生成式人工智能語料來源可追溯義務的法律構造

內容提要 生成式人工智能技術在賦能AIGC新業態發展的同時，面臨著AIGC可版權性認定與版權侵權責任歸結的制度適用難題。我國司法試圖以“提示工程”和合理注意義務的解釋性適用來破解以上困境，卻因“法教義學”的理論局限而引起學理爭議。究其根本原因在于現有制度標準缺少AIGC技術邏輯下的適度延伸。以“人機合作”理念為基礎，構造AIGC語料來源的可追溯義務，能夠發揮制度標準延伸及制度銜接中的法律效用，搭建人類貢獻與獨創性標準之間的對接渠道，同時完成AIGC產業鏈條中的侵權語料來源追溯，最終破解AIGC新業態在版權保護項下面臨的無序化困境。

關鍵詞 AIGC平臺 語料來源可追溯 人機合作 制度銜接

蔡琳，西北工業大學公共政策與管理學院教授

本文為國家社會科學基金項目“中國話語體系下算法的法律規制研究”（19XFX001）、陜西省社會科學基金項目“人工智能生成內容的著作權權屬設置路徑研究”（2024FS08）的階段性成果。

一、問題的提出

生成式人工智能（AIGC）在“提示工程”的人機交互下利用語料進行內容創造。語料的來源途徑多樣，包括訓練語料庫、用戶輸入以及開放域網絡數據爬取等。AIGC的人機交互構建了全新的人機關系。交互性將人機合作中的貢獻來源高度擬合，容易產生“伊莉莎效應”（Eliza effect），使算法貢獻在內容生成中的作用被無限放大。AIGC生成內容的外在表達形式也具有來自類人情感的可能性，因此美國計算機奧林匹克競賽（USA Computing Olympiad， USCO）認為生成內容是機器自主創作的產物，人類需要通過證明其創造性貢獻才能獲得版權保護[1]。版權自動化取得的穩定性，因“提示工程”的人類貢獻屬性不明在AIGC中面臨前所未有的挑戰。“提示工程”又稱為“提示詞工程”，是AIGC中的重要環節，其為自然語言處理系統提供語料選擇與加工依據，包括提示詞輸入、參數調整、模型優化等。然而，正是“提示工程”看似簡易的外在，加深了人類貢獻與AIGC作品之間邏輯鏈條的裂隙。

人類不但需要證明自身在AIGC中的創造性貢獻，還需要以法律的形式對貢獻予以定性，這無疑是一件難乎其難的事情。傳統創作行為中包含的思想和表達與肢體活動融為一體，創作結果與人類貢獻之間的銜接性渾然天成，公理的認知無需邏輯的印證。而AIGC領域的復雜的人機交互過程和深度學習與開放域數據獲取等，使人類難以通過直接的邏輯關系抽象認定“提示工程”與生成內容的對應性貢獻關系。雖然有學者提出以“提示工程”的回合頻次來判定人類貢獻[1]，但現實中單次的“提示工程”可能因為內容豐富而創造作品的“獨”，多次的“提示工程”也可能因表述的偏差與簡陋而欠缺對作品“獨”的貢獻度，因而無法實踐。對AIGC中的人類貢獻的證明，只能通過深入創作的技術邏輯中進行個案判定。剖析人機交互中的貢獻邏輯，并非對算法層的代碼進行逐一解讀，其核心是追溯AIGC作品與語料來源之間的關系，通過分析語料來源與AIGC作品表達無直接對應關系來反推創作貢獻來源于人類。同時，也可以追溯那些與生俱來便帶有侵權“基因”的AIGC生成物所侵犯的語料作品的歸屬及來源，以界定責任承擔。

因此，語料來源的可追溯是AIGC版權判定、版權穩定性乃至版權產業發展的重要前提。通過區塊鏈、數字水印等方式，使特定AIGC作品在各生成環節中使用的語料可以被記錄與查詢，并追溯至語料訓練階段。這一義務在內容上雖然已被行業標準作為技術要求，然而AIGC語料來源的可追溯卻沒有法律上的義務設定，即便是AIGC平臺自行提供的語料來源追溯功能，也無法被標準化地用于法律認定。用戶只能困于自身貢獻的自證“陷阱”中，面對AIGC侵權時也無法追溯全部侵權責任人。因此，通過法律手段規定AIGC語料來源的可追溯義務，對于AIGC新業態發展來說勢在必行。

二、AIGC語料來源可追溯義務設定的利益平衡與博弈

人機合作已成為AIGC場景下不可避免的選擇，作為防止陷入“人類合作之謎”的替代性方案，其具有廣泛的市場前景。因此，對AIGC著作權問題的審視應以人機合作為視角，解決其與現有“作者-作品”法律范式以及侵權責任歸結方式之間的沖突。最便捷的途徑是設立AIGC語料來源的可追溯義務。語料來源的可追溯義務是一種法律施加于私主體的強制性義務，充分的道德機理和倫理依據是義務設定合乎理性的基本要求。AIGC語料來源的義務設定也需要更強的法律說理加以證成。

