郑友德 | 生成式AI对版权制度的冲击与治理：欧盟与中国的规制路径探析-观点

郑友德 | 生成式AI对版权制度的冲击与治理：欧盟与中国的规制路径探析

作者 | 郑友德

华中科技大学知识产权与竞争法中心教授

生成式人工智能（以下简称“GenAI”）的迅速崛起对全球版权制度构成了前所未有的系统性挑战。本文立足于2026年3月欧洲议会通过的GenAI版权改革报告，深度解析了欧盟在新闻业许可授权、受保护作品透明度清单、举证责任转移及属地原则扩展等维度的制度创新。通过对比分析，指出中国现行《著作权法》封闭式合理使用制度的局限性，以及相关监管办法在应对海量数据训练合规与技术“黑盒”举证困境时的原则性不足。借鉴欧盟经验并立足国情，本文提出了从行政法规先行探索、法律系统修订到专项法律创设的“三步走”应对路径，旨在为我国构建一个既能保障权利人合法权益，又能激发AI产业创新活力的多层次版权治理体系。

一、欧洲议会报告应对GenAI挑战的版权改革举措

2026年3月10日，欧洲议会正式通过了关于“版权与生成式人工智能：机遇与挑战的报告”（决议编号：P10_TA(2026)0066；程序编号：2025/2058(INI)）[1]，该报告由欧洲议会法律事务委员会提交（报告编号：A10-0019/2026）。报告敦促欧洲委员会启动立法工作，以应对GenAI给欧盟现行版权制度带来的机遇与挑战，并明确提出通过实现“支持可持续经济增长、竞争力和创新的技术发展”，使欧洲成为“AI领域的全球领导者”。报告的序言部分为其纲领性导向奠定了基调：在 GenAI的开发和部署过程中，必须尊重知识产权这一基本权利，特别是依据《欧盟基本权利宪章》第17(2)条[2]及相关案例法。因此，拟议的发展方向是利用法律和非法律手段补充现有规则，通过功能完善的许可市场确保受版权保护的内容能够获得高效许可。

该报告对现有版权规则的缺陷进行了全面且深刻的审视，特别是指出2019年《数字单一市场版权指令》（以下简称“CDSM指令”）在GenAI训练背景下的应用存在明显模糊性，同时也提及了该指令第17条[3]的逻辑依据。报告寻求为GenAI开发者提供便利并集中化许可方案及基础设施，同时通过提高透明度义务和程序性推定来强化权利人的地位。虽然总体方针以及大多数拟议措施值得称赞，但该提案的核心、即针对GenAI的自愿许可方案仍需慎重考量。

在提出实质性提案之前，报告首先承诺对出于科学研究、教育目的或非商业创新目的的训练材料实行免费使用，这一原则符合《欧盟基本权利宪章》第13条[4]的精神。报告不愿扼杀AI创新的意图在此显而易见，但同时也强调，随后的商业化运作必须获得权利人的适当授权并支付报酬。此外，任何权利例外必须符合伯尔尼公约及2001年欧盟《信息社会指令》（InfoSoc Directive）第5(5)条中的“三步走测试”。

（一）强化新闻业GenAI聚合模式下的版权保护力度

新闻业是维护欧盟民主运作的重要渠道，因此不应被纳入上述宽泛的开放许可范围。若任由 GenAI 聚合新闻行业信息，将冲击该行业多元化的服务供给，威胁其生存空间。为捍卫欧盟的民主基石，必须赋予新闻内容生产者，如新闻出版商、记者和编辑更强、更具排他性的数字版权控制权，以保障其合法权益。

