GenAI數據訓練著作權的合理使用

以ChatGPT、Sora等為代表的生成式人工智能（GenAI）模型，擁有超強的語言理解和文本圖像生成能力，是新質生產力的典型代表，能助力千行百業實現高質量發展。聚焦GenAI數據訓練中的著作權侵權風險，分析合理使用規則具有的比較優勢，探討我國著作權合理使用規則的困境和出路，有助于實現技術創新和風險治理的平衡，促進我國GenAI產業的健康持續發展。

數據訓練著作權侵權風險

GenAI具有強大的“閱讀”和“創作”能力，離不開海量數據的“投喂”。而具有高質量和良好價值觀的數據，往往是處在著作權保護期內的作品。在GenAI“輸入端”，無論是數據收集、數據預處理還是模型訓練，均會涉及對作品的復制、匯編以及改編等，這有可能落入著作權人復制權、匯編權以及改編權等專有權利的控制范圍。然而，使用作品進行數據訓練的行為，既不符合《中華人民共和國著作權法》（以下簡稱《著作權法》）第二十四條規定的合理使用條款，也不符合現有的法定許可條款。所以，在當前的《著作權法》框架下，使用處于著作權保護期內的作品進行數據訓練，應當取得著作權人的許可并支付報酬。

但是，訓練數據集往往具有突出的規?；卣?，比如，GPT4就包含超過1.8萬億參數和13萬億token的訓練數據。在這種情形下，傳統的授權許可的交易模式根本無法實施。同時，我國發布的《生成式人工智能服務管理暫行辦法》（以下簡稱《辦法》）第7條要求訓練數據必須具有合法來源，且不得侵犯他人的知識產權。全國網絡安全標準化技術委員會發布的《生成式人工智能服務安全基本要求》第5.2條規定的“語料內容安全要求”，也要求應當注意語料使用情況以及相關知識產權情況，不得使用存在侵權風險的語料。由此，GenAI開發者在獲取和使用作品數據時，極易背負著作權侵權的“原罪”。

當前，在國外，因使用作品進行數據訓練已經產生大量的糾紛，比如：Alter訴OpenAI、Andersen訴Stability AI、Huckabee訴Meta Platforms等案件。在國內，2023年6月，網絡教培行業也發生過，學而思未經授權爬取筆神作文的作文素材，用以訓練其智能產品“作文AI助手”，引起雙方紛爭。2024年6月，北京互聯網法院也開庭審理了我國“首例AI繪畫大模型訓練著作權侵權案”，目前仍未作出一審判決。在這些案件中，原告幾乎均主張，被告未經授權，使用其作品用于數據訓練，侵犯了原告享有的著作權；而被告基本上援引著作權合理使用規則進行抗辯。

針對數據訓練中的作品使用行為，不少國家或地區已經進行了著作權合理使用規則的探索和調適。歐盟《單一數字市場版權指令》就“文本與數據挖掘”規定了限制和例外；美國往往通過運用“四要素標準”和“轉換性使用”，靈活解釋合理使用規則，從而為AI技術的發展開辟空間；日本《著作權法》更是直接引入“非享受性使用”條款，將“計算機信息處理行為”納入合理使用。在此背景下，我國也應及時作出立法回應，重塑人工智能時代的合理使用規則，以保障GenAI產業對數據獲取和使用的現實需求。

合理使用方案的比較優勢及其適用困境

1. 數據訓練著作權侵權風險解決方案的梳理

我國《著作權法》第十條規定了4項人身權和13項財產權，即為著作權人享有的專有權利，每一項專有權利均控制著一類特定行為。比如，復制權控制著以印刷、復印、數字化等方式將作品制作一份或者多份的行為。通俗而言，專有權利劃定了一個只有著作權人才能進入的“專屬領地”。同時，著作權法基于社會政策的考量，在賦予著作權人專有權利的同時，也要滿足社會對知識和信息傳播的需求。

所以，在一定條件下，著作權法又允許其他主體不經許可，有償使用甚至無償使用作品。為此，我國《著作權法》規定了對“著作權的限制”：法定許可和合理使用。因此，如果未經著作權人許可，又缺乏“著作權的限制”作為侵權抗辯事由，實施了受專有權利控制的行為，就是擅自“闖入”這一“專屬領地”，構成著作權直接侵權。此時，不管行為人是否具有主觀過錯，至少應當承擔停止侵害的民事責任。簡言之，著作權侵權判定的法律邏輯為：未經許可實施受控行為——不存在“著作權的限制”——構成著作權侵權。

