生成式AI的著作权困境：AIGC版权认定的法律边界

生成式AI的著作权困境：AIGC版权认定的法律边界

一、引言：AIGC时代的著作权之问

2022年底以来，以ChatGPT、Midjourney、Stable Diffusion为代表的生成式AI工具席卷全球，AIGC（AI Generated Content）进入爆发式增长。然而，当AI可以创作诗歌、绘制图画、编写代码时，一个根本性的法律问题随之浮现：AI生成的内容，到底是谁的"作品"？

这一问题涉及著作权法的核心逻辑——著作权法以"人类智力创作"为保护前提。当创作主体从人扩展到机器，传统法律框架面临前所未有的冲击。据不完全统计，截至2026年初，全球已有超过50起与AIGC版权相关的诉讼或行政争议，涵盖图片版权侵权、训练数据未经授权使用、AI生成物的可版权性等多个维度。

本文将从中国法律实践出发，结合典型判例和国际比较视角，系统梳理AIGC版权认定的法律边界，并为企业和法务人员提供实操建议。

核心问题：当"创作"不再需要人类亲力亲为，著作权法的"作者"概念是否需要重新定义？这不仅是法律技术问题，更关乎人类创造力在AI时代的价值定位。

二、AI生成内容能否构成著作权法意义上的"作品"？

2.1 中国法律框架下的"作品"认定标准

根据《中华人民共和国著作权法》第三条，作品是指"文学、艺术和科学领域内具有独创性并能以一定形式表现的智力成果"。司法实践和主流学说认为，构成作品需要满足四个要件：

1. 属于文学、艺术和科学领域
2. 具有独创性——独立完成且体现出一定的创造性
3. 能以一定形式表现——可被他人感知
4. 属于人类的智力成果——来源于人类的创造性劳动

其中争议最大的在于第四个要件——"人类的智力成果"。现行《著作权法》虽然没有明确将"人类"作为主体要件写入条文，但通说认为，作品的创作主体只能是自然人、法人或非法人组织（法律拟制主体），而非机器或算法。因此，纯粹由AI自动生成、无人类实质性智力投入的内容，在中国法下难以被认定为"作品"。

2.2 "人类智力投入"的判定标准

学术界和实务界普遍认为，判断AI生成内容是否构成作品，关键在于人类在其中投入的智力劳动是否达到了"创作"的高度。具体考量的因素包括：

• 提示词（Prompt）的创造性：用户输入的提示词是否体现了独特的选择、安排和组合，是否反映了作者个性化的表达。
• 筛选与修改的程度：用户是否对AI生成的多轮结果进行了实质性的筛选、编排、修改和润色。
• 整体创作过程的参与度：用户是否主导了创作的方向、风格和内容选择，AI是否仅作为辅助工具。

三、典型判例分析：中国法院的立场与探索

3.1 北京互联网法院："春风"案——国内首例AI生成图片著作权案

该案在中国司法实践中具有里程碑意义。法院首次明确：当人类的智力投入（提示词设计、参数调整、结果筛选）达到一定高度时，AI生成内容可以被认定为著作权法意义上的作品。但判决同时设定了严格的边界——AI生成内容不适用"创作高度"较高的作品类型（如戏剧作品、电影作品），且著作权的保护范围仅限于人类的独创性表达部分。

3.2 美国版权局：Zarya of the Dawn案——"人类创作"的底线

在大洋彼岸，美国版权局（USCO）对AI生成内容的可版权性采取了更为谨慎的立场。2023年2月，USCO裁定Kristina Kashtanova使用Midjourney生成漫画《Zarya of the Dawn》中的图片不享有版权，因为"Midjourney生成的图片不是人类创作的产物"。但USCO同时认定，该漫画的文字内容和画面编排（即"选择和安排"）可以受到版权保护。

USCO随后于2023年3月发布的政策声明进一步明确：完全由AI生成的内容不受版权保护；人类对AI输出的创造性修改或改编可能构成作品，但版权保护仅及于人类创作的部分。这一立场与北京互联网法院的判决形成了有趣的对照——两者都认可"人类投入"的关键作用，但在判定标准上存在差异。

3.3 其他值得关注的判例

• 深圳某AI写作案：深圳某法院在审理AI生成文章的著作权纠纷中，认为原告利用AI写作工具生成的市场分析报告不具备独创性，不构成作品。关键在于原告仅输入了简单的关键词，未进行实质性的创作加工。
• 上海AI绘画平台案：上海某法院审理的AI绘画平台用户协议纠纷案中，法院确认了平台通过用户协议对AI生成内容的权利约定具有合同效力，但仍须遵守著作权法的强制性规定。
• Getty Images诉Stability AI案：该案虽为英国和美国的多重诉讼，但对中国司法实践具有参考价值。Getty Images指控Stability AI未经授权使用其版权图片训练模型，构成大规模侵权。该案引发了关于"训练数据合理使用"的全球性讨论。

四、训练数据的合理使用边界

4.1 "合理使用"在中国的适用空间

AI模型训练中大量使用受版权保护的作品，是否构成著作权侵权？这一问题被称为"AI著作权第一问"。在中国法律框架下，判断训练数据使用的合法性，主要依据《著作权法》第二十四条关于"合理使用"的规定。

