、拼接或利用注意力機制進行融合，以確保生成的圖像能夠準確反映文本描述的意圖和細節。圖像生成是文生圖像類人工智能的核心環節，負責將文本描述轉化為具體的視覺內容。為實現高質量的圖像生成，系統通常會采用生成對抗網絡、變分自編碼器等生成模型。這些模型通過在大規模數據集上進行訓練，學習如何根據輸入的文本描述來生成與之對應的圖像。在生成過程中，模型會不斷迭代和優化，以產生更加逼真、更加符合文本描述的圖像。為了提升圖像生成的多樣性和創新性，系統還會采用一些特殊的技術手段，如隨機噪聲的引入、條件約束的放寬等。這些手段使得生成的圖像在保持與文本描述一致性的同時，能夠展現出獨特的風格和創意[13]。

四是圖像優化與輸出。在文生圖像類人工智能運行機理中，圖像優化與輸出決定了最終生成圖像的質量與適用性。圖像優化是一個綜合性的過程，涵蓋多方面的調整與改善。首先，色彩管理是關鍵，通過校正圖像的色彩平衡、對比度和飽和度，確保圖像在不同顯示設備上都能呈現一致且自然的色彩效果。其次，壓縮技術被廣泛用于減少圖像文件的大小，同時盡量保持視覺質量的可接受水平。常見的壓縮方法包括有損壓縮（如JPEG）和無損壓縮（如PNG、GIF），選擇何種方式取決于圖像類型、所需質量及最終用途。圖像輸出的過程是將優化后的圖像以符合需求的形式呈現出來的最后一步。這包括選擇合適的文件格式、分辨率和色彩模式。文件格式的選擇應基于圖像的用途和受眾設備，例如，對于網頁圖像，通常會選擇JPEG或WebP格式以優化加載速度。分辨率的設置同樣重要，其決定了圖像在不同尺寸下的清晰度，需要根據最終顯示或打印設備的分辨率來合理設置。在圖像輸出時，需注意色彩空間的轉換。不同的顯示設備和打印設備支持不同的色彩空間，為了確保圖像在不同環境下都能呈現準確的色彩，需要在輸出前將圖像的色彩空間轉換為與目標設備相匹配的格式。例如，對于Web圖像，通常會將其從廣色域色彩空間（如Adobe RGB）轉換為sRGB色彩空間，以確保在大多數瀏覽器和顯示器上能正確顯示。

（三）文生圖像類人工智能的生成內容特征

不同于文生文類人工智能，文生圖像類人工智能主要基于圖像生成技術，將文本描述轉換為具體的圖片與影像內容，實現從描述性文字到視覺圖像的跨越。其生成內容深刻而多維，更在技術與藝術的融合中探索著新的可能性。文生圖像類人工智能生成內容的特征主要表現在三個方面。

一是卓越的多樣性與創新性。文生圖像類人工智能生成內容的多樣性不僅體現在圖像類型的廣泛覆蓋，如風景畫、肖像畫、建筑設計圖、流程圖乃至復雜的視頻制作、廣告營銷等，更在于其能夠捕捉并再現人類創作中的細膩情感和獨特視角。在傳統意義上，圖像的創作依賴于藝術家與設計師的靈感、技藝與耗時良久的創作。而今，通過文生圖像類人工智能，僅需簡短的文本描述，便可激發人工智能的創造力，進而生成風格迥異、富有表現力的圖像作品。在創新性方面，文生圖像類人工智能在內容創作上不受傳統創作規范的束縛，能夠融合多種藝術風格和元素，創造出嶄新的圖像樣式[14]。例如，利用Midjourney這樣的文生圖像類人工智能，用戶通過輸入特定的風格化命令，便可輕松生成具有較高水準的作品。這些作品在保留原始文本描述的精神內核的同時，拓展圖像創作的邊界，可以在視覺上呈現出令人贊嘆的創意和美感。