基于我國《著作權法》的侵權判定的法律邏輯，在理論和實踐中，出現的數據訓練著作權侵權風險的解決方案，大體上可以分為以下三類：著作權的限縮、事前授權許可、著作權的限制（法定許可和合理使用）。

“著作權的限縮”方案主張，對著作權人的專有權利的控制范圍加以限縮，從而認定相關作品使用行為不是受控行為，也就無需再判斷是否存在“著作權的限制”，即可化解數據訓練面臨的著作權風險。

“事前授權許可”方案主張，按照當前的《著作權法》的規定，使用處于著作權保護期內的作品進行數據訓練，受專有權利控制，應當取得權利人的使用許可并支付報酬。

“著作權的限制”方案則在承認作品使用行為受著作權人專有權利的控制的前提下，判斷作品使用行為能否適用“著作權的限制”，即法定許可或者合理使用，以實現責任豁免。

2. 合理使用方案的比較優勢的分析

（1）著作權的限縮：重塑著作權法不具有現實性

“著作權的限縮”方案的提出，源于對“非表達性使用”理論運用的深化和批判。所謂“非表達性使用”指的是，不以閱讀、欣賞作品的獨創性表達為目的的作品使用行為?！胺潜磉_性使用”理論最先由薩格提出，他認為“非表達性使用”仍受專有權利控制，但可以被認定為合理使用。在我國理論界，起初只是運用“非表達性使用”理論，對機器學習進行類型化分析，認為“非表達型機器學習”屬于“非表達性使用”，不落入專有權利的控制范圍，不構成侵權；“大眾表達型機器學習”屬于“表達性使用”，可以構成合理使用；個人表達型機器學習由于會對作品市場產生替代效果，則排除在合理使用之外。后來，有觀點進一步認為，所有的機器學習或者模型訓練行為都屬于“非表達性使用”。理由是，其沒有對作品中的表達進行理解和欣賞，只是將其作為數據而不是作品進行使用。因此，不應受專有權利的控制，也就無需進行合理使用分析。更有甚者，再后來，有研究指出“非法表達性使用”理論依舊沒有擺脫“實施復制即侵權”的立場，應當在解釋論層面重構侵權判定規則，將使用作品進行數據訓練的行為排除到“法定利用行為”之外，以實現GenAI數據訓練的合法性，而無需訴諸合理使用判斷。

但是，“著作權的限縮”方案的落地，需付出巨大的法律成本，不具有現實可行性。因為，要將數據訓練中所涉及的復制、改編等作品使用行為均排除到著作權法調整范圍之外，需要對著作權制度原理和分析框架進行重塑，這無法在短時間內形成多數意見，進而轉化為法律規則或者裁判思路，用以指導司法實踐。而且，法官也需要對此付出大量的認知資源，重構本應由著作權分析框架提供的結構化背景知識。

因此，不如依舊承認，數據訓練涉及的非傳統的作品使用行為，屬于著作權法的調整范疇，受專有權利的控制，再通過合理使用規則豁免其責任，充分發揮著作權法分析框架的認知優勢，以便為立法和司法提供明確的指導。

（2）事前授權許可和法定許可：交易成本過高導致市場失靈

著作權人大都強烈要求，GenAI開發者應當事先取得授權并支付報酬，方可使用作品進行數據訓練。比如，中國電子商會發布的《生成式人工智能數據應用合規指南》就明確規定，為防止數據用于模型訓練引發著作權侵權風險，對處在著作權保護期內的作品，GenAI開發者應主動采取措施獲取著作權人的授權。再如，中文在線等26家單位于2023年6月共同發布的有關GenAI訓練數據著作權的倡議書也強調，GenAI開發者在抓取數據時，應獲得著作權人許可。同時，也有不少學者主張，通過改良法定許可制度，來化解數據訓練的著作權風險。相較于事前授權許可，法定許可的制度優勢在于節約了取得著作權人許可的交易成本，但著作權人仍享有法定的報酬請求權。

