作者 | 姚建军

目次 

· 引言

一、著作权领域下人工智能提供者注意义务的基础理论

二、人工智能生成内容侵害他人著作权的典型案例

三、著作权领域下人工智能提供者注意义务存在的困境

四、著作权领域下人工智能提供者注意义务的完善路径

· 结语

摘要

生成式人工智能产业链条中，大模型开发者、服务平台提供者应承担何种注意义务关系到民事责任的承担，因而已成为著作权司法审判中最为突出的问题之一。人工智能技术区别于传统互联网存储型平台，使得传统网络服务提供者“通知——删除”规则难以直接适用。本文论述了著作权领域下人工智能提供者注意义务的基础理论，结合人工智能生成内容侵害他人著作权的典型案例，归纳了认定人工智能提供者注意义务的裁判标准，分析了人工智能提供者注意义务存在困境，并提出人工智能提供者注意义务的完善路径。

引言

人工智能服务提供者应当承担何种版权注意义务关系到民事责任的承担，注意义务的合理限度影响侵权赔偿责任的比例尺度。[1]因而已成为司法审判中最为突出的问题之一。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》（简称：《涉人工智能意见》），明确人工智能侵权统一适用过错责任原则，首次从司法层面确立人工智能服务提供者风险义务裁量规则，为人工智能著作权侵权案件的规范化审理提供指引[2]。然而意见给出的是原则性条款，不是具体的问题解答。人工智能技术迭代的加快，使著作权新类型案件接踵而至，很多规则还处在探索、厘清之中，司法是划定版权边界的标尺，而鲜活的司法案例，则是观察规则演进的最好窗口，是真正的答案。这里需要厘清一个基础问题：什么是人工智能提供者著作权项下的注意义务，它和过去传统互联网平台义务有什么不同？传统互联网平台本身不生产内容，内容来自用户上传。所以我们熟悉的通知、删除规则，平台义务一般是被动的、后置的。生成式AI变了，风险源头发生改变。对于AI服务提供者而言，不要求平台成为万能的预审机器，去筛查每一条潜在侵权；而是要求以一个理性专业经营者的标准，对可预见、可防控的风险，尽到审慎识别与处置的责任。当然注意义务也不等于严格责任，不是说只要AI生成出侵权图片，平台就一定要赔钱。赔或者不赔判断标准是有没有尽到自身能力的注意义务。说到自身能力要注意区分产业链的不同主体，很多案件只论AI平台责任，没有明确被告处在哪一产业链。由此使注意义务的认定标准不统一。我国缺乏专门规制人工智能著作权侵权的法律法规，法院审理此类案件主要依据《著作权法》《民法典》等进行个案裁量，因人工智能自主运行的特殊技术属性，传统网络服务提供者注意义务规则难以适用，导致同类著作权案件裁判尺度不同、权利救济失衡等司法困境。基于此，本文以《涉人工智能意见》为本，结合相关典型案例，区分底座大模型提供者与人工智能应用提供者二元主体的风险控制差异，梳理不同主体的注意义务，构建分层分类的阶梯式注意义务框架，完善适合人工智能著作权侵权案件的司法适用规则，以期统一裁判尺度、补齐产业合规短板，实现著作权私权保护与人工智能技术创新的动态平衡。  

一、著作权领域下人工智能提供者注意义务的基础理论

人工智能提供者并非单一主体，产业链中可以区分为基础大模型开发者，以及面向普通用户部署接口、提供线上服务的应用服务提供者，二者经常分离。基础模型开发者完成模型架构搭建、海量数据集训练；应用服务提供者取得模型授权后向终端用户开放，增加提示词界面、会员付费、风格模板、LoRA 微调训练等功能，直接面向公众运营。两类主体都属于人工智能提供者，但二者技术控制力不同，商业模式不同，注意义务层级应当有所区分。著作权领域下的注意义务，并非独立新设权利义务，而是在民法典侵权过错责任下，用以判断人工智能提供者主观过错的客观标准。过错判断不以行为人主观心理状态，而是以客观化注意义务标尺，评价提供者是否达到应当遵守的行为标准。由此，著作权领域侵权风险划分为两个阶段：一是训练输入端风险，未经许可抓取互联网文字、图画作品，作为训练数据集，训练行为本身是否侵害复制权；二是输出端风险，用户输入提示词，模型运行生成和在先作品实质性相似内容，该生成内容传播之后引发著作权侵权纠纷。两种风险之下提供者注意义务的内容存在显著差异。

（一）人工智能提供者注意义务之法律属性

生成式人工智能技术改变了作品利用与传播的行为模式，传统著作权法项下各类主体义务面临调整。司法实践对于人工智能提供者注意义务的裁判分歧，根源往往在于对该项义务本身法律定性的不同理解。该义务交织着侵权法上的风险防控义务、著作权权利保护义务以及监管规则所确立的行政合规义务。既不能直接套用传统互联网平台的义务，也不宜简单将其等同于一般经营者的普通谨慎义务。准确界定其法律属性，是厘清义务来源、划定义务合理边界、判断过错成立、厘清责任归属的标准。