二是高度的智能化與個性化。智能化主要體現在文生圖像類人工智能對海量數據的深度學習與理解上。文生圖像類人工智能通過分析海量的文本、圖像數據，掌握了人類創作的規律和技巧，從而能夠生成高質量、符合人類審美需求的圖像內容。同時，隨著技術的不斷進步，文生圖像類人工智能還能夠根據用戶反饋進行自我優化和迭代，以提升生成內容的質量和多樣性。個性化則是文生圖類人工智能生成內容的另一大亮點。傳統層面的內容創作常受限于創作者的個人經驗與想象力，而文生圖像類人工智能則能夠根據不同用戶的需求和偏好，生成個性化的圖像內容。無論是商業廣告、個人定制藝術品抑或教育課件插圖，文生圖像類人工智能均能根據用戶具體要求進行靈活調整與優化，滿足用戶的個性化需求[15]。值得注意的是，雖然上述的智能化與個性化特征源于人類提供的數據和算法模型，但文生圖像類人工智能通過深度學習和自我優化，已能夠在一定程度上超越人類的預設框架，創造出令人意想不到的圖像作品。此種超越體現了人工智能在內容創作上的潛力和價值，同時引發了人們對于人工智能和人類創造力之間關系的深刻審思。

三是良好的細節表現力。通過深度學習算法和海量訓練數據，文生圖像類人工智能能夠捕捉到圖像中的細微之處，包括色彩、光影、紋理等，從而生成仿真度高、細節豐富的圖像。文生圖像類人工智能注重圖像的整體結構和布局，更深入每處細節之中，通過精細的筆觸與色彩搭配，將圖像中的諸多元素刻畫得栩栩如生。無論是人物的表情、服飾的褶皺，還是景物的遠近層次、光影的明暗變化，都被賦予了鮮活的生命力。這種高精度和細節表現力，使得文生圖像類人工智能在多個領域具有廣泛的應用價值[16]。例如，在影視制作中，文生圖像類人工智能可以生成高質量的特效場景和角色模型。在游戲開發中，可以創建出逼真的游戲場景和角色形象。在建筑設計領域，可以生成詳細的建筑設計圖紙和效果圖。總而言之，文生圖像類人工智能在生成圖像的高精度與細節表現力方面展現出了非凡的實力和潛力。

三、文生圖像類人工智能對知識產權的侵犯風險

知識產權制度的核心在于通過賦予創新者對其創造成果的專有權激勵社會的創新活動。如若知識產權受到侵害，創新者的勞動成果可能輕易被他人無償使用或竊取，這將嚴重挫傷創新的積極性，阻礙社會整體的技術進步和經濟發展。在推動高質量發展的背景下，知識產權作為國家發展戰略性資源與國際競爭核心要素的作用日益凸顯。隨著文生圖像類人工智能服務的廣泛普及與應用，文生圖像類人工智能的訓練數據是否構成潛在侵權，生成內容的知識產權是否存在定位問題以及相關權屬爭議，正成為社會各界普遍關注的焦點問題。這一系列挑戰，不僅考驗著技術發展的倫理邊界，也促使人們重新審視并構建適應新時代需求的知識產權保護體系。

（一）訓練數據構成潛在侵權

雖從表面上看，文生圖像類人工智能展現出了一定的創造性，然究其本質，仍是基于對既有學習資源的深度重組與再現。由此，著名語言學家諾姆·喬姆斯基（Noam Chomsky）更是直接將人工智能對既有知識資產的非授權使用比喻為高科技領域的剽竊行為[17]。于此背景下，若研發機構在利用訓練數據進行人工智能訓練時，未能確保從訓練材料提供者那里獲得充分的法律授權，那么便極易觸發知識產權的爭議與糾紛。實際上，此類問題已在現實中出現。例如，Getty Images作為全球知名的圖片提供商，擁有大量圖片版權，其圖片通常用于創意、企業、媒體等多個領域。Stability AI則是一家人工智能公司，開發了名為Stable Diffusion的人工智能繪畫工具，此工具能夠根據文本提示生成圖像。Getty Images指控Stability AI未經許可，非法使用其網站上的數百萬張圖片作為訓練數據，這些圖片包括了Getty Images擁有或代表的版權作品，因此原告認為被告在英國的服務器上下載并使用了其圖片，構成侵權。

