中国AIGC著作权侵权法律规制的优化路径

臧志彭?丁悦琪

【摘要】如火如荼发展的AIGC技术滋生了日益增多的著作权侵权问题，现行的著作权法律制度体系迎来了巨大挑战。国内外典型判例争议焦点集中在作者身份与作品认定、AI训练侵权举证责任等问题。研究认为应当确立面向未来的AIGC著作权法律制度优化基本原则，建立AIGC作者与作品认定的科学机制，在AI模型开发端建立摘要公开机制，在公共数据资源方建立数据开源与有偿共享机制，以及灵活调整相关案件的举证责任，从而加快构建中国式AIGC著作权法律规制体系，推动中国在全球范围AI立法领域掌握话语权。

【关  键  词】AI生成内容；著作权；作者归属；举证责任；法律规制

【作者单位】臧志彭，同济大学人文学院，中国文化产业协会文化元宇宙专委会；丁悦琪，中国文化产业协会文化元宇宙专委会。

【中图分类号】D923.41【文献标识码】A【DOI】10.16491/j.cnki.cn45-1216/g2.2023.24.004

近年来，人工智能技术的迅速发展使得AIGC（AI Generated Content，AI生成内容）在日常生活中的应用得到广泛推广。从文化创作到商业运用，AI合成内容已引发了一系列备受关注的法律案件。“AI生成文字”“AI生成图片”“AIGC数据源侵权”等著作权侵权案件引发了广泛的学术探讨。然而，目前针对AIGC在著作权领域的法律适用情况和规范尚存在许多不确定性。这种不确定性既在法律实践中显现，也引发了学术界的理论思辨。为了确立AI生成内容在《中华人民共和国著作权法》保护中的地位，明确其法律责任的界定，有必要对近年来发生的国内外AIGC相关案例进行梳理分析，总结当前著作权法律制度存在的问题。本文旨在以AIGC著作权侵权案例为切入点，探讨现行法律在AIGC领域的适用性和局限性，以期提出相应的法律改革和优化建议，为未来相关法律法规的完善提供有价值的参考和建议。

一、从四个AI生成内容的判例说起

1.“AI生成图片”著作权侵权案

《春风送来了温柔》著作权纠纷案是国内第一起AI生成图片的案件，也是全球首例由法院宣判AI绘图工具使用者对AI生成的图片享有著作权。这个案件的特殊性在于原告的被侵权图片本身是AIGC的图像作品，即该案件的争议点不仅在于被告的侵权行为是否属实，还在于原告本身的图像是否构成作品。在案件中，原告李某使用了AI图片生成软件Stable Diffusion，通过输入多个正向提示词和反向提示词、设置生成参数的方式生成了涉案图片，并将其以“春风送来了温柔”为名发布在小红书平台，标注为“AI插画”。在证据提交的过程中，原告提交了再现涉案图片生成过程的视频，证明该图片是根据用户输入的指令，通过软件自动生成的。被告在百家号账号发布的文章配图中使用了涉案图片，但未经原告许可并截去了原告在小红书平台的署名水印，原告认为被告的行为侵犯了其作品的署名权和信息网络传播权。在2023年11月27日的一审判决中，北京互联网法院认为涉案图片符合作品的条件，原告为涉案作品的作者，但由于无法确定涉案图片的权利使用费数额，且被告存在侵权使用情节，即判决被告赔偿原告经济损失，并在涉案账号上赔礼道歉。

2.“AI生成文字”著作权侵权案

“AI生成文字”著作权侵权案件是腾讯计算机系统有限公司诉被告上海盈讯科技有限公司侵害著作权及不正当竞争纠纷一案（以下简称“腾讯诉盈讯科技案”）。从2015年以来，腾讯创作人员会使用Dreamwriter软件自动撰写文章，每年可完成约30万篇作品。2018年8月20日，腾讯发布了涉案文章，上海盈讯科技在同日发布了与涉案文章标题和内容完全一致的文章。法院判决认为，这些由人工智能生成的文章满足著作权法的保护条件，属于腾讯的法人作品。被告盈讯科技未经腾讯许可在其经营的网站发布了侵权文章，侵犯了腾讯的信息网络传播权，因此被要求赔偿经济损失和维权费用。