欧盟知识产权局（以下简称“EUIPO”）2025年5月的一项研究表明[5]，新闻与新闻媒体行业在GenAI版权许可模式彰显出更高的成熟度，这主要得益于该行业在检索增强生成（Retrieval-Augmented Generation，以下简称 “RAG”）应用中的核心地位。目前这种成熟模式首先体现为新闻出版商与AI开发商之间签署的高价值直接许可协议。例如，OpenAI已与美联社（AP）、达特达什·梅雷迪思（Dotdash Meredith、美国最大的数字和印刷出版商之一）、金融时报（Financial Times）、阿克塞尔·斯普林格（Axel Springer、总部位于德国的欧洲大型出版传媒集团）、新闻集团（News Corp）、沃克斯传媒（Vox Media、旗下拥有 Vox, The Verge, New York Magazine 等知名媒体）、大西洋月刊（The Atlantic）以及欧洲出版商合众媒体（Prisa Media）和世界报（Le Monde）等主要媒体机构达成了战略合作，这些协议通常明确包含授权访问和使用作品（特别是新闻出版物）以用于RAG的条款。除了传统的版权授权，新闻业正转向更为复杂的收入分成模式，如Perplexity AI推出的“出版商计划”，其首批合作伙伴包括《时代周刊》（TIME）、《明镜周刊》（Der Spiegel）、《财富》（Fortune）、《企业家》（Entrepreneur）、《德克萨斯论坛报》（The Texas Tribune）等知名新闻与内容平台。该计划通过在AI搜索结果引用内容时分享广告收益，或探索将AI服务与新闻机构的订阅服务进行捆绑，从而为权利人创造持续性的收入流。许多协议还具有互惠资源交换的特征，即出版商不仅获得资金补偿，还能换取AI开发者的API访问权限和技术资产，利用先进的AI工具优化自身的内容分发和读者互动体验。

在定价机制与技术标准方面，新闻业正逐渐形成以词元化（Tokenization）作为许可费计算标准的趋势，这种基于数据量而非单纯按件计费的模式，使大体量或高分辨率的版权作品能够获得更精确的经济补偿。为了在许可收益与平台生命力之间取得平衡，出版商在协议中引入了对摘录片段长度（Snippet Length）的精细化控制。由于摘录片段长度与点击率之间存在反向关系，通过限制AI引用的文本规模，出版商可以确保用户在获取AI回答后仍有动力点击链接跳转回出版商原站，从而维持其核心的点击率和流量收益。此外，新兴的内容聚合服务商（如Humans、Datarade、Protoge Media等创办）正扮演关键的商业中介角色，通过集中管理不同权利人的版权库，为中小型媒体机构提供了进入AI训练数据市场并参与议价的途径。最后，新闻媒体机构正通过将其内部的数据治理和标注能力货币化，提供带有高质量元数据和人工标注的结构化内容。这种高附加值数据在模型微调阶段相比于简单的网页抓取数据具有更高的商业溢价，从而为新闻行业带来了多元化的收益空间。

欧洲议会报告对具有竞争性的GenAI产品表达了深度关注，指出部分 AI 应用不仅在基础训练阶段依赖受保护作品，更进一步利用推理（Inference）和RAG等技术手段，在搜索或其他数字服务中直接产出替代性内容。这种行为往往涉及未经授权的抓取与再现，在权利人的主要市场中形成了与其原创产品直接竞争的供给，从而严重分流了原创产品的流量和收入，对内容创作者的商业模式构成了严峻挑战。

针对此类用途，报告明确提出必须强化授权机制，主张任何超越基础训练之外的行为，包括推理、RAG及微调等均须获得权利人的明确同意。为此，报告建议委员会积极探索将新闻出版商、记者及新闻编辑的邻接权，以及新闻媒体制作人和广播机构的相关权利扩大覆盖至这些 AI 衍生用途，以恢复权利人的议价能力并确保其获得公平报酬。

在维护行业生态方面，AI 系统必须严格遵守《欧洲媒体自由法》（EMFA）所奉行的媒体多元化和信息多样性原则，通过建立清晰的质量标准来防止选择性处理偏袒特定出版物，从而捍卫公共话语的公平性。同时，报告敦促委员会依据《数字市场法》第6条第5款[6]加强监管，禁止“守门人”（gatekeepers）利用自身 AI 服务进行自我优待（self-preferencing）的行为，确保其符合公平竞争要求并防止损害商业用户的合法权益。

（二）构建GenAI训练行业自愿集体许可模式并强化报酬权保障机制

报告呼吁委员会通过咨询集体管理组织，促进按照行业划分的自愿集体许可协议，明确排除了强制性集体许可或法定许可，强调任何版权例外都必须符合“三步检验法”[7]，且权利人应保留决定是否授权及自主设定报酬的自由。