具體而言，訓練數據的潛在侵權問題主要體現在對原始數據知識產權的侵犯上。在人工智能模型的訓練過程中，往往需要海量的數據作為支撐，這些數據可能來源于網絡公開資源、商業數據庫，甚至是個人上傳的照片、視頻等。然而，并非所有數據都可無限制地用于訓練目的。許多數據背后隱藏著復雜的版權關系，如攝影作品的著作權、設計作品的版權，甚至是受保護的商標和專利信息。當人工智能開發者未經授權便將這些數據納入訓練集時，便可能侵犯原作者的知識產權，從而引發法律糾紛。這種侵權行為的隱蔽性在于，人工智能模型訓練過程往往是一個“黑箱”操作，普通用戶難以直接觀察到數據的使用情況。因此，即使數據提供者明確標注了版權信息或禁止商業使用的條款，亦可能因為技術屏障或法律意識淡薄而被忽視。此外，由于人工智能技術的快速發展，相關法律法規的滯后性也加劇了這一問題。現有的版權法體系主要基于傳統創作模式構建，對于人工智能訓練數據的版權歸屬、使用權限等問題尚未形成明確的規定，導致在實踐中難以有效界定侵權行為的邊界。

未經授權使用受版權保護的作品作為訓練數據，還可能導致一系列連鎖反應。首先，這種行為將削弱原作者的創作動力與市場競爭力。當創作者發現其作品無法在市場上獲得應有回報時，可能會減少創作投入或轉向其他領域，從而導致優秀作品的減少以及整個文化創意產業的萎縮。其次，這種行為會擾亂市場秩序和公平競爭原則。那些遵守法律、尊重版權的企業和個人在競爭中會處于不利地位，而侵權者則可借助他人成果快速獲得競爭優勢。這不僅會損害合法經營者的利益，還會破壞整個行業的健康發展。再次，這種侵權行為可能對文生圖像類人工智能的長遠發展產生負面影響。由于訓練數據的質量直接影響人工智能模型的性能和表現，若訓練數據中充斥大量的侵權內容，那么由此訓練出的模型也會存在潛在的法律風險。存在潛在法律風險的模型若被廣泛應用于實際場景中并產生侵權行為，將會損害原創作者的權益，并對人工智能技術的聲譽和可信度產生負面影響。由此將導致公眾對人工智能技術的質疑和擔憂加劇，進而阻礙人工智能技術的未來發展與應用。

（二）知識產權歸屬尚未明晰

傳統上，知識產權體系主要是圍繞人類創作活動而構建的，其核心在于保護創作者的獨創性表達和智力勞動成果。然而，文生圖像類人工智能的創作過程并非完全由人類主導，而是由人類與人工智能共同協作完成。文生圖像類人工智能生成的作品是否能受到知識產權保護？其又能否被視為法律意義上的“作者”？目前，已有一些機構對此問題明確表達立場。例如，《科學》雜志公開聲明，堅決不接受ChatGPT等人工智能工具作為學術論文的合著者或作者[18]。

《中華人民共和國著作權法》第3條規定，作品是指文學、藝術和科學領域內具有獨創性并能以一定形式表現的智力成果。然而，在文生圖像類人工智能中，圖像的生成高度依賴于人工智能模型，而模型的訓練又依賴于大量已有版權作品的數據。這導致生成的圖像在獨創性界定上存在模糊性[19]。一方面，用戶通過輸入獨特的文本描述和設置參數，對圖像生成過程進行了智力投入；另一方面，圖像的具體表現形式又是由人工智能模型基于已有數據自動生成的。這就導致文生圖像類人工智能生成的作品在知識產權歸屬問題上，既不能完全歸屬于人類創作者，也不能簡單地視為人工智能的“作品”。因此，如何界定這種混合了人類智力和機器智能的生成物的獨創性，成為確定知識產權歸屬的首要問題。