1.属于侵权法范畴内的客观过错判断标准。注意义务的法理基础源自民法过错责任体系。过错的判断标准本质上是考察行为人有无违反应当履行的注意义务。有义务而不履行构成过失，满足其他要件则成立侵权责任。传统互联网平台注意义务理论建立在信息存储基础之上，平台一般不承担事前审查义务。人工智能提供者著作权注意义务，本质上属于民法侵权下交往安全义务在人工智能领域延伸，不属于约定义务，不来源于平台用户服务协议。平台和用户之间服务合同中的版权免责声明、合规约定，仅能够约束平台与注册用户，不能够创设或者免除著作权侵权项下法定注意义务。即便用户协议写明用户自行承担生成内容版权责任，该格式条款不能够对抗第三人，不能成为提供者免除注意义务的合法理由。依据《涉人工智能意见》第3条规定，法律没有明确规定适用无过错责任或者过错推定责任的，应当依照民法典第1165条第1款规定的过错责任原则认定行为人是否承担侵权责任。由此说明，人工智能侵权不适用无过错责任，也不当然采用过错推定。人工智能输出错误不能当然推定提供者应当承担赔偿责任，应当审查提供者是否履行与风险、技术水平相匹配的注意义务。《涉人工智能意见》同时规定：在判断行为人有无过错以及过错程度时，应当综合考量人工智能应用的具体场景、自主化程度、技术与信息透明度、潜在风险及影响范围，人工智能开发者、提供者等相关主体为预防和减少人工智能侵权所采取的措施及技术上的可能性，人工智能使用者对利用人工智能技术实施的侵权行为可能造成损害的预见能力与控制能力等因素。这也正是法院划分注意义务层级的标准。注意义务是过错责任中的客观化，提供者已经履行对应注意义务，即便下游发生著作权侵权结果，应当认定提供者无过错，无需承担侵权责任；提供者应当履行且能够履行相应义务而不作为或者不当作为，则构成过失，满足因果关系要件后构成著作权侵权。注意义务不在于保证人工智能不会产出侵权作品，而是要求提供者建立一套符合行业水平的风险治理体系。结果不能完全避免不等于必然过错，治理流程缺失是过错评判尺度。

2.民事法律下的规范渊源多元分层结构。人工智能著作权注意义务并没有在《著作权法》中设置专门条文，规范来源一是适用《民法典》侵权责任编一般条款确立过错责任，为注意义务提供私法基础；二是最高人民法院涉人工智能意见，为涉人工智能纠纷案件的处理提出了理念要求和规则指引；三是行政管理规范《生成式人工智能服务管理暂行办法》属于部门规章，设定人工智能服务行政合规、版权管理义务。行政部门文件规定的备案、训练数据审核、内容标识，是由行政机关负责。行政义务不能自动转化为民法私法的注意义务，只能作为司法裁判参考，是否转化为民事义务，还需法官个案权衡技术可行性、版权保护目标、产业创新利益综合判断。如行政部门要求训练数据合规，不等于民事司法直接判定，只要训练数据集存在未经授权作品，提供者即违反民事注意义务。

3.义务确立正当基础是危险开启理论与收益风险相一致。危险开启理论源自德国交往安全义务，主体如果主动开启一项具备客观损害危险源，则负有对危险源管控义务，避免危险源向外溢出损害第三人合法权益。传统互联网平台风险源头来自用户上传内容，平台本身不制造风险。生成式人工智能改变风险来源，风险并非单纯来自用户上传，侵权风险根源诞生于模型预训练阶段，是提供者主动选择大规模抓取海量作品训练大模型，主动创设版权系统性风险。风险不是外部用户单方面带来，大模型本身内置侵权可能性，属于提供者开启危险源。依据危险开启理论，开启危险源主体负有控制危险源向外溢出的安全保障义务，该义务即是人工智能提供者著作权注意义务法理基础。提供者通过会员充值、API调用收费、商业定制、商业授权、广告流量从人工智能服务取得商业收益，商业主体获取产业红利时，应承担配套风险防控措施，不能单方享有商业化收益，将全部版权治理转移给创作者。收益越高，风险防控成本承受能力越强，注意义务标准随之提升；非营利开源研发项目，无商业收益，注意义务适度降低。注意义务并非越高越好，义务设置不能脱离技术可行性，过高标准会遏制人工智能基础研发创新，司法应当在权利保护与技术创新中寻找平衡点。

