作者:范家达、孙梦玥、邱煜完、廖倩(网数委白皮书系列)
2022年底ChatGPT横空出世,2026年初OpenClaw“养龙虾”风靡世界。时间来到2026年中,AI攻破千禧年难题并在前沿数学上进行“轰炸”。人工智能时代,技术以间隔极短的迭代进行爆炸更新,Scaling Law的上限似乎远未到来。智能体、具身智能、世界模型、Vibe Coding、量化交易、自动驾驶、医疗影像识别等等,人类开始展望AI看似无限的应用场景。崭新的AI事务迎头撞向了有限的法律工具。裁判者被要求在有限的法律规范中对案件作出裁判。而一个个案例中,规则也在逐渐被确立和明晰。
2026年9月7日,最高人民法院举行新闻发布会,发布《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,以下简称“《人工智能意见》”)。我们进行了解读,详见:坐看云起时:最高法《关于依法审理涉人工智能纠纷案件的意见》规则解读与诉讼案件全盘点(一)。
《人工智能意见》的24条规则,是从这些过往既有裁判中生长出来的。我们分类、整理和归纳了这些案件。系列文章的第二篇、第三篇(本篇)主要讨论的案例内容框架如下:
前文我们讨论了AI在输出端的问题(见本系列第二篇)。本文将聚焦于AI输入端、研发端的现有案例。
三、使用者输入AI的内容是否构成作品
本文第三、四部分讨论AI输入端的问题。首先是使用者输入AI的内容是否构成作品,该问题实质上是一个传统的著作权法确权问题。(2025)沪0101民初14775号确立了稍显简单的提示词不构成作品。实际上在一些AIGC输出端可版权性问题的判断上本身嵌套了一部分对AIGC输入端是否有相当“智力投入”的判断,只不过AIGC输入端的内容一般不显露于外(除AI运营者外的第三人),这导致只判断AIGC输入内容是否构成作品可能意义不大。
(2025)沪0101民初14775号一案中,原告使用六组提示词在某人工智能软件平台生成图片,该平台会公开提示词供其他使用者学习使用,原告发现被告在同一平台使用原告的提示词生成了与原告画作近似的图片,并将这些图片发布在其他网络平台和出版物中。原告认为被告侵害了原告文字作品的复制权、发行权、信息网络传播权和署名权。法院认为,涉案提示词各元素间仅为简单罗列,缺乏语法的逻辑关联,未形成具有内在结构的语言表达;所选用的艺术风格、材质细节或主要构图等均属该领域的常规表达,没有体现作者独特的审美视角或艺术判断,尚不足以体现创造性智力投入,不宜认定为有独创性的文字作品。法院进一步说明,虽然本案中的提示词不构成“作品”,但如果作者撰写了一些具备文学独创性的文本并要求AI以此为基础进一步创作,这个过程中的提示词可能被认定为作品。法院驳回原告诉讼请求。
四、使用者输入AI的内容是否侵害他人权益
在应用层面,如果使用者输入AI应用的内容本身是他人享有著作权的作品,如何对该行为进行评价?在“广州AI种草文书”案这一特定的AI应用案例中,法院认为在输入层上传文章,(即使上传的文章作者享有著作权,而上传者并非权利人)AI模型在系统内将上传文章与内置提示语模板“结合”的过程是一种过程性复制,不属于著作权法意义上的“复制”。具体而言,“广州AI种草文书”案((2024)粤0192民初9580号)中原告是同一家国内互联网平台的运营商。被告运营一款AI写作软件,该软件上有“爆款文案仿写”功能。原告以著作权和不正当竞争为请求权基础进行起诉。