1. AIGC服務提供者與用戶、版權人之間的利益平衡

世界知識產權組織于2024年2月發布了《生成式人工智能：知識產權導航》，提出“記錄留存”的建議措施，包括記錄人工智能工具的訓練過程、保留用戶提示記錄、記錄人類在創作過程中的作用[2]。我國也出臺了《生成式人工智能服務安全基本要求》等技術標準文件，提出“語料來源可追溯”的明確要求[3]。這充分展現了語料來源可追溯的規則化趨勢。部分大型網絡平臺也已經開始“語料來源可追溯”的技術服務探索，主要包括區塊鏈存證追溯和數字水印嵌入追溯[4]兩種模式。前者如視覺中國與聯合信任開展的AIGC可信時間戳溯源和存證技術，被稱為“AIGC-PAS”[5]；后者如北京騰瑞云文化科技有限公司的AIGC數字水印溯源技術。此外，騰訊云數據萬象、商湯科技等公司也相繼開啟了AIGC溯源的技術嘗試。這些事例說明了AIGC溯源在技術上的可實現性，只要打通技術上的可實現與法律上的可強制之間的通道，便可為義務的設定提供依據。

AIGC內容的生成，通常會涉及AIGC服務提供者（平臺）、用戶以及語料作品版權人之間的利益平衡。基于“收益-成本”“風險-承擔”的理論考量，無論是基于科斯定理談判達成的最有效率的安排，還是基于法律原理的基本邏輯，AIGC服務提供者都應當履行溯源義務[1]。

AIGC平臺作為生成服務的提供者，要保證AIGC語料內容不存在版權問題，理應承擔知識產權瑕疵擔保義務和合理注意義務。AIGC平臺提供的服務融合了允許使用機器貢獻和生成輸出數字產品兩個方面，并以此獲得收益，因此AIGC服務提供者應在AIGC交易中承擔知識產權瑕疵擔保責任。根據瑕疵擔保責任的一般原理，AIGC平臺作為交易方，有義務保證相對人從其平臺服務中獲得的財產或權利無瑕疵。無論是傳統的有體物財產還是新型的數字財產都應遵循這一原理。同時，合理注意義務也要求其在“通知-刪除”和“紅旗原則”范圍內保障著作權。AIGC平臺要在法律效果上達到這兩項基本義務的要求：第一，應保障用戶在“提示工程”非侵權的前提下，生成的AIGC作品不屬于侵權的范疇；第二，基于服務相對主體對數字產品知識產權穩定性的知情需求，應保障機器貢獻與貢獻語料來源的透明可解釋性。這也是AIGC平臺通過機器貢獻獲得收益，理應付出的成本代價。不侵權和透明可釋實現的基本前提便是語料來源的可追溯。

隨著生成式人工智能技術的商業化應用，版權風險就像懸在AIGC新業態頭頂上的“達摩克利斯之劍”，成為制約該業態發展的關鍵因素。從“風險-承擔”的理論角度來考量，“侵權人的危險控制力往往大于受害人對危險的控制力”[2]。AIGC新業態從業態邏輯上便存在版權侵權的原始性風險，迄今為止，OpenAI公司因此遭遇了至少五起作者集體訴訟[3]。AIGC服務提供者是風險的制造者，理應承擔商業逐利過程中的負面影響。如果這種風險不是由平臺承擔而是轉嫁給用戶，不但與法理的精神邏輯相悖，還勢必會影響AIGC業態的社會受眾，最終影響產業發展。AIGC平臺兼具風險制造者與經濟受益者的雙重身份，無疑有理由也有技術能力和守法動力承擔語料來源可追溯的義務與責任。

2. AIGC服務提供者之間的利益博弈與均衡

AIGC新業態涉及的法律關系主體除了用戶、語料版權人，最主要的就是AIGC平臺，其包括所有在AIGC商業應用產業鏈中提供生成服務的主體，例如上游的大模型服務提供者、中游的生成式AI服務提供者，用戶則處于商業鏈中的下游。需要說明的是，有些平臺可能既是上游平臺也是中游平臺，例如OpenAI、Microsoft、Google。AIGC服務提供者之間也存在著鏈條定位與功能的區分。這種上下游的關系，極易將AIGC的版權侵權風險從源頭層層擴張并傳遞，同時加大了人類貢獻與機器貢獻的區分難度。鑒于此，位于產業鏈中游的生成式AI服務提供者，除了自身所做的算法調試及自身供給語料的知識產權安全可以得到保障之外，與其他用戶一樣處于黑箱和不透明的境地。中游的AIGC平臺無法事前預知，也無法保證自己提供的生成式AI服務以及AIGC數字產品是否會引發版權索賠，更無法知曉用戶在其平臺上生成的AIGC數字產品是否存在因人類貢獻而產生的獨創性。因此，中游平臺可能處于無法向上追溯上游平臺侵權根源，并無法要求上游平臺披露用戶貢獻與機器貢獻，同時還需面臨無法真正向下游用戶端提供透明可解釋、瑕疵擔保與知識產權安全保障的尷尬境地。這一尷尬境地甚至還有可能被用來作為已盡合理注意義務的借口，以掩蓋“收益-成本”之間的失衡。