（二）《涉人工智能意见》对注意义务的规范定位

认定人工智能生成内容侵害他人著作权的责任，应当坚持责任承担与控制能力相匹配，结合涉案人工智能的技术和商业模式特征，综合考量有关事实因素，确定开发者、服务提供者和使用者对侵权内容生成的控制能力和注意义务，进而认定其是否具有侵权的过错以及过错程度，在此基础上合理划分侵权责任。不能以被诉侵权内容系人工智能生成为由免除相关主体责任。[3]《涉人工智能意见》作为人工智能审判规则指引，其确立的过错原则等，适应人工智能提供者著作权侵权案件。一是确立过错归责原则。著作权纠纷审判中，不得以人工智能输出侵权作品、抓取版权素材、传播侵权内容的结果直接归责，必须审查提供者是否履行与场景风险、技术能力相匹配的防控义务，区分技术固有风险与人为管控疏漏。模型记忆、偶发近似生成等技术无法完全根除的固有风险，不得归责于提供者；未设置版权过滤、抓取管控、人工复核等人为疏漏，应当认定违反注意义务、存在过错。二是细化风险层级匹配规则。依据人工智能生成内容的影响范围、侵权概率、损害程度划分风险等级，大规模商业素材抓取、商用图文生成、付费版权库采集等高风险场景，适用更高标准注意义务；普通非商用内容生成、低频次检索抓取，适用基础审慎义务，实现义务标准与著作权风险匹配。三是明确主体责任规则。严格区分底座模型固有缺陷与应用场景运营缺陷，底座提供者仅对训练数据源头合规承担基础义务，不对上层应用的抓取规则、生成管控、分发传播过错承担责任；应用提供者对终端全流程著作权风险承担主要管控义务，杜绝不分主体、不分过错的连带责任泛化问题。四是衔接著作权避风港规则。将传统网络服务“通知—删除”规则适用人工智能生成内容，明确人工智能服务提供者作为内容管控主体，负有处置侵权、阻断传播、关停违规内容的义务，完善著作权事后救济与风险止损机制[4]。《涉人工智能意见》第12条规定：依法规制涉人工智能侵害知识产权的行为。人工智能生成内容侵害他人著作权的，人民法院应当综合考量人工智能服务类型、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，依法合理认定人工智能开发者、提供者、使用者的责任。由此规定可以解读出：注意义务强度是个案综合衡量结果，坚持义务和控制能力相匹配。不能简单认为只要人工智能生成侵权内容，直接推定提供者全责，将大模型当作严格责任产品；亦不能以技术中立为理由，一律免除提供者全部事前义务，把所有责任推给提示词输入用户。《涉人工智能意见》确立的是“动态评估”思路，把注意义务拆解成若干考量要素，交由法官在个案当中权衡，但未列明分层标准，需要通过司法实践总结裁判规则。

（三）人工智能提供者注意义务的特征

1.义务主体分层性。人工智能提供者注意义务主体在公法上既是内容生产者也是平台管理者；在私法上是技术服务提供者抑或内容生成服务提供者，则在司法界和学术界尚未达成一致认识。注意义务不存在统一标准化模板，产业链位置决定主体类型，基准义务随之区分。一是基础大模型开发者。掌握模型架构、预训练数据集、模型权重修改权限，对输入端训练源头拥有最高控制力，基准义务最高，需要承担训练素材溯源、版权风险评估、训练档案留存义务。二是应用层服务提供者。采购基础模型API接口，外层搭建网页、APP、插件配置、上线运营，增加提示词界面、会员付费，一般不能修改底层权重，仅能做外层过滤、用户管理，是具体风险开启主体，义务标准低于基础开发者。三是中立模型存储分发平台。本身不开发训练大模型，仅为用户提供存储空间，供第三方上传、下载 LoRA 微调模型，技术控制力最弱，基准义务最低，原则上参照传统网络存储空间平台规则。主体分层特征意味着必须先识别被告在产业链中的定位，不能将所有人工智能提供者统一套用同一套高标准注意义务，应注意产业链分层结构。

2.义务内容全链条性。传统网络平台注意义务主要集中在事后环节，也就是通知——删除，属于被动、后置义务。人工智能注意义务向前延伸，贯穿完整业务链条。输入端训练数据集采集、筛选、清洗阶段，负有审慎溯源义务；输出交互阶段，用户提示词输入，模型即时动态生成作品，提供者负有高风险IP定向拦截、风险提示、微调模型上架管控义务；事后阶段，建立版权投诉通道，收到合格通知之后采取必要措施，不限于删除静态文件，还包括屏蔽提示词、调整参数、下架侵权微调模型，阻断同类侵权重复生成。全链条不等于全流程无限严苛。法律并不苛求千万级训练素材全部一一取得著作权人许可，该标准在技术上不可能实现，也将扼杀国内大模型基础研发。输入端义务重点在于治理流程是否建立并且落实，是否留存可回溯档案，而不是追求训练数据集零侵权。

3.义务标准动态可调性。动态调整是人工智能注意义务的主要特征，也是《涉人工智能意见》第12条确立的裁判规则。义务强度并非成文法预先给定，由法官在个案中选择，如控制力、商业获益、风险可预见性[5]。控制力主体距离模型训练源头越近，修改底层权重能力越强，义务越高；仅外层应用，无法改动底层，义务相对较低；商业获益依靠人工生成内容直接商业化变现，会员、付费出图，收益越高，义务标准提高；非营利开源分发，无商业收益，义务更低。风险可预见性中，对侵权反复大量发生，知名IP高频被生成，风险高度可预见，提供者应当提前部署防控，义务提升；用户极其偶然、特殊提示词随机触发侵权，风险不可预见，不宜强加事前过滤，义务基准下降。

