生成式人工智能使用作品的著作權困局與紓解對策

【摘 要】隨著生成式人工智能作品使用需求的不斷擴大，其與著作權制度的沖突日益加劇。鑒于生成式人工智能對人類作品使用的海量性和寄生性等特點，在其訓練數據的同時，保障著作權人的獲酬權是紓解著作權困局的關鍵。法定許可是保障著作權人獲酬權實現的有效機制選擇，因此，應明確生成式人工智能使用作品法定許可的主要規則，設置生成式人工智能使用作品法定許可的付酬標準，并通過公私協同參與的集體管理制度保障著作權人獲得應有的報酬，從而為生成式人工智能技術的發展與作品保護提供良好的互動空間。

【關 鍵 詞】生成式人工智能；著作權；法定許可；集體管理

【作者單位】張舒琳，湖南理工學院法學院；王健宇，湖南理工學院法學院。

【基金項目】湖南省社會科學成果評審委員會項目（XSP22YBC313）；湖南省知識產權戰略推進專項項目（2023F004K）。

【中圖分類號】D923.4 【文獻標識碼】A 【DOI】10.16491/j.cnki.cn45-1216/g2.2024.20.014

2023年4月，中共中央政治局會議指出：“要重視通用人工智能發展，營造創新生態，重視防范風險。”在生成式人工智能技術繁榮發展的背后，其對作品使用的著作權合規問題日益凸顯，產生了一系列針對生成式人工智能使用作品的著作權糾紛。如：蓋蒂圖片起訴Stability AI違規采集1200多萬張圖片，《紐約時報》訴Open AI在未獲得許可及未付費的情況下大規模使用來自《紐約時報》的內容，我國北京互聯網法院也開庭審理了四起畫師起訴AI繪畫軟件開發運營者著作權侵權案件等。這些案件無一不反映出在現有的著作權制度框架內，著作權人利益在生成式人工智能技術面前難以得到有效保障，但若實行過度的著作權保護，又會對人工智能技術發展造成阻礙。如何在人工智能技術發展中紓解著作權保護困局，實現著作權保護與生成式人工智能技術發展的有效平衡，迫切需要予以深入研究。

一、生成式人工智能使用作品的著作權困局

1．財產主義著作權理念與知識共享需求相悖

生成式人工智能通過對智力成果的挖掘與分析，憑借其反應的快速性及生成內容的無限性為社會提供豐富的創作型人工智能產品。這一發展在潛移默化中影響著社會公眾的著作權觀念，使得傳統財產主義的著作權保護理念逐漸轉變為對知識共享的現實需求。

其一，知識共享成為生成式人工智能滿足公共利益的現實需要。生成式人工智能技術的發展不僅促進了技術的創新，還對社會文化、價值觀念產生了深刻影響。一方面，生成式人工智能為公眾提供新的創作工具，借助新型的創作方式，公眾能夠快速且批量地生成滿足不同領域所需的內容，顯著提升創作效率。另一方面，作品中蘊含的作者自我思想表達、增進交往交流等方面的非經濟價值［1］，能被生成式人工智能充分挖掘并利用，從而為公眾提供更為豐富的文化產品。

其二，生成式人工智能對知識共享的需求與傳統著作權制度的財產主義理念相悖，壓縮了公共利益的實現空間。財產主義理念將作品視為著作權人的私有財產，賦予著作權人在特定地域和時間范圍內對作品的壟斷權，以嚴格控制作品的使用來實現經濟利益。然而，這一定程度上與生成式人工智能對知識共享的需求形成互斥。有觀點提出，鑒于人工智能的學習和人類學習具有相似性，人類在學習過程中大腦內發生的生化固定和復制并不產生版稅收益，因此人工智能訓練數據理應免費。［2］因此，應當優先考慮科技發展和人類的共同福祉。

2．作品使用需求與著作權保護制度存在沖突

數據要素是保障生成式人工智能正常運行并生成優質內容的基礎。受著作權保護的作品具有豐富的語言結構、創意性表達和思想內容，必然成為生成式人工智能訓練數據的優質資源。回顧ChatGPT的迭代過程，從大模型的參數量由GPT-1的1.11億拓展到GPT-4的萬億不難發現，生成式人工智能內容生成的表現與數據數量和質量呈現正相關。這種快速迭代表明，在生成式人工智能數據訓練過程中，如何大量且合法獲取享有著作權的高質量作品，是構建有效訓練基數的關鍵。然而，我國現行著作權法下的授權許可制度、法定許可制度和合理使用制度都難以適應生成式人工智能的作品使用需求。