与许可方案相配套的是确保权利人可以根据《CDSM 指令》第4条第3款[8]行使有效的“退出（opt-outs）”机制，报告强调“合法获取”不包括盗版或侵权副本。为了确立法理确定性，机器可读的退出标准应受限制且标准化，并由 EUIPO 担任“深受信任的中介”从事集中管理。

报告明确反对任何基于全球授权“一口价”（flat-rate payment）的一揽子许可方案，主张版权价值应基于相关因素，通过权利人与 AI 提供者之间的诚实信用谈判予以确定，并确保许可报酬具有适当性与比例性。针对过往未经授权的许可使用行为，报告呼吁寻求即时、公平且比例适中的报酬解决方案；同时严正声明，签署新的许可协议绝不应被误认为是对过往侵权责任的豁免或补救。此外，报告建议委员会探索将新闻出版商、记者及新闻编辑的邻接权以及其他相关权利，扩大覆盖至 AI 的推理（Inference）与RAG等衍生用途，以应对这些技术在主营市场中与原创内容构成的直接竞争。

（三）构建涵盖训练数据清单与技术溯源保障的模型透明度机制

受保护作品许可框架的有效运作，其核心前提在于GenAI模型提供者必须履行全面且实质性的透明度义务。根据报告要求，提供商不仅需披露一般性信息，还必须提交一份逐项列出（itemised list）所有受保护训练数据的详细清单，以确保权利人能够准确识别其受保护作品的使用情况。

为确保监管工具能够实时响应AI技术革新，报告强调应将《通用人工智能业务守则》、相关指南及数据报告模板视为“动态文件”（living documents），通过定期修订与更新，以应对版权保护与 AI 发展中不断涌现的挑战。这种强化的透明度与溯源机制，被视为建立功能完备的授权市场、保障创作者行使版权并获得公平报酬的必要先决条件。

针对持续训练、推理及RAG，报告引入了更严格的实时监管要求：爬虫工具必须向网站运营商表明身份，AI 公司须保留详细的抓取记录，同时兼顾对商业秘密的保护。此外，应通过数字水印、加密水印等技术保障透明度的实施，AI 提供者同时必须保持此类水印不被更改，并提供检测工具。

（四）创设“可反驳的使用推定”机制以破解透明度缺失下的侵权举证困境

为确保透明度义务得到实质性履行并有效解决权利人的举证困境，报告引入了一项关键的程序性保障机制——“可反驳的使用推定（rebuttable presumption）” 。该机制规定，若人工智能模型的提供者或部署者未能完全遵守透明度要求（如未提供详尽且逐项列出的训练素材清单），法律将直接推定该模型在训练、推理或RAG过程中已使用了相关的受版权保护作品。

这一制度设计通过举证责任的转移，迫使开发者在模型的开发、部署及使用全过程中对训练素材进行详尽追踪。同时，为了矫正创作者与 AI 企业之间在诉讼地位与资源上的严重失衡，报告还配套提出了诉讼成本救济规则：一旦权利人或其代表组织基于该推定或所提证据在法律诉讼中胜诉，AI 提供者必须承担所有合理且比例适中的法律费用及其他相关开支。

（五）扩展版权属地原则以重构面向欧盟市场准入的版权合规体系

与《人工智能法案》第53条第1款(c)项[9]一致，报告支持对“属地原则”进行调适：即无论模型在何处开发或训练，只要在欧盟境内投放市场或提供服务，其训练行为就必须遵守欧盟版权法。这将确保欧洲创作者无论面对何地研发的模型都能获得公平报酬。

报告强调，这一原则旨在避免“法域套利”，并防止非欧盟提供者通过不合规获得不公平竞争优势。决议明确要求，凡不符合欧盟版权合规要求的GenAI 系统，应被禁止在欧盟市场运行。报告还指示将该决议转发至理事会、委员会及各成员国，以推动欧盟法规的统一执行。

（六）规制AI深度伪造

针对利用AI深度伪造（Deepfakes）对信息真实性的冲击，EUIPO 报告及欧洲议会主张在《人工智能法案》的技术监管之外，构建以“欧盟人格权协调框架”（EU Personality Rights Framework）与“欧盟行为守则”（EU Codes of Practice）为基础的法律构造，以强化对公民人格权与身份权的防护。