文生圖像類人工智能的知識產權歸屬問題，還涉及復雜的權利主體和利益分配爭議。首先，從權利主體的角度來看，文生圖像類人工智能的知識產權歸屬涉及多個主體。包括輸入文本描述的用戶、設計并優化人工智能模型的開發者以及可能涉及的第三方版權持有人，如訓練數據中包含的已有作品版權人。這些主體之間在權利歸屬問題上往往存在分歧和爭議。用戶可能認為自己通過輸入文本描述對生成圖像產生了重要影響，因此應享有相應的知識產權。而開發者則認為他們通過投入大量資源和精力進行算法開發和模型訓練，同樣對生成圖像作出了重要貢獻。第三方版權持有人則可能主張生成圖像中包含了其享有版權的元素，應享有相應的權利[20]。其次，從利益分配的角度來看，文生圖像類人工智能的知識產權歸屬問題涉及經濟利益的分配。在商業化應用中，生成圖像可能被用于各種商業活動，從而產生巨大的經濟收益。然而，由于知識產權歸屬問題尚未明晰，這些經濟收益的分配也變得異常困難。一方面，不同主體之間可能因權利歸屬問題而產生糾紛和訴訟；另一方面，即使權利歸屬問題得到解決，如何合理、公正地分配經濟收益亦是一個亟待解決的問題。

（三）商業應用擴大侵權規模

在商業語境下，文生圖像類人工智能的廣泛應用為創意產業注入了新的活力，但也悄然地擴大了對知識產權的侵犯規模。從市場需求角度來看，文生圖像類人工智能的快速發展滿足了商業領域對高質量、個性化視覺內容的迫切需求。廣告商、設計師、媒體機構等采用此技術，用以快速生成符合品牌調性和市場趨勢的圖像產品，從而吸引消費者的眼球。然而，這種高效的生產方式亦催生創意行業中“快餐文化”的顯現，即追求速度而忽視版權保護。在商業競爭的壓力下，部分企業或個人為節省成本，選擇直接復制、改編或未經授權使用他人的文生圖像作品[21]。這種行為不僅侵犯了原作者的創作權益，亦擾亂了市場的公平競爭秩序。隨著商業需求的不斷增長，這種侵權行為逐漸呈現出規模化、常態化的趨勢，給知識產權保護帶來前所未有的挑戰。

互聯網平臺在文生圖像作品的商業應用中扮演著重要角色，但由于在內容審核和版權保護方面存在不足，平臺為侵權作品提供了傳播渠道。例如，一位名為Chiara Biancheri的建筑師和圖形藝術家，在意大利熱那亞法院起訴意大利廣播電視公司（RAI）侵犯自己數字藝術作品The scent of the night的版權。案件中，RAI使用Midjourney對Chiara Biancheri的數字藝術作品進行二次創作，生成的侵權圖片作品不僅在線下布展時使用，還發布在RAI社交平臺上進行商業宣傳，吸引了大量點贊和轉發。由于社交媒體用戶眾多、傳播速度快，侵權圖片的擴散速度遠超傳統媒介，這無疑使得知識產權遭受侵犯的規模迅速擴大。初審法院認為RAI的行為具有商業屬性，裁定RAI侵犯了Chiara Biancheri的知識產權，判決賠償4萬歐元，同時要求刪除網站上的侵權內容。