在对于该案生成文章是否构成著作权侵权,法院进行了分析,但该分析内容其实是关于生成文章的整个过程:被告将用户上传的文章与“爆款文案仿写”服务的提示语模板相结合,形成请求体的行为,并非表达性再现作品,而是为了实现后续仿写结果的必要的过程性复制,不具有独立的经济价值,不属于著作权法上意义的复制行为。被告调用gpt模型的API接口,由模型根据请求体自动生成相关文案的行为中,大模型对用户输入的原文案进行拆解分析,提取作品中的文字组合概率和文章结构等规律性特征,与内置语言数据库进行快速比对,根据算法规则从海量词汇中创新组合出新文本。被告调用模型生成仿写文案的过程,并非直接稳定再现作品,不宜认定为著作权法意义上的复制行为。(该案法院在著作权、不正当竞争上都不支持原告)
五、开发者训练AI所用内容是否侵害他人权益
一个比较关键的问题是,在使用他人享有著作权的作品进行AI模型的训练,是否构成著作权的侵权,是否构成合理使用?“插画训练侵权”案中,原告为插画师,被告为AI绘画软件方,原告主张被告抓取原告作品输入AI模型的行为,侵犯了原告的复制权;涉案AI绘画软件提供原告作品与其他图片杂糅、混合产生新图的技术服务,侵犯了原告的改编权。“视频训练侵权”案中,原告为国内某视频平台,被告为一家AI科技公司,原告主张被告未经授权使用了原告享有版权的素材进行模型训练,导致生成的内容构成了对原告版权的侵犯。“插画训练侵权”案、“视频训练侵权”案尚无公开的结果。当然这两个案件也涉及AIGC的输出部分。在现有的“上海美杜莎”案、“杭州奥特曼”案中,案子的主体争议为AIGC的输出端,但法院也对输入端层面的训练进行了说理。
“上海美杜莎”案中,涉及对被告李某将“美杜莎”角色动漫图片上传至平台,通过平台训练两款美杜莎LoRA模型并发布,使得该平台上其他用户可以生成与美杜莎形象实质性相似的图片。本案一审中被告李某已经认可侵权。因此李某是否成立侵权并非本案实质法律焦点。但二审法院在说理时提及在该案的训练LoRA模型时认为,涉案模型训练所“记住”的是一种低秩的统计压缩,而不是原图的编码;只有输出物再现了作品,能使他人接触到作品,才完成了对作品的复制。(而本案中,模型训练与生成物的输出均系李某实施的行为,故无需再讨论前述复杂问题。)
在“广州奥特曼”案中,原告曾明确诉请法院判令被告将涉案奥特曼物料从其训练数据集中删除。但广州互联网法院未支持该项诉请,理由是“被告(平台)并未实际进行模型训练行为”。法院将裁判焦点集中在生成物(输出端)是否构成侵权,要求被告“采取相应技术措施”阻断后续侵权生成。但未就训练数据本身的获取、使用是否构成著作权侵权进行判断。
类似的删除诉请在“杭州奥特曼”案中也出现。“杭州奥特曼”案一审、二审法院均认定平台构成“间接侵权”。一审法院在说理时表达了一种“宽进严出”的思想:
生成式人工智能主要包括四个重要阶段:数据输入、数据训练、内容输出、内容使用,从促进生成式人工智能技术发展的角度来看,对于大模型的数据输入、数据训练行为的侵权认定,宜采取相对宽松包容的认定标准,对大模型的生成内容输出、生成内容使用行为的侵权认定,则宜采取相对从严的认定标准,通过分类施策实现发展与保护的平衡。
而在处理救济方式中,即处理原告提出的要求被告“删除与奥特曼有关的全部物料和相关数据”时,一审法院对这部分进行了详细的说理:
对于生成式人工智能应持审慎包容的态度,鼓励技术进步和商业发展。生成式人工智能的创设与发展,需要在输入端引入巨量的训练数据,其中不可避免会使用他人作品。鉴于生成式人工智能在数据训练阶段使用他人作品的目的,原则上应是用于学习分析在先作品所表达的思想感情、语言特征、特色风格等内容,从中提取出相应的规则、结构、模式、趋势,便于后续转换性创作新作品。该种使用行为聚合大量作品作为分析样本数据进行提高作品创作能力训练,并非以再现作品的独创性表达为目的,且一般情况下数据训练只是对语料数据作结构特征分析时暂时保留了在先作品,数据训练及生成过程中也未将在先作品展示给公众,因此,本院(一审法院)认为,在无证据证明生成式人工智能是为使用权利作品的独创性表达为目的、已影响到权利作品正常使用或者不合理地损害相关著作权人的合法利益等情形下,可以被认为是合理使用。在用户仍可以学习、研究、欣赏自己存储在平台中的相关图片或者对该图片进行其他合理使用且并未对外传播,或者存在权利人或其授权人自行使用相关图片等情形下,对于新创华公司概括性地要求判令杭州某智能科技公司删除与奥特曼有关的全部物料和相关数据的诉请,超出了杭州某智能科技公司应负担的义务,本院(一审)法院对此不予支持。
“杭州奥特曼”案中的二审,是原告对于“不正当竞争”部分的上诉。但笔者看来,二审法院处理得非常精微。一审法院直接认为训练过程中开发者即使使用有版权的作品,也构成合理使用。二审法院则强调开发者自己的数据库应“具有合法来源”,而对于用户输入的数据或者第三方的作品则有注意义务。
主观上,认定生成式人工智能服务提供者的过错一般有输入端的注意义务和输出端的注意义务两个维度。人工智能服务提供者与网络服务提供者在本质上具有不同的功能和属性,其过错认定不能简单套用网络服务提供者注意义务的相关规定,更多地应依据是否违反公认的行为标准,同时需平衡好版权保护与AI技术创新发展的关系,平衡好创作者权益与社会公共利益。从输入端看,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活动,使用具有合法来源的数据和模型,并要采取有效措施提高训练数据质量,增强训练数据的真实性、准确性、客观性、多样性。但是生成式人工智能的数据来源不仅有平台自己输入的训练数据库,还有平台在服务用户过程中,由用户输入的数据。当服务提供者向公众提供由用户参与训练的模型服务时,有来自全球各地的海量用户对模型进行数据“投喂”,这些数据的合法性和版权状态可能各不相同。在此情况下,若严格要求服务提供者对用户输入端的每一份数据进行逐一审查和验证,既不具有可行性,也与其法律属性不相适应,无疑会加重开发监管负担,势必阻碍生成式人工智能的发展,因此服务提供者的注意义务应当与其身份及信息管理能力相适应。本案中,杭州某智能科技公司在《某某AI用户服务协议》中明确载明“使用本服务时应当尊重他人知识产权,不得侵害他人权益”。针对输出端,杭州某智能科技公司对经过AI算法运算处理后进行发布和链接分享的训练模型及生成图片采取了人工审核机制,付费购买了XXX(第三方公司)“内容安全”审核服务,对于已经发布的作品和模型,网站内亦设置有反馈通道,用户可在“模型”详细页面中进行投诉举报的反馈,某某AI平台接收到投诉举报的反馈后可对相关情况进行审核并进行下架处理。故在案证据尚不足以证明XXX(本案原审被告)存在违反诚实信用原则和公认的商业道德、通过平台获取不当的竞争优势或损害其他经营者的合法权益的主观故意。
“杭州奥特曼”一审在训练他人著作权数据(作品)是否构成合理使用是一种倾向性的肯定;“上海美杜莎”二审则直接倾向于否定这种训练是一种著作权意义上的复制行为(没有侵权行为也就无需讨论是否属于合理使用豁免事由)。而“杭州奥特曼”二审虽不需要处理著作权问题,但在不正当竞争部分的说理中,对一审认为是合理使用的态度是一种“悄悄的退回”。
