生成式人工智能服務提供者的著作權侵權責任認定

一、問題的提出

以ChatGPT、Midjourney、Suno 等為代表的生成式人工智能（GenerativeAI）革新了文化產品的生產和創作過程。面對技術的變革，規制文學、藝術、科學等一切文化領域實踐的著作權法往往是最早作出回應的法律。1生產高質量文學與藝術作品是生成式人工智能的重要運用場景，擴散模型（diffusionmodels）可以綜合高質量的圖片，而大型語言模型（large language models）能夠生成合乎邏輯、令人印象深刻的散文與韻文。2由此，在實踐中，生成能力強大，生成內容與傳統創作物難以分辨的生成式人工智能已經引發了內容輸入（機器學習）階段和內容輸出 （生成）階段的著作權侵權問題。“由于生成式人工智能本身不具備法律主體資格，4生成式人工智能服務提供者（以下簡稱“服務提供者”）將成為承擔侵權責任的主體。5然而，根據國家互聯網信息辦公室等部門2023年7月10日公布的《生成式人工智能服務管理暫行辦法》（以下簡稱《暫行辦法》）第7條第1款第（二）項的規定，服務提供者必須遵循著作權法“先授權后使用”的預設，開展訓練數據處理活動不得侵害他人知識產權。但與此同時，該款第（四）項要求服務提供者“提高訓練數據質量，增強訓練數據的真實性、準確性、客觀性、多樣性”，而高質量的訓練數據難以回避他人享有著作權的內容。在這一矛盾和張力下，如何認定服務提供者的著作權侵權責任，確保產業發展與創作激勵之間的平衡，已成為當下著作權法研究中不可回避的問題。

現有研究集中于論述服務提供者的一般侵權責任。例如，對于服務提供者的法律地位，存在新型網絡服務提供者說、“新型網絡內容提供者說’等觀點。而對于服務提供者的侵權歸責原則問題，則出現了過錯責任說、“無過錯責任說、過錯推定責任說1等觀點。不過，現有研究尚未對服務提供者的著作權侵權責任認定這一特殊問題展開系統分析。此外，在結構上，現有研究通常以服務提供者的定性作為論證起點，即其究竟構成《中華人民共和國民法典》（以下簡稱《民法典》）第1194條中的“網絡服務提供者”之下的技術服務提供者還是內容服務提供者。1根據我國立法者的解釋，技術服務提供者為提供接入、緩存、信息存儲空間、搜索以及鏈接等服務的中介性主體，內容服務提供者為直接向網絡用戶提供內容的主體。區分意義在于，技術服務提供者并未實施侵權行為，但若違反《民法典》第1195條“通知規則”或第1197條“知道規則”則可能存在過錯，需與實施侵權行為的網絡用戶承擔連帶責任；內容服務提供者主動編輯、組織和提供侵權內容，需承擔單獨責任。‘然而，一方面，服務提供者直接參與內容的生產環節，顯著區別于UGC平臺等中介性的技術服務提供者，為著作權直接侵權行為人，已無爭議。另一方面，整個網絡侵權責任體系均圍繞技術服務提供者而建構，內容服務提供者很大程度上只是學理上區分技術服務提供者的修辭工具，對著作權侵權責任的認定問題并無實質性影響。故此，基于以上共識，下文不再重復論述服務提供者的定性問題，而是首先以其侵犯著作權的歸責原則為切入點，通過否定無過錯責任原則，反證適用過錯責任原則的合理性；其次闡述生成式人工智能對傳統著作權侵權的過錯認定方式帶來的沖擊，并結合我國司法案例，分析適用“違法視為過失”認定過錯的正當性及其限度。