“欧盟人格权协调框架”弥补了传统版权法在应对 AI 身份模拟方面的立法空白，确立公民对其肖像、声音等个人特征的专有保护，以禁止未经授权的商业化克隆或恶意篡改；“欧盟行为守则”则确立了超越水印要求的透明度标注标准，并明确不符合版权标准的 AI 生成物属于公有领域。

二、中国现行法律法规应对GenAI挑战的基本策略

中国现行《著作权法》采用封闭列举式的合理使用制度，其第24条列举了13种可以不经许可且无偿使用作品的情形。其中与GenAI训练最为相关的第六项（为科学研究目的使用）在适用上面临显著障碍，一则GenAI训练主体多为商业机构，而非单纯的科研人员；再则训练行为涉及海量作品的规模化复制，而非少量复制已发表作品。故现有的合理使用条款难以涵盖数据训练中的作品使用行为。

此外，中国《著作权法》第24条虽移植了《伯尔尼公约》的“三步检验法”，但相关文本在一定程度上脱离了合理使用制度的伦理基础，且缺乏具体的可操作规则。由于第24条第1款关于“正常使用”与“合法权益”等概念的内涵及外延较为模糊，导致数据训练领域陷入了深刻的理论分歧：一方是主张权利范围应随技术动态扩张的“利益延伸原则”，另一方则是强调保护应维持在适度范围以不阻碍技术进步且兼顾公共利益的“利益适度原则”[10]。在“封闭列举式”体系与标准模糊的“三步检验法”双重局限下，《著作权法》目前难以对海量数据训练行为给出明确的定性。

2023年7月，国家网信办等七部门联合发布《生成式人工智能服务管理暂行办法》第7条规定，生成式人工智能服务提供者应当依法开展预训练、优化训练等训练数据处理活动，使用具有合法来源的数据；涉及知识产权的，不得侵害他人依法享有的知识产权。这一规定的价值在于首次从行政规范层面明确了GenAI训练数据的版权合规要求，但其局限性也较为明显：对于何为“合法来源”缺乏明确界定，数据流转链条中的局部不合法是否影响整体后续合法性等问题仍然模棱两可；同时，“不得侵害他人知识产权”的表述解释空间过大，未能提供具体的行为指引和合规路径。

综上，中国现行法律框架呈现出“原则性规定先行、具体规则缺失”的格局，难以系统性地应对GenAI带来的全面挑战。以下将参照欧洲议会上述对策，试探讨我国的应对路径。

（一）扩充并完善版权作品合理使用条款

合理使用作为典型的“开放式”权益平衡模式，具备较强的制度灵活性。建议以《著作权法》第24条第一款第13项的“兜底条款”为接口，在《著作权法实施条例》中引入专门针对GenAI数据训练的合理使用例外，通过“三步检验法”进行限制性引导，以增加法律适用的弹性。

在具体制度设计上，应遵循“宽进严出”的治理逻辑：在训练数据输入端构建合理使用制度，在AI输出端则采取较为严格的保护设计。针对欧盟确立的GenAI版权商业化许可授权及“三步走”测试要求，我国在司法实务中应严守《著作权法》第24条对合理使用的解释空间，明确商业性模型训练不应损害权利人的正常利用，从而落实《生成式人工智能服务管理暂行办法》第7条（上已述及）关于数据合法来源的基本要求。同时，参考欧洲议会对新闻业实施的强排他权保护及基于词元的计费逻辑，运用中国《反不正当竞争法》第2条的诚实信用原则，遏制AI搜索对原创媒体流量的实质性替代、寄生性竞争或不当攀附，保护权利人的竞争利益，并探索在版权集体管理框架下建立更具颗粒度（Granularity）的精细化许可模式，保障创作者的议价能力，有效应对大模型对内容产业的替代性威胁。

此外，合理使用例外应限于商业化应用前的训练阶段，一旦进入商业化部署与运营，则必须获得权利人的授权并支付报酬，这一思路与欧洲议会报告强调的原则具有内在一致性。任何权利例外都必须符合“三步检验法”，确保不与作品的正常使用相冲突。