3．AIGC数据源侵权的国外案例

国外目前也有一批AI生成内容的案例，其中也不乏对AI生成内容是否构成作品、谁是作品作者、谁持有著作权的思考。同时在一些案例中，著作权侵权行为发生在数据输入的过程中，这类案例目前国内还没有发生，但是存在同样的侵权风险，因此值得参考借鉴。

一是2023年10月的美国判决艺术家集体起诉AI软件开发公司的著作权侵权案件（Sarah Andersen v.Stability AI 案），其中包括Stability AI、Deviant Art和 Midjourney三家开发AI绘图软件的公司。在这起案件中，原告艺术家们认为这些公司在训练AI的过程中加入了自己的作品，由此训练AI的公司侵权应当承担责任。美国法院在判决中认为这三家公司需要对此侵权负责，同时指出其中Andersen的诉讼请求可以得到支持，因為在AI系统中可以由输入其名字来指定AI生成图片的艺术风格，这也证明了AI公司侵害了Andersen的名誉权，其余的艺术家则需要更多的证据来证明原始训练数据中含有他们的作品。

二是2023年12月27日的纽约时报起诉微软和Open AI侵权案例（The New York Times Company v. Microsoft Corporation， Open AI，INC案）。上诉书中，纽约时报认为微软和Open AI非法使用其新闻来创建AI工具，威胁了纽约时报的新闻服务能力，微软和Open AI使用纽约时报和纽约时报的竞争者——泰晤士报的内容进行大语言模型训练，并使用Bing搜索索引复制和分类了纽约时报的在线内容。纽约时报声称微软和Open AI侵犯其版权同时造成了不正当竞争，对其读者关系和收入造成了损害，要求法院判决微软和Open AI赔偿损失、禁止其侵权的同时销毁其人工智能模型。此案目前尚在审理中。

4．国内外案件争议点

无论是国内的《春风送来了温柔》案、腾讯诉盈讯科技案，还是国外的Sarah Andersen v. Stability AI案、The New York Times Company v. Microsoft Corporation， Open AI，INC案，其争议点都相对聚焦。具体来讲，上述案件从AI生成内容的过程来看，AIGC的内容生成方式基于深度学习、大模型等技术训练，其主要争议点聚焦在：AI是否属于现有著作权法管辖对象？AI生成内容是否构成作品？其智力成果和独创性如何体现？AI能否成为作品作者？被告侵害原告何种权利、如何举证？（如表1所示）上述问题充分暴露出当前著作权法制度存在的缺陷与不足。

二、AIGC著作权侵权规制的制度审视

1．现有AIGC的相关制度审视

中国现有的AIGC著作权侵权案件一般是基于《中华人民共和国著作权法》进行判断后，结合《中华人民共和国民法典》上的相关法律法规进行分析判定的。虽然目前并没有针对AIGC著作权问题的专门法律，但是国家有关部门正积极出台一些行政法规和政策文件来探索建构中国AIGC制度体系。2023年8月15日，国家网信办联合国家发展改革委、教育部、科技部、工業和信息化部、公安部、广电总局联合颁布实施《生成式人工智能服务管理暂行办法》，第四条明确指出生成式人工智能服务提供者应尊重知识产权、商业道德，保守商业秘密，不得利用算法、数据、平台等优势，实施垄断和不正当竞争行为。第八条规定，在生成式人工智能技术研发过程中进行数据标注的，提供者应当制定符合本办法要求的清晰、具体、可操作的标注规则；开展数据标注质量评估，抽样核验标注内容的准确性；对标注人员进行必要培训，提升尊法守法意识，监督指导标注人员规范开展标注工作。这些标注义务的目的是确保标注数据的质量和准确性，促进人工智能技术的健康有序发展。第三章服务规范的第十二条指出，提供者应按照《互联网信息服务深度合成管理规定》对图片、视频等生成内容进行标识。该规定在最后解释了生成式人工智能技术和生成式人工智能服务提供者与使用者的定义。其中，生成式人工智能技术既包括模型也包括相关技术，生成式人工智能服务提供者既包括组织也包括个人。

