作者 | 李士林  钟序 俞苗艳 李睿丽

目次

引言：司法如何回应“人工智能之问”

一、AI生成内容的作品资格：自然人创作本位的坚守与松动

二、AI训练的侵权定性：合理使用的扩张与边界

三、AI侵权责任的裁断：从单一归责到分层治理

结语：司法观的超越性与未尽之问

内容提要：

生成式人工智能对传统著作权制度提出了一系列新的制度问题，其核心争议主要集中于三个维度：AI生成内容能否构成作品、模型训练使用他人作品如何进行著作权法上的定性，以及AI生成内容侵权时不同主体应如何承担责任。2026年9月，最高人民法院发布《关于依法审理涉人工智能纠纷案件的意见》，对人工智能生成内容的可版权性、未经许可使用他人作品训练模型等争议较大的问题暂未作规定，但对生成内容侵害他人著作权时的责任认定、相关证据提供以及服务提供者义务作出了较为具体的裁判指引。本文以该文件为分析对象，围绕上述三个争议问题展开规范分析，重点考察《意见》如何通过责任与控制能力相匹配、举证责任合理分配以及场景化过错判断，在技术发展与权利保护之间建立更具可操作性的司法裁判路径。

引言：司法如何回应“人工智能之问”

以ChatGPT、Midjourney、Sora等为代表的生成式人工智能，正在重新定义人类与创作的关系。当机器能够在较短时间内生成文字、图像和视频，且其表现形式足以与人类作品相媲美时，著作权法长期以来所依赖的“人类创作”前提便面临新的解释压力。传统著作权法以自然人的智力创作为制度基础，著作权制度也以激励和保护人的创作为重要功能。而当生成内容越来越多地由算法完成，人的意志与最终表达之间的联系也随之变得复杂，法律需要回答的已不只是“AI能不能创作”，更是“什么样的人类参与，才足以构成法律意义上的创作”。

问题远不止于生成内容本身。大模型训练依赖海量数据，其中不可避免地包含大量受著作权保护的作品。未经许可使用这些作品进行机器学习，是否涉及著作权意义上的复制？能否适用合理使用，或者未来通过文本与数据挖掘例外予以豁免？进一步而言，当AI生成内容与在先作品构成实质性相似时，究竟应当根据谁的行为、谁的控制能力以及谁的风险预见能力确定责任？这些问题共同指向同一个核心：当创作、训练与传播被拆分为多个技术环节后，传统以单一行为人为中心的著作权规则，应当如何重新配置。

2026年9月7日，最高人民法院发布《关于依法审理涉人工智能纠纷案件的意见》（法发〔2026〕10号，以下简称《意见》），为上述问题提供了一套具有鲜明司法实践导向的规则框架。作为最高人民法院针对涉人工智能纠纷发布的司法规范性文件，《意见》并未试图一次性解决所有理论争议，而是在现行法律框架内，对已经进入司法实践的责任认定、证据提供和技术事实查明等问题作出回应。本文围绕三个核心命题展开：AI生成内容如何判断作品资格，AI训练涉及哪些著作权问题，以及发生侵权时责任应如何分配与裁断。

一、AI生成内容的作品资格：自然人创作本位的坚守与松动

（一）作品资格问题的规范困境

《著作权法》第三条规定，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”。从这一规定出发，作品认定需要考察其是否属于文学、艺术和科学领域，是否体现人的智力活动，是否具有独创性，以及能否以一定形式表现。对于AI生成内容而言，表达形式通常并不是最难解决的问题，真正的争议在于：AI输出即使具有独创性外观，是否能够被评价为法律意义上的“智力成果”，以及其中究竟包含多少可以归属于人的创作性劳动。