其一，授權許可制度對生成式人工智能而言，存在成本過高且難以實現的問題。授權許可是針對特定作品和使用者的個別許可，而生成式人工智能在作品使用上表現出價值低密度［3］，在訓練模型過程中需要挖掘獲取海量數據。這種大規模作品數據使用剛需，與授權使用的高成本卻低效率之間存在天然的沖突。

其二，現有法定許可的類型，諸如“編寫出版教科書的法定許可”“制作錄音制品的法定許可”等，與生成式人工智能的作品使用相去甚遠，無法為生成式人工智能提供適法依據。同樣，合理使用制度對著作權的限制雖然在生成式人工智能使用作品的侵權討論中常被提出，但是仍需考慮我國合理使用在立法上的封閉性。而且，在合理使用適用時應遵循三步檢驗法的“遞進累積關系”下［4］，第一步即不存在符合生成式人工智能使用作品的數據訓練行為特定情形，自然也無須考量其后兩步的符合與否問題。

3．作品廣泛無償使用使著作權人權利邊緣化

將受著作權保護的作品提供給生成式人工智能無償使用，容易導致著作權人權利的邊緣化。

其一，生成式人工智能技術運行層面存在黑箱問題。算法黑箱導致生成式人工智能運行過程缺乏透明度，作品自被生成式人工智能合法或非法復制伊始，著作權人的權利便逐漸進入失控狀態。尤其是經過復雜的機器學習過程，作品內容的核心部分——思想、事實和語言結構［5］等被打散和重組，最終形成與原作品相差甚遠的內容，從而使得著作權人難以主張和證明其權利。

其二，著作權人權利因制度供給的不足難以得到應有的救濟，這可以從兩個層面觀察。一方面，近年來雖已出現生成式人工智能因使用作品引發的著作權糾紛，但從此類糾紛的數量較之于作品被海量使用之間的不對稱來看，尚有大量著作權人并未主張自己的權利。這主要是由于著作權被侵犯無從發現，或者雖然發現，但著作權人礙于尋求救濟在成本與收益上的不對稱而望而卻步。另一方面，雖然尋求救濟在生成式人工智能技術運行層面存在黑箱問題，但在相關制度供給匱乏的情況下，侵權事實難以得到充分證明，或即使事實被證明也未必能得到應有補償。正是在此背景下，2023年北京互聯網法院作出的首例“AI文生圖”著作權糾紛判決，引發了人們對生成式人工智能使用作品著作權保護的諸多質疑。即便作者在生成端增加了獨創性部分，免費獲取著作權是否有悖于公平公正原則仍有待考量。

二、生成式人工智能使用作品著作權困局的紓解機制

1．保障著作權人獲酬權是紓解困局的關鍵所在

著作權困局的紓解是促進生成式人工智能技術順利發展的內在要求。法律預期狀態的長期不確定性勢必會造成原創積極性的消減以及作品資源的匱乏，甚至產生“逆向淘汰”和“加劇排除”等反噬效應［6］。困局的紓解首先要充分認識人工智能使用作品著作權保障的正當性，進而抓住著作權人獲酬權保障這一關鍵。著作權事實上是一種市場化的權利，其產生也是一個權利市場化的過程［7］。在生成式人工智能的技術場景下，技術開發主體大多是基于市場營利性目的的。即使是發展中的所謂社會公共利益，也主要是局限在科技發展對社會生產力進步這一意義上，并不能否定開發主體基于自利性的市場化目的。這也意味著作品在生成式人工智能技術中的市場化使用具有堅實的根基，這種市場化使用的根基必然要求對其使用作品提供應有的著作權保障，尤其是給予著作權人應有的補償。

第一，人類創作具有生成式人工智能無法取代的社會價值。人類的實踐歷史已經表明，文學與藝術作品對社會具有特殊價值，人類作品能夠記錄和反映社會的變遷，批判現實并激發思考，在推動社會進步方面發揮重要作用。這種深層次的創新思維及其理性價值并非生成式人工智能通過整理和模仿等表層學習所能替代的。況且，如果缺乏海量且持續更新的人類作品作為支撐，生成式人工智能將很難生成具有一定質量和創新性的內容。適當的經濟回報可以保障創作者在數字經濟時代公平分享收益，從而激勵其創作出更高質量的作品，進而為人工智能技術的持續發展提供源源不絕的優質數據資源，確保生成式人工智能的創新能力得以維持。