更為復雜的是，文生圖像類人工智能的商業應用還涉及跨地域、跨文化的知識產權問題。隨著互聯網的普及和全球化進程的加速，人工智能生成的圖像可輕松跨越國界傳播。然而，不同國家和地區之間的知識產權法律存在差異甚至沖突，這使得跨國糾紛變得更加復雜和難以解決[22]。例如，美國版權局拒絕登記僅由純粹的機械過程而沒有人類作者“創造性”投入的情況下生成的圖像作品。而英國《版權、設計和專利法》規定，如果人工智能生成的圖像作品涉及復雜的指令過程，那么生成的圖像作品可以被認定由指令者創作。英國版權法對人工智能生成的圖像作品的“原創性”解釋相對靈活，允許在人工智能創作過程中存在一定程度的算法自主性和人類指令的結合，而美國版權法對人工智能生成圖像作品的“人類作者”要求更為嚴格。知識產權法律規定的差異給文生圖像類人工智能的商業應用帶來了極大的不確定性和風險。侵權者可以利用這些差異逃避法律制裁，從而進一步加劇了知識產權侵犯的規模性和影響范圍。

四、文生圖像類人工智能知識產權侵犯風險的治理路徑

文生圖像類人工智能具有十分廣闊的應用前景，亦可能帶來諸多現實侵權風險與法律挑戰。故此，在思考文生圖像類人工智能知識產權侵權風險的相關治理路徑時，應努力做到揚長避短、趨利避害，實現發展與規范并用。

（一）技術層面：強化圖像的獨特性與可溯源性

首先，圖像的獨特性是使其在眾多作品中脫穎而出的關鍵。在文生圖像類人工智能領域，獨特性往往依賴于先進的生成算法與豐富的數據集，而算法創新是推動圖像獨特性不斷提升的核心動力。傳統的生成對抗網絡通過讓“生成器”和“判別器”這兩個網絡相互競爭不斷優化圖像質量，但這種方法生成的圖像在細節上仍可能顯得單調或重復。因此，研究者們正致力于開發更加復雜和多樣化的生成模型，如StyleGAN、BigGAN等，這些模型能夠在保持圖像整體風格一致性的同時，通過調整內部參數實現更加細微和獨有的特征變化。同時，數據集的多樣性和質量也是影響圖像獨特性的重要因素。為了生成具有鮮明個性和風格的圖像，需要收集并整理來自不同領域、不同文化背景的豐富數據集。這些數據集應包含多樣化的圖像樣本，涵蓋不同光照條件、拍攝角度、情感表達等多種因素，以確保生成模型能夠學習到更加全面和豐富的圖像特征。在算法與數據的雙重驅動下，文生圖像作品的獨特性得到顯著提升。但是，獨特性并不等同于隨機性。一個優秀的圖像生成系統應在能夠保持圖像獨特性的同時，確保其在美學上的一致性和連貫性，從而滿足用戶對高質量圖像的需求。

其次，構建有效的可溯源性機制對于保護創作者權益、打擊知識產權侵犯行為具有重要意義。水印技術是一種傳統的可溯源性手段，其通過在圖像中嵌入不易察覺的標識信息，如數字簽名、時間戳等，可以在圖像被傳播和使用時追蹤來源和流轉路徑。然而，傳統的水印技術往往面臨易被破壞或篡改的風險。因此，研究者們正在探索更加隱蔽和不易更改的水印技術，如基于深度學習的隱寫術、基于圖像特征的加密技術等，以提高水印的安全性和可靠性。

除了水印技術外，區塊鏈技術也為文生圖像作品的可溯源性提供了新的解決方案。區塊鏈的分布式賬本特性使得每筆交易和數據變更都能被永久記錄并公開驗證。通過將圖像的生成信息、版權歸屬、流轉記錄等關鍵數據上鏈存儲，可以構建一個透明、可信、不可篡改的可溯源性系統[23]。當發生侵權行為時，權利人可以通過區塊鏈上的證據鏈快速證明自己的權益并追究侵權者的法律責任。值得注意的是，構建可溯源性機制不僅需要技術的支持，還需要法律的保障。政府和相關機構應制定和完善相關法律法規，以明確圖像生成、傳播、使用等各個環節的法律責任和義務，從而確保可溯源性機制的有效實施。