在数字出版与算法方面，一系列制度的出台为产业实践提供保障。在数字出版方面，2023年12月20日中国音像与数字出版协会颁布了《出版业生成式人工智能技术应用指南》团体标准，对一些AIGC相关的名词进行了解释，如生成式人工智能技术（Generative Artificial Intelligence Technology）为“基于算法、模型和大规模语料自动生成文本、图片、声音、视频、代码等内容的自然语言处理技术”，生成式人工智能的辅助创作为“利用生成式人工智能技术工具帮助编辑和作者生成创意写作的草稿内容”。草稿内容与AI辅助的应用问题在之前的文件中没有被提及，而AI辅助得到的草稿内容属于AI的应用意味着即使成品中不含有AI内容，但仍然会因为AI的使用引发侵权问题的风险。在算法方面，国家互联网信息办公室等四部门在2021年12月发布了《互联网信息服务算法推荐管理规定》，针对目前存在的不合理应用算法问题，如算法歧视、“大数据杀熟”和诱导沉迷，明确了算法推荐服务提供者的信息服务规范，要求其遵循主流价值导向，积极传播正能量，不从事违法活动或传播违法信息。此外，还要求建立管理制度和技术措施，防范和抵制传播不良信息。该规定还关注用户权益保护，如保障用户的知情权和选择权，特别对未成年人、老年人、劳动者和消费者等主体提供算法推荐服务提出了具体要求。

2．AIGC相关著作权保护方面的争议

其一，作者身份认定问题。根据《中华人民共和国著作权法》，“创作作品的自然人是作者。由法人或非法人组织主持，代表法人或非法人组织意志创作，并由法人或者非法人组织承担责任的作品，法人或者非法人组织视为作者。”那么，AIGC过程中，人工智能机器是否可以成为内容生成物的作者呢？这一问题也对当前的著作权法律制度产生了重大挑战，引起了学术界的激烈辩论。

一部分学者持支持观点，认为AI生成内容的产生包含了使用者的智力成果以及开发者的智力成果，不仅AI生成内容符合作品，在AI达到一定自由度后还可以为AI设立“人格权”［1］。在腾讯诉盈讯科技案和《春风送来了温柔》案中，AI生成的文字和图片都被认定为作品，且AI的作者都被考虑主体资格问题，由此可见上述观点在当前国内一些司法实践中获得了支持。然而还有一部分学者坚持作者的人类身份，认为著作权法的保护对象应是人的创作成果，著作权的初心是维护作者的利益，作者身份离不开人类，人工智能无法理解著作权法的激励机制，不符合著作权法立法保护的主体［2］。与此同时，还有学者认为AI生成内容不应当由著作权法进行管辖，AI生成结果是算法、规则和模板的应用结果，且不存在赋权后所带来的版权激励，不符合著作权法的基本目标［3］。

上述观点之辩也引申出一个问题，即现有的著作权制度是否需要重新修订以囊括虽属新生但将长期存在的AIGC作者身份问题。关于这一问题，王迁认为不必为现有的著作权制度难以覆盖人工智能的问题担忧，目前的状况不能急于扩张著作权法，而是应当在人工智能足够智能的时候承认著作权法的历史使命终结［2］。在学术界众说纷纭、莫衷一是的情况下，是否应该提出一个AIGC著作权立法修法的基本原则？这个基本原则在考虑保护相关各方正当权益基础上，是否应该考虑面向未来科学发展等前瞻因素，从而为将来的人类社会发展留有空间？这有待进一步探讨。

其二，作品认定问题。目前著作权制度在AI生成的内容物是否成为作品的认定方面也存在重大争议。根据《中华人民共和国著作权法实施条例》，作品是指“文学、艺术和科学领域内具有独创性并能以某种有形形式复制的智力成果”，由此可见，是否具有独创性是其中最为核心的判定要件。支持“AI生成内容为作品”观点的学者们认为，目前人们不能确定AI生成内容是否能够成为作品的主要争议点在独创性的标准上，有的学者认为独创性强调“作者思想、感情、个性的反映，需要从作者权的角度理解”［4］，有的学者认为需要从“独立创作”和“稍许的创造性”的角度来理解独创性，或者主张仅关注结果而非过程，追求客观上的“必然性”［5］。还有的学者认为将AI生成内容作为作品能够激励投资，因为AI生成内容具有投资价值，由此人工智能应当受到著作权法的保护［6］。在对人工智能生成内容进行保护后，能够一定程度上激发投资热情，使得开发者得到相应的回报，显得更加公平合理。反对该观点的学者认为，AI在人类的输入和调整下生成的内容不应当被算作作品，AI不属于著作权法上的作者范围［7］，不具备承担相应侵权责任的能力，也不能够满足著作权法本身的激励作用。