第二，生成式人工智能應當就其“寄生侵占”予以著作權人補償。生成式人工智能之所以能夠生成高質量的內容，是因為其在訓練中利用了大量作品作為訓練資源，這種利用本質上是對原有作品的“寄生”。一方面，生成式人工智能不是真正的內容創作者，其之所以能模仿人類文學和藝術表達，是因為其能通過海量作品和特定的算法分析人類的創作［8］。另一方面，生成式人工智能在形成這種泛化能力后，不可避免地會對人類原生作品及其市場產生替代。以古典風格創作“夢幻幻想風景”數字藝術家Greg Rutkowski為例，其作品風格在Stable Diffusion上超過9.3萬次被提示使用 ［9］，此類“表達”相似且同質化的內容輸出無疑會稀釋人類創作的市場。

第三，獲酬權是著作權人應當享有的勞動要素利益。《中共中央 國務院關于構建數據基礎制度 更好發揮數據要素作用的意見》指出，要“著重保護數據要素各參與方的投入產出收益”。有觀點提出，原始數據屬于勞動對象范疇，原始數據提供者參與數據的勞動生產屬于數據要素的勞動者［10］。生成式人工智能建立在對作品原始數據要素的深度解析之上，在此過程中，著作權人好比“勞動者”，間接參與人工智能平臺對生成式人工智能的研發與內容產出服務，故應參與由此產生的收益分配。雖然單個作品在生成式人工智能中的價值密度較低，但也不應成為妨礙著作權人就作品聚合的集體價值進行權利主張的理由。借由獲酬權讓權利人參與要素分配獲得補償，能夠激發人類作者持續創作的動力，保障高質量的數據來源，因此，需要探索實現獲酬權的有效制度路徑。

2．法定許可是著作權人獲酬權實現的機制選擇

法定許可模式與生成式人工智能使用作品中著作權人獲酬權的實現高度適配，其核心在于在特定條件下允許使用者不經著作權人許可而使用作品，但必須向著作權人支付報酬。

一方面，法定許可通過免除逐一授權的煩瑣程序，使得作品能夠更為高效地被使用者合法利用。另一方面，著作權人可以根據法律規定的標準和程序獲得合理的報酬，而不必擔心因協商的缺失而無法保障經濟利益。盡管法定許可的實施在某些情況下被質疑能否有效實現著作權人的獲酬，但這一問題可以通過與集體管理組織的合作得到解決。目前，我國著作權法針對存在大批量作品使用需求的情形制定了法定許可制度，并配套著作權集體管理、報酬支付等方面的相關規定，以確保該制度的有效運行。雖然這一制度尚未涉及生成式人工智能使用作品的情形，但至少能夠為其作品使用提供制度基礎。

以上說明，完善我國法定許可制度，是解決生成式人工智能作品使用的有效路徑。但在法定許可模式下，生成式人工智能使用作品獲酬權的實現亦有其自身的特殊性，需要相應的規則設置、付酬標準和實施保障。

三、生成式人工智能使用作品法定許可的制度構建

1．生成式人工智能使用作品法定許可的規則設置

生成式人工智能使用作品的法定許可，應明確付酬義務主體和行為模式。

其一，付酬義務主體的確定。首先需要明確生成式人工智能服務提供過程涉及哪些主體，然后根據其行為內容劃定付酬責任。目前，生成式人工智能形態可分為“基礎模型—專業模型—服務應用”三個層次［11］。實踐中生成式人工智能的技術調用模式十分復雜，主要呈現三種服務形態：一是技術開發與服務提供為一體的服務平臺；二是接入他人提供技術的預訓練大模型后，經過自己訓練向特定市場提供的服務平臺；三是直接調用他人大模型而不進行自主性訓練的服務平臺［12］。以上三種形態并不是非此即彼，而是有可能服務提供者在模型層訓練數據的同時，也在應用層提供服務。