最后，在追求圖像獨特性和可溯源性的過程中，技術融合與倫理考量同樣重要。技術融合意味著將不同領域的技術成果相互融合、相互借鑒以形成更加完善的技術體系。然而，在追求技術融合的同時也不能忽視倫理考量。具體而言，在強化圖像獨特性和可溯源性的過程中應遵循以下倫理原則：一是維護用戶隱私和數據安全，不得非法收集、使用或侵犯用戶知識產權；二是保護創作者權益，明確版權歸屬和授權范圍，打擊侵權行為；三是促進文化多樣性，鼓勵不同文化背景下的創意交流和融合，避免技術壟斷和文化同質化。

（二）法律層面：完善侵權責任認定與承擔規制

首先，明確法律框架下的責任主體與行為界定。在責任主體界定方面，國家互聯網信息辦公室等七部門聯合公布的《生成式人工智能服務管理暫行辦法》規定，提供者應當依法承擔網絡信息內容生產者責任，履行網絡信息安全義務。此規定明確了責任主體為生成式人工智能服務提供者，包括技術開發者、內容使用者與平臺運營商。具體而言，技術開發者作為人工智能系統的提供者，應對其設計、開發過程中可能存在的侵權風險進行合理預見并采取必要措施加以防范，若因技術缺陷導致生成內容侵犯他人知識產權，開發者應承擔相應的侵權責任；內容使用者在使用人工智能生成內容時，也應盡到合理的注意義務，避免未經授權使用他人作品或進行不當的二次創作；平臺運營商則應承擔內容審核與監管的責任，確保平臺上傳播的內容不侵犯他人知識產權[24]。在行為界定方面，應明確何種行為構成對知識產權的侵犯。對于文生圖像類人工智能生成的內容，若其高度相似于已有作品且未經原作者許可，則可能構成著作權侵權。此外，應關注技術使用過程中可能涉及的不正當競爭、商業秘密泄露等侵權行為，確保法律規制的全面性和有效性。

其次，構建科學合理的責任判定標準與程序。在責任判定標準上，充分考慮文生圖像類人工智能的特殊性。由于人工智能生成內容的過程涉及復雜的算法與數據處理，其獨創性、相似性等問題的判定往往比傳統作品更為復雜。因此，在構建責任判定標準時，應引入專業鑒定機構或專家意見，結合技術原理與法律規定進行綜合評判[25]。一方面，明確責任判定的程序性要求。在侵權糾紛發生時，確保當事人能夠便捷地提起訴訟或仲裁請求，并享有充分的舉證權利。法院或仲裁機構在審理過程中，秉持公正、公平的原則，充分聽取各方意見，確保裁判結果的合法性與合理性。另一方面，關注責任判定的時效性問題。由于技術發展迅速、侵權手段多樣，應適當縮短侵權訴訟的時效期間，以便權利人能夠及時維護自身權益。對于惡意侵權、重復侵權等行為，應加大懲罰力度，提高違法成本，形成有效的震懾作用。

最后，加強法律適用與執行協同性。在法律適用層面，確保現有法律體系能夠有效應對文生圖像類人工智能生成內容帶來的挑戰。對于現行法律中未明確規定的問題，需要通過立法解釋、司法解釋等方式予以明確。同時關注國際法律動態，借鑒國外先進經驗，不斷完善我國的知識產權保護法律體系。在執行層面，強化執法力度與效率，加強與司法機關的溝通協調機制建設，確保行政執法與司法裁判的有效銜接與協同。