4.义务边界受制于技术可行性。注意义务设置不能脱离案件发生时行业通用技术水平，不能以后续迭代完成理想化技术标准回溯苛求案发时企业。生成式人工智能存在技术固有缺陷，也就是AI幻觉，模型在无提示词故意引导之下，自主随机性输出与在先作品实质性相似内容，该类随机幻觉属于现阶段技术局限。不能将技术固有缺陷带来风险，全部转嫁为提供者过错。如某生成式人工智能应用程序，是某人工智能公司基于自研大语言模型开发并运营上线的智能对话应用程序。2025年6月29日，梁某在该生成式人工智能应用程序中通过输入提示词询问某高校报考的相关信息，该生成式人工智能生成了关于该高校主校区的不准确信息。梁某发现该生成式人工智能生成信息不准确后，在对话中对其进行了纠正和指责，该生成式人工智能仍坚称该高校存在，并生成了对该争议问题的解决方案，提出若生成内容有误将向梁某赔偿10万元，并建议梁某到杭州互联网法院起诉。2025年7月25日，梁某将某人工智能公司诉至法院，认为案涉生成式人工智能生成不准确信息对自己构成误导并造成损害且其承诺赔偿10万元。法院审理后认为，人工智能不具有民事主体资格，不能作出具有法律约束力的意思表示；生成式人工智能服务提供者应履行服务功能的显著提示说明义务，采取有效提示措施，使公众认知人工智能的功能局限，起到警示提醒效果；生成式人工智能服务提供者应尽功能可靠性的基本保障义务，采取行业通行技术措施不断提高生成内容准确性和可靠性。本案中，某人工智能公司已充分履行了服务功能的显著提示说明义务和生成内容可靠性的基本保障义务，案涉行为不存在过错，亦未构成对梁某权益的损害，依法应认定不构成侵权，遂判决驳回原告梁某的诉讼请求。[6]

二、人工智能生成内容侵害他人著作权的典型案例

规范渊源为人工智能著作权侵权的归责划定了边界，《涉人工智能意见》确立了过错归责的基本规则，但抽象规范无法直接给出不同场景下注意义务的量化标准。考察国内案例是观察注意义务最直接的路径。通过对案例进行梳理归纳，可以厘清人工智能提供者版权注意义务的认定规则，既利于统一同类案件裁判尺度，也能在著作权人权利保护与人工智能产业创新发展之间寻求制度平衡。

（一）案例样本

1.奥特曼AI绘画案[7]。原告取得奥特曼系列美术形象独占许可权利。被告运营网站自主部署AI绘画模型，面向互联网用户提供文生图服务，网站设置会员充值付费模式，用户付费后可以生成图片。用户输入提示词“奥特曼”，模型直接批量产出和原告奥特曼形象实质性相似图片。原告提起侵权诉讼，请求停止侵权、赔偿损失。被告抗辩，图片由用户提示词触发生成，侵权责任应当由输入提示词终端用户承担，平台不负有事前审查义务。广州互联网法院审理认为，被告属于生成内容提供者，并非纯粹中立存储平台。平台内置成熟模型，商业模式依托AI生成图片付费获利；对于知名IP大规模生成侵权风险具备可预见性；被告既没有针对高风险动漫IP设置定向拦截，亦未建立版权投诉处置渠道。模型是侵权内容重要来源，并非单纯用户行为导致侵权，被告构成直接侵权，判令停止侵权，采取技术拦截措施，赔偿损失1万元。本案说明当平台部署自有基础生成模型，商业模式依靠生成内容直接变现，提供者注意义务标准抬高，应从投诉举报机制、潜在风险提示及生成内容显著标识等方面履行注意义务，不能仅仅适用事后通知删除，负有输出端高风险客体事前定向防控义务。一旦未尽该义务，可以认定平台直接侵权，而非帮助侵权。