国外对AIGC中作品认定问题的关注点在于其中是否存在人类的智力努力。根据欧盟2019年6月出台的《数字化单一市场版权指令》（Digital Single Market Directive），對AI生成内容需要进行四步版权测试，其中第二步就是要确认AIGC是否是人类智力努力的产物，AI角色是辅助还是核心创作主体。在美国，新技术使用版权作品国家委员会（National Commission on New Technology Uses of Copyrighted Works）认为计算机生成的作品在版权保护方面必须符合“人类创作”的要求，在作品产生时必须具备人为创造性努力。

从《春风送来了温柔》案中可知，法院认为原告在创作过程中通过使用不同的关键词调整数值，让其作品中的部分元素由人类参与生成，AI在此成为工具，从而符合作品的独创性。然而，需要深入分析的是，原告使用AI软件Stable Diffusion创作图片，这样的创作形式与以往的美术作品创作手法不同，美术作品的创作手法一般是以手绘、使用电脑等数码产品绘画或者通过相机等数码产品进行拍摄得到的，有一定的创作动作，如绘画时移动画笔或鼠标、照相时按下快门。但是从使用AI软件进行创作的过程来分析，整个过程中并没有符合一般认知的绘画动作和拍照动作出现，仅仅是以数据代码和训练模型的方式进行创作。虽然AI生成图片在成果上和普通的绘画成品没有区别，但是从内在形成逻辑来看，缺乏通过一般作图的动作表达，机器按照命令合成图像，缺乏对工具的使用过程，缺乏人类参与感，更像是一种机械性的生产。从这个角度来看，与其说作者拥有了一幅美术作品，倒不如说是拥有了一串被设定为固定值的数据组的版权。由此，AIGC是否构成“机械性智力成果”仍需要多加考虑。这不仅涉及“数据是否应该拥有版权”的问题，也会间接导致作者垄断提示词或设定值，即每一个使用作者用过的提示词或设定值来设定AI软件，其AIGC都有可能侵害原作者的版权。与此同时，由于这类AIGC是完整的一体，无法分割，因此在近似相似的设定上还可能会造成对原作者保护作品完整权的侵权。《春风送来了温柔》案判决书中还提及即使法院认为该作品不属于著作权法上的前8种作品，原告也会利用第9种“符合作品特征的其他智力成果”来控诉，该条款的范围过大，可能导致在没有完善的法律出台之前被不当利用。

其三，AI训练侵权举证责任问题。美国Sarah Andersen v. Stability AI案和The New York Times Com-

pany v. Microsoft Corporation， Open AI，INC案都涉及AI模型算法训练侵权举证责任的问题。虽然国内目前缺乏这类案例，但是仍然存在这方面的侵权风险问题，因此这里以国外案例作为分析对象，能为中国著作权法律制度完善提供参考。

从Andersen诉Stability AI这个案件中不难看出，AI训练数据的举证责任分配需要进行重新衡量，如让艺术家们提供能够证明AI训练数据中含有自己作品的证据是否过于苛刻，是否需要调整以平衡各方的利益等。纽约时报诉微软和Open AI的案例中涉及AI生成的“输入”和“输出”环节的著作权侵权问题，从证据的角度来看，纽约时报的准备更加充分，也使得微软和Open AI侵犯版权行为的证据比较有力：纽约时报先后提交了两个公司训练时使用的开源数据库中存在纽约时报数据的证据，以及两个公司AI产品在描述同一个新闻时与纽约时报原文的相似度。其中，微软与Open AI开发的AI还给纽约时报带来了名誉权上的侵害，其AI会不时编造虚假新闻而将新闻来源指向纽约时报，导致一部分读者不再相信纽约时报的新闻内容。

目前Andersen诉Stability案仅进行了一审判决，纽约时报诉微软和Open AI则还未开庭。Andersen诉Stability案中，法院对能够反映Stability的部分进行了判决，即Stability在训练中确实对Andersen的著作权存在侵害行为，但是其余没能在软件中搜索到名字的艺术家们则需要提供更多的证据来证明Stability的侵权事实，后续艺术家们是否能够补充相关证据以及最终的判决结果都是值得关注的，若艺术家们没能提供更多的证据，那么后续的一些权利救济便值得关注。这些都为日后中国如何应对类似案件提供了借鉴和参考。

