生成式人工智能的版權風險及其規制路徑

一、問題的提出

在數字化浪潮席卷全球的時代，新質生產力已經成為推動社會創新進步與科技發展的重要力量，作為其主要代表的生成式人工智能憑借自身超強的內容生成能力，逐漸融入經濟、文化、社會發展等各個領域，給人們的工作和生活帶來極大的便利。然而，任何新技術的發展往往都會伴隨一系列的挑戰，生成式人工智能的普遍應用既使得版權風險逐漸顯露，也給傳統的版權法律體系帶來巨大的沖擊，加大了版權保護的難度。生成式人工智能的完整加工體系包含數據收集、機器學習與內容輸出三大環節，每個階段均涉及海量數據處理，但是各環節的數據處理目標與方法存在顯著差異。在生成式人工智能的大規模數據處理與階段性差異影響下，模型訓練、數據輸入、內容生成等環節均存在不同程度的版權風險隱患。文章通過深入分析生成式人工智能各運行階段的技術原理，系統揭示了其中潛在的版權法律風險，并基于分層視角，針對不同階段的具體版權問題提出了專項研究框架。例如，在數據收集階段如何才能保證不侵犯原作者的版權？在生成階段所形成的產物應該如何認定才能實現對其最大化保護的目標，從而平衡技術的發展和傳統版權保護對象之間的沖突？針對以上問題，文章結合各階段的運作特性針對性地提出規制對策。

二、生成式人工智能概述

（一）生成式人工智能的內涵

第一，人工智能的概念。“人工智能”的概念最早由英國數學家圖靈在1950年提出，他通過“圖靈測試”這一標準，用以判斷機器是否具備獨立思考能力，并將人工智能定義為：能輸出與人腦別無二致的內容的機器。到1956年，達特茅斯會議正式將人工智能作為一個學科的正式命名，并開啟了人工智能的研究歷程[1]。自此，人工智能經歷了幾次興衰，分別被稱為“寒冬”和“熱潮”。目前，我們正處于第三次人工智能熱潮，也被稱為“深度學習革命”[2]。深度學習是一種可以處理復雜的非線性問題，能夠實現端到端學習的方法，其利用多層神經網絡進行數據表達和學習。基于此，文章可將“人工智能”定義為新興的技術科學領域，主要致力于研究和開發用于模擬、延伸及增強人類智能的理論方法、技術體系及其應用系統。該學科旨在探索智能的本質特征，研發能夠模擬人類智能活動并作出類人反應的智能系統，其典型應用包括機器人技術、生物特征識別以及智能對話系統等。

第二，生成式人工智能的概念。生成式人工智能屬于人工智能的一個特定分支，其技術基礎主要建立在機器學習等人工智能技術體系上。生成式人工智能的核心原理植根于深度學習技術，尤其以神經網絡的應用最為典型。其核心思想在于使用變分自編碼器（VAE）、生成對抗網絡（GAN）、大型語言模型（LLM）等訓練模型，通過多層次的神經網絡模塊來理解和模擬數據的分布，從而生成與訓練數據相似但又獨特的新數據，實現創造性的內容生成[3]。與只能對已知的模式進行重復利用的普通人工智能相比，生成式人工智能的優越性在于：其能夠在對現有的數據進行模擬和分類后，利用其已經學習到的模式自主地生成文本、音頻、視頻等各種類型的新內容。生成式人工智能的核心技術體現在基礎模型，典型代表包括美國OpenAI開發的ChatGPT，以及國內研發的文心一言、訊飛星火等主流產品。生成式人工智能的出現是人工智能時代創造性和創新性的重大突破，為各種領域帶來了新的可能性與機遇，同時也帶來了技術、倫理、法律等各方面的挑戰。