二、服務提供者侵犯著作權的過錯責任之證成

歸責原則的確定是認定服務提供者著作權侵權責任的前置性問題。根據我國侵權責任法上區分絕對權請求權與損害賠償請求權的基本原理，侵害絕對權所承擔的停止侵害、排除妨礙、消除危險等責任與歸責原則無關，只有損害賠償責任才產生歸責原則問題。過錯責任是最基本的歸責原則，無過錯責任則必須由法律明文規定。13著作權侵權損害賠償責任的成立原則上同樣要求行為人存在過錯，雖然在“合法來源抗辯”中適用過錯推定責任，14但過錯推定責任僅僅是法定的舉證責任倒置，并非獨立的歸責原則。據此，欲確定服務提供者侵犯著作權適用何種歸責原則，無需主張適用過錯責任的積極理由，只需提出否定無過錯責任的消極理由。

通觀我國《民法典》明文規定的無過錯責任類型，可為服務提供者侵犯著作權的情形提供參照的是替代責任、產品責任和危險責任。然而，首先，生成式人工智能不具備法律主體資格，服務提供者無從基于與人工智能本身的特定關系而承擔替代責任，自不待言。其次，產品責任雖然可以適用于自動駕駛、疾病診療等非生成式人工智能侵權的場合，但生成式人工智能屬于信息內容服務，難以因其固有的缺陷而損害人的生命、健康等重大利益。15可產生產品缺陷的只有傳遞信息的有形載體（例如一本書），而非信息本身 （例如文字作品），如果對傳播錯誤和有缺陷信息的行為適用無過錯責任，將極大地損害言論自由。最后，危險責任是大陸法系無過錯責任原則的來源和主要歸責基礎，亦是對服務提供者侵犯著作權適用無過錯責任的最重要依據，應作出詳細檢討。判斷行為是否具備危險性的因素是損害發生的蓋然性、損害的嚴重程度以及風險的可控性。人工智能生成內容侵犯著作權的情形欠缺以上所有因素，不構成危險責任，因而只能適用過錯責任原則。

（一）欠缺損害的蓋然性

生成式人工智能并無輸出著作權侵權內容的高度蓋然性，其目的不是向用戶提供他人享有著作權的內容，而是“基于給定的輸入參數或環境，輸出全新的、多樣化的內容。”1以ChatGPT為例，經由復雜的神經網絡和大量訓練數據，大型語言模型得以模仿自然語言的結構，通過預測序列中的下一個詞元（token）來生成完整的文本，而非生成與訓練數據相同或相似的內容。根據一項實證研究，在基于35萬個訓練樣本生成的1.75億張圖像中，僅有109張圖像被識別為訓練樣本的復制件，2°這表明人工智能生成與原作品高度相似內容的情況極為罕見。對于Midjourney等文生圖模型而言，在用同一作品的多份復制件訓練模型、文生圖模型中的圖像與其單一文本描述相對應，以及模型規模與訓練數據的比例相對較大的場合，模型的確有可能“記憶”（memorization）訓練數據，生成與原作品構成實質性相似的內容。21但是，“記憶”現象是生成式人工智能的程序錯誤而非技術特征，會隨著技術不斷成熟而漸次減少乃至消失，服務提供者亦會通過“數據去重”（deduplication）等技術手段盡量規避“記憶”的發生。2在涉及機器學習版權侵權的Andersenv. Stability AI Ltd.案24 和 Tremblay v. Open AI，Inc.案25中，原告提出的主張均因人工智能生成內容與原作品不構成實質性相似，未能受到美國聯邦地區法院的支持。由于無實質性相似則無損害結果發生，人工智能生成內容造成著作權人損害的蓋然性較低，不具備產生危險責任的第一個要素。

（二）欠缺損害的嚴重性

“利益之所在，風險之所歸。”根據危險形成理論、損益同歸理論等危險責任的正當性依據，為了平衡社會上新出現的設施、技術、物質或材料給人類帶來的利益與風險，應適用無過錯責任補償高度危險活動行為人或高度危險物運營人獲得的利益。2據此，無過錯責任說認為服務提供者制造了新的著作權侵權風險且因此獲利，應承擔無過錯責任。然而，這種觀點高估了著作權侵權行為所造成損害的嚴重性。