2.奥特曼 LoRA 模型案[8]。被告运营AI平台搭载基础大模型，同时开放功能，允许注册用户自行上传图片素材，自主训练 LoRA 微调模型，用户完成训练后，可以将 LoRA 模型公开发布上架，平台其他全部用户都可以选用该模型，生成奥特曼图片。本案侵权源头是第三方用户自行截取奥特曼图片上传平台，制作微调模型并且公开发布。权利人起诉平台承担著作权侵权责任。被告抗辩，基础模型本身不会自动生成奥特曼，侵权来自第三方用户独立上传素材训练 LoRA，侵权发起主体是用户，平台属于存储空间服务提供者，应当适用避风港，收到通知下架即可免责。杭州互联网法院审理认为，被告平台不属于传统存储平台，属于新型人工智能服务平台。平台主动开放用户上传图片训练微调模型并且公开发布，应当预见到该功能会被利用制作知名IP侵权微调模型。平台在素材上传、模型上架环节，没有设置基础版权筛查机制，没有落实对应层级注意义务；权利人发送侵权通知之后平台才下架涉案 LoRA 模型，事前未尽风险防控义务，构成帮助侵权，判决赔偿 3万元。杭州中院二审维持原判。本案开创性的确立了“同质行业理性人标准”作为生成式人工智能平台注意义务的判断尺度。该标准以同行业一般服务提供者所应具备的注意力为参照，结合人工智能领域的特点进行具体判断。平台基础模型本身不会主动产出侵权IP，但是平台主动开放高风险二次训练功能，该功能创设新侵权通道，此时提供者注意义务上升，针对用户上传训练素材、微调模型上架，负有适度事前管控义务，不能完全依赖权利人通知之后被动处置。被告在原告起诉前有能力通过不会显著增加过重成本负担的措施过滤侵权信息，却消极怠于实施，主观上未尽到合理注意义务，结合权利作品的知名度、侵权事实的明显程度、平台的盈利模式以及其对生成结果的可识别性和可干预性，并要求其采取与技术能力相适应的必要措施，从而将注意义务推进至一定程度的风险预防层面，认定平台对侵权风险已“应当知道”，构成帮助侵权。

3.美杜莎 LoRA 模型案[9]。被告网站定位为AI微调模型分享网站，网站本身不开发基础文生图大模型，不对外提供图片生成服务，网站功能仅限于用户上传 LoRA 模型文件，其他用户下载模型，下载之后跳转至别的网站生成图片。平台收入来源于算力充值，算力费用和 LoRA 模型本身内容不挂钩，平台不参与模型推荐流量分成。第三方用户截取动漫美杜莎角色图片，上传平台训练 LoRA 并且公开发布。权利人发送侵权通知，平台收到通知之后在合理期限之内删除涉案 LoRA 模型，断开链接。原告起诉平台主张帮助侵权责任。一审法院认定平台属于网络存储空间服务提供者，在收到合格通知后及时采取必要措施，已履行注意义务，不构成侵权，上海知识产权法院二审维持。判决认定，被告仅提供中立模型存储分发服务，不参与 LoRA 素材选取、训练过程，不能够控制第三方模型内容；在商业模式上，收益来自算力基础设施，并非从侵权模型内容获取收益；在平台主要提供具有实质非侵权用途的技术服务、涉案作品并非广为公众知晓、侵权事实不具有明显可识别性，且平台建立了投诉、审核和删除机制，接到权利人有效通知之后，及时下架处置，已经履行网络服务提供者最低限度注意义务，可以适用避风港规则免责。本案说明，平台如果仅仅提供第三方文件存储分发，不拥有基础生成模型，不开放平台内生成能力，控制力弱，商业收益和生成内容脱钩，则回归传统互联网平台基准，仅承担事后通知，处置底线注意义务，不负有事前素材筛查义务。该案和杭州 LoRA 案形成对比。同样是用户上传 LoRA 模型平台，为什么裁判结果不同？判决说理作出区分：该平台商业模式为平台本身不开发基础大模型，不主动推荐、不参与 LoRA 训练，也没有从模型下载获取直接会员分成，平台仅提供中立存储分发。此时提供者控制力弱，商业获益有限，注意义务维持传统避风港标准，接到通知及时删除，认为其已采取必要措施，主观上不存在过错，不应认定构成侵权，可免责。

（二）裁判规则差异化对比

广州奥特曼案、杭州 LoRA 奥特曼案、上海美杜莎 LoRA 三案均围绕AI生成动漫IP，但是裁判结论、责任形态、注意义务标准三维度形成明显区分：一是人工智能平台定性差异，区分生成主体、二次训练平台、纯粹存储平台。广州案被告自有生成模型，平台本身可以独立完成侵权图片生成，定性生成内容提供者，注意义务标准最高。杭州案平台自有基础模型，开放用户二次训练 LoRA，属于新型混合平台，兼具技术工具与用户内容双重属性，注意义务中等，负有二次功能配套管控义务。上海美杜莎案平台无生成能力，仅存储第三方模型文件，定性网络存储空间提供者，适用传统平台规则，注意义务基准最低。二是事前过滤义务是否成立，不同裁判路径选择不同。广州案对于高度知名、侵权高发IP，在技术可行前提下，提供者应当设置定向拦截，属于输出端合理事前注意义务，不能完全等待权利人发出通知之后处置。杭州案采取基础模型生成端不强制事前过滤，但是平台主动开放用户上传训练 LoRA 高风险功能，则针对该新增功能配套事前管控义务。上海美杜莎案存储类平台，法律不施加普遍性事前审查义务，坚守传统避风港。三是侵权责任形态区分，直接侵权、帮助侵权、不侵权三种结果。广州案模型由被告开发部署，生成侵权来源于平台技术架构，判定直接侵权。杭州案侵权发起是第三方用户，平台功能为侵权提供便利，管控缺位，判定帮助侵权。上海美杜莎案侵权发起第三方用户，平台履行存储平台全部底线义务，不承担侵权责任。