（二）生成式人工智能的特征

生成式人工智能與普通的人工智能有所不同，其基于開發者預先設計的應用程序，依托人類主體提供的數據，以多樣化的方式歸納社會生活中人們對各種事務的處理規則，自主地對所采集的數據進行加工重構，進而產出人類主體希望獲得的創造性結果[4]。結合以上不同點，文章歸納了生成式人工智能的主要特征。第一，自主創造性。生成式人工智能無須人工干預，在接收用戶指令后，能夠基于內置算法和海量數據集，通過分析數據特征實現跨模態融合，自主生成超越現有內容的全新創作成果。第二，高效可控性。一方面，用戶對生成過程與結果具有可控性。用戶可通過對大模型發出指令來調整生成數據的內容和結構，準確滿足自我需求；另一方面，生成式人工智能生成效率和質量較高。當收到用戶的指令時，生成式人工智能可在短時間內迅速檢索自身的數據庫，快速產出高質量的數據內容，這在節省大量人力物力的同時提升了生產效率。第三，可解釋性。其一，生成式人工智能為用戶深入了解其模型提供了路徑。當生成物產出后，大模型能夠依照用戶的需求提供生成數據的來源與依據，使用戶清晰理解其內部機制和決策過程，從而提高生成結果可信賴度和可解釋性。其二，用戶可通過人機交互判斷生成物的質量和可用性。例如，當用戶要求生成式人工智能“撰寫交通事故案例匯編文書”時，系統生成的內容可能包含國家權威案例庫的官方數據與社交平臺用戶的非正式回答。通過對比數據來源，用戶通常會更傾向于采信權威機構提供的案例，因其在專業性和可靠性方面更具優勢。第四，侵權特殊性。生成式人工智能在無法合理處理其收集的數據內容來源或生成不具有創造性的作品時，會產生侵權的可能性。一方面，侵權客體具有特定性和特殊性。生成式人工智能的侵權問題主要涉及人格權與著作權兩大領域，這一特性使其面臨的法律風險具有相對可控性。另一方面，侵權結果的發生具有依附性。生成式人工智能雖可能生成虛假內容或與既有作品構成實質性相似，但實際侵權責任通常源于用戶的傳播行為[5]，且侵權所造成的損害程度和影響范圍往往也和用戶傳播這些內容的方式緊密關聯。

三、生成式人工智能的版權風險

隨著科技的不斷更迭發展，生成式人工智能逐漸成為技術創新、生產力提升和產業升級的重要驅動力量，國家也高度重視數字經濟發展，2023年中央經濟工作會議對此作出重點部署，大力發展數字經濟，加快發展人工智能[6]。生成式人工智能的運行并非單一過程，其主要包括數據收集、學習和輸出三個階段。在數據收集階段，生成式人工智能主要通過對其他作品的收錄編輯形成自己的數據庫；在學習階段，生成式人工智能通過分析先前所收集的大量數據，使用最優算法搭建模型，并對模型開展質量評估；在輸出階段，生成式人工智能模型可根據用戶的指令生成具有創造性的人工智能生成物。由此可見，生成式人工智能的運作是一條完整且各環節密不可分的鏈條，一旦其中某一環出現誤差，將導致后續步驟無法成功運作。正是基于其這一技術特性，生成式人工智能易引發一系列版權風險，這些版權風險貫穿于生成式人工智能運作的整個過程。

（一）數據收集階段的版權風險

擁有大量的版權作品和數據內容是保障生成式人工智能得以有效運行和不斷發展的重要基石，數據收集階段作為生成式人工智能復雜系統運作的開端，需要將現有的海量作品轉換成人工智能可以識別的數據類型，以便于下一階段的數據處理，故其合法性和合規性至關重要。然而，由于該階段的基礎性和特定運作機制，數據采集過程常涉及侵權問題，可能引發著作權侵權風險，并進一步波及后續學習與輸出環節，形成連鎖性法律風險。實踐中，該類侵權主要源于人工智能的開發者未獲得版權所有人的授權許可，如采取通過爬蟲程序獲取數據、未經版權人許可直接扒竊數據庫或個人數據、未經授權將他人非數據作品數字化等一系列手段[7]。因此，如何在現行法律體系下合理協調數據庫建設與著作權保護之間的平衡，確保對人類智力成果的充分尊重，已成為業界亟須解決的關鍵問題。