生成式AI服務提供者可能會因擔心無法履行索賠及知識產權保障義務，而不敢與大模型服務提供者建立合作關系，這阻礙了AIGC新業態商業化的進一步發展[1]。中游平臺最有可能突破這種集體均衡的狀態。2023年6月，Shutterstock率先做出知識產權瑕疵擔保的承諾：如果下游用戶遭受第三方的知識產權索賠，Shutterstock將為其承擔相應的法律責任。緊接著Adobe、Microsoft、Google、OpenAI等AIGC巨頭公司，也紛紛在半年內宣布進行知識產權瑕疵擔保承諾[2]。從快速承諾的事件進程來看，Shutterstock公司率先開啟了利益均衡的突破，引發了“蝴蝶效應”。各公司之所以能夠快速完成承諾布局是利益博弈驅動的結果。

基于納什均衡理論，對于AIGC平臺來說，利益最大化的方式是通過談判而達成不提供知識產權瑕疵擔保的合作，進而實現整體最優的結果。這樣可以降低AIGC平臺的運行成本，將“合理注意”作為無法擔保的依據。由于個體理性行為與集體最優結果之間存在矛盾，如果上游公司中任何一家做出瑕疵擔保，這種“優惠條件”便會吸引更多的中游平臺選擇與其合作。基于算法平臺運行特性與定制的需求，中游公司不會輕易調整大模型合作對象，但知識產權瑕疵擔保承諾的“優惠條件”，足以推動其完成一次調整并在一定時期內保持穩定性。因此，為了爭奪中游平臺的更多合作，上游平臺會基于個體理性行為而選擇作出瑕疵擔保，且這種優惠條件給予越早實現的可能效益就越高。同理，中游平臺給予“優惠條件”在吸引用戶方面同樣有效，這一點從Shutterstock對自身網站中使用的AI Design Assistant的知識產權瑕疵擔保中可以看出。正如美國法官漢德主張的，“要求相關主體采取侵權預防措施才具有經濟理性”[3]。這也解釋了為什么Shutterstock之后Adobe、Microsoft、Google、OpenAI等平臺紛紛效仿。然而各平臺結合自身的技術實力與目標所實施的擔保范圍、內容和程度不盡相同，平臺自生自發的秩序之間存在競爭關系。競爭利益與“囚徒困境”使主體不斷突破集體最優選擇，進而追求個體理性行為的最大化。算法技術與秩序的雙重屬性，使得新一輪的不正當競爭不再是單純的價格競爭，也有可能轉型為技術秩序的競爭。AIGC平臺更愿意通過法律對秩序的標準化設定來預防此類事件的發生。特別是在法律對AIGC平臺的知識產權保障義務尚未厘清的情況下，語料溯源的技術成本與技術秩序相比，已不再是AIGC平臺的過分負擔。

可以說，語料來源可溯源義務的法律化設定主要基于“收益-成本”“風險-承擔”以及利益博弈和均衡原則，不會過分加重AIGC平臺的負擔，其是個體理性行為與整體效益平衡下的有效方案，也具有合乎法益人情的道德性基礎。技術能力、成本的可實現與法律機理的可強制之間形成對接之勢。

三、AIGC語料來源可追溯義務的法律效用

雖然國外的AIGC平臺紛紛開展了知識產權瑕疵擔保承諾的實踐嘗試，知識產權的瑕疵擔保義務也從法理上為強制語料來源可追溯提供了邏輯證成，但需要強調的是，無論是現有的知識產權瑕疵擔保方式還是合理注意義務，都不能涵蓋或替代語料來源可追溯義務。對應到AIGC，從上游到下游層層開展的知識產權瑕疵擔保，面對AIGC任一環節均存在的侵權風險，在什么條件下啟動瑕疵擔保責任，需要深入到更為具體的AIGC平臺義務中進行界定。而知識產權的合理注意義務，更是網絡服務提供者侵權責任制度項下隱含的義務，是“通知-刪除”與“紅旗原則”評判后得出的結果性判定。AIGC產業鏈條中的風險傳遞性使得侵權結果的顯現被延遲，只有通過侵權語料的來源追溯，才能判定誰有技術能力并應當承擔合理注意義務。