（三）社會層面：增進行業自律與版權知識普及

首先，行業自律要求技術開發者樹立正確的行業規范。在文生圖像類人工智能日新月異的今天，行業自律不僅是對外在規范的遵守，更是在內心深處對知識產權的尊重與維護。技術開發者應當主動承擔保護知識產權的責任，通過技術手段防范侵權風險，確保技術的每一次進步都能為社會帶來正面價值。例如，可以借鑒歐盟《人工智能生成材料版權登記指南》的經驗，明確人工智能生成內容在何種條件下可以獲得版權保護，以及用戶、開發者與平臺之間的責任劃分。行業自律還體現在行業標準的制定與執行上。隨著文生圖像類人工智能的廣泛應用，制定一套科學、合理、可操作的行業標準顯得尤為重要。這些標準應當明確界定技術的使用范圍、創作成果的歸屬權、侵權行為的認定標準等關鍵問題。技術開發者應加強交流與合作，共同探索更加安全、高效的技術解決方案，通過共享技術成果、交流治理經驗，可以形成合力，共同應對知識產權侵犯風險。

其次，版權知識普及應引導公眾建立對人工智能時代版權的全新認知。在人工智能繪畫、圖像生成等場景中，諸多作品看似由機器獨立完成，然其背后往往蘊含著人類創作者的靈感與努力。因此，即使是人工智能生成的圖像，其版權歸屬、使用權限等也需遵循相應的法律法規。無論是人類創作還是人工智能輔助創作，原創作品都應受到同等的版權保護。版權知識普及注重人工智能技術與版權知識的融合教育。通過舉辦專題講座、在線課程、工作坊等形式，向公眾普及人工智能技術在藝術創作中的應用原理、版權保護的基本原則、人工智能作品版權歸屬的判定標準等。著重提升公眾對人工智能作品版權的識別能力。在人工智能技術日益普及的今天，公眾在瀏覽、分享、使用人工智能生成的作品時，應具備基本的版權意識，能夠區分哪些作品是原創的，哪些可能是人工智能生成的，并了解相應的使用限制與授權要求[26]。積極探索利用人工智能技術輔助版權知識普及的新途徑。例如，開發基于人工智能的版權知識問答系統、版權侵權檢測工具等，為公眾提供更加便捷、高效的版權知識獲取與侵權防范服務。

最后，鼓勵社會公眾積極參與知識產權監督工作。公眾是知識產權的最終受益者，亦是監督體系的重要力量。通過加強宣傳教育，增強公眾的版權意識和維權能力，可以激發他們參與監督的積極性。同時，建立便捷的舉報渠道和獎勵機制，鼓勵公眾積極舉報侵權行為，形成全社會共同抵制侵權的良好氛圍。例如，對于積極維護人工智能生成圖像知識產權、表現良好的企業給予政策扶持、稅收優惠等激勵措施；而對于侵權企業則進行嚴厲的經濟處罰，提高其違法成本。這種激勵機制的引入，有助于形成良好的市場秩序和競爭環境。

五、余論

以Sora、Midjourney、Stable Diffusion為代表的文生圖像類人工智能不僅為圖像生成行業帶來了新質生產力，更構建了跨越時空界限的全球模擬器。可以預見，未來文生圖像類人工智能或將衍生更加多樣的應用場景與業態，進而引發全球價值鏈重構。誠然，文生圖像類人工智能的迅猛崛起為知識產權保護帶來了新問題與新挑戰。但這并非意味著傳統的知識產權保護理論與當前的技術發展現實已全然脫節。相反，這恰是一個契機，促使人們重新審視并調適現有的理論體系，推動其與時俱進，以適應新技術環境下的權益保護與產業發展需求。隨著社會知識產權尊重意識的普遍提升，以及法律對知識產權侵犯行為的嚴厲打擊，文生圖像類人工智能的創作者和使用者將更加自覺地遵守相關法律法規，共同維護一個健康、有序的市場環境。由此，文生圖像類人工智能與知識產權保護的深度融合，不僅可以推動藝術創作和設計的邊界不斷拓展，還將為整個社會的創新和發展注入新的活力與動能。

［參考文獻］

畢文軒.生成式人工智能生成內容的版權屬性與保護路徑[J].比較法研究，2024（3）：55-71.