三、中国AIGC著作权侵权法律规制优化建议

目前世界范围内还没有完善的AIGC著作权法律规定，若中国能够在这方面作出创新引领，构建中国的AIGC著作权法律规制体系，将在一定程度上帮助中国在全球范围内的AI立法领域掌握话语权。

1．制定AIGC相关著作权优化的基本原则

现存的著作权法律体系明显有很多内容已经不能适应AIGC引发的问题与挑战，迫切需要进行立法完善。一是应当确立面向未来的立法修法原则。制定新的AIGC法律规定时需要注意与时俱进，要用发展的眼光看待AI技术的发展，意识到AI技术的两面性，制定能够为未来科学发展留有空间的法律制度。在大框架上引领AI立法的同时，用细则、例外条款以及司法解释丰富AI相关法规的内容，尽可能做到兼顾社会公平、效率和秩序，创造更利于新兴科技发展的法治环境。二是应当确立保护创作与推动文明发展原则。AIGC的人格权问题成为热议话题，目前发生的案件都暴露出现行法律制度在面对AIGC这一新生事物时存在的缺陷与不足。在著作权法保护宗旨上，应当尊重各种形式的作品创作，凡是具有原创性的作品都应该受到著作权法的保护。人类社会的未来发展进程中，智能机器创作的作品贡献必将越来越多，这是难以避免的大趋势。人与机器的深度协作，是人类文明演化的必然方向，著作权法应该成为推动人类文明发展的法律制度。

2．建立AIGC作者与作品认定的科学机制

目前对于AI生成内容是否属于作品，AI能否作为作者存在很大的争议，也是当前著作权法律制度亟须完善的方面。从主客体的角度来说，AI越来越具有人类所独有的创造能力，其能够在数据的学习训练下实现独立创作，这种独立完全混淆了主客体之间的界限——作为客体的人工智能成为创作的主体。从劳动理论来说，人工智能脱离了传统上的“劳动”范畴，且人工智能不属于劳动者的范围，无法实现“劳动”中的自然人属性。那么AI的作者身份该如何规定，这在于如何承担后续可能发生的侵权责任，享受著作权本身的激励作用。

在AI能否作为作者这个方面，有学者认为需要从作者的身份来考虑，因为“人工智能创作物在表现形式上同人类创作作品一致”，如果同样的作品让人类完成且满足作品条件时，只需要考虑AI是否满足著作权法中的作者身份即可；AI在能够深度学习的那一刻就表明AI已经超过了机械延伸的概念，深度学习、神经网络这些过程都在模拟人脑活动，而这也使其摆脱了“辅助性工具一说”［8］。也有学者认为可以考虑制定类似法人制度中的“法人”一样的拟制身份，使用AI生成的作品可以看似职务作品和委托作品［8］，即使用者作为作者。该结论在《春风送来了温柔》案中得到了体现，但这会在一定程度上造成如何承担侵权责任的问题。因为使用者并不是开发者，并不会接触训练数据，如输出结果包含侵权内容的情况下，被侵权人该如何维权。而使用者大概率无法承担责任，还有可能受到“合理使用”的保护。

那么是否考虑完全将著作权归于开发者呢？从著作权对作者的激励作用来看，AI不需要激励作用，AI和动物表演一样是训练的结果，但是AI更加智能，动物的条件反射式表演能够为动物带来食物奖励，那么AI需要什么奖励呢？由此可以将AI生成内容的作品转移给开发者和使用者，激励他们的创作。使用者作为参与创作的一员，理应享受著作权激励，由此可以在著作权归属上进行分配，设定比例分配AI生成内容的著作权与相应责任。在衡量开发者和使用者的侵权概率上，开发者不应该拒绝承担生成内容所带来的侵权责任，反之，对一些不以营利为目的的AI软件可以考虑减轻责任，不以营利为目的使用受著作权保护的内容在很大程度上将满足“合理使用”的条件。此外，在AIGC作品保护期限方面，AI生成内容不同于匿名作品，AI本身不具备年龄限制，无法计算著作权保护期限，由此可以提前将该部分内容转移至公共领域，归属于全人类以促进文明进步。在考虑AI使用者利益的情况下，可以适当给予使用者一定的著作权保护期限［9］。