AIGC語料來源可追溯義務的法律效用主要體現在兩個方面：第一，AIGC可版權性個案判定的依據；第二，AIGC產業鏈上中下游版權侵權責任歸結與分擔的依據。這兩點效用的實現，均為AIGC語料來源可追溯義務制度設定的必要性提供了證成。

1. AIGC可版權性個案判定的依據

AIGC雖在無形中降低了作品的創作門檻，但“人機關系”完成的共同貢獻使AIGC作品因獨創性貢獻來源的主體不明而備受可版權性爭議。雖然我國已有司法判例因人類“提示工程”率先承認了AIGC的可版權性[1]，但立法層面上的標準缺失以及國外相左的判例經驗，使學理爭議仍然難以被平息。問題的關鍵在于，無法判定作品的獨創性究竟是來源于“提示工程”的人類貢獻，還是語料來源的機器貢獻。美國版權局要求將人類貢獻度作為具體AIGC可版權性的核心考量因素，也就是要證明“提示工程”與AIGC獨創性之間有直接關系[2]。

人類貢獻度的判斷理應回歸到個案認定中，畢竟AIGC中的機器貢獻仍然建立在對原始語料特征分析、提取與應用中，只不過海量的、更為細節化的特征向量儲備，使生成內容可以在顯著區別現有作品的同時滿足人類的需求。因此通過“提示工程”與創作結果之間的比對來完成人類貢獻的判斷，只需要說明來源語料與作品的“獨”之間沒有直接聯系，進而可以反推人類貢獻與獨創性之間存在因果關系。這一路徑的實現需要一個強大的前提支撐，即AIGC語料來源的可追溯。

“春風送來了溫柔”生成圖片著作權侵權案，作為全國“AI文生圖第一案”[3]，其裁判顯然屬于“工具論”理念推導得出的結果。這也是該判決備受爭議的理論根源。以肯定生成式“人機合作”為前提，人類貢獻和機器貢獻都是AIGC作品獨創性的源頭。要區分人類貢獻與機器貢獻，首先要證明AIGC存在客觀上的“獨創性”，即AIGC“區別于現有作品”。除了巧合生成的極特殊情況，AIGC作品來源于機器對語料的深度學習，最有可能復制、臨摹、拼貼語料作品的內容，因此應首先從語料相似來判別其是否“區別于現有作品”。如果經判別AIGC作品本身具有獨創性，才有進一步追溯獨創性來源的意義。對來源語料的比對，首先需要明確特定AIGC生成中所使用的語料范圍，這就需要確保語料來源的可追溯。

根據著作權法的基本理論與司法實踐，源自“額頭冒汗”的最低限度創造性標準，是可版權性判斷的理論基礎。因此AIGC生成內容的特征向量只要足夠充足與細化，且“提示工程”所指向的數序化規則能體現個性化思維，輸出的內容便更容易具有獨創性。在人類貢獻的證明方面，如果能夠證明向量特征元素的數序化組合與表達，符合“提示工程”包含的個性化獨創思想，便可說明AIGC作品的“獨”來源于人類。但這一點需要通過代碼邏輯與語言邏輯比對來完成，相對較難。況且“提示工程”往往在多回合交互中完成，要梳理分散的“提示工程”綜合表達的創作思維，更是難上加難。

反之，如果一個AIGC作品與對應的原始語料之間存在顯著區分，并達到“區別于現有作品”的程度，則可以推定該AIGC的獨創性來源于人類貢獻。畢竟算法模型自身的數序規則，需要在“提示工程”的引導下完成個性化調整才能發揮作用，機器是無法獨立完成語料的選取并利用方案開展設計的。也就是說，雖然機器與人類共同完成了“人機合作”，但“提示工程”是生成方案設計的主導，決定了語料及向量特征的使用規則，其占據主導地位。因此當AIGC在結果上有獨創性，且顯著區別于語料作品時，這一獨創性應歸結于人類貢獻。這一標準的設立與實施都需要一個前提條件，就是AIGC語料來源可追溯。且為了保障追溯過程的完整性和客觀性，需要通過設定法律義務的方式對其予以固定。由AIGC平臺來完成語料追溯，可以避免第三方平臺追溯業務產業化而導致的證明力問題，也可以避免第三方因AIGC平臺數據公開、授權范圍限制而導致的追溯真實性問題。