在我国《著作权法(2020年修正)》,构成“合理使用”需要①属于第24条的13项列举的具体情形(第13项兜底为“法律、行政法规规定的其他情形”);并且②不得影响该作品的正常使用;并且③不得不合理地损害著作权人的合法权益。《最高人民法院关于充分发挥知识产权审判职能作用推动社会主义文化大发展大繁荣和促进经济自主协调发展若干问题的意见》(法发〔2011〕18号)第8条规定,“在促进技术创新和商业发展确有必要的特殊情形下,考虑作品使用行为的性质和目的、被使用作品的性质、被使用部分的数量和质量、使用对作品潜在市场或价值的影响等因素,如果该使用行为既不与作品的正常使用相冲突,也不至于不合理地损害作者的正当利益,可以认定为合理使用。”
在没有法律、行政法规规定将商业AI模型的训练使用数据(作品)列为《著作权法(2020年修正)》第24条“三步检验法”的第一步中的具体列明情形之前,我们理解要在个案中通过法发〔2011〕18号第8条“四要素法”的测试在个案中将会存在很大争议。即使现存“杭州奥特曼”一审、“上海美杜莎”二审两个在数据训练中倾向于训练者的案例,虽然该两个案件的论证具有一定说服力,但训练是否构成侵权并不是这两个案例中的争议焦点,这两个案例也未完整论证通过四要素测试。因此,我们仍持谨慎态度。
训练数据合法性来源的另一方面是在人格权、个人信息权益方面的要求,现有案例“虚拟角色梦某AI声音训练”案对该点进行了回应。“虚拟角色梦某AI声音训练”案中,原告周某曾为被告某公司的员工。双方间《劳动合同》约定原告工作期间的知识产权及其他财产权利归公司所有。原告离职后,发现公司将自己的声音经过训练后,用于虚拟角色“梦某”的配音。法院认为知识产权归属约定不包含人格权益,故不当然包括授权被告对周某的声音进行AI化使用的权利。法院认为公司未经周某授权AI化使用其声音的行为,无合法权利来源,侵害了周某的声音权。
《人工智能意见》第12条第2句有在训练层面应用的空间。
目前国内对于 AI 训练阶段的数据合规属于最具法律不确定性的领域之一,对于企业而言,应当在现阶段关注以下几个要点:
训练数据来源与质量管理
-
优先使用合法授权或开源数据。
-
对自建数据集,应记录每份数据的来源、授权状态及使用条款,形成可追溯的数据链日志。
-
对用户投喂数据履行注意义务,比如在《用户服务协议》中以显著条款明确要求用户保证其上传、输入的数据不侵犯第三方知识产权与人格权。
-
通过技术手段对明显侵权的用户输入进行预警或拦截。
建立“通知-删除”及投诉响应机制
- 在平台内设置便捷的侵权投诉通道并在收到有效通知后及时对涉事模型、生成内容采取下架、屏蔽或断开链接措施。
训练过程的技术与记录留存
企业应当区分训练阶段与输出阶段的分段合规策略,重点确保数据源的合法性,同时可通过技术手段降低对单个作品的记忆程度,并定期评估训练数据对原作品市场的潜在影响。输出部分,建立严格的生成内容审核机制,对可能再现他人作品独创性表达的输出进行拦截。
完整留存训练过程的技术记录,记录模型训练的参数、迭代过程、所用数据子集等信息,以备在发生争议时,能有效举证证明。
对人格权、个人信息权益的特殊注意
应当取得声音、肖像等人格要素的明确授权,如处理人脸等敏感个人信息需单独同意,涉及人脸识别、换脸等场景,须遵守《个人信息保护法》关于敏感个人信息处理的“单独同意”及“最小必要”原则。
协议文本与合规声明建议
在用户协议/服务条款中明确写入以下内容:用户上传内容的知识产权归属及授权、用户上传侵权内容的禁止性规定和处罚措施、平台对用户生成内容的权利声明等。
六、AI算法本身是否侵害他人权益