首先，《民法典》僅對高度危險行為，而非一切危險行為適用無過錯責任。《民法典》侵權責任編第八章規定了核事故損害責任（1237條）、民用航空器損害責任（1238條）、高度危險物損害責任（1239條）、高度危險活動損害責任（1240條）、高度危險區域損害責任（1243條）等五種高度危險責任，據此，唯有占有或使用核設施、航空器、易燃易爆物等高度危險物，或是從事高空、高壓、地下挖掘等高度危險活動的行為人，才需在沒有過錯的情況下承擔損害賠償責任。根據人格利益優先于財產利益、生命健康權優先于一般人格權、生存利益高于商業利益、人身損害賠償優先于財產損害賠償的利益位階判斷規則，28著作權顯然與高度危險行為所損害的重大人身財產權益不在同一位階。主張參照危險責任對服務提供者侵犯著作權的行為適用無過錯責任，屬于不當類比。其次，比較法上，歐盟《人工智能法》（ArtificialIntelligenceAct）將旨在作為產品安全組件或產品本身的人工智能系統，2以及用于生物識別、關鍵基礎設施、教育、就業、基本服務、執法、移民和司法的人工智能系統3視為“高風險人工智能系統”（High-RiskAISystems），但如果不對自然人的健康、安全或基本權利構成顯著風險，包括不會實質性地影響決策結果，則不應被視為高風險。31而在歸責原則方面，歐洲議會認為高風險人工智能系統應適用嚴格責任，而由人工智能系統驅動的其他活動、設備或過程造成的損害應適用過錯責任。由于著作權并非基本權利、人格權等高位階法益，人工智能即使可能生成侵犯著作權的內容，也無法為高風險人工智能系統所涵蓋，不宜對服務提供者適用無過錯責任。

（三）欠缺風險的可控性

此處的風險可控性即通常所說的控制力。根據危險控制理論，從事危險活動之人對危險具備最真切的認識和控制力，為避免危險的現實化，應當對危險活動者適用無過錯責任。3然而，服務提供者雖然對算法模型本身具備一般性控制力，4但對其生成的具體內容缺乏結果層面的控制力。首先，如上文所述，人工智能模型可能在訓練過程中學習他人作品的模式和結構，進而出現“記憶”現象，使服務提供者難以完全控制生成結果。其次，用戶可以通過提示詞引導人工智能生成侵犯他人著作權的內容，而要求服務提供者完全預見、控制并過濾所有用戶可能輸入的提示詞和相應的生成結果，顯然是其難以承受之重。在這一維度上，服務提供者對人工智能生成內容的控制力反而與技術服務提供者對用戶上傳內容的控制力相仿。5因此，在風險的可控性視角下，亦不宜對服務提供者適用無過錯責任。

綜上所述，由于著作權侵權責任不具備危險責任的所有要素，仍應以過錯責任作為服務提供者侵犯著作權的歸責原則。究其本質，由于侵權責任主體是服務提供者而非人工智能本身，人工智能生成內容侵犯著作權和一般民事主體侵犯著作權的情形并無實質性差別。故此，無過錯責任說難以回答為何對前者應適用無過錯責任，對后者卻應適用過錯責任。至少在著作權法框架下，為服務提供者創設無過錯責任看似可為著作權人提供更嚴格的保護，實則將反射性地沖擊既有的、成熟的侵權歸責體系，在司法實踐中引發更多爭議和不確定性。

三、服務提供者侵犯著作權的過錯認定

在過錯責任原則下，當人工智能生成侵犯他人著作權的內容時，過錯的認定是損害賠償責任成立與否的核心問題。過錯包含故意和過失。除去專門使用特定作者的作品用于機器學習，使生成式人工智能模仿其創作風格的情形6以外，服務提供者通常不具備侵犯他人著作權的主觀故意，且故意的舉證極為困難。因此，過錯的認定主要取決于是否存在過失。7在著作權法的特殊語境下，該問題涉及生成式人工智能技術對以接觸要件認定過錯的傳統范式的沖擊，以及司法實踐中適用“違法視為過失”認定過錯的正當性及其限度。

（一）從接觸要件到“違法視為過失”