2. AIGC產業鏈上中下游侵權責任歸結與分擔的依據

完整的AIGC產業鏈包括上、中、下游以及版權人。上游平臺一般是大模型開發者，其主要從事AIGC大模型的研發與訓練。模仿與學習是“人機合作”中不可避免的創作邏輯，初始階段便隱含大規模著作權侵權風險[1]。語料來源是AIGC生成的前提條件[2]。在訓練階段，通常會面臨合法性問題[3]，由于訓練語料被轉為特征向量，因此，機器在訓練語料學習的過程中對同一語料的學習維度越多，語料庫數據量越龐大，在生成階段出現與語料高度相似作品的可能性就越低。畢竟AIGC的產出“并非基于經典函數的邏輯運算，而是帶有一定生成思維的概率性隨機輸出”[4]，但也存在同一語料向量特征提取較少或整體化提取的情形，這時如果語料庫容量有限，很有可能出現與原始語料作品高度相似的AIGC生成內容，即上游環節的侵權之“因”導致下游環節的侵權之“果”。這一點從“全球AIGC平臺著作權侵權第一案”[5]中可得到印證。被告雖然不是原告奧特曼作品的語料訓練者，但被告通過可編程接口的方式接入第三方服務系統，在提供服務過程中生成的圖片與奧特曼作品實質性相似。這說明奧特曼作品在生成鏈中以語料方式存在，造成了下游環節AIGC生成作品的侵權。

在產業鏈中，處于中游環節的AIGC平臺大多為接入大模型的商業化應用端。中游平臺使用大模型作為基礎模型，根據自身的業態需求定向開發特定模態的生成式算法，為用戶提供生成式AI服務。在提供服務的過程中，中游平臺的知識產權保障主要依賴上游的大模型平臺。全球AIGC平臺侵權第一案中的被告便屬于中游平臺。該被告不訓練數據，僅提供定制化的生成算力輸出與應用，法院未識別奧特曼作品在生成鏈中的歸屬環節，便以被告提供的終端生成服務結果侵權為由，認定被告未盡合理注意義務，這可能會形成法律對中游平臺在知識產權合理注意義務履行方面的“強人所難”，甚至會倒逼中游平臺實施成本更為高昂的版權過濾措施來主動避免侵權，將合理注意義務異化為過濾義務。如果法律明確規定了語料來源可追溯義務，便可根據追溯結果作出更為精準的責任分配。

用戶是AIGC產業鏈中的下游端，通過“提示工程”在中游平臺上生成AIGC作品。用戶在使用AIGC時，也會出現將版權作品作為語料輸入的情形。由于用戶輸入語料的開放性和不可控性，存在生成作品與語料高度相似的可能。

AIGC產業鏈的上、中、下游均存在對版權作品的侵權風險，且這種風險具有傳遞性，侵權產生的不利影響集中反映在AIGC生成物上，影響生成作品的可版權性，更因算法不透明導致同一鏈條上的多主體侵權責任難以歸結。“何人為生成式人工智能的侵權行為負責乃保障受害人權益、推動技術發展的關鍵所在。”[1]要對AIGC著作權侵權責任進行精準的法律歸結，首先要追溯侵權語料的來源。“接觸+實質性相似”一直是侵權判定的標準，判斷涉嫌侵權作品是否存在“接觸”，需要追溯其是否出現在AIGC生成鏈條上的某一環[2]。如果全鏈條未使用涉嫌被侵權的作品，而生成結果又與版權作品實質性相似，那么可能屬于“巧合生成”的極特殊情形，在法律定性上應屬于意外事件。如果該涉嫌被侵權作品確實被用于生成鏈條上的某一環，則要通過具體來源環節的追溯判定侵權責任。如果是中游平臺對下游用戶作出知識產權瑕疵擔保承諾的情形，更需要將來源追溯，排除用戶輸入，作為啟動瑕疵擔保承諾的條件。

可見，判斷AIGC作品與版權作品之間是否實質性相似只是侵權責任歸結的前提。追溯語料來源才是將侵權主體、侵權行為與侵權責任對應聯系、形成追責鏈條的關鍵。這也為侵權認定后的責任承擔方式和后續合理注意義務承擔措施提供了判斷依據。其一，根據追溯到的侵權環節才能判斷誰應當刪除并預防對版權作品的再次語料化利用；其二，同一平臺上如果再次出現利用被侵權語料的同類侵權事件，只有根據追溯到的侵權環節才能判斷鏈條上的哪個主體應被認定為侵權上的明知與故意。進一步來說，主觀方面的認定也關系到懲罰性賠償規則的適用問題。全球AIGC平臺侵權第一案中，法院因為被告非大模型訓練方而未歸結上游語料訓練者對侵權語料的刪除義務，追責的鏈條并未貫通，這就難以避免被告作為中游平臺再次生成侵犯奧特曼作品著作權的AIGC作品。屆時，被告作為AIGC服務提供者的主觀狀態便更難以判定。