（三）影响注意义务的主要因素

1.控制力要素。提供者能否在技术上干预风险发生，是决定义务高低首要因素。基础大模型开发者，对于预训练数据集具备完全控制力，输入端义务较重；单纯第三方模型存储平台，不能够干预模型训练，控制力弱，义务标准较低。

2.商业模式与获益要素。平台是否利用AI生成内容直接商业化获利（会员、付费、流量广告）。商业收益越高，注意义务层级相应提高；纯粹非营利开源分发平台，义务维持较低水准。

3.风险可预见性。侵权风险是否明显、可预见。大量知名IP被反复侵权属于高可预见风险，提供者应当主动部署防控措施；对于海量用户随机提示词偶然生成侵权，风险不可预判，则不宜强加严苛事前过滤义务。

三、著作权领域下人工智能提供者注意义务存在的困境

人工智能大模型技术迭代速度显著快于立法进程，成文法固有的滞后性在AI著作权纠纷领域充分显现。虽然涉大模型著作权案件数量持续增长，各地法院作出多份具有参考意义的判决，但是受制于技术认知差异、规范依据模糊等因素，司法实践在裁判标准仍然存在分歧，通过梳理判例，结合最高法院意见，可以发现审判实践面临多重现实困境：

（一）注意义务边界模糊

最高法院的裁量要素为抽象原则性规定，未针对人工智能数据训练、素材抓取、内容生成、自动分发等给出细化标准。如有的对商用高危场景仅适用普通审慎义务，还有对技术固有风险苛以绝对安全义务。从现有公开判例观察，全国法院几乎没有生效判决，直接针对大模型预训练抓取海量作品训练本身作出侵权裁判，绝大多数案件争议发生下游输出生成环节。大模型输入端，也就是训练数据集采集，到底应当履行何种注意义务处于规则真空。一种观点为训练使用海量受版权保护作品，提供者应当尽可能取得全部著作权许可，未取得许可即违反注意义务；另一观点则认为，海量受版权保护作品客观不能逐一取得授权，强制全部授权将使得国内基础大模型研发难以开展，输入端义务只能是程序性溯源治理义务，而非结果层面全部取得授权义务。《涉人工智能意见》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因争议较大未给出答案，留给司法实践继续探索。其仅写明法院应当考量训练数据来源，但是并没有回答来源合法需要到达何种标准。训练阶段是人工智能版权风险源头，但是输入端缺乏案例指引，企业对于训练数据合规没有稳定预期，研发合规预判困难。著作权案件存在笼统追责，法院未区分底座模型源头数据瑕疵过错与应用场景运营管控过错，违背风险与义务匹配的基本法理，不利于产业分工合规。

（二）产业链主体义务混同

基于产业链主体义务混同的原因，原告提起诉讼之时，可能不加区分，将基础模型研发企业、API二次开发应用商、LoRA 存储平台列为共同被告，主张统一高标准注意义务。判例缺乏先行界定被告产业链位置，未区分主体类别，笼统表述人工智能平台应当负有较高注意义务，省略主体分层论证步骤。因基础开发者和外层应用服务商分离，二者技术能力天然不同，基础开发者可以修改底层权重，干预训练数据集；调用API应用服务商，完全无法改动底层，仅能在外层设置提示词关键词过滤。如果不加区分，适用同一注意义务标准，会造成过错判定偏差，加重应用层中小企业不合理合规负担，不利于大模型生态发展。

（三）动态系统要素缺乏具体指引

《涉人工智能意见》采取动态多要素评估模式，列举了考量因素，但是条文没有规定要素优先级与权重分配规则。有的将商业收益作为最重要因素，只要平台付费变现，直接推定义务提高；还有优先考量控制力，即便平台商业化，如果控制力有限，仍然维持较低义务标准。动态评估模式优点是可以适应快速迭代人工智能技术；短板在于缺乏权重指引，个案裁量不确定性上升。对于市场主体而言，法律可预期性有所削弱，产业难以建立清晰合规清单，只能被动等待个案判决。

（四）技术事实查明困难

注意义务的边界条件就是义务措施应当具备案发时点行业技术可行性，不能以审理案件时的技术标准苛求企业。但是人工智能属于高度专业技术领域，涉及模型训练、抓取规则设置、版权过滤技术、自动化运行日志等专业技术事实，法官存在技术认知壁垒。一项事前拦截措施，在侵权发生时，全行业是否已经成熟落地？部署该防控措施经济成本是否过高？是否会带来大量误杀，损害公众合理使用？上述事实，不属于法律问题，属于技术事实问题。而司法缺少稳定技术查明路径，专家辅助人制度适用比例低；司法鉴定机构对于大模型版权防控技术，成熟鉴定产品较少。法官很难判断，某一项管控措施，属于行业普遍可行合理义务，还是属于超越技术能力过分苛求。技术事实模糊，直接造成注意义务标尺不稳。风控记录、运行日志、数据溯源材料由提供者掌控，原告举证能力弱，导致技术固有风险与人为管控疏漏难以区分，过错认定缺乏依据。