（二）學習階段的版權風險

生成式人工智能的學習階段可能會引發改編權侵權的風險。改編權指改變作品，創作出具有獨創性的新作品的權利，其包括在原作品上進行改編和形成新的作品兩個構成要件。

生成式人工智能的學習階段實質上為機器學習，主要是將其收集到的數據進行加工處理，并構建自己獨有且全面的數據庫。然而，處理加工的過程往往會涉及將所收集的原作品進行拆解、改裝、重組的情況，因此，有學者將這個階段的學習分為非表達型機器學習和表達型機器學習。非表達型機器學習本身不具備主觀創作意圖，僅對輸入數據進行客觀分析和特征提取。由于其所處理的內容通常不構成著作權法意義上的作品，這類技術可以自由使用相關素材，從而避免了潛在的版權侵權風險。表達型機器學習則主要以輸出表達為內容，并且可根據作品作者來源是否具有唯一性和針對性進一步將其分為“普通的表達型機器學習”和“特殊的表達型機器學習”[8]。普通的表達型機器學習指不以特定作者為學習對象，而是從海量現存作品數據庫中提取符合條件的內容進行訓練；特殊的表達型機器學習以特定創作者為學習對象，如通過分析某位作家的文學風格，進而生成具有該作家典型特征的新作品。前者提取各種類型的作品中所需的數據部分，對其加工處理，產生的作品具有創造性和新穎性，能夠構成著作權法定義的“作品”，不易侵犯他人的版權。后者由于提取的作品具有針對性且為特定作者所著，在生成過程中毫無避免地可能引發侵犯原作者改編權的風險。因此，在生成式人工智能處理原作品數據的過程中，用戶需要特別關注表達型機器學習的具體應用形式，避免其在學習和生成環節侵犯原作者的改編權，從而引發版權爭議。

（三）輸出階段的版權風險

經過數據收集和機器學習兩個關鍵環節后，系統最終生成新作品的階段，即為生成式人工智能的輸出階段。在此階段，系統首先利用訓練好的模型和輸入的上下文提示，通過概率統計方法預測并選擇最優的文本或視覺元素來生成內容。隨后，系統會對生成內容進行多維度評估，包括語法正確性和語義相關性等方面的檢測與優化，最終輸出高質量且準確的結果[9]。然而，生成式人工智能的輸出內容是基于用戶指令，對數據庫的信息進行定向篩選和重組后生成的結果，可能導致以下著作權風險：一是生成內容缺乏足夠的獨創性；二是可能包含對原作品的實質性復制或過度模仿。這種情況可能涉及侵犯原作者的復制權、信息網絡傳播權、發行權及改編權等多項著作權。總的來說，這一階段最大的爭議主要集中于生成物的版權歸屬問題上。具體而言，當生成內容涉嫌侵犯大模型所采集的受版權保護作品的權益時，應如何準確界定該版權作品的合法權利人？這一問題不僅引發了學術界的關注，同時也使司法實踐深受困擾。實際上，版權歸屬爭議主要涉及生成式人工智能的開發者、運營者和使用者三方主體，因此合理界定三方的權責關系是解決此類問題的關鍵。