但是，由于許可和報酬機制存在障礙，無論是事前授權許可還是法定許可，都存在無法克服的實施困境，存在市場失靈現象。具體而言，如果要求事前獲得授權許可，GenAI開發者就必須與不計其數且高度分散的著作權人挨個進行協商。在GenAI數據訓練場景下，這種交易模式存在很大的弊端：一是交易流程的繁瑣導致數據獲取的效率低下，無法滿足GenAI及時獲取海量作品的需求，從而造成產業發展的遲滯；二是海量作品數據疊加形成的交易成本畸高，造成“反公地悲劇”。即便采取“法定許可”方案，也無法克服事前授權許可存在的交易障礙。理由在于：訓練數據集往往兼有處于著作權保護期內的作品和公共領域的素材，GenAI開發者難以確定支付報酬的數額以及支付主體；GenAI數據訓練使用的是海量作品，單個作品的價值很低，法定許可的運行成本可能遠高于著作權人可以取得的報酬。

綜上所述，基于授權許可和法定許可獲取作品，均會使GenAI開發者負擔高昂的交易成本，作品交易市場實際上處于失靈狀態。而克服市場失靈是合理使用的目標。從經濟分析的視角看，如果交易成本足夠低，作品的使用人與著作權人通過市場機制即可實現雙贏，合理使用就沒必要存在。只有在出現市場失靈的情況下，才能將特定的受控行為認定為合理使用?；诒容^優勢分析，適用合理使用規則，既無須取得許可，也無須支付報酬，授權許可和法定許可存在的許可難題和報酬支付難題被消滅了。因此，可以考慮運用著作權合理使用規則，消除數據訓練面臨的著作權法障礙。

3. 合理使用規則：存在適用困境但有調適空間

我國的著作權合理使用規則規定于現行《著作權法》第二十四條，經過2020年修訂后，該條吸納了“三步檢驗法”。因此，構成合理使用須具備三個要件：“在下列情況下使用作品”；“不得影響該作品的正常使用”；“不得不合理地損害著作權人的合法權益”。同時，該條還列舉了12種合理使用的“類型化條款”，并且非常謹慎地增設了“兜底條款”。由此，我國著作權合理使用規則形成了“一般條款+類型化條款+兜底條款”的立法構造。按照《著作權法》第二十四條的文字表述，“在下列情況下使用作品”指的是，法條所列舉的十二項“類型化條款”和“兜底條款”。

但是，由于我國著作權合理使用規則并無關于GenAI數據訓練的“類型化條款”，因此，只能先嘗試通過解釋論路徑，將其解釋進目前的“類型化條款”之中去。與GenAI數據訓練相關聯的“類型化條款”，可能包括“個人使用”“適當引用”“教學或研究使用”三類。其中，對于“個人使用”，其適用主體和適用目的均存在嚴格限制，而目前從事GenAI數據訓練的主體，通常不僅限于“自然人”。數據訓練的目的通常也不屬于“個人學習、研究或者欣賞”的范疇；對于“適當引用”，其目的要件是“為介紹、評論說明某一作品”或者“說明某一問題”，而GenAI的數據訓練顯然不符合“適當引用”合理使用類型的目的要件；對于“教學或科學研究適用”，其將作品的使用限定在“學校課堂教學或者科學研究”領域，同時僅允許“少量復制”。但是，GenAI海量復制與使用作品的現狀顯然無法滿足該項要求。因此，我國著作權合理使用規則的“類型化條款”無法囊括絕大部分的數據訓練行為。

至于“兜底條款”的適用，從“兜底條款”的文字表述來看，合理使用的“其他情形”僅限于法律、行政法規規定。因此，我國合理使用規則的立法構造其實仍采取的是“封閉式”的立法模式，只是將合理使用的開放性留給了立法者，而將封閉性留給了法官。如此一來，何謂“特定的特殊情況”，法官一般只能“找法”，而不能“造法”，也就是法官無權根據《著作權法》第二十四條規定的“兜底條款”創設新的合理使用情形。但是，這也表明，合理使用規則對使用作品進行數據訓練有適法空間，只不過必須通過立法予以明確。