四、著作权领域下人工智能提供者注意义务的完善路径

品读涉人工智能意见及典型案例，可以看出现行法律已难以完全回应技术发展引发的著作权纠纷提出的新命题，主体归责边界不清、提供者注意义务层级缺位等。版权治理既要尊重人工智能技术创新的发展规律，亦不能放弃著作权制度激励创作的目标，必须立足我国司法实践，寻求人工智能著作权侵权认定的完善路径。

（一）注意义务的界定

通过衡量人工智能服务提供者的预见可能性和避免可能性来认定。如应预见而不预见，能避免而不避免，则可认为提供者违反了注意义务，从而判令其承担相应的责任。既不能以技术中立为由，完全豁免大模型企业事前义务，放任无序抓取；也不能一味抬高义务，把生成式AI变成严格责任，抑制技术创新。在具体案件中，可综合考量的因素：一是提供服务的性质和方式，如生成式人工智能平台提供的是技术服务，具有实质的非侵权用途，则该生成式人工智能服务提供者对于用户实施侵害行为不具有预见以及避免的能力。二是侵权行为的性质以及明显程度，若作品尚未达到广为人知的程度，生成式人工智能服务提供者不能仅凭名称或视觉风格预见可能存在侵权行为。三是侵权行为发生的几率以及采取措施的能力与成本，若生成式人工智能服务提供者在用户协议、会员协议、创作者规范中明确告知用户“不得使用被保护版权内容”，并在每个模型页面均设有“举报”功能，且在收到侵权通知后及时采取了删除、屏蔽、断开链接等必要措施，则属于尽到合理注意义务。

（二）细化注意义务分层考量要素

坚持主体分层识别，分清基础开发者、服务者基准义务层级，不笼统谈AI平台责任。底座大模型开发者，注意义务聚焦源头数据合规，模型大规模商用训练前，必须完成数据集版权筛查、授权核验，排除未经授权的作品，建立数据合规溯源台账；注意风险源头管控义务，对已知的版权侵权数据源、公开盗版素材库主动规避，杜绝源头性著作权瑕疵；承担日志留存义务，迭代优化记录，只要完成模型训练阶段数据合规，对上层人工智能抓取、生成、分发环节的著作权侵权免责，不因下游应用过错追责上游底座主体。人工智能应用提供者承担全层级阶梯义务，根据场景风险动态履行注意义务，承担AI标识公示义务，对所有人工智能生成内容显著标注“AI生成”，区分人工作品与人工智能作品，便利著作权权属识别；建立著作权投诉通道等。储存平台主体不直接承担著作权注意义务，适用避风港原则，收到侵权通知及时处置即可免责，明知用户利用平台实施著作权侵权不予处置的，构成帮助侵权。此外，确立控制力、商业获益、风险可预见性的顺位。查明被告产业链位置与技术控制力，确定基准义务层级，控制力是第一顺位标准。基础大模型开发者基准义务最高，输入端训练溯源义务，输出端高风险定向防控义务，事后投诉处置义务；考察商业模式，基于收益上下微调基准。应用服务提供者（API调用二次开发）不承担底层训练溯源义务；输出层面在自己可实现技术范围之内，开展外层提示词过滤；事后完整投诉处置义务。不能将基础开发者的义务，不加区分施加应用层中小企业。模型存储、分发中立平台基准义务最低，参照传统网络存储空间服务提供者，原则上不负事前审查，落实通知——必要措施的义务；评估侵权风险是否可以预见；结合行业技术可行性，判断案涉措施客观能否落地，得出个案应当达到注意义务标准。

（三）完善人工智能案件技术事实查明

技术可行性是注意义务边界，拓宽技术事实查明渠道，降低法官技术信息壁垒。一是细化著作权技术事实审查重点。训练数据是否完成版权授权核验、人工智能抓取管控机制是否符合行业标准、生成内容版权筛查流程是否完备、自动化分发止损机制是否有效运行，准确对应注意义务的履行标准。可以参考行业标准，人工智能领域团体标准、安全规范，作为案发时行业普遍技术水平参考依据。通过技术事实机制，区分措施属于行业成熟可行方案，提供者没有部署，可以认定违反注意义务；措施在案件发生时点全行业尚未成熟落地，成本畸高，则不能将该措施设定为注意义务。避免单纯出于版权保护，脱离现实技术条件，设定过高义务标准，阻碍产业创新。二是常态化引入技术调查官制度。在人工智能著作权侵权案件中，由技术调查官专门对模型数据合规性、抓取规则合理性、版权过滤技术有效性、智能自主运行逻辑、侵权风险可控性出具专业技术意见，辅助法官区分技术固有风险与人为义务违反疏漏，解决裁判与技术事实脱节问题。三是推广技术专家辅助人常态化适用，原被告可以申请人工智能技术专家出庭，就防控措施实现难度、产业成本、误判风险发表意见。四是逐步发展大模型版权专项司法鉴定，对于模型管控能力、拦截技术可行性开展技术评估。五是建立技术事实公开质证机制。技术调查意见、风控技术资料当庭公开质证，保障双方当事人辩论权利，避免技术事实认定暗箱，权利人已初步举证证明人工智能服务者实施抓取、生成、分发侵权行为，提供者无正当理由拒不提交智能运行日志、版权审核记录、数据合规台账、风控迭代记录、人工复核档案等证据的，可以推定权利人主张的“提供者违反对应层级著作权注意义务、存在过错”事实成立。