四、AIGC語料來源可追溯義務的制度化

AIGC數智化創作環境對著作權法的挑戰，必然帶來法教義學視角下的規則局限。全國各類首案的出現使司法成為面對技術挑戰的“第一防火墻”。無論是AIGC平臺侵權第一案還是AI文生圖著作權被侵權案，都使法院不得不在規則主義狹窄的法律解釋空間內開展制度適用。制度之間的邏輯不貫通必然成為裁判說理時無法避免的缺陷。例如AI文生圖案中“提示工程”與獨創性邏輯關系的對應，又如AIGC平臺侵權案，中游平臺避免因上游平臺語料訓練而輸出侵權AIGC的技術能力與現實可能，“注意義務”的履行判斷標準是否還停留在“合理”的范圍之內？這些學理爭議，都源自制度創新與新舊協調的速度沒有與技術帶來的銜接性阻礙同步。

回顧并仔細梳理這些阻礙不難發現，解決AIGC帶來的新型著作權法律問題并不需要顛覆現有法律范式，這也是為什么在現有法律范式下，制度適用說理雖然存在不完美卻仍能夠適用的原因。最受挑戰的并不是“自然人創作主體”容納不下“人機合作”中獨創性來源的區分需求，也不是“接觸+實質性相似”無法追究AIGC的版權侵權，而是這些制度在AIGC場景下適用標準的證明鏈條被拉長，需要更多環節的事實澄清來輔助判斷標準達成與否，乃至制度的適用是否可行。這就如同法院認定了“提示工程”，但僅憑“提示工程”代表的人類參與并不能達到AIGC作品獨創性來源于人類的證明標準，致使“作者-作品”之間的邏輯關系不周延。只要沿著原有的制度路線彌合邏輯裂隙便能解決這一問題。AIGC可版權性的標準判斷需要比傳統非人機合作作品更精確。從侵權責任的歸結角度來看，AIGC的版權侵權認定與責任承擔，仍遵循“接觸+實質性相似”“非經許可”“未合理注意”以及“責任歸屬于行為主體”的基本判定標準。只是由于AIGC產業鏈各環節均存在風險發生的可能，且將侵權“基因”傳遞到終端生成環節，因而難以區分侵權行為的主體，導致責任的最終歸結主體與侵權結果的歸屬主體可以發生分離。因此，AIGC的侵權責任歸結相較于傳統行為人侵權的責任歸結，須延伸判斷標準的證明鏈條，去細分AIGC侵權的行為來源主體與結果歸屬主體，并厘清二者之間的邏輯關系。

因此，AIGC語料來源可追溯義務的法律設定，便是一種法律效用明顯且制度變革成本較小的立法方式。義務的構造須從性質界定、履行標準及相關制度銜接等方面展開。

1. AIGC語料來源可追溯義務的屬性

AIGC語料來源可追溯義務的設定，雖然在一定程度上會加重AIGC平臺的成本負擔，但在“風險-負擔”與“利益—博弈—均衡”的情況下，承擔AIGC語料來源可追溯義務，不會超出法律倫理的理性范疇，也不會逾越“法律不能強人所難”的制度邊界。

第一，AIGC語料來源可追溯為強制性義務。在法律義務設定的過程中，有兩種義務屬性可以選擇：一種是強制性義務，另一種是倡導性義務。強制性義務是要素學說中“命令”模式下的核心規則范式，用以表達法律基于強力做出的迫使性要求，違反強制性義務通常會引發法律制裁。倡導性義務一般不帶有強制性，履行義務符合法律的相應期待，不履行義務也不會引發法律制裁。這種義務的設定源自法律強制性要求的現實可能性抑或法理性基礎不足。因而對于履行義務的行為，法律通常會給予一定的獎勵，鼓勵義務的履行，“提倡和誘導當事人采用特定行為模式”[1]是倡導性義務的理論基礎與本源。由于AIGC語料來源可追溯義務是利益平衡與協商下的最佳選擇，且需要承擔制度適用性判定的延伸與銜接功能，因而須將其在法律上作為強制性義務來統一適用，如果將其作為倡導性義務，則無法達到避免秩序不當競爭而帶來的“弱肉強食”的效果。

第二，AIGC語料來源可追溯為私權相對之義務。AIGC平臺除了負有“尊重”“不侵害”知識產權的義務，理論上還因其技術邏輯的自有風險而應承擔更高標準的注意義務。這些都是法律對AIGC平臺知識產權保障的基本要求。AIGC語料來源的可追溯義務，作為履行語料知識產權安全保障的基本措施，以及可版權性、侵權責任歸結的前提條件，均圍繞知識產權人的權利保障而展開，與權利主體的私權利益相對。因此AIGC語料來源可追溯為私權相對之義務。義務的不履行造成知識產權人的追責困難，應該由未盡義務履行職責的主體承擔私權遭受損害的責任，如果同一AIGC產業鏈條上的主體眾多，則這些主體共同承擔責任。