從行為內容來看，“基礎模型層”通過對大量作品的學習和處理，生成具備廣泛適應能力的通用模型，為下游應用提供支持；“專業模型層”則是在“基礎模型層”的基礎上，進一步對特定領域的作品進行訓練與優化，以提升模型在特定領域的表現能力；“服務應用層”不直接涉及作品的訓練或加工，而是基于已完成訓練的模型，通過API接口為用戶提供生成文本、圖像等內容的服務。相比之下，“基礎模型層”和“專業模型層”作為數據訓練方，在技術運行中對數據來源和運用具有控制力，理應對其訓練數據中的作品使用承擔相應的付酬義務。而“服務應用層”則不同，其行為限于調用已有的技術能力來滿足用戶需求，且已有前端主體承擔付酬義務，無須再為訓練階段的作品使用支付報酬。不過，“服務應用層”對內容的輸出也有一定的管控能力，應對其提供服務依賴大模型的著作權來源合法性，以及輸出內容的合法性承擔一定的注意義務。

其二，應明確法定許可對專有權利的限制范圍。在生成式人工智能運行過程中，輸入端和輸出端都可能發生作品使用行為。在輸入端，作品被作為機器學習的數據來源使用，在進行分析和處理后，最終在輸出端呈現的結果通常有兩種。一種是“非表達性使用”，即生成完全不同于原作品的全新、獨立的表達；另一種是“表達性使用”，即生成內容中含有與原作品實質性相似的表達。根據相似之處的狀態，此種情形又可以進一步細分：一是相似之處存在原作品的獨創性表達；二是相似之處為公有領域的內容。

不同的情形應予以區分對待。如果輸出端的生成結果為“非表達性使用”，以及雖為“表達性使用”但相似之處為公有領域內容，則意味著輸出端并未再現受著作權保護的表達，說明內容的輸出不侵權。然而，輸入端的作品使用仍需評價單獨。原因在于，生成式人工智能的作品使用是以內容生成為目的，是一種對人類創造力的技術性依賴，其效應不僅體現在提升機器生成內容的質量和效率，還會沖擊人類作品的市場空間，只不過這兩種情形與“表達性使用”中對特定作品市場利益的直接侵害相比具有間接性。鑒于這種差別，可將“非表達性使用”以及雖為“表達性使用”，但相似之處為公有領域內容此兩種情形納入法定許可，設置一種介于合理使用與單獨許可之間的著作權保護力度。但如果構成“表達性使用”且實質性相似之處為受著作權保護的部分，則無異于直接提供作品，仍需獲得權利人的單獨許可（見圖1）。

2．生成式人工智能法定許可使用作品的付酬標準

目前，我國對法定許可使用的付酬標準采用“法律規定為主、當事人協商為輔”的模式。雖然協商確定法定許可情形下的付酬標準有利于著作權人獲得預期收益，但談判成本的增高會降低法定許可制度的實施效率。加之我國尚未制定在法定許可使用費不一致時的裁決或救濟程序，可能導致權利人在不滿對方提出的報酬時拒絕法定許可的實行。尤其在生成式人工智能對作品的大規模使用需求下，協商確定費用的弊端愈發明顯。因此，建議在立法層面事先確定法定許可使用的付酬標準，以提高制度的效率和可操作性。

生成式人工智能法定許可使用獲酬標準的設置應做到參與主體多元和考量因素多元。一是參與主體多元意味著應吸納和考量廣泛的利益相關者訴求，如權利人代表、人工智能平臺、集體管理組織、主管部門等多方主體，共同參與付酬標準的制定，以保證付酬標準制定的客觀性、科學性。二是確保費率考量因素的多元化。合理的定價應當以促進高效的資源分配為目標，在金額上體現出法定許可使用優于市場協商，這樣才能使法定許可使用制度充分體現其效率和功能［13］。

實際上，采用法定許可制度的批判者主要是擔憂海量作品使用所需支付的費用會給人工智能企業的發展增加過重的負擔，尤其是一些經濟實力弱小的企業將難以發展。此種擔憂應當在制度設定中予以充分考慮，可以大模型服務營收情況為基數，設置一個合理比例作為費率標準，具體考慮使用的目的、作品的質量、使用次數和貢獻率等因素。這不僅能確保權利人獲得公正的報酬，還能在一定程度上減少非營利性或實力較弱小主體的研發壓力。