數據訓練構成合理使用的正當性

在立法論上，“三步檢驗法”是創設新的合理使用規則的標準和“過濾器”。也就是說，受專有權利控制的行為，是否具有構成合理使用的正當性，最終的判斷標準，并不是它是否被列舉在《著作權法》合理使用條款之中，而是能否通過“三步檢驗法”的檢驗。基于此，需分析和論證利用作品進行數據訓練能否通過“三步檢驗法”的檢驗。

1. 數據訓練符合“特定的特殊情況”

“三步檢驗法”中的第一步是，應當將對合理使用規則的適用限定在“特定的特殊情況”?！疤囟ǖ摹笔侵?，著作權法必須明確界定任何一種合理使用情形，也就是通過立法將合理使用規則的適用范圍特定化，并為人所知悉?！疤厥狻眲t是指“適用范圍或目的是有限的和個別性的”，不能變成“常態或通常情況”。

我國《著作權法》第二十四條并未使用“特定的特殊情況”的表述，根據法條的用語，“特定”“特殊”應該指的是，法條所列舉的12項“類型化條款”和“兜底條款”。此外，有學者指出，“特定的特殊情況”是對作品使用行為目的正當性的判斷，即特定的作品使用行為須符合著作權法的規范目的。而化解GenAI數據訓練的著作權困境，對于AI產業發展、更新內容生產模式以及促進社會整體的知識增值而言，均至關重要，符合著作權法的規范目的。因此，在我國，只要在相關法律和行政法規中，增設具體的數據訓練合理使用規則，就可以符合第一步的要求。

2. 數據訓練與作品的正常利用不相沖突

（1）數據訓練具有非表達性

所謂“利用”，指的是著作權人從行使專有權利中獲得經濟利益的行為。并且，“利用”必須是著作權法規定的法定使用行為。但是，并不是說只要能夠獲得經濟利益，并為專有權利所控制的使用行為，都必然與作品的正常利用相沖突。正確的理解應當是：只有當一種作品使用行為與著作權人通常從行使專有權利中獲取經濟價值的行為相競爭，并且致使著作權人喪失大量的經濟利益時，才達到了“與作品的正常利用相沖突”的程度。

一般而言，個性化的表達構成作品的形式和具體內容，是作品的主要價值所在。只有為了欣賞作品的表達而使用作品，才可能與作品的正常利用相沖突，才能從作品的獨創性中直接獲益。但是，與傳統的作品使用行為截然不同，使用作品進行數據訓練的行為具有典型的非表達性，其并不是為了欣賞和理解作品中的獨創性表達，而是為了挖掘海量作品中的思想、事實、方法和原則等，從而理解和掌握人類進行表達的規律和方式，以獲得生成審美價值的內容的能力。審判實踐中，GenAI開發者也經?；跀祿柧毦哂械牡湫偷姆潜磉_性，提出合理使用抗辯。比如，Concord Music Group， Inc. v. Anthropic PBC案中，Anthropic公司就認為，數據訓練并不是為了使用歌曲中的表達性要素，而是為了讓GenAI識別和理解歌曲中的語言模式，因此其使用的目的具有高度的“轉換性”。

（2）數據訓練具有非傳播性

傳統著作權法賦予著作權人諸多專有權利，其目的并不是使作者絕對壟斷對作品的使用，其原則上只限于壟斷“與公眾接觸”的使用。正所謂“無傳播也就無權利”，通常，只有在作品被公開傳播，才能構成對著作權人作品的市場替代和利益侵害。而GenAI整個數據訓練流程對作品數據的使用，是內在的、隱含的、非感知的，原則上不與公眾發生接觸，GenAI開發者既無動機也沒必要向公眾傳播和分享原作品的獨創性表達。在此情況下，GenAI數據訓練中的作品使用行為，不追求占據原作品的市場，不會與作品的正常利用相沖突。在UMG Recordings， Inc. et al v. Uncharted Labs， Inc. et al中，被告就提出抗辯，在公眾不可見的技術流程中復制作品應當屬于合理使用。與此類似，在Andersen v. Stability AI Ltd.中，被告DeviantArt也認為，其沒有以任何方式向公眾傳播用于數據訓練的作品的表達。