2. AIGC語料來源可追溯義務的內容結構

義務的法律設定需要明確義務的承擔主體、承擔范圍與責任承擔方式。首先，在義務履行主體方面，無論是基于“收益-成本”的需要，還是基于“風險-負擔”的考量，AIGC平臺都有理由、有責任也有技術能力來承擔追溯義務。這一點在利益平衡與博弈的分析中可以得證。但AIGC平臺的類型眾多，存在區分上游大模型平臺與中游應用平臺的問題。那么，語料來源的可追溯義務是否要進一步區分承擔主體呢？這一點要結合義務設定的目的來考察。語料來源的可追溯本身是為了在知識產權保障方面對應語料與侵權結果之間的關系，如果僅由上游或者中游平臺來承擔責任，則無法實現追溯鏈條的貫通，義務設定便失去了意義。因此該義務的承擔主體范圍應是全部AIGC網絡服務提供者。

其次，雖然AIGC語料來源可追溯義務覆蓋所有AIGC服務提供者，但考慮到不同平臺在追溯能力方面的差異，結合“分類分級”的治理需求，對于上游與中游平臺合一的情況，應要求追溯鏈條的完整性。對于中游平臺接入上游平臺的情況，應要求中游平臺追溯語料在應用端與生成端中的來源及使用情況，而上游平臺則應當追溯語料的訓練情況，以及向中游平臺的輸出情況。

最后，既然AIGC語料來源可追溯義務是法定強制性義務，與私權相對的義務，那么就要設定該義務不履行時的責任承擔規則。可追溯義務的特殊性體現在它是一種知識產權保障的前提性義務，其作為義務要求有具體的強制性作為內容。但違反該義務并沒有獨立的責任，這是因為違反該義務并不是直接導致侵權發生的原因，違反該義務的損害后果，通常要與非法使用語料的侵權事實相結合才能體現。例如，上游平臺在語料訓練時侵權，中游平臺未盡到語料來源的可追溯義務而導致版權人無法向上游平臺追索，那么中游平臺因沒有履行追溯義務而要承擔侵權責任。AIGC語料來源可追溯義務是實現版權保障的前提性義務，因而也是合理注意義務的前提性義務，未履行該義務而要承擔版權侵權責任，是因為AIGC平臺未盡到合理注意義務。需要強調的是，AIGC語料來源可追溯義務的履行不能證明平臺已經盡到合理注意義務，因為追溯以后還要具體考察平臺是否及時采取必要措施。但作為前提性義務，該義務的未履行卻能夠證明平臺未盡合理注意義務。因為該義務是侵權追索的前提，平臺未盡可追溯義務導致權利人追索受困，應當被判定為因未盡合理注意義務而對權利人損失承擔責任。

3. AIGC語料來源可追溯義務的制度銜接

AIGC語料來源可追溯義務，在版權領域完成AIGC場域下的制度銜接，是該義務法律效用得以證成的關鍵。發揮制度銜接作用也是可追溯義務設定中，以較低制度成本推動原有制度規則適用的關鍵所在。

第一，AIGC語料來源可追溯義務與“獨創性”標準的銜接。可追溯義務的設定作為AIGC作品可版權性判斷的延伸路徑，在AIGC可版權性方面構建“獨創性”認定的特別規則。通過語料來源可追溯義務溯源AIGC生成作品使用的原始語料情況，并將生成作品與原始語料進行“實質性相似”比對，如果二者存在顯著區別，則應當認定生成作品為具有“獨創性”且同時推定該“獨創性”來源于人類貢獻。

第二，AIGC語料來源可追溯義務與侵權責任承擔制度的銜接。通過追溯義務追溯被侵權作品在生成鏈中的來源環節，如果來源于上游平臺則應當由上游平臺承擔責任，中游平臺要通過證明侵權語料作品非來源于自身而免責。如果中游平臺在自身的應用模型中，通過抓取、提示詞轉語料等方式侵犯著作權，則由中游平臺承擔侵權責任，上游平臺免責。如果在追溯鏈中發現上游平臺和中游平臺均非法使用了被侵權作品，無論是用于數據訓練還是用于AIGC生成環節，均由二者共同承擔責任。如果侵權發生在AIGC用戶的輸入環節，則由用戶承擔侵權責任。當然，版權侵權責任的承擔應排除合理使用等免責事由。若用戶在“提示工程”中輸入帶有明顯故意侵權色彩的引導內容，且AIGC平臺也存在侵權情形，則在法律上構成“無意思聯絡的共同侵權”，由平臺和用戶共同承擔侵權責任，但前提是沒有免責事由，且用戶將AIGC生成作品用于營利性活動。若用戶只是出于自身娛樂或自用等需求故意提示生成侵權作品，不能被視為與平臺構成“無意思聯絡的共同侵權”，用戶無須承擔侵權責任，而平臺需要根據追溯結果承擔單獨侵權或“無意思聯絡的共同侵權”責任。