四、生成式人工智能版權風險的規制路徑

生成式人工智能的出現是數字化經濟時代的一大創新突破，實現了從語言分析世界向創造世界的偉大飛躍，標志著人工智能迎來了一個更加鼎盛的新時期，其能夠更加充分探索和利用人類的信息環境，實現信息多元化、創造性結合，更有利于產業鏈升級和價值觀的塑造。然而，生成式人工智能作為新興技術領域，其涉及的技術特性和潛在風險超出了傳統法律規制的預期范圍，導致從數據采集到內容生成的全流程都存在法律適用的空白與挑戰。在我國現行法律體系中，人工智能相關規制分散于多部法律法規中，如《中華人民共和國電子商務法》《中華人民共和國個人信息保護法》《中華人民共和國數據安全法》，無法形成一個完整周延的法律規范體系。立法部門只有在第一代生成式人工智能運行時對現存問題采取實質性的應對措施，解決根本，才可筑牢根基，保證各類生成式人工智能大規模商業化落地時能穩步運行，確保產業智能化升級和和現代化進程順利進行[10]。基于此，文章將結合國家互聯網信息辦公室等七部門聯合印發的《生成式人工智能服務管理暫行辦法》，綜合考慮生成式人工智能運行的獨立性、各個運行階段的工作和特征，針對其存在的版權法律問題，提出相關切實可行的規制路徑，為生成式人工智能引發的法律風險解決方案提供相關建議。

（一）筑牢生成式人工智能發展的基石

建立數據內容廣泛且來源合法的儲備庫是生成式人工智能得以穩定運行和高質量高效率工作的重要前提。針對生成式人工智能在收集數據階段可能引發侵犯原作者復制權的問題，當前的研究主要存在以下四種觀點。一是引入法定許可，采用報酬支付或補償金制度；二是將該階段的數據收集納入合理使用范疇；三是采取類型化區分，從而適用著作權的合理使用，將該范圍限定在公共領域、科研內；四是絕對否認該階段侵犯復制權[11]。在數據收集階段，數據庫僅對現有作品及信息進行采集與整合，將內容存儲于數據庫中。文章認為，根據著作權法“固定性 + 可復制性”的判定標準，由于該過程未實際實施傳播行為，因此不構成著作權侵權。但是，基于數據庫是生成式人工智能進行學習、產生生成物的基礎，立法部門應當在該階段對數據收集進行限制一一優先使用公共領域數據或授權數據，避免直接抓取受版權保護的作品；在涉及存在知識產權的數據抓取上，與數據提供商簽訂合法協議以確保數據來源可追溯，從而在源頭上降低侵權風險[12]。同時，生成式人工智能開發者須嚴格遵守著作權法的規定，結合《生成式人工智能服務管理暫行辦法》第九條“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。涉及個人信息的，依法承擔個人信息處理者責任，履行個人信息保護義務。”的規定，通過與著作權人簽訂授權協議，明確數據采集范圍和使用方式、利用經合法授權的開源數據庫、限定收集公共領域作品內容等措施，有效規避數據收集環節的復制權侵權風險。同時，在第七條將獲得原作者授權的合法作品納入數據庫的基礎上，立法部門應明確對著作權違禁作品、違法作品及通過爬蟲程序等侵權手段獲取的內容采取禁止性規定。此外，立法部門還應強調生成式人工智能服務提供者的注意義務。對此，立法部門可借鑒“廣州法院判決AI生成奧特曼侵權案”法院裁判的判決意見，即生成式人工智能服務提供者通過采取關鍵詞過濾等管控措施，確保即使用戶輸入與特定作品相關的提示詞，系統也不會生成與該作品構成實質性相似的文本或圖片內容。

（二）確保學習階段的嚴格性

若想確保生成式人工智能輸出階段不再侵犯原作者的復制權、信息網絡傳播權、表演者權等版權，生成式人工智能開發者需要保證其運行的前面的各個階段符合相關要求，不能存在侵犯原作者版權的行為。在學習階段，生成式人工智能開發者要特別重視生成式人工智能的特殊的表達機器學習類型可能面臨侵犯原作者的改編權的問題。在此階段，開發者應當在模型訓練和優化時謹慎處理所收集的數據內容，防止其所采用的技術和手段直接復制和濫用原作者的創作成果，構成侵權。為兼顧法律適用的穩定性與人工智能技術的良性發展，我國可在現行著作權法框架下，將生成式人工智能使用作品的行為納入合理使用范疇，同時設定以下限制條件：其一，使用目的不得構成惡意競爭或損害權利人利益；其二，對用于商業用途的生成內容，需要通過“三步檢驗法”評估其合理使用邊界；其三，參照歐盟《人工智能法案》建立素材來源披露機制，確保訓練數據的可追溯性。這一制度既能為生成式人工智能的發展提供法律保障，又能維護著作權法的核心價值，同時促進原創作品的合法傳播，實現文化知識的良性擴散。