除了AIGC的侵权问题,AI模型、算法、参数本身是否侵害他人权益也是一个非常值得关注的问题。“漫画特效”案((2023)京0105民初71391号、(2023)京73民终3802号)中,原告是一家手机应用程序运营商。原告在该手机应用程序中上线变身漫画特效,该特效可以将用户实时拍摄的照片、视频转换为漫画风格。被告是另一家手机应用程序运营商,在原告上线前述功能后,被告上线了类似功能。庭审中专家意见显示,原被告的两者实现漫画特效的模型在模型结构、卷积层数据、分辨率、激活函数,模型结构中的整体网络结构完全一致,非相邻子网络之间的连接关系、相互连接的非相邻子网络的结构、卷积层层数、升采样次数位置均一致;在卷积层数据方面,有91.7%(33/36)相似度;在分辨率、激活函数两方面均一致。双方模型存在部分细微差异,但差异处对最终漫画效果的影响为微小或无影响。从技术实现角度,两模型具备高度同一性。庭审中被告未提交研发和实质性差异的证据。法院认为被告构成不正当竞争,原因在于该漫画特效功能发挥了维护用户粘性、保持原有用户活跃度以及吸引新用户的作用,体现原告的竞争利益(二审法院进一步指出变身漫画特效的模型(结构及参数)构成北京某公司受到反不正当竞争法保护的竞争利益);被告将原告付出大量商业成本的成果为己所用从而获取商业利益和竞争优势的行为具有不正当性。
“模型算法商业秘密”案((2021)粤03民初3843号)中,被告开发的APP采用了与原告实质性相同的智能检索算法。法院认为案涉算法本质是一种算法推荐,原告已采取合理保密措施;涉案算法可提供更为精准的检索信息,为原告带来商业收益和可保持竞争优势,算法核心为模型的选择优化以及模型之间排除相互妨碍,具有商业价值。相关技术信息符合认定为商业秘密法定条件。两家公司的研发团队成员有重合,被告对搜索算法构成实质性相同没有提出合理抗辩理由,被告搜索算法与原告请求保护的搜索算法构成实质相同,且其有渠道、有机会获得原告的案涉商业秘密。法院判决被告停止侵权、赔偿损失。
“虚拟数字人商业秘密”案中,原告自主研发“虚拟数字人”技术,并进行了规模化商业应用。被告付某等五人曾系原告“虚拟数字人”项目高级管理人员与核心研发人员,在职期间可直接接触、掌握涉案技术秘密。德某科技公司曾与原告就“虚拟数字人”项目采购磋商,但未达成合作。202X年9月,付某等五人集体离职后迅速入职德某科技公司。同年11月,德某科技公司上线了原告“虚拟数字人”互动平台高度相似的网站,并以“AI交互数字人”等同类产品对外推广。被告相关产品源代码、数据库表信息与原告技术秘密高度相似,相似度超过90%。法院认为,涉案“虚拟数字人”源代码及数据库表文件属于受法律保护的技术秘密。付某等五人违反保密义务,通过非法手段获取技术秘密,并用于开发侵权软件,主观恶意明显。德某科技公司在与原告就“虚拟数字人”项目开展采购磋商未果后,短期内集中招录原告负有保密义务的前核心员工,明知或应知涉案信息存在侵权风险。法院综合考量被告主观过错程度、侵权情节及危害后果等因素,确定三倍惩罚性赔偿。
七、启示与展望
前文六个部分梳理的案例,覆盖了AI生成内容、算法与模型、输入端与训练端的主要争议。结合这些案件的裁判规则,我们认为有如下启示和建议:
目前人工智能监管规则还在发展阶段,除了算法备案、大模型备案、大模型登记、AIGC标识等合规义务,在研发和运营阶段企业还应当注意和重视现存案例中“度加”案、“广州奥特曼”案“杭州奥特曼”案、“上海美杜莎”案、“高校报考信息”案提出和发展的“注意义务”规则,包括设置“以同业一般服务提供者注意力”发现侵权生成内容的技术手段,并使用“符合损害发生时技术水平的必要措施来预防损害”。我们认为至少应做到以下方面:在内容生成、内容展示页面设置“举报”功能;在收到著作权或其他侵权通知后,及时采取了删除、屏蔽、断开链接等必要措施;设置知识产权侵权风险识别体系;按照公开的行业标准和最佳做法持续更新优化防范侵权策略。知识产权侵权风险识别体系包括但不限于:在使用者输入端屏蔽敏感和非法输入内容;在AIGC输出端建立数据库和二次筛查措施;对用户在平台公开展示的内容建立知识产权筛查措施;建立同行业模型输出端口筛查的可比机制;严格识别复现的指令需求,避免输出端对训练库材料的实质性复现;面对B端客户应进行客户行业识别和需求清单备存;在关键节点提示要求使用者签署法律文本等等。
另外,由于对数据来源端的数据(作品)训练的著作权合理使用边界尚未明晰。目前确有部分案例支持训练端的合理使用。(且我们认为出于国际竞争和AI产业发展的需要,应在纯粹训练段对此进行有限豁免,而使用输出端以及不正当竞争规则对表达和行业竞争予以规范。)但一些AI模型的训练数据使用或无法通过合理使用的“三步检验法”和“四要素法”测试;且全球范围内对AI训练的合理使用存在不同判断。为应对法规更新以及国际市场的合规需求,企业应当进行内部准备,对抓取的数据内容进行标记和分类,并根据自身发展需要,完成进一步的合规体系和风险应对措施。训练数据来源端还应特别注意个人信息、肖像、声音、生物特征相关的数据和信息,如企业开展此类业务或训练端存在此类数据,应先进行风险评估活动,并制定合规方案。而应特别注意蒸馏或反向工程中的不正当竞争风险识别和预案措施。
开发者与运营者还应特别注意保护核心的模型、算法、参数。对相关信息采取分级保密措施,采取保密协议、制度签收记录、权限台账、操作日志等手段确保企业实质上建立且有效运行保密措施。企业应严格限制数据的复制权限,应在内部系统中留存相关访问和复制的记录。对于异常下载和调用应有预警机制。在人员层面应设置密级并签署保密协议和竞业禁止协议。在发生泄密情况时及时采用刑行民多手段的复合救济。
AI使用者在自身使用AI时,应控制输入模型和智能体的内容不存在非法来源。使用者如需获得AIGC的著作权应审查相关应用的使用协议和开源协议,根据现有案例的判断规则,应当进行相当的独创性智力投入。对于Vibe coding场景下获得生成商业化运营代码、软件的著作权我们认为应当进行精细规划,分多层次控制代码表达,重视逻辑重构、缺陷校验、评审记录,并逐段留存记录和重复检测。在输出端口适时考虑进入商业秘密控制。AI使用者在使用生成内容时,应判断商业场景,进行反不正当竞争法风险评估;同时应考虑生成内容的面对受众,对生成内容的真实性进行必要的核实。
企业应特别重视合规义务,部分合规义务有进入民事诉讼裁判规则的倾向。而现有的大模型备案合规义务与相应的参考标准等其实射程范围即为广泛。
通过以上我国AI案例的发展,我们能看到行业和法律实践的不断演变前进。司法实践不断面临新的法律上的挑战,比如当前AI已经由问答生成式向Agent式发展。我们应在“不确定性中找寻确定性”。充分做好准备,积极应对潜在诉讼,或通过充分合规手段降低被诉风险。
延伸阅读:本系列已发布《涉人工智能纠纷案件的意见》规则解读与诉讼案件全盘点(一)、中国涉人工智能诉讼案件全盘点(二),可在「AI 数据合规」栏目阅读。
本文整理自公开信息材料,不涉及任何保密信息或所承办案件的未公开信息。本文不是正式法律意见,亦不构成对任何主体的投资、交易或其他决策建议。读者在就自身事务获得相关执业律师的法律意见之前,不要为任何目的依赖本文内容。我们不承担因基于对本文任何形式的使用(包括作为或不作为)而产生的一切责任、损失或损害,亦不保证本文所引用公开信息其自身的真实性、完整性、准确性。