（二）提高训练数据透明度并实施有效的“退出”机制

版权许可框架有效运作的前提是AI模型提供者必须履行全面且实质性的透明度义务。欧洲议会报告强调，提供者需提交受保护训练数据的详细清单。而我国目前尚未建立专门的训练数据透明度制度。故可借鉴欧盟经验，要求提供者披露数据来源的基本信息，包括数据集构成、渠道及版权状态等。同时，应建立机器可读的“退出”（Opt-out）机制，使权利人能够有效行使退出权，拒绝其作品被用于AI训练。这一机制应由标准化技术方案支撑，并建议推动修订《著作权法实施条例》，将robots协议等机器可读声明定性为法定技术保护措施，赋予其明确的法律效力。在技术配套上，可参考欧洲议会推荐的“深受信任的中介”模式，依托中国版权保护中心建立国家级版权保护体系，强制要求爬虫工具向网站运营商表明身份，并要求AI提供者保留详尽抓取记录。

（三）建构法定许可或延伸集体管理机制

欧洲议会报告排除了强制性集体许可，主张通过行业自愿协议解决授权问题。我国则需结合本国著作权集体管理制度的现状进行审慎选择。

中国文字著作权协会作为我国唯一的法定文字作品集体管理组织，在报酬收转领域已建立规范流程，在版权费收转上经验丰富。面对GenAI带来的海量授权难题，该协会如何发挥其规模化授权的优势，是解决语料库合规问题的关键。

与欧洲议会推荐的自愿集体许可立场不同，中国学界和实务界更倾向于探讨法定许可或延伸集体管理的可行性。质言之，欧洲模式恪守“合同优先”，授权严限于会员范围；中国方案则侧重“效率优先”，允许集体管理组织在代表实质多数权利人时，将授权效力延伸覆盖至非会员。

中国文字著作权协会刘雅婕等[11]主张，将语料库纳入法定许可制度或实施延伸集体管理，是健全新兴领域版权保护、平衡产业发展的优选方案。这既能降低AI企业的交易成本，也能保障权利人的获酬权。其优势在于提高授权效率，但同时也需解决当前集体管理组织代表性不足、管理作品数量有限等问题。

综上可以认为，中国不宜简单移植欧盟的自愿集体许可模式。更为务实的路径应分三步走：短期构建基于自愿集体许可协商的公共平台。鼓励文著协与 AI 企业建立行业间对话机制，通过搭建标准化的数据授权与监测平台，在现有法律框架内先行解决大规模既有作品的授权合规问题。中期引入针对 AI 训练数据的法定许可条款。即通过修订《著作权法实施条例》或出台司法解释，赋予 AI 企业在特定条件下“先使用后付费”的法定权利，从制度上突破海量授权的效率瓶颈。长期则应驱动集体管理组织的数智化改造。提升集体管理组织的权利人代表性与透明度，构建与GenAI 时代相匹配的数字化结算系统，实现海量授权、精准分成与动态监管的深度融合。但无论采取何种模式，均务必确保报酬的适当性比例性，并赋予权利人自主决定是否授权的自由。

（四）履行透明度义务确立侵权举证责任倒置的适用路径

欧洲议会报告的制度创新在于引入了“可反驳的使用推定”机制，若AI服务提供者未遵守透明度要求，则推定其已使用相关受保护作品。

中国现行民事诉讼遵循“谁主张，谁举证”原则。但在GenAI场景下，权利人面临显著的举证困境。例如，北京互联网法院在“AI绘画第一案”（猫咪晶钻吊坠案）[12]中的裁判逻辑揭示了举证能力的极端不对称：该案确立了原告需通过提交提示词、参数设置等证据以穿透AI生成过程自证智力投入的规则；然而，在主张AI训练侵权时，权利人却因无法接触模型后台的训练数据，陷入无法证明作品被纳入语料库的取证僵局。

因此，为突破权利人在AI技术黑盒下的举证困境，我国应强化执行《生成式人工智能服务管理暂行办法》第4条第4项[13]和第17条[14]规定的透明度义务，在民事诉讼中结合《民事诉讼法》证据披露规则，借鉴“可反驳的使用推定”机制：若AI开发者未按规定提供详尽训练数据清单，法律应直接推定该模型在训练、推理或RAG过程中已使用了受版权保护作品，将举证责任倒置给AI开发者。

此外，中国已于2025年9月1日施行《人工智能生成合成内容标识办法》，建立了“显式标识+隐式标识”的双轨制。在此基础上，建议将该标识制度延伸至训练数据的溯源管理，实现全链条透明度保障。