中国司法实践在《意见》出台之前已经积累了相关经验。北京互联网法院在“菲林诉百度案”中认定，涉案分析报告中由软件自动生成的图形和文字内容不构成作品；但报告中的文字部分体现了原告的选择、判断和分析，具有独创性。深圳市南山区人民法院在“腾讯诉网贷之家案”中则结合Dreamwriter文章的生成过程，认定涉案文章属于法人作品。两案的结论不同，背后的判断路径也有所差异：前者更强调创作主体的自然人属性，后者则更加关注生成过程中的人类智力投入。由此可见，AI生成内容的作品认定，关键并非简单判断“有没有使用AI”，而是判断人的参与是否已经达到足以使最终表达归属于人的程度。在“春风送来了温柔”【案号（2023）京0491民初11279号】一案中，北京互联网法院就AI生成图片的作品属性作出判决。法院结合原告设计提示词、设置参数并根据生成结果继续调整等具体过程，认定涉案图片体现了原告的智力投入和个性化表达，具备独创性，属于著作权法保护的作品。但是，理论界对此观点分歧颇多。

（二）《意见》的立场：不正面回答的正面回答

值得注意的是，《意见》并未直接回答“AI生成内容是否构成作品”这一根本性问题。对于涉AI发明专利，第14条明确规定，自然人使用人工智能完成发明创造，对发明创造的实质性特点作出创造性贡献的，应当认定该自然人为发明人。这一规定至少说明，在涉及人工智能的权利认定问题上，人的实质性贡献仍然是重要的规范坐标。对于著作权领域，《意见》第12条首先采用“人工智能生成内容”这一表述，后文同时使用“利用人工智能生成与在先作品实质相似的作品”，其规范重点仍在于侵权责任的认定。

这种处理方式并非偶然。如果直接肯定AI生成内容具有作品属性，就必须进一步回答“谁是作者”以及权利应当归属于谁：是模型开发者、服务提供者，还是具体使用者？反之，如果一概否定AI生成内容的作品性，又可能忽视不同人机协作模式之间的差异。《意见》选择暂不对作品可版权性作出统一结论，更接近一种审慎的司法策略：对于尚未形成共识的实体问题保留空间，对于已经发生的侵权纠纷则优先解决责任主体、控制能力和举证责任等裁判问题。换言之，其重点不是用一个结论终结“AI是不是作者”的争论，而是先解决“侵权发生后由谁负责、如何证明”的现实问题。

（三）自然人创作本位的重申与修正

不过，需要特别注意的是，不能将《意见》第14条关于人工智能发明人的规定，直接等同于著作权领域的作者认定规则。《意见》对人工智能生成内容的可版权性明确采取暂不规定的态度。因此，更稳妥的理解仍应回到《著作权法》第3条的作品构成要件，在具体案件中考察是否存在人类创作、独创性以及一定形式的表达。提示词设计、参数调整、结果筛选等行为是否构成人类创作性智力活动，不能仅依据行为名称判断，而应结合其具体内容以及对最终表达的实际影响进行评价。若人的参与主要停留在一般性的需求描述、简单提示词输入或者结果选择，而未对最终表达形成具有独创性的实质性控制，则仅据此主张对最终生成内容享有著作权，依据仍然不足。反之，如果人在生成过程中进行了持续、具体且能够体现个性化选择的设计、修改和取舍，也不能因为使用了AI工具，就当然否定其创作贡献。

同时，不应将“AI生成内容的可版权性暂未确定”理解为“相关利益当然处于法律保护之外”。如果具体对象符合其他法律制度的保护条件，仍可能依据反不正当竞争法或者有关数据权益的规则寻求救济。但这类保护与著作权保护具有不同的权利基础、保护范围和构成要件，不能以其他权益保护简单替代作品认定。其真正意义在于：在著作权法上的保护边界尚未形成稳定共识之前，司法仍可以根据具体利益受损的性质和法律构成，提供相应的、有限的救济。

二、AI训练的侵权定性：合理使用的扩张与边界

（一）训练行为的著作权法意义

大模型训练涉及对海量文本、图像、音频等数据进行读取、编码和参数化处理。从技术过程看，这一过程可能涉及对作品的复制，例如数据集存储、缓存以及训练过程中形成的中间性复制。由此产生的核心法律问题并不是“AI训练是否有价值”，而是训练行为是否落入著作权专有权利的控制范围，以及现行著作权法是否能够为这种技术性使用提供相应的限制或例外。若未经许可的复制行为不能落入法定豁免范围，AI训练就可能面临系统性的著作权风险。