3．预先建立AI训练数据侵权的法律规制框架

从国外案例分析中能够得到的结论是，AI生成内容的侵权问题很多都涉及受著作权保护的作品或相关数据未经许可调用的问题。虽然国内目前还没有此类问题的诉讼案件，但是类似问题其实在国内AI大模型产业实践中也是存在的，而且未来也会面临很多同类问题。为了实现对此类问题的有效法律规制，需要提前设计好AI训练数据侵权的法律规制框架。一方面，在AI模型開发端建立摘要公开机制。业界除了要求AI模型开发过程中必须使用具有合法来源的数据、未经许可不得调用他人依法享有知识产权的数据，还需要AI模型训练方详细记录模型训练过程中的数据调用情况，并建立AI模型开发使用数据情况摘要的信息公开制度，从而督促AI模型开发端自觉减少AI模型训练数据侵权行为。另一方面，在公共数据资源方建立数据开源与有偿共享机制。对于各类AI模型训练所需要经常用到的不涉及国家公共安全的数据内容，应引导建立数据开源和交易共享机制，从而为AI大模型训练提供充分的基础训练数据，推动AIGC产业的长远发展。

4．灵活调整相关案件的举证责任

在AIGC相关的侵权案例中，对于举证责任的要求非常高，被侵权的个体或中小型企业往往处于弱势地位，很难拿到强有力的侵权证据，因此，有必要灵活调整相关案件的举证责任。一是可以考虑在合理的范围内，减轻作为弱势一方的举证责任，或者尝试探索适当的举证责任倒置等方式；也可以就一般侵权责任制度辅之以过错责任推定的规则来处理，从而在一定程度上减小举证责任义务，对于AI生成内容提供者也能够适当进行责任调整［10］。二是要在AI模型开发端建立摘要公开机制和AI生成内容的标识机制，强制要求AIGC模型开发方和产品提供方对使用AI技术生成的内容进行规范标识，以便于数据版权方关注和识别。三是要促进AIGC内容识别技术的开发，通过强大的技术能力科学判定侵权性质与侵权比例。

四、结语

AIGC的技术发展在近两年得到突破，ChatGPT等AIGC软件由此诞生，在应用过程中带来的著作权风险不仅会侵害原作者的利益，还会使使用者卷入著作权纠纷中。当前世界各国忙于在AIGC的相关领域进行立法，这对中国建构独立自主的著作权法律制度体系是一次战略机遇。中国需要考虑著作权方面的制度创新以适应新的环境，满足AIGC环境下的著作权保护需求。与此同时，面对AIGC等具有极强不确定性的未来趋势，大陆法系的成文法模式可能也需要完善，需要进一步引入、借鉴判例法的制度设计，实现稳健的法律制度创新。

｜参考文献｜

［1］朱凌珂. 赋予强人工智能法律主体地位的路径与限度［J］. 广东社会科学，2021 （5）：240-253.

［2］王迁. 再论人工智能生成的内容在著作权法中的定性［J］ . 政法论坛， 2023（41）：16-33.

［3］王迁. ChatGPT生成的内容受著作权法保护吗？［J］. 探索与争鸣，2023（3）：17-20.

［4］乔丽春.“独立创作”作为“独创性”内涵的证伪［J］. 知识产权，2011（7）：35-38．

［5］廖斯. 论人工智能创作物的独创性构成与权利归属［J］. 西北民族大学学报（哲学社会科学版）， 2020（2）：79-85.

［6］许春明，袁玉玲. 论人工智能的法律主体性：以人工智能生成物的著作权保护为视角［J］. 科技与法律，2019（2）：1-6.

［7］吴汉东. 人工智能生成作品的著作权法之问［J］. 中外法学， 2020（3）：653-673.

［8］易继明. 人工智能创作物是作品吗？［J］. 法律科学（西北政法大学学报），2017（5）：137-147.

［9］ FREDERICK J. WHITE. Personhood：An Essential Characteristic of the Human Species［J］. Linacre Quarterly ， 2013（1）：74-97.

［10］周学锋. 生成式人工智能侵权责任探析［J］. 比较法研究，2023（4）：117-131.