3．以公私協同參與的集體管理保障獲酬權的實現

付酬標準確定后，還須進一步明確由誰來保障著作權人獲酬權的實現。若是由著作權人自行收取報酬，現實操作的可行性低、執行成本高，因而需要有專門的組織將法定許可使用費予以落實。目前，我國法定許可使用費的征收和分配職能主要由著作權集體管理組織承擔，而我國著作權集體管理組織的設立必須經過著作權行政管理部門批準，且同一業務范圍內只允許一家集體管理組織的存在。法定壟斷的著作權集體管理制度一定程度上限制了作品的管理范圍，與智能時代的市場靈活性和作品需求的海量性存在一定的沖突，為此，可以構建公私協同參與的集體管理制度。

其一，打破著作權集體管理的身份壟斷，有針對性地根據生成式人工智能作品使用獲酬權的實現下放集體管理職能。目前，出于傳統集體管理制度的弊端以及集體管理的非強制性，國內五家著作權集體管理組織管理的作品數量和覆蓋范圍存在一定的局限性。事實上，一些大型的互聯網平臺匯聚了更為全面的著作權資源，如騰訊音樂的著作權曲庫占到中國市場總曲庫的90%［14］，已在實質上代行作品集體管理職能。這種發揮著著作權集體管理組織功能的民間組織被稱為“類著作權集體管理組織”［15］。從生成式人工智能對作品的海量使用、保證獲酬權順利實現等諸多因素考量，可以在保持現有著作權集體管理組織不變的情況下，發揮類著作權集體管理組織在獲酬權實現上的補充作用，由此凝聚公私合力，拓寬獲酬權實現的保障路徑。

其二，設立著作權集體管理聯盟，聚焦人工智能領域事務。聯盟可以包含各類著作權集體管理組織和著作權登記交易平臺，就人工智能開源數據庫建立、API標準統一、許可協議范本等開展常態座談、議事等，以提高治理效能，保障獲酬權落到實處。

四、結語

相較于以往的信息碎片化利用模式，以ChatGPT為代表的生成式人工智能不僅顯著降低了創作門檻，還深刻改變了知識生產與傳播的方式。在這一技術變革的浪潮中，著作權人所面臨的隱形代價不容忽視。如何避免其權益被邊緣化，成為亟待解決的問題。通過法定許可制度賦予著作權人獲酬權，科學設定付酬標準，以集體管理制度為保障路徑，不僅能為生成式人工智能的作品使用提供著作權法依據，也為構建公平、可持續的人機創新生態提供了可能。

｜參考文獻｜

［1］孟磊. 智能時代的著作權集體管理：挑戰、反思與重構［J］. 出版發行研究，2020（1）：46-49.

［2］OPDERBECK D W. Copyright in AI Training Data：A Human-Centered Approach［J］. Oklahoma Law Review，2024（4）：951-1023.

［3］王文敏. 人工智能對著作權限制與例外規則的挑戰與應對［J］. 法律適用，2022（11）：152-162.

［4］熊琦. 著作權合理使用司法認定標準釋疑［J］.法學，2018（1）：182-192.

［5］LEMLEY M A，BRYAN CASEY. Fair Learning［J］.Texas Law Review，2020（4）：743-785.

［6］陸宇峰. 信息社會中的技術反噬效應及其法治挑戰：基于四起網絡輿情事件的觀察［J］. 環球法律評論，2019（3）：54-68.

［7］楊緒東. 作品數據化使用的賦權規制［J］. 山東科技大學學報（社會科學版），2022（3）：33-40.

［8］MARTIN SENFTLEBEN.Generative AI and Author Remuneration［J］. IIC-International Review of Intellectual Property and Competition Law，2023（10）：1535-1560.

［9］ALHADEFF J，CUENE C，DEL REAL M. Limits of Algorithmic Fair Use［J］. Washington Journal of Law，Technology&Arts，2024（1）：1-53.

［10］王延川，呂君枝. 原始數據提供者參與數據要素收益分配的理論邏輯與實踐路徑：以共同富裕為視角的考察［J］. 陜西師范大學學報（哲學社會科學版），2023（3）：82-93.

［11］張凌寒. 生成式人工智能的法律定位與分層治理［J］. 現代法學，2023（4）：126-141.

［12］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.

［13］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［J］. 科技與出版，2024（7）：6-15.

［14］音樂行業反壟斷調查背后：被忽視的詞曲版權壟斷之害［EB/OL］.（2019-09-24）［2024-07-20］.https：//www.36kr.com/p/1724410642433.

［15］張惠彬，王懷賓. 著作權集體管理制度的反思與回應：信托視角下［J］. 中國編輯，2022（5）：56-61.