域外法对此采取了不同路径：欧盟《数字单一市场指令》设置了文本与数据挖掘相关的限制与例外；美国相关诉讼中，部分被告以转换性合理使用进行抗辩；日本著作权法第30条之4则对信息分析等利用设置了较为宽松的例外。不同制度的差异恰恰说明，AI训练的著作权定性仍处于持续形成之中，不能简单以某一域外制度作为我国法上的直接答案。我国现阶段尚未针对未经许可使用他人作品训练人工智能模型设置专门的著作权限制或例外，因此，合理的分析路径应当是：先区分训练行为涉及的具体复制、传播等行为，再判断是否存在现行法上的权利限制或免责事由，而不能仅以“训练属于技术学习”或“训练有利于创新”作出当然的合法化判断。

（二）《意见》的有限回应：个人信息维度的规则

严格而言，《意见》并未对“使用受著作权保护的作品训练AI是否构成侵权”作出直接的实体裁判规则。第6条处理的是个人信息保护问题，但其中确立的“合理范围—明确拒绝—重大影响”审查框架，对理解人工智能训练中的利益平衡具有一定启示。该条规定，为人工智能模型训练，在合理范围内处理个人自行公开或者其他已经合法公开的个人信息，且个人未明确拒绝的，一般不认定为侵害个人信息权益的行为；对个人权益有重大影响的，应当依照法律规定取得个人同意。

但这里必须划清一个重要边界：第6条针对的是已公开个人信息的处理规则，其法律依据来自《民法典》和《个人信息保护法》，不能直接移植为著作权领域的“合理使用规则”。最高人民法院在相关解读中也明确说明，由于争议较大，《意见》暂未对未经许可使用他人作品训练人工智能大模型的定性问题作出规定。因此，第6条真正提供的不是一个可以直接套用的著作权豁免条款，而是一种治理思路：面对技术利用与权利保护之间的冲突，应当结合使用目的、必要性、风险程度以及权利人的合理预期等因素进行具体衡量。

（三）证据提供：程序性规则的实体功能

《意见》第12条在处理AI生成内容侵害著作权问题时，对相关证据的提供作出了安排：人工智能开发者提出不侵权抗辩的，应当提供训练数据来源、训练过程记录、模型运行模式以及科学理论依据等予以佐证；权利人主张人工智能提供者利用算法技术侵害其著作权的，应当提供相关证据。该条并未逐项规定所有待证事实的举证责任，仍需结合民事诉讼的一般证明规则理解。

这一安排回应了AI案件中最突出的信息不对称问题：权利人通常能够观察到最终生成结果，却难以掌握模型训练数据、训练过程和运行机制等后台事实。如果要求权利人证明模型究竟使用了哪些作品进行训练，往往会形成事实上的举证障碍。与此同时，《意见》也没有因为技术信息掌握在开发者一方，就当然推定其承担侵权责任，而是要求其在提出不侵权抗辩时，对训练数据来源、训练过程等关键事实作出说明和证明。由此，举证责任的配置实际上成为连接“实体判断”与“技术事实”的桥梁。

因此，《意见》虽然没有直接解决训练行为本身是否合法这一实体问题，却把原本隐藏在技术系统内部的训练数据来源、训练过程、模型运行模式等事实，转化为诉讼中可以要求说明、举证和审查的对象。更值得注意的是，根据《意见》关于AI生成内容作为侵权证据的审查要求，人民法院还可以综合考量提示词设计及其对生成结果的影响、生成内容与权利作品的相似程度、重复测试的一致性，以及模型训练、算法设计和生成内容过滤机制等因素。由此可见，《意见》的程序性规则并非只是“技术性补充”，而是在一定程度上承担了连接技术事实与法律判断的功能，使法院能够在不预设训练行为当然侵权或当然合法的前提下，更接近案件事实本身。近期，麻省理工学院开展的生成式AI生成内容与单一作品之间的关联研究，以及美国政府为OpenAI等人工智能企业的提出的大模型训练为合理使用的论调，也许为进一步揭示人工智能与训练素材之间的科学逻辑提供了事实佐证。训练模型的侵权抑或合理使用的问题有望形成客观、公正、平等的法律之答。