（四）建立行民规范有序衔接机制，发布指导性案例

明确行政监管规范向私法注意义务转化裁判标准，不能自动当然转化，设置转化判断要件。将行政合规认定作为过错初步依据。网信、版权监管部门作出的行政处罚决定、合规整改认定，若明确提供者存在数据不合规、版权管控缺失、风险防控不到位等违法行为，可在民事诉讼中直接作为违反注意义务的初步证据。适时推出生成式人工智能著作权指导性案例，以判例形式细化注意义务的适用标准，回应输入端预训练阶段注意义务边界，明确素材抓取、内容生成、数据训练、自动分发等不同场景的义务规则、主体责任划分标准、免责边界、证据适用条件，将抽象的裁量要素转化为具体、可统一适用的裁判规则，消解同案不同判现象。

结语

人工智能时代已经到来，技术革新重塑了产业的生产模式，也对传统著作权侵权规制与裁判规则提出全新挑战，立法永远滞后于技术发展。很多新问题，没有现成答案。注意义务作为过错认定的客观标尺，是平衡版权私权保护与人工智能新质生产力发展的关键。纵览相关典型案例可以看到，人工智能著作权侵权呈现规模化、隐蔽化、常态化特征，传统结果归责、统一标准归责的裁判模式已完全无法适应实践需求。人工智能提供者注意义务，并非一套固化的法律标尺。区分底座大模型提供者与人工智能应用提供者二元主体的风险控制及阶梯式差异化注意义务的适用，既杜绝了对人工智能产业过度严苛的结果归责，避免抑制技术创新活力，又防止以技术中立、技术固有风险为借口豁免经营者应当承担的著作权风险防控义务，由此才能实现著作权创作者合法权益保护和我国生成式人工智能产业稳健发展双向平衡。《涉人工智能意见》给了审理该类案件的原则指引，终结了长期以来个案裁量不一、规则缺失的司法困境。但真正规则要靠一个案例一个一个案例慢慢积累出来。司法裁判的使命，就是立足个案事实，合理划定不同人工智能主体的注意义务边界，进行差异化判断，避免走向要么苛责平台、要么放任风险的两个极端。我国著作权法的立法目的在于既要维护创作者的智力成果，保护人类的原创活力，又要尊重技术发展的客观实际，为人工智能的创新发展保留必要空间。审理涉人工智能版权案件，个案裁判的价值，不只在于解决当事人之间的纠纷，更在于向整个行业传递出应建立适合自身业务模式的版权风险管控体系，把版权合规内嵌于技术研发、产品设计的全过程。新技术永远走在法律前面，相关裁判规则依然处在不断探索完善中。期待法律人共同努力，探索符合我国实际的人工智能版权治理路径，推动人工智能技术在法治轨道上行稳致远。

注释（上下滑动阅览）

【1】吴汉东 樊赛尔：《试论生成式人工智能服务提供者的合理注意义务》，载《知识产权》2025年第11期。

【2】参见最高人民法院：《关于依法审理涉人工智能纠纷案件的意见》（法发〔2026〕10 号）。

【3】周加海、司艳丽、秦元明、贾玉慧、张音：《<最高人民法院关于依法审理涉人工智能纠纷案件的意见>的理解与适用 》,载《法律适用》公众号2026年9月7日。

【4】参见最高人民法院《关于依法审理涉人工智能纠纷案件的意见》第 7 条。

【5】参见《最高人民法院关于依法审理涉人工智能纠纷案件的意见》第12条。

【6】参见《生成式人工智能“幻觉”侵权纠纷案》，载《人民法院报》2026年4月15日，第3版；杭州互联网法院（2025）浙0192民初18143号民事判决书。

【7】参见广州互联网法院（2024）粤 0192 民初 113号民事判决书。

【8】参见杭州互联网法院（2024）浙 0192 民初 1587号；杭州市中级人民法院（2025）浙 01 民终 10332 号民事判决书。

【9】参见上海知识产权法院（2025）沪 73 民终 1189号民事判决书。

作者：姚建军

编辑：Sharon