（三）明確人工智能生成物的版權歸屬

針對生成式人工智能生成物的版權歸屬，國內外一直存在爭議。法國、德國、意大利等歐盟國家以及美國均不支持人工智能生成物的可版權性，認為著作權制度的中心應為人類，并非人工智能系統，且美國版權局在其發布的美國聯邦法規第202部分《版權登記指南》中明確規定了人工智能生成的作品不受版權法的保護。

我國理論界對此問題也展開了激烈的探討。張平教授從著作權法視角出發，指出權利主體不僅限于自然人，還包括法人及非法人組織等非自然人主體，因而主張應采用客體判斷標準，即以生成內容是否具有獨創性作為認定其構成著作權法保護作品的實質要件。馮曉青教授與韋之也贊同此觀點，他們認為，人工智能生成物是經人類提示的具有思想性的產物，只要通過查重等手段證明其具有獨創性就可被認定為作品。孫遠釗教授、丁曉東教授與李琛教授主張采取主體判斷標準，認為人工智能不符合著作權法規定的創作主體和權利主體資格要件。

文章認為，若人工智能生成內容滿足著作權法規定的“獨創性”要求，即應被認定為受保護的作品，其著作權應歸屬生成式人工智能的使用者。一方面，技術開發者與提供者通過模型商業化應用已獲取經濟效益，而生成內容則是使用者在基礎指令框架下，通過持續調整優化形成的個性化智力成果，應視為使用者的獨創性表達；另一方面，現行《中華人民共和國民法典》和《中華人民共和國著作權法》確立的法律框架明確將著作權主體限定為自然人、法人及非法人組織等平等民事主體，其立法目的在于保護創作者對作品享有的財產權益，基于維護法律體系內在統一性的要求，當前司法實踐不宜將生成式人工智能認定為適格的著作權主體。此外，生成式人工智能根據使用者的指令和設定條件所產生的內容，本質上屬于人類提升信息處理效率的工具性產物，完全服務于使用者的特定需求，故其著作權應歸屬于生成式人工智能的使用者。

（四）構建全方位監管體系，促進生成式人工智能的成長

生成式人工智能通過大數據算法完成內容生成后，將產出具有創造性的生成內容。相關主體不僅需要界定此類內容的法律屬性與權利歸屬，更需要建立有效的監管機制以防范潛在的版權爭議。

首先，相較其他主體，生成式人工智能的開發者對生成式人工智能模型享有最大的控制權，也對其擁有全面的了解。雖然人工智能生成內容的著作權歸屬于使用者，但是開發者仍須承擔首要監管責任，以持續優化生成模型，推動技術創新發展。生成式人工智能開發者可通過以下方式履行其監管責任：出具相關的版權聲明文件以及數據來源公開文件，采取水印、特征提取和比對、自動監管系統等手段[13]，同時定期核查數據來源的合法性，及時處置未授權內容，從源頭降低版權侵權風險。

其次，生成式人工智能使用者作為技術應用的指令發出方和生成內容的著作權人，自指令輸入至內容產出的全過程均須承擔主體責任，其生成內容是否構成侵權將直接影響自身合法權益。因此，生成式人工智能使用者也應當被納進監管生成式人工智能的主體隊列中。其應當在發布指令時嚴格限定發布條件，不得濫用其主體權利損害他人的版權；在作品生成完成后，要及時采取審查措施，判斷其中是否存在侵犯他人版權的情形，確認無任何侵權風險后再將作品公開發行或營利使用。