在與著作權法同為保護人類智力創作成果的專利法領域，損害賠償責任在多數場合適用過錯推定。根據《中華人民共和國專利法》第77條的規定，為生產經營目的使用、許諾銷售或者銷售專利侵權產品的行為人推定存在過錯，除非證明自身不知道是侵權產品，以及被訴侵權產品具有合法來源，否則將承擔損害賠償責任。比較法上，《日本專利法》更明確地規定了過錯推定責任，該法第103條規定：“侵害他人專利權或專有使用權者，推定其行為存在過錯。”理由在于，專利法采用公開原則，為生產經營目的實施專利的行為人應履行查找在先權利的注意義務，若由專利權人證明行為人存在過錯，則證明負擔過于沉重。8與此相反，著作權法采用非公開主義，著作權隨作品創作完成自動取得，作品的使用者難以查找在先權利。《中華人民共和國著作權法》第59條第1款后半句的“合法來源抗辯”雖然規定了特殊情況下的過錯推定責任，但僅限于侵犯發行權與出租權，不適用于侵犯信息網絡傳播權等權能的情形。由此，絕大多數場合下，侵犯著作權的損害賠償責任缺乏像專利法那樣普遍適用過錯推定責任的依據，仍應適用過錯責任，由著作權人證明行為人存在過錯。4然而，侵犯著作權的過錯認定的特殊性在于，過錯往往能夠通過接觸要件直接認定，而接觸要件又與被訴侵權作品和原作品之間的相似性密切相關，即隱含了“相似性—接觸一過錯”的邏輯鏈條。

具體而言，著作權作為一項絕對權，其侵權行為的成立需滿足“接觸 + 實質性相似 + 法定利用行為”的要件，而不要求行為人有過錯。然而一旦接觸要件成立，行為人通常即存在過錯，即在認識到他人享有著作權的基礎上實施了復制、改編、廣播、信息網絡傳播等法定利用行為，4須承擔損害賠償責任。基于此種特殊性，本屬于絕對權侵權行為成立要件的接觸要件同時發揮了認定行為人過錯的作用。但是，接觸要件的非獨立性又決定了過錯認定的非獨立性。接觸要件源自美國的Amsteinv.Porter案。在該案中，美國第二巡回上訴法院提出了一種版權侵權判定的兩步測試法，即首先認定“復制”（copying），即被告是否實施了復制原告作品的行為，其次認定“不當挪用”（improperappropriation），即復制是否達到了不正當的程度。42該測試法至今仍是版權侵權判定的主導性框架。43然而，復制是行為人單方面實施的行為，著作權人如欲獲取行為人接觸原作品表達并用于新作品中的直接證據，難度顯然過高，往往不得不訴諸間接證據。而由于兩件作品之間的相似性通過簡單對比即可識別，在相似性與接觸要件之間建立關聯性并以前者推斷后者的做法，在國內外司法實踐中受到廣泛采納。本屬于認定實質性相似之前提的接觸要件的獨立性由此受到挑戰。例如，Arnsteinv.Porter案中隱含了“證據性相似”（probative similarity）的規則：如果作品之間不存在相似性，則被告當然沒有實施復制行為。反之，如有證據表明被告接觸了原作品，且兩作品有相似性，則陪審團必須判斷該相似性是否足以證明被告實施了復制行為。44“反比例規則”（inverse ratio rule）則主張，作品之間的相似性越高，對接觸要件的證明要求越低。45“驚人相似性”（striking similarity）理論提出，當兩件作品的相似性異常高時，不必再行證明接觸要件，因為被告必然復制了原告的作品。46類似地，我國司法實踐中相繼出現的“在先發表”標準、“廣泛傳播”標準、“接觸可能性”標準、接觸要件“非獨立性說”等認定方式，或是以實質性相似要件架空接觸要件，或是使接觸要件依附于實質性相似要件，或是采用較低標準認定接觸要件。4總之，除去“合法來源抗辯”等少數場合，司法實踐長期依據“相似性一接觸一過錯”的邏輯鏈條認定行為人的過錯，即以兩件作品之間的相似性為起點，并經接觸要件而自動認定的事實推定路徑。