（五）依托市场准入机制驱动版权规则域外效力的扩张

欧洲议会报告主张扩展属地原则，要求所有在欧盟境内提供服务的模型均须遵守其版权法。而国目前尚未建立类似的域外效力制度。基于欧盟防范“法域套利”的监管动向，我国可依据《生成式人工智能服务管理暂行办法》第20条[15]确立对等监管机制，要求进入境内展业的境外大模型强制符合中国关于知识产权与网络安全的法定要求。对于不符合版权合规要求的系统，应依法限制其在中国市场的运营。

（六）规制深度伪造滥用以强化人格权保护

针对AI深度伪造对信息真实性和人格权的冲击，中国已建立初步规制体系。《人工智能生成合成内容标识办法》确立了生成合成内容的强制标识义务，构建了涵盖显性水印与隐性元数据的全流程溯源机制。北京互联网法院在“AI声音权案”[16]和“AI换脸案”[17]中也基本确立了AI时代公民人格权保护与认定标准。

然而，针对AI特有的身份克隆等新型侵害形态，现行法律尚显适用不足，亟待综合治理。建议深度衔接《民法典》人格权编及《互联网信息服务深度合成管理规定》《中华人民共和国个人信息保护法》等规定，借鉴欧洲议会人格权协调框架，对肖像、声音克隆建立严厉的行政与司法禁令制度。禁止未经授权的商业化克隆或恶意篡改，并明确不符合版权标准的AI生成物属于公有领域。

三、结语

作者基于以上分析建议，我国在应对GenAI版权挑战的制度建设应当遵循从行政规章先行到基本法律修订、再到专项立法完善的递进路径。

在行政法规层面的先行探索阶段，应以《生成式人工智能服务管理暂行办法》为基础，由国家版权局制定针对训练数据合规的专门管理办法，重点明确数据的合法性标准与透明度要求，并细化权利人退出机制的实施方案。

然后通过修订《著作权法》，利用兜底条款增设针对人工智能训练的合理使用情形，并明确人工智能生成内容的可版权性认定标准。针对维权僵局，应增设举证责任倒置规定，引入可反驳的使用推定机制，并同步完善相关作品的法定许可制度。

在法律环境与AI产业实践趋于成熟的条件下，应系统总结前期的司法经验与理论成果，适时制定《人工智能版权保护条例》或《人工智能训练数据管理规定》。该专项立法应以法定许可与延伸集体管理制度为抓手，大幅降低海量作品的交易成本；通过确立对等监管机制，有效防范域外法域套利；并最终在“输入端合理使用、输出端严格保护”的平衡框架下，确保人工智能产业创新与原创内容获酬权的并行不悖。以此构建起一个技术溯源与版权规制深度衔接的立体化体系，最终完成GenAI版权治理的中国方案。

注释（上下滑动阅览）

【1】REPORT on copyright and generative artificial intelligence – opportunities and challengeshttps://www.europarl.europa.eu/doceo/document/TA-10-2026-0066_EN.pdf2026年4月10日最后访问

【2】《欧盟基本权利宪章》（Charter of Fundamental Rights of the European Union）第2条知识产权应受保护。“

【3】《数字单一市场版权指令》第 17 条：在线内容分享服务提供者对受保护内容的使用：

1. 法律地位的界定 (第 17(1) 款)

在线内容分享服务提供者 (OCSSP) 在向公众提供由其用户上传的受版权保护的作品或其他受保护客体时，构成了“向公众传播”或“向公众提供”的行为。因此，服务提供者应当从权利人处获得授权（例如通过签订许可协议）。

2. 责任豁免机制（即著名的“三步走”免责要求）(第 17(4) 款)

如果未获得授权，在线内容分享服务提供者应对未经授权的传播行为承担责任，除非其能证明符合以下累计条件：

(a) 已尽最大努力获得授权；

3. 用户权利保障 (第 17(7) 款)

成员国应确保服务提供者与权利人之间的合作不得导致用户上传的不侵权作品被阻断。用户应被允许出于以下目的生成内容：

引用、批评、评论；

漫画、讽刺或模仿。

4. 投诉与补救机制 (第 17(9) 款)