3. 數據訓練不會不合理地損害著作權人的合法權益

（1）不會損害傳統作品市場中的利益

所謂“不會不合理地損害著作權人的合法權益”，指的是對著作權人的經濟利益影響，是否達到了“不合理”的程度。如今，作品的市場可區分為傳統市場和數據市場。傳統市場以閱讀作品為核心，以作品所體現出來的文學和藝術等價值為基礎。而數據市場則是把作品作為數據要素建立起的數據市場。傳統的作品市場以閱讀和欣賞作品為核心，而GenAI訓練的過程具有非公開性，GenAI在“輸入端”只要保證作品數據“可用不可見”，就不可能給權利人的傳統市場造成不合理的損害，著作權人在傳統作品市場中的商業化利用和可得的市場利益不會受到影響。

（2）不會不合理地損害數據市場中的潛在利益

數據訓練也不會對著作權人在數據市場的潛在利益造成不合理的損害。理由在于：

一是單個著作權人的作品淹沒在海量的訓練數據集之中，只占整個訓練數據集極微小的部分，其價值只能通過作為整體的訓練數據集體現出來，具有價值上的“低密度性”。

二是著作權合理使用規則本就是諸多價值目標產生矛盾時的解決方案，其具有維護公共利益價值優先地位的功能。而以作品等海量數據為底座支撐的GenAI，正與制造業、農業、醫療、教育等傳統行業加速深度融合，其所實現的公共利益價值，足以覆蓋給版權行業帶來的任何損害，著作權人在數據市場上的潛在利益應當劣后于公共利益價值。

（3）內容生產模式決定了不會造成不合理的損害

GenAI的產生和更新迭代，產生了內容生產的新范式，導致專業生成內容（PGC）和用戶生成內容（UGC）的式微。但是，無論是PGC還是UGC，在生產過程中，著作權人控制的作品使用行為，都是針對內容生產的“成果”，即整個生產過程輸出的內容。比如，在改編、匯編或者二次創作過程中，著作權人一般不對其中的過程性的生產行為進行干預。在GenAI主導的內容生產模式下，只有“輸出端”的生成物與在先作品構成實質性相似，才有可能對原作品產生市場替代，擠占著作權人的作品市場，從而對著作權人造成不合理的損害。

因此，著作權人控制“輸出端”的結果就足以防止對其造成不合理的損害，而無須涉足“輸入端”的過程性行為。并且，GenAI內容生產過程是個“黑箱”，著作權人也無法干預。比如，在廣州互聯網法院審理的“奧特曼案”中，法院就并未對“輸入端”數據訓練行為作出行為定性，而只是單純基于輸出端的結果作出了侵權判定。

數據訓練合理使用規則的構建方案

1. 數據訓練合理使用規則的構建路徑選擇

（1）增設數據訓練合理使用的“類型化條款”

面對AI時代層出不窮的作品使用行為，我國不少學者都主張放開對“三步檢驗法”的限制，采用開放式立法的模式，賦予法官在個案中創設新的合理使用情形的裁判權。但是，我國負有遵守“三步檢驗法”的國際義務，必須嚴格限制著作權合理使用規則的適用。并且，我國并非判例法國家，在過去封閉式立法模式之下，我國司法實踐并未積累足夠的依據個案認定“合理使用”的經驗。

因此，為數據訓練設置著作權合理使用規則，應當專門增設一個“類型化條款”，明確數據訓練合理使用規則的構成要件，保證法官在認定數據訓練構成合理使用時，有明確的法律依據。

（2）在AI專門立法中增設數據訓練合理使用規則

關于如何增設合理使用規則，我國學者多主張，應以我國《著作權法》第二十四條規定的“兜底條款”為制度接口，通過修改《中華人民共和國著作權法實施條例》來進行。而本文認為，在AI相關立法中構建合理使用規則可能更為適宜。理由在于：

一是該合理使用規則本就是為因應人工智能產業發展而設置的，制度建構不應局限于傳統部門法的固有理念和調整思路，而應當從個體權利保護思路轉向數據要素利用思路。

二是諸如著作權、個人信息權益以及隱私權等諸多在先權利交織疊加在訓練數據集上，規則的設計必須考慮到著作權、個人信息權益等各項權利內容數字化后的共性，進行統一建構，以避免部門法“各自為政”的缺陷。