然而，在近期涉及服務提供者侵犯著作權的“上海新創華文化發展有限公司訴AI公司案”48中，過錯的認定方式出現了重要轉變。該案的原告主張在被告所經營網站的AI繪畫模塊中輸入“生成奧特曼”等簡單提示詞，被告網站即可生成與原告享有著作權的奧特曼美術角色形象構成實質性相似的圖片，侵犯了復制權、改編權和信息網絡傳播權。在認定接觸要件時，廣州互聯網法院綜合了司法實踐中“在先發表”“廣泛傳播”“接觸可能性”等門檻較低的標準，提出“案涉奧特曼作品享有較高的知名度，且其可在愛奇藝等各大視頻網站進行訪問、查閱及下載，在被告無相反證據的情況下，被告存在接觸案涉奧特曼作品的可能性。”但在損害賠償責任的論證中，法院并未根據“相似性—接觸—過錯”的邏輯鏈條直接認定被告存在過錯，而是根據被告未履行《暫行辦法》中規定的“投訴舉報機制”“潛在風險提示”“顯著標識”三項注意義務，單獨論證被告存在過錯。這種做法與以往的事實推定路徑有極大差異，因而受到了一些批評。4但本文認為，法院實際上適用了侵權法上“違法視為過失”的技術認定服務提供者的過錯。此種做法具有正當性，但在具體注意義務內容的設置層面有值得商榷之處。

（二）適用“違法視為過失”的正當性

在侵權法理論中，侵權行為構成要件中的“違法性”是指“違反禁止或命令”，其主要功能是界定和區分受保護的權益范圍。5°此處所謂“法”為廣義的法律，包括立法機關制定的法律和政府頒布的行政法規等。一些國家明確將違法性要件寫入侵權責任一般條款中，如根據《德國民法典》第823條的規定，違反以保護他人為目的之法律者負有損害賠償義務。相反，我國《民法典》第1165條的侵權責任一般條款并未將違法性作為單獨的侵權責任構成要件。有學說認為，我國作出了以更寬泛的過錯要件吸收違法性要件的制度選擇，而違反注意義務可以作為認定過錯的統一標準。5但無論經由違法性還是注意義務的“管道”，均意在使非私法領域的規范成為侵權法領域的行為標準，在民事活動中為理性社會主體提供指引，同時為司法裁判提供法律依據。由此，司法實踐中往往采用“違法視為過失”的技術，將違反法律法規中規定的注意義務的行為直接視為存在過錯。例如，在網絡侵權行為中，技術服務提供者違反《民法典》1195條第2款的“通知規則”即視為有過錯，不得推翻。此外，司法實踐曾頻繁適用“違法視為過失”，使《中華人民共和國廣告法》《互聯網信息服務管理辦法》等法律法規中規定的公法性質的事前內容審查義務進入私法領域，不適當地提高了技術服務提供者的注意義務水平。54但在服務提供者侵犯著作權的過錯認定場合，與以往通過接觸要件的事實推定路徑相比，適用“違法視為過失”具備正當性。

第一，接觸要件的非獨立性符合生成式人工智能的技術原理。由于接觸要件具有保障公眾獨立創作自由的功能，著作權法學界長期批判以其他要件推定接觸要件的做法，主張提高接觸要件的地位，恢復其獨立性。55這種主張在傳統的著作權侵權判定場合可以成立，但難以適用于人工智能生成內容侵犯著作權的場合。一方面，生成式人工智能開發者的模型訓練必須基于龐大的材料，使用一切可獲取的信息內容制作訓練數據集。ChatGPT使用來自社交媒體平臺、學術論文、維基百科、書籍、新聞等各種來源的信息，涵蓋了不同主題和領域的廣泛文本，以確保模型能夠提供最新、最相關的回答；StableDiffusion最初使用了大約23億張圖像進行訓練，其數據集是基于非營利組織CommonCrawl構建的，后者每月抓取數十億個網頁并發布為大型數據集；Midjourney同樣從互聯網上大量抓取公開數據，并以此訓練大模型。5另一方面，生成式人工智能部署者（deployer）盡管并未參與模型訓練過程，但通過應用程序編程接口（ApplicationProgrammingInterface，API）調用開發者預先訓練好的模型提供的功能和服務，接觸了機器學習的全部成果，此種機械復制是部署人工智能模型的必要條件。據此，由于服務提供者具備接觸一切在先作品的高度蓋然性，“在先發表”“廣泛傳播”“接觸可能性”等廣受批判的間接認定標準反而獲得了合理性，而接觸要件將進一步失去獨立性。通過“違法視為過失”的技術，法院得以摒棄不合時宜的“相似性—接觸—過錯”的邏輯鏈條，使過錯認定回歸侵權法上的注意義務標準，是符合生成式人工智能技術原理的選擇。