中国《著作权法》列举了十三种合理使用情形，但并未包含类似美国"转换性使用"（Transformative Use）的开放性条款。美国司法实践中的"转换性使用"标准——即使用原作品的目的和性质发生了显著变化，产生新的价值——在中国并不具有直接法律依据。这意味着，在中国法下，使用他人作品训练AI模型，如果超出了"学习、研究、欣赏"等法定例外情形，可能构成著作权侵权。

4.2 国际比较：从"文本与数据挖掘例外"看趋势

各国对训练数据的合理使用问题采取了不同的立法态度：

• 欧盟：通过《数字单一市场版权指令》（DSM Directive）第3条和第4条，设立了"文本与数据挖掘例外"（TDM Exception），允许为科学研究目的进行TDM，同时允许权利人通过技术手段保留商业性TDM的退出权（opt-out）。
• 日本：2018年修订《著作权法》，设置较为宽泛的TDM例外，允许为信息分析目的使用作品，无论是否具有商业目的。
• 新加坡：2021年出台的《著作权法》设置了专门的TDM例外，条件较为宽松。
• 中国：目前尚无专门的TDM例外规定，《著作权法》修订过程中曾讨论过是否引入类似的合理使用条款，但尚未形成共识。

从全球趋势看，为AI训练设立专项合理使用规则是主要方向，但各国在适用范围和权利人保护机制上存在差异。中国企业出海时，须特别注意目标市场的规则差异。

五、用户对AI生成内容享有哪些权利？

5.1 用户权利的来源：著作权、合同权利还是使用许可？

当用户使用AI工具生成内容后，其对该内容享有什么性质的权利？这一问题需要从两个维度分析：

1. 著作权法层面：如前所述，如果用户的智力投入达到创作高度，用户可作为"作者"享有著作权；如果用户的投入不足，则AI生成内容可能进入公有领域，用户仅享有事实上的占有和使用权利。
2. 合同层面：AI平台的用户协议通常会对生成内容的权利归属做出约定。例如：ChatGPT的条款将生成内容的"权利"转让给用户，但要求用户对内容的合法性负责；Midjourney的付费版用户获得生成图片的商业使用权，免费版用户仅获得非商业许可。

5.2 用户权利的限制与风险

即使用户通过用户协议获得了AI生成内容的使用权利，仍须注意以下限制和风险：

• 第三方权利保留：如果AI生成内容与第三方作品实质性相似，用户仍可能面临著作权侵权风险——用户协议不能对抗第三方的合法权利。
• 平台权利保留：部分AI平台的用户协议约定，平台可将用户生成的内容用于模型训练和改进。用户须仔细阅读条款，避免商业秘密或敏感信息泄露。
• 内容合法性担保：用户通常须担保其使用AI生成的内容不违反法律法规和第三方权利。这意味着，用户不能以"AI生成的"为由主张免责。

六、实操建议：AIGC平台版权条款设计

对于AIGC平台的运营者而言，版权条款的设计是控制法律风险、减少用户纠纷的关键环节。本文建议平台在条款设计中关注以下几个要点：

6.1 明确权利归属架构

平台应在用户协议中清晰约定：

• 生成内容的权利归属：用户是否取得商业使用权、转让权、修改权等；是否需要署名；是否可对生成内容主张著作权登记。
• 平台对用户内容的使用权限：平台是否有权将用户生成的内容用于模型训练、产品展示、市场推广等；如果收集用户提示词进行模型优化，须确保已脱敏处理。
• 第三人权利的免责声明：明确告知用户，生成内容可能涉及第三方版权，平台不对生成内容的原创性作出保证。

6.2 建立内容标识与追溯机制

根据中国《深度合成管理规定》等法规要求，AIGC平台须对生成内容进行标识。从版权管理的角度，建议同时建立以下机制：

• 对生成内容添加不可篡改的数字水印或元数据，标注生成平台、时间、模型版本等信息。
• 记录用户创作过程的关键信息（提示词、参数、修改记录），为可能的版权争议提供证据支持。
• 建立版权投诉和通知-删除（Notice-and-Takedown）机制，及时处理第三方版权投诉。

6.3 风险分配与争议解决

条款设计应合理分配各方风险：

• 用户赔偿义务：约定用户不得使用平台生成侵权内容，否则用户须承担全部法律责任并赔偿平台损失。
• 平台免责声明：明确声明平台不对生成内容的合法性、原创性和准确性作出任何保证。
• 争议解决机制：约定因版权问题产生的争议首先通过协商解决，协商不成可提交仲裁或法院管辖。

七、结语

AIGC的著作权困境，本质上是技术发展对法律制度的结构性挑战。判例法在个案中逐案探索边界，立法则需要更长的周期来回应产业需求。当前，北京互联网法院"春风"案等先行判决为行业提供了初步指引，但远未形成完整的规则体系。

对于企业法务和合规人员而言，建议采取"基线合规+动态调整"的策略：在现有法律框架下确保AI产品的版权条款不掉队，同时密切关注立法动态和司法判例的演变趋势。对于涉及重大利益的问题（如训练数据授权、核心AI产品的可版权性），应及早寻求专业法律意见。

著作权法诞生于印刷时代，成熟于数字时代，正在经历人工智能时代的洗礼。AIGC版权问题的最终答案，不仅取决于法律条文如何修订，更取决于我们在"鼓励创新"和"保护创作"之间如何做出价值权衡。