三、AI侵权责任的裁断：从单一归责到分层治理

（一）责任主体多元化带来的裁判难题

传统著作权侵权中，责任主体通常是实施侵权行为的自然人、法人或者非法人组织。而在AI场景中，侵权链条被拉长并进一步复杂化：训练数据的收集者、模型的开发者、服务的提供者、提示词的输入者、生成内容的使用者、传播者，均可能对侵权结果产生不同程度的因果贡献。如何在这条责任链条上合理分配责任，是司法面临的核心难题。

责任过于苛刻，会抑制产业发展——如果任何AI生成内容的侵权都由开发者承担严格责任，就可能把模型无法完全控制的生成风险普遍转化为开发者责任。责任过于宽松，同样不可取——如果仅以“算法自主生成”为由即可免责，又可能使真正具有较强控制能力、参与程度较高的主体逃避责任。因此，责任认定的关键不在于寻找一个抽象的“AI责任主体”，而在于判断不同主体在侵权内容形成过程中究竟做了什么、能够控制什么、应当预见什么，以及能够采取何种防范措施。算法背后的行为归因是厘清侵权行为链条中因果关系的根本。

（二）《意见》的分层责任框架

《意见》第12条并非简单设置一个统一的责任主体，而是围绕人工智能服务类型、行业特点、训练数据来源、各方参与度、采取的必要措施以及获利情况等因素，对不同主体的责任进行具体判断。其核心可以概括为：责任承担与控制能力相匹配，控制能力与注意义务相联系。也就是说，谁对风险形成具有更强的控制能力、参与程度更高，通常就应当承担更高程度的注意义务；反之，对于技术上无法合理预见或者控制的风险，则不宜苛责其承担超出能力范围的结果责任。具体而言：

第一层：使用者的直接责任。人工智能使用者知道或者应当知道在先作品存在，仍利用提示词输入、参数设置、素材输入等方式，生成与在先作品实质性相似的内容，且不存在法定许可、合理使用等合理理由的，应当承担相应侵权责任。这一规则将责任判断进一步落实到人的具体行为与主观认知。尤其是当使用者明知某一作品受著作权保护，仍有针对性地要求AI进行模仿、改写或者高度复现时，其对风险的预见和控制能力显然高于一般使用者，因而更难以仅以“内容由AI生成”为由免责。这就要求使用者在设定提示词、输入素材和确定输出要求时，避免在未经许可且不具有其他合法依据的情况下，有针对性地复现他人作品中受著作权保护的表达。

第二层：开发者、服务提供者的过错责任。开发者、服务提供者并不因AI生成了侵权内容而当然承担责任，仍需结合人工智能服务类型、行业特点、训练数据来源、各方参与度、采取的必要措施以及获利情况等因素，判断其对侵权风险是否具有控制能力、是否违反相应注意义务。比如，开发者明知模型具有稳定生成与他人作品实质性相似内容的较高风险，却未采取合理的风险控制措施，甚至通过产品设计主动鼓励用户生成相关内容，其过错程度就可能明显提高。由此，训练数据披露的意义并不是当然证明“训练行为侵权”，而是为法院判断开发者是否尽到合理注意义务提供重要事实基础。当然训练与输出之间的客观关联，仍应以尊重人工智能的运行机理和规律为前提。

第三层：服务提供者的“通知—必要措施”责任。《意见》第7条前段主要处理自动生成内容侵害名誉权、隐私权等人格权益的情形；后段涉及用户恶意诱导生成侵权内容，以及服务提供者收到通知后未及时停止生成、屏蔽相关生成指令时的责任，并援引《民法典》第1195条。讨论著作权纠纷中的通知与必要措施，还应结合《意见》第12条以及《民法典》第1195条、第1197条，根据具体服务模式和知情状态判断，不能将收到通知作为认定服务提供者责任的唯一情形。