第二，減輕了著作權人的證明責任。在傳統的事實推定路徑下，針對著作權直接侵權行為，著作權人可以通過證明兩件作品之間存在相似性來間接證明接觸要件成立，繼而使過錯同時成立，而無需對行為人的過錯本身進行舉證，過錯甚至不具備獨立的判斷標準。但在生成式人工智能技術使接觸要件失去意義后，著作權人針對過錯的證明責任問題將隨之重新出現。這亦是主張對服務提供者適用無過錯責任的重要理據，即受害人難以證明服務提供者違反了應盡的注意義務。5而通過適用“違法視為過失”的法律技術，《暫行辦法》等現行法律法規中明文規定的、具有確定性的行為標準便可以直接成為認定過錯的行為標準，著作權人由此無需舉證證明服務提供者違反了“現有技術水平”等過于抽象、不確定的行為標準，著作權侵權責任認定的司法程序亦將得到簡化

（三）適用“違法視為過失”的限制

然而，為了防止非私法領域的規范過度向侵權法領域滲透，限制公眾的行動自由，“違法視為過失”唯有在保護民事權益的前提下方能適用。“具體而言，侵權行為人所違反之“法”必須是以保護他人民事權益為目的的“保護性規范”，而非法律法規中任何規定行為標準的、外延更廣的“規制性規范”。對此，比較法為保護性規范的判斷提供了有益的經驗。根據大陸法系通說，判斷規制性規范是否構成保護性規范的標準包括“人的范圍”和“物的范圍”，即受害人是否屬于該規范所欲保護的特定群體，以及該保護性規范是否服務于個案中受到侵害的法益。美國《侵權法重述（第三次）：人身與精神損害責任》（Restatement ofthe Law（Third） of Torts： Liability for Physical andEmotional Harm） S14 規定：“如果行為人無正當理由違反了一項旨在防止其行為所導致事故的法規，且事故受害者屬于該法規旨在保護的特定群體，則該行為人構成過失。”據此，在美國法上適用以特定法規中的行為標準取代通常的“理性人”（reasonableperson）標準來認定過錯的“當然過失”（negligence per se）原則時，同樣須具備風險類型與保護群體的重合性要件：前者要求原告所起訴的損害或事故屬于該法規旨在防范的風險類型，后者要求原告屬于該法律法規旨在保護的特定群體。綜上，在適用“違法視為過失”認定服務提供者侵犯著作權的過錯時，首先應甄別《暫行辦法》所保護的群體是否涵蓋了著作權的主體，其次應檢視“上海新創華文化發展有限公司訴AI公司案”從《暫行辦法》中援引的“投訴舉報機制”“潛在風險提示”“顯著標識”三項注意義務所保護的法益是否同時是著作權法所保護的法益。

1.保護群體的重合性首先考察《暫行辦法》與著作權法所保護的特定群體是否具備重合性。《暫行辦法》第1條規定了其宗旨，即“促進生成式人工智能健康發展和規范應用，維護國家安全和社會公共利益，保護公民、法人和其他組織的合法權益”，在規范目的層面兼具保護公共利益和私人利益的面向。不過，保護性規范的構成無需以保護私人利益為主要自的，只要該規制性規范在保護公共利益的同時意圖對具體受害人提供保護，亦屬于保護性規范。結合《暫行辦法》多處要求服務提供者尊重民事主體享有的知識產權、人格權、個人信息權益的保護私人利益性質的規定，將《暫行辦法》整體上歸入保護性規范，應無障礙。