2. 數據訓練著作權合理使用規則的設計

（1）適用條件：可以適用于營利性行為

為了給AI產業創造寬松的制度環境，在建立數據訓練合理使用規則時，不應將之限制在科學研究機構的非營利的科研活動中。因為，基于當前我國GenAI開發的產業實踐，除了由國家財政扶持的科學研究機構有海量數據的需求外，其他營利性機構也有使用海量數據的需求，它們也會承擔服務國家需求的AI技術的研發和應用任務。比如，科技部主導下的“新一代AI開放創新平臺”，依托的均為諸如百度、阿里云、商湯等商業性互聯網公司，如果將其排除在合理使用之外，肯定不符合我國AI發展現狀和布局。另外，如果將營利機構和企業排除在外，這些營利機構和企業就有可能將相關產業轉移至法律制度寬松的國家和地區，例如被稱為“機器學習和文本數據挖掘天堂”的日本，這勢必會遲滯我國GenAI產業的發展。

（2）適用行為：合理界定應包括的作品使用行為

GenAI的“輸入端”，可能涉及對作品的復制、改編等諸多著作權法意義上的行為，對“輸入端”的作品使用行為應當進行整體考察，側重一系列作品使用行為的整體效果。所以，針對數據訓練的合理使用是涵蓋多項權利的一攬子侵權豁免，而不是僅指復制權等單項權利的侵權豁免。歐盟的《單一數字市場版權指令》僅將“文本與數據挖掘例外”的適用行為規定為“復制和提取”，顯然無法囊括GenAI數據訓練所涉及的所有作品使用行為。我國不應效仿歐盟對使用行為進行過度的限定，而應盡可能囊括GenAI數據訓練過程中涉及的作品使用行為。

因此，建議應采取概括性的表述，僅強調，在機器學習、文本數據挖掘等計算機分析過程中，使用他人已經發表的作品的，構成合理使用。但是，應將傳播行為排除在外。

（3）限制要件：強調數據來源的合法性

關于作品數據是否應當具有合法來源，境外立法均持肯定態度?！掇k法》第七條也要求，應當“使用具有合法來源的數據”。但是，何謂“具有合法來源的數據”，《辦法》并沒有明確的規定。本文認為，數據來源的合法性并不等同于必須獲得權利人的明確授權，而是強調作品數據的“合法獲取”，即需要合法購買作品復制件或者至少取得合法接觸作品的權利。引入“合法獲取”概念，有助于實現著作權人對作品的控制，使非法的作品抓取和收集行為的責任不再被豁免。同時，也可以為著作權人與GenAI開發者保留一定的自由協商的制度空間，為AI時代著作權利益分配機制的構建留有余地，這對于平衡著作權人利益和GenAI產業的發展至關重要。

（4）不宜設置著作權人的聲明退出機制

歐盟《單一數字市場版權指令》針對“非科研目的的使用”，規定了著作權人享有聲明退出的權利。并且，歐盟《人工智能法案》又在“鑒于”部分的第105條、第106條、第107條以及第108條中，反復強調設置著作權人聲明退出機制的重要性。為緩解著作權人對該合理使用規則的抵觸情緒，我國也有學者主張借鑒歐盟的做法，為數據訓練的合理使用規則設置一個“附加退出機制”。但是，“聲明退出機制”存在被著作權人濫用的風險，這相當于賦予了著作權人排除合理使用規則適用的權利，由此可能導致合理使用規則的實施效果大打折扣。并且，強調作品數據來源的合法性或者“合法獲取”，足以讓著作權人從作品的使用中獲益。因此，我國的GenAI數據訓練合理使用規則，不宜設置著作權人的聲明退出機制。

綜上所述，建議在AI專門立法中，為數據訓練增設具體的合理使用規則，規則可表述為：“為進行機器學習、文本與數據挖掘等計算機信息處理，使用具有合法來源并已經發表的作品的，并且不影響該作品的正常使用，也沒有不合理地損害著作權人的合法權益，則該使用行為屬于合理使用。但不得以廣播、信息網絡傳播等傳播方式向公眾提供該作品。”同時，應當認識到，單純的合理使用規則仍不足以保障GenAI獲得充分的作品數據。只有建立專門的數據流通和利用規則，推進高質量的中文數據庫建設，讓海量、類型多樣和權利人分散的作品數據聚合起來、流動起來，方能充分實現作品數據要素的價值。