最后，政府機構應當承擔作為公權力機關的社會責任。一方面，政府機構應充分發揮公信力優勢，積極開展知識產權普法宣傳，面向社會公眾系統性地普及知識產權知識，提升全民知識產權保護意識，促進形成尊重和保護知識產權的社會氛圍，從而從源頭上減少版權侵權行為的發生。另一方面，為有效監管生成式人工智能的版權問題，相關政府管理部門應當與生成式人工智能開發者建立協同配合的監管體系，通過實施政府引導與企業自律相結合的雙重監管機制，切實降低生成式人工智能引發版權糾紛的可能性。

五、結語

生成式人工智能的出現掀開了強人工智能時代的序幕，相較普通人工智能而言，其在使用算法技術分析數據的基礎上增加了條件接收和生成反饋的環節[14]。這一變革在為科技和人類生活帶來便利的同時，也給傳統版權體系帶來巨大的沖擊和挑戰。在分層視角下，文章提出，在數據收集階段，相關主體應采取“數據抓取先后原則與技術人員責任加強并舉”措施，以遏制源頭侵權現象的發生；在學習階段，相關主體應采取“合理使用版權作品、提升改編、復制生成素材的透明度”措施，以降低侵權概率；在權利歸屬階段，相關主體應采取“確定生成物原則上歸屬于使用者”的權利主張。各責任主體承擔相應的監管責任，共同促進人工智能健康升級發展與版權保護之平衡，進而在實現生成式人工智能技術創新和進步的同時，最大化地達到著作權法的立法目的，保護作者對其作品的合法權益，促進技術進步與人類思想深度挖掘的同步實現。

［參考文獻］

［1］譚鐵牛.人工智能的歷史、現狀和未來［J］.智慧中國，2019（Z1）：87-91.

[2]三劍定乾坤.人工智能：發展現狀和應用前景[EB/OL].（2023-11-09）[2025-05-05].https：//mp.weixin.qq.com/s/QMj8AODIkgma-psDSR ZJ3g.

[3]Ai腦洞.什么是生成式人工智能[EB/OL].（2023-08-18）[2025-05-05].ttps：//b23.tv/DWigY3m.

[4］韓雨瀟.生成式人工智能作品版權歸屬問題研究[J].揚州大學學報（人文社會科學版），2023（04）：52-64.

［5］王利明.生成式人工智能侵權的法律應對［J］.中國應用法學，2023（05）：27-38.

［6］中央財辦有關負責同志詳解中央經濟工作會議精神［EB/OL].（2023-12-18）[2025-05-05].https：//www.gov.cn/zhengce/202312/content_6920788.htm.

［7］詹愛嵐，田一農.生成式人工智能機器學習中的著作權風險及其化解路徑[J].電子知識產權，2023（11）：4-14.

［8］李安.機器學習作品的著作權法分析：非作品性使用、合理使用與侵權使用［J］.電子知識產權，2020（06）： 60-70.

［9］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.

[10」張欣.生成式人工智能的數據風險與治理路徑[J].法律科學（西北政法大學學報），2023（05）：42-54.

［11］施小雪.重塑復制權：生成式人工智能數據訓練的合法化路徑［J].東方法學，2024（06）：70-83.

［12］張偉君.論大模型訓練中使用數據的著作權規制路徑［J].東方法學，2025（02）：79-92.

[13］崔原，連鵬飛，任曉，等.生成式人工智能知識產權風險及應對思路［C」//中國家用電器協會.2023年中國家用電器技術大會論文集.青島海爾科技有限公司；數字化家電國家重點實驗室，2023.

[14］劉霜，張瀟月.生成式人工智能數據風險的法律保護與規制研究：以ChatGPT潛在數據風險為例［J]．貴州大學學報（社會科學版），2023（05）：87-97.