2.保護法益的重合性

保護法益的重合性對“違法視為過失”的適用作出了進一步限制，這要求依次檢視《暫行辦法》中規定的“投訴舉報機制”“潛在風險提示”“顯著標識”三項義務所保護的是否同時是著作權法的保護法益。

首先，“投訴舉報機制”義務來源于《暫行辦法》第15條，該條要求服務提供者“建立健全投訴、舉報機制，設置便捷的投訴、舉報入口，公布處理流程和反饋時限，及時受理、處理公眾投訴舉報并反饋處理結果。”法院對該項義務的援引似乎是對服務提供者適用“通知規則”的觀點在司法實踐中的體現，這種觀點認為“通知規則”在我國法上屬于歸責條款而非免責條款，即判斷服務提供者過錯的方式。7事實上，若對“投訴舉報機制”義務或“通知規則”作侵權法上的還原，即可發現二者不過是現實中的過錯認定方式在特定場景下的程序性完善。如果甲種的一棵樹的樹根延伸到乙的土地中，擠癟了乙埋在地下的水管，則甲對該損害并無過錯，但如果乙請求甲切除樹根但甲不予理睬，則甲存在過錯，需承擔損害賠償責任。與此例相比，由于數字網絡環境拉大了加害人與受害人之間的時空距離，若服務提供者并未對人工智能生成的侵權內容設置任何有效的投訴程序，不僅等同于對他人的侵權警告不予理睬，而且徹底阻卻了他人提出合理請求的可能性，違反了善良管理人應盡的注意義務，據此認定其存在過錯并無不當。

其次，“潛在風險提示”義務推導自《暫行辦法》第4條第（三）項要求服務提供者“尊重知識產權”，以及第（五）項“提升生成式人工智能服務透明度”的規定。司法實踐中，為服務提供者設置該義務的目的是引導生成式人工智能用戶“正確使用生成服務及其內容”7。然而，將風險提示義務作為服務提供者侵犯著作權的過錯認定標準，其價值正當性與論證邏輯存在疑問。第一，《暫行辦法》第4條第（三）項和第（五）項顯然屬于宣示性條款，無法從中提取明確的、具有可操作性的注意義務標準，亦無從界定該義務所保護的是何種具體法益。若依據此類條款衍生出注意義務標準認定服務提供者的過錯，將對服務提供者造成難以預測的打擊。第二，即使風險提示義務意在促使服務提供者以協議等方式要求用戶不得使用生成式人工智能侵害他人著作權，以提升用戶對潛在侵權風險的認知，在邏輯上也不宜以未向用戶提示著作權侵權風險為由，認定服務提供者存在過錯。理由在于，若用戶像本案一樣使用與原作品相關的簡單提示詞即可獲取侵權內容，則用戶并未實施侵權行為，并無必要對其進行風險提示，且個案中人工智能所生成的侵權內容為著作權人自身通過提示詞獲取，與其他用戶的第三人行為無關；若用戶通過精心設計的提示詞誘導人工智能生成侵權內容，則用戶為侵權責任主體，服務提供者的生成行為與著作權受侵害之間不具備責任成立的因果關系，并無判斷過錯的必要。