在线内容分享服务提供者必须建立快捷有效的投诉与补救机制，供用户在内容被删除或禁用时使用。同时，权利人必须对其请求删除内容的要求提供充分的理由。

【4】《欧盟基本权利宪章》第13条艺术和科学研究应是不受限制的。学术自由应受尊重。

【5】EUIPO，THE DEVELOPMENT OF GENERATIVE ARTIFICIAL INTELLIGENCE FROM A COPYRIGHT PERSPECTIVE，12 May 2025

https://euipo.europa.eu/tunnel-web/secure/webdav/guest/document_library/observatory/documents/reports/2025_GenAI_from_copyright_perspective/2025_GenAI_from_copyright_perspective_FullR_en.pdf

2026年4月12日最后访问

【6】《数字市场法》（DMA）第 6 条第5款：守门人在排名（ranking）以及相关的索引（indexing）和抓取（crawling）中，对其自身提供的服务和产品所给予的待遇，不得优于第三方的同类服务或产品。守门人应在上述排名中适用透明、公平和非歧视的条件。

【7】“三步检验法”是欧盟版权法应对GenAI挑战的强制性法律底线，其源于《伯尔尼公约》和《InfoSoc 指令》第 5(5) 条的明确规是。根据欧洲议会的决议，任何针对GenAI 训练或应用的版权例外与限制都必须严格遵循这一准则。

首先，版权例外必须仅限于“特定情形”，这意味着法律豁免不能是广泛或模糊的，而应针对如科学研究、教育或非商业创新等明确定义的场景，且必须确保这种使用是基于合法获取的素材。其次，此类使用“不得与作品的正常使用相冲突” 。当 GenAI 系统利用推理、RAG或聚合技术在主要市场中产出替代性内容，进而分流原创者的流量与收入时，这种竞争性供给便可能被视为与正常使用相冲突。最后，相关例外“不得不当损害权利人的合法利益” 。在 GenAI 语境下，这要求必须建立功能完善的许可市场，通过透明的来源归属、有效的退出机制以及确保公平、比例适中的报酬，来捍卫创作者的财产利益与人格尊严。只有同时满足这三个环节，GenAI 技术对版权作品的数字化利用才符合正当性。

【8】《数字单一市场版权指令》第 4 条第 3 款：第 1 款规定的例外或限制的适用，以该款提及的作品及其他受保护客体的使用未被其权利人以适当方式明确保留为条件，例如对于在线公开提供的内容，应采用机器可读手段。

【9】《人工智能法案》第53条第1款(c)项：（Article 53 — Obligations for providers of general-purpose AI models）1. 通用人工智能模型提供者应： …… (c) 制定一项政策以遵守联盟版权及相关权法，特别是识别并遵守依据第 (EU) 2019/790 号指令（即《数字单一市场版权指令》）第 4 条第 3 款所声明的权利保留，包括通过最先进的技术手段予以实现；”

【10】曹新明、范晔：生成式人工智能数据训练的合理使用规则研究，2024年第2期《中国版权》

【11】刘雅婕、王贝贝：提高集体管理效能，促进新兴业态发展，2025年11月3日《中国知识产权报》

【12】李某某诉刘某某著作权权属、侵权纠纷案，北京互联网法院（2023）京0491民初11279号民事判决书。

【13】《生成式人工智能服务管理暂行办法》第4条第4项：……采取有效措施提高生成式人工智能服务的透明度，提升生成内容的准确性和可靠性。

【14】《生成式人工智能服务管理暂行办法》第17条：执行监督检查的部门依据职责对生成式人工智能服务开展监督检查，提供者应当予以配合，按要求对训练数据的来源、规模、类型、标注规则、算法机制机理等予以解释说明……

【15】《生成式人工智能服务管理暂行办法》第20条：对来源于中华人民共和国境外向境内提供生成式人工智能服务不符合法律、行政法规和本办法规定的，国家网信部门应当通知有关机构采取技术措施和其他必要措施予以处置。

【16】殷某诉北京某公司等人格权纠纷案，北京互联网法院（2023）京 0491 民初 16227 号民事判决书。

【17】廖某诉某科技公司肖像权纠纷案，北京互联网法院（2023）京 0491 民初 2398 号民事判决书。

作者：郑友德

编辑：Sharon

分享到微博

分享到微信

分享到领英