（三）“过错的场景化判断”作为贯穿性方法

《意见》第3条确立了涉人工智能侵权的一般归责原则：法律没有明确规定适用无过错责任或者过错推定责任的，应当适用一般过错责任原则。对于生成式人工智能侵权，《意见》进一步要求结合具体场景判断过错，包括人工智能服务类型、行业特点、训练数据来源、各方参与度、采取的必要措施以及获利情况等。这意味着，AI侵权责任不存在脱离具体场景的统一答案，而应围绕“谁能够控制风险、谁参与了风险形成、谁能够采取有效防范措施”展开判断。

这种场景化判断，本质上是将技术能力转化为法律上的注意义务：在专业内容创作场景中，使用者对在先作品的识别能力和风险预见能力通常更强，其注意义务可能相应提高；对于技术上难以预测每一次具体输出的服务提供者，则不宜要求其承担超出现有技术能力的结果性审查义务；对于能够通过调整训练数据、模型参数、过滤机制等方式显著影响输出结果的主体，则应根据其实际控制能力提高相应的注意义务。与此同时，《意见》第13条对以免费开源方式提供人工智能研发所需部分代码模块，并公开说明其功能和安全风险的开发者、提供者，规定了特定条件下可以不承担侵权责任的情形，也进一步说明责任判断并非简单按照“开发者—平台—用户”进行机械切分，而是要将控制能力、参与程度、获利情况与注意义务结合起来，在具体案件中实现责任的精细配置。

结语：司法观的超越性与未尽之问

《意见》所体现的司法观，可以概括为：以人为本、支持创新、分类治理、责任与控制能力相匹配。它没有试图用一个确定结论解决所有人工智能著作权争议，而是对分歧较大的作品可版权性和训练数据定性问题暂留空间，同时优先回应已经进入司法实践的责任认定、举证责任以及技术事实查明问题。这种有保留的规则设计，一方面避免在技术和理论尚未形成共识时过早固化规则，另一方面又通过责任规则与程序规则提升裁判的可操作性。

然而，《意见》毕竟属于司法规范性文件，其规范定位决定了它无法替代立法回答所有根本性问题。训练行为的实体合法性标准、AI生成内容的权利保护路径、跨境训练数据的法律适用，以及人机协同创作中作者认定的进一步细化，都仍有待未来立法或者司法实践继续回应。在此之前，《意见》的重要价值并不在于“解决一切”，而在于为司法实践提供相对统一的判断尺度，为产业发展划定更具可预期性的行为边界，并通过个案裁判不断积累未来制度完善所需要的经验。

在人类与机器共同参与创作的时代，著作权法的任务不只是回答“作品是谁创作的”，也要回答“技术应当如何进入创作秩序”。最高人民法院的这份《意见》没有试图用简单的二元结论处理复杂的技术现实，而是以较为克制的方式，将尚存争议的实体问题暂时留白，将已经发生的责任与举证问题纳入可操作的司法框架。其真正意义，或许正在于此：既不因技术出现而轻易突破著作权法的基本边界，也不因规则尚不完备而放弃对权利人的保护，在法律、技术与产业之间寻找一条能够持续调整的平衡路径。

参考文献（上下滑动阅览）

[1] 最高人民法院：《关于依法审理涉人工智能纠纷案件的意见》（法发〔2026〕10号），2026年9月7日发布。

[2] 王迁：《论人工智能生成的内容在著作权法中的定性》，《法律科学》2017年第5期。

[3] 吴汉东：《人工智能时代的制度安排与法律规制》，《法律科学》2017年第5期。

[4] 熊琦：《人工智能生成内容的著作权认定》，《知识产权》2017年第3期。

[5] 北京互联网法院（2018）京0491民初239号民事判决书。

[6] 深圳市南山区人民法院（2019）粤0305民初14010号民事判决书。

[7] Directive (EU) 2019/790 on Copyright and Related Rights in the Digital Single Market.

[8] Authors Guild v. OpenAI, Inc., No. 1:23-cv-08292 (S.D.N.Y. filed Sept. 19, 2023).

[9] Getty Images (US), Inc. v. Stability AI, Inc., No. 1:23-cv-00135 (D. Del. filed Feb. 3, 2023).

作者：李士林  钟序 俞苗艳 李睿丽

编辑：Sharon