最后，法院通過《暫行辦法》第12條引致適用了《互聯網信息服務深度合成管理規定》第17條中的標識義務。根據該條，若深度合成服務“可能導致公眾混淆或者誤認”，則服務提供者應當通過顯著標識向公眾提示深度合成情況。易言之，標識義務要求服務提供者標注特定內容是利用人工智能所生成，使該內容在公眾的眼中區別于無涉人工智能的傳統作品。誠然，對人工智能生成內容施加標識是該行業的發展趨勢所在。中央網絡安全和信息化委員會辦公室于2024年9月14日發布的《網絡安全技術人工智能生成合成內容標識方法》強制性國家標準（征求意見稿）以及國家互聯網信息辦公室同日發布的《人工智能生成合成內容標識辦法 （征求意見稿）》均規范了人工智能生成內容的顯式標識和隱式標識方法。在功能上，對人工智能生成內容添加標識可以防止公眾誤認為人工智能生成內容出自特定作者，從而保護該作者的市場利益乃至整個創作物市場的秩序，亦可能幫助著作權人迅速確定侵權行為可能涉及生成式人工智能服務，使其更有效率地針對服務提供者采取維權措施。公法上的標識義務由此成為司法裁判中審查服務提供者注意義務的方法之一。2然而，至少在著作權侵權責任認定中，標識義務不應成為服務提供者注意義務的內容，因為該義務保護的不是著作權法所保護的法益。《互聯網信息服務深度合成管理規定》第17條并未提及任何與著作權有關的事項，而是圍繞公眾的混淆誤認對服務提供者的標識義務作出了規定。但是，著作權法保護的是作品的獨創性表達之上所產生的經濟利益，而不是作品的顯著性或識別力。若公眾將人工智能生成內容誤認為特定作者的作品，受損的是作者的廣義市場競爭利益，這種利益可能受到反不正當競爭法或商品化權益保護，但不受著作權法保護。7在著作權侵權案件中，根據服務提供者未履行標識義務適用“違法推定過失”認定其過錯，混淆了兩種不同性質的法益，不符合保護性規范與個案中受損害的法益的重合性之要求。由此，標識在著作權法語境下至多是一種幫助著作權人提高維權效率的輔助性措施，除非欠缺標識將導致著作權人無法行使權利，否則不宜將未履行標識義務的服務提供者直接視為存在過錯。

四、結語

論與實踐，但由于服務提供者的侵權行為欠缺損害發生的蓋然性、嚴重性和風險可控性，著作權侵權行為的歸責原則并未轉變為以危險責任為模型的無過錯責任原則。但在適用過錯責任原則的基礎上，應留意接觸要件的式微所導致的過錯認定從事實推定范式向注意義務范式的轉換，以及適用“違法使用過失”認定過錯時“保護群體重合性”與“保護范圍重合性”的雙重限制。總體而言，服務提供者的著作權侵權責任認定問題在現實層面牽動了生成式人工智能產業的有序發展，在法律層面反映了侵權法與著作權法領域中歸責原則、保護性規范、注意義務、接觸要件等基本理論在人工智能時代的交叉與變遷。因此，為了確保解釋論的融貫性和司法的可預測性，著作權侵權責任的認定應堅持法律技術與法律政策相分離的思路，借由最恰當的法律技術實現所期望達成的法律政策目標，為過錯認定設置適當的注意義務標準，以期在變動不居的技術環境中維持侵權法和著作權法的體系協調與理論創新。

生成式人工智能雖然沖擊了著作權法的理

Abstract： When generative artificial intelligence （GAI）producescontent that infringesothers’copyright，the service provideristheprimarysubjectofliabilityrasingquestionsabouthowthisresponsibilityshouldbedetermined.Duetothelack of probabilityandseverityofharm，aswellastheprovider'slimitedcontroloverrisks，fault-basedliabilityatherthanstrict liabilityshouldbtgovegpriiple.iventatGsesallaeibleosasitstraigdataset，iisiapoatet continuerelyingonthelongstandingfactualpresumptionoffaultbasedonaccessincopyrightlaw.While theapplicationofthe \"negligencepers\"isjustified，duetothelimitationarisingfromtheoverlapbetweenprotectivenomsandthelegaliterests protectedunder private law，service providers are onlyat fault whentheyfail toestablishacomplaint andreporting mechanism. Obligations relatedtoiswaringsandconspicuouslabelingdonotprotecttheiterestsofoprightlawand，therefore，ould not be considered part of the duty of care.

Keywords：GenerativeAtifcialInteligence;CopyightInfingement;Fault-BasedLiability;ProtectiveNoms，DutyofCare