第三，AIGC語料來源可追溯義務與合理注意義務的制度銜接。AIGC語料來源可追溯義務，是合理注意義務在生成式人工智能領域的前提性義務，這一點已在上文中反復論述。然而二者之間在制度上如何銜接是一個要進一步說明的問題。AIGC語料來源可追溯義務需要平臺通過記錄的方式實施，且根據申請才可以進行追查并提供追溯結果。權利人發現侵權線索時，可要求平臺提供追溯服務，AIGC平臺應當提供。若在追溯過程中發現確實存在非法使用版權作品的行為，平臺除了承擔侵權責任，還應從追溯結果確定之日起被視為“明知”，應當及時啟動合理注意義務的履行，采取刪除、防止再次將內容納入語料庫以及開展模型優化訓練等“必要措施”。經過追溯發現是上、下游平臺實施的侵權行為，平臺則應主動采取“通知”侵權人的“必要措施”，以盡到審慎的合理注意義務，進而使自身免責。

[1]王遷：《再論人工智能生成的內容在著作權法中的定性》，《政法論壇》2023年第4期。

[1]崔國斌：《人工智能生成物中用戶的獨創性貢獻》，《中國版權》2023年第6期。

[2]袁真富、夏子軒：《機器學習中作品利用的著作權補償金制度研究》，《科技與出版》2024年第7期。

[3]《生成式人工智能服務安全基本要求》（TC260-003）從語料安全、模型安全等多個維度規定了生成式人工智能服務在安全方面的基本要求。文件中“5.1語料來源安全要求”專門對“語料來源可追溯”進行了規定。

[4]肖君擁：《區塊鏈技術應用的法理審思及法律規制》，《學術交流》2023第8期。

[5]高富平：《數字經濟：社會經濟變革的力量》，《西北工業大學學報（社會科學版）》2023年第2期。

[1]崔國斌：《論網絡服務商版權內容過濾義務》，《中國法學》2017年第2期。

[2]吳漢東：《論網絡服務提供者的著作權侵權責任》，《中國法學》2011年第2期。

[3]2023年6月，“崔布雷訴OpenAI集體訴訟”案；2023年7月“西爾弗曼訴OpenAI集體訴訟”案；2023年8月包括普利策獎得主邁克爾·查伯恩、戲劇家大衛·亨利·黃在內的作家對OpenAI提起了集體訴訟；2023年9月，包括喬納森·弗蘭岑、約翰·格里森姆在內的17位美國著名作家，通過全美作家協會在紐約曼哈頓聯邦法院對OpenAI提起集體訴訟；2023年12月，包括凱·伯德、泰勒·布蘭奇、史黛西·希夫在內的11名美國作家在紐約曼哈頓聯邦法院起訴OpenAI公司；2024年1月，美國著名非小說類作家尼古拉斯·巴斯貝恩和尼古拉斯·蓋奇對OpenAI公司發起集體訴訟。

[1]溫馨、劉曉雅、殷艷娜：《數字化能力提升可以促進制造業價值鏈攀升》，《學術交流》2023年第10期。

[2]騰訊、百度、搜狐、環球網等多家新聞媒體均對這一情況進行了相關報道，如《Shutterstock為企業客戶提供關于AI圖像創建方面的補償》，https：//finance.huanqiu.com/articlee/4DbqpS9CPLf。

[3]馮玨：《漢德公式的解讀與反思》，《中外法學》2008年第4期。

[1]蔡琳：《AIGC可版權性認定的一般規則構建》，《政法論叢》2024年第2期。

[2]吳漢東：《論人工智能生成內容的可版權性：實務、法理與制度》，《中國法律評論》2024年第3期。

[3]2023年，北京互聯網法院審理了“春風送來了溫柔”的“AI文生圖第一案”。案號為：（2023）京0491民初11279號案。

[1]熊琦：《版權過濾機制的多元屬性與本土生成》，《法學》2023年第7期。

[2]許中緣、鄭煌杰：《ChatGPT類應用風險的治理誤區及其修正——從“重構式規制”到“階段性治理”》，《河南社會科學》2023年第10期。

[3]李愛君、孫彥東：《論非基于個人同意的個人信息處理與單獨同意規則的體系解釋》，《西北工業大學學報（社會科學版）》2023年第3期。

[4]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》，《出版發行研究》2024年第1期。

[5]2024年2月8日廣州互聯網法院作出涉及“奧特曼”作品的AIGC著作權侵權判決，即（2024）粵0192民初113號判決。

[1]陸小華、陸賽賽：《論生成式人工智能侵權的責任主體——以集體主義為視角》，《南昌大學學報（人文社會科學版）》2024年第1期。

[2]邵紅紅：《生成式人工智能版權侵權治理研究》，《出版發行研究》2023年第6期。

[1]王軼：《論倡導性規范——以合同法為背景的分析》，《清華法學》2007年第1期。

〔責任編輯：玉水〕