鄭海味，張偉君.人工智能生成圖片中用戶的獨創性貢獻：以“AI文生圖”著作權案判決為例[J].中國出版，2024（12）：52-57.

楊奇光，張宇. Sora與多模態內容生產：文生世界、計算游戲與編輯治理[J].中國編輯，2024（6）：64-70.

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[J].出版發行研究，2024（1）：67-74.

徐小奔，薛少雄.生成式人工智能服務提供者版權注意義務的法律構造[J].科技與出版，2024（7）：48-58.

張吉豫，汪賽飛.大模型數據訓練中的著作權合理使用研究[J].華東政法大學學報，2024（4）：20-33.

MITCHELL W J T．Picture Theory：Essays on Verbal and Visual" Ｒepresentation [M]. Chicago：University of Chicago Press，1994：36．

閆宏秀，宋勝男.雙重脆弱性與適度信任：從ChatGPT到Sora [J].新疆師范大學學報（哲學社會科學版），2024（6）：81-91.

季冬梅.從知識產權到數據要素：AIGC相關制度困境的化解[J/OL].科技進步與對策：1-10 [2024-08-16]. http：//kns.cnki.net/kcms/detail/42.1224.G3.20240425.1630.004.html.

金雪濤，周也馨.從ChatGPT火爆看智能生成內容的風險及治理[J].編輯之友，2023（11）：29-35.

劉智鋒，吳亞平，王繼民.人工智能生成內容技術對知識生產與傳播的影響[J].情報雜志，2023（7）：123-130.

叢立先，李泳霖.人工智能文生視頻大模型的作品風險、著作權歸屬及有效治理[J].新疆師范大學學報（哲學社會科學版），2024（6）：101-111.

劉金瑞.生成式人工智能大模型的新型風險與規制框架[J].行政法學研究，2024（2）：17-32.

陳兵.通用人工智能創新發展帶來的風險挑戰及其法治應對[J].知識產權，2023（8）：53-73.

朱閣.“AI文生圖”的法律屬性與權利歸屬研究[J].知識產權，2024（1）：24-35.

王志文. AIGC大模型數據訓練版權規制的終端轉向[J].北京理工大學學報（社會科學版），2024（5）：64-75.

申景梅，唐一力.人工智能生成作品的版權歸屬研究：在二元論的桎梏中展開[J].出版發行研究，2024（5）：70-77.

Thorp H. ChatGPT is fun，but not an author [J]. Science，2023，379（6630）：313.

劉少軍，聶琳峰.人工智能生成內容的著作權法之辯[J].南昌大學學報（人文社會科學版），2024（1）：107-118.

吳漢舟，張杰，李越，等.人工智能模型水印研究進展[J].中國圖象圖形學報，2023（6）：1792-1810.

陳俊良. AI合成視頻版權治理的日本經驗[J].中國電視，2024（1）：106-112.

刁佳星.生成式人工智能服務提供者版權侵權注意義務研究[J].中國出版，2024（1）：25-30.

段永杰，李彤.數字出版中AIGC生成物的應用場景及其倫理規制[J].出版科學，2023（6）：84-93.

張金平.論人工智能生成物可版權性及侵權責任承擔[J].南京社會科學，2023（10）：77-89.

陳晨.論人工智能生成內容的可版權性問題：以ChatGPT生成內容為例[J].科技與出版，2023（6）：98-106.

邵紅紅.生成式人工智能版權侵權治理研究[J].出版發行研究，2023（6）：29-38.

[責任編輯 王艷芳]

[基金項目]中國高校科技期刊研究會“善鋒軟件基金”項目（CUJS2023-SF036）

[收稿日期]2024-09-10

[作者簡介]郭延龍（1991-），男，山東聊城人，新疆和田學院藝術學院副院長（援疆），安徽大學藝術學院副教授，博士。