目　录

风险等级速览

（一）规范定位：法已立"不得侵害"之诫，未立"先授权"之强制

现行规范的支点，在《生成式人工智能服务管理暂行办法》〔2023-08-15 施行〕。其第七条课提供者以训练数据处理之义务，要点有二：一曰"使用具有合法来源的数据和基础模型"，二曰"涉及知识产权的，不得侵害他人依法享有的知识产权"。第四条更要求于算法设计、训练数据选择、模型生成与优化全过程"依法保护知识产权"。

此处不能不辨者：法所明定者，乃"不得侵害"之结果性禁止，而非"训练前须逐一取得授权"之前置性强制。所谓"合法来源"，规范文义指向数据获取渠道之合法（不得窃取、爬取受限数据），未等同于"对每一件训练作品均事前许可"。二者分际，正是企业合规的第一个判断点。

（二）立法演进的"进攻点"：从"对来源合法性负责"到"提高数据质量"

更值得企业留意者，是一处立法演进。2023 年 4 月的《征求意见稿》第七条，原课提供者以"对预训练数据来源的合法性负责"之严格义务；及至正式施行版本，此"负责"表述被删去，改为"使用具有合法来源的数据"并"采取有效措施提高训练数据质量"。

一字之删，态度自见。盖监管者于"严格授权"与"产业发展"之间，作了审慎缓和——立法者既不愿令海量训练因授权困境而窒息，亦不愿放任侵权。故就现行法言，"先授权后训练"尚非强制义务；然此非谓训练数据可任意取用——一旦生成物被认定与特定作品实质性相似，输出端的侵权责任仍会回溯叩问输入端的数据来源。立法的缓和，缓的是"前置授权"之负担，未缓"实质侵权"之责任。

（三）法理透析：为何"逐一授权"难行？——交易成本与市场失灵

训练数据何以难循传统授权之路？实则是一个法经济学问题。

传统著作权授权，以"事前许可、个别磋商"为常态。然机器学习所需语料动辄以亿万计，若对每一作品逐一识别权属、磋商许可费与授权范围，则识别成本、谈判成本叠加，交易成本陡增至不经济之境。换言之，当单件作品之许可成本逼近甚至超过其于训练中的边际贡献时，市场机制即告失灵——理性的提供者宁可放弃合规授权，权利人亦难就海量微额许可获得有效救济。此即"作品许可市场失灵"之由来。加之部分创作者对 AI 取用其作品本怀抵触，磋商障碍更甚。

科斯之教诲于此显其锋芒：当交易成本高昂至阻断自愿交易时，制度设计便须替市场作出权利的初始配置与责任的合理分担。中国现行法选择了"结果责任 + 质量义务"的折中，未采"前置授权"的严格进路，其经济逻辑，正在于避免授权困境扼杀技术发展，同时以"不得实质侵权"守住权利人底线。由此可见，输入端合规之要义，不在追求"每一笔授权齐备"之理想态，而在建立"来源可溯、风险可控、侵权可避"的现实机制。

（四）合理使用的空间与边界

著作权法第二十四条所列法定情形（如个人学习、适当引用、科学研究等）能否涵摄"商业性数据训练"，现行法未予明示，司法亦未形成统一规则。企业务必避免两个极端：其一，臆断"训练即合理使用"而疏于风控；其二，因噎废食而尽弃可用语料。稳妥之道，是以"非表达性使用""转换性使用"之法理为论据储备，同时在数据治理上留足合规痕迹，以备争议时举证。

（五）输入端合规路径

（一）裁判立场之演进：从菲林律所案到春风案

输出端的第一问，是"AI 生成的东西算不算作品"。两案对照，立场之演进了然。

其一，菲林律所诉百度案〔北京互联网法院，(2018)京0491民初239号，2019 年判，全国首例计算机软件智能生成内容著作权案〕。原告以"威科先行"软件自动生成法律大数据分析报告，主张著作权。法院区分对待：报告中由人工撰写的评论解读部分构成文字作品，而软件依关键词自动生成的报告部分，因未体现使用者之独创性表达，不构成作品。其裁判内核，在"独创性须源于人的智力投入"。

其二，李某某诉刘某某案（"春风送来了温柔"AI 文生图案）〔北京互联网法院，(2023)京0491民初11279号，2023-11-27 判，双方未上诉，2024 年 1 月生效，全国首例 AI 文生图著作权案〕。原告以 Stable Diffusion，经选取模型、输入数十提示词、调整迭代步数与参数等一系列操作，生成古风人像图片。法院认定该图片构成美术作品，原告享有著作权；被告未经许可去除署名而使用，侵害署名权与信息网络传播权，判赔经济损失 500 元并赔礼道歉（原告诉求 5000 元）。

（二）裁判规则提炼

两案合观，可提炼现行裁判规则如下，此乃企业确权之准绳：

人是创作者，模型是工具。法院明言：利用 AI 生成内容，本质仍是"人利用工具进行创作"，进行智力投入者是人而非模型；

人工智能模型不能成为作者。著作权法上的作者限于自然人、法人或非法人组织，模型非法律主体，故不能为"作者"；

独创性须个案判断。是否构成作品，关键在"人类使用 AI 的技术原理是否给人以创作空间，及生成内容是否体现人类的独创性智力投入"——投入愈深（提示词设计、参数调校、反复筛选），愈易获认；一键生成、几无取舍者，则难称作品；

价值取向偏于鼓励创作。春风案明示"鼓励创作乃著作权制度核心目的"，裁判意在给新兴产业"稳定预期"。

（三）权利归属

生成物若构成作品，权利原则上归于作出独创性智力投入的使用者。然企业实务中，员工职务创作、用户协议约定、平台条款分配等，均会改变归属图景。务必于用户协议、员工知识产权条款中预先厘清 AIGC 生成物之权属，避免事后争讼。

（四）确权合规路径

（一）裁判规则：两起"奥特曼案"

输出端的第二问，是"模型生成了别人的作品，平台担何责"。两案立标。

其一，广互奥特曼案（全球首例 AIGC 平台侵权案）〔广州互联网法院，(2024)粤0192民初113号，2024-02-08 判〕。原告经独占授权取得奥特曼形象著作权及维权权利；被告平台提供 AI 绘画服务，用户输入"生成戴拿奥特曼"即输出与原告形象构成实质性相似之图片。法院认定平台侵害复制权与改编权，判赔一万元（原告诉求三十万元）。

其二，杭互奥特曼案（国内第二例）〔杭州互联网法院，(2024)浙0192民初1587号，2024-09-25 判；二审经杭州中院于 2024-12-30 维持原判〕。其进一步细化了平台注意义务之认定，并入选 2024 年度中国十大传媒法事例。

（二）责任性质与注意义务

广互奥特曼案的裁判内核，在为生成式 AI 服务提供者划定注意义务的边界。法院援引《生成式人工智能服务管理暂行办法》第九条、第十四条关于服务提供者责任之规定，明确两层要求：

此处之辨：平台责任既非传统网络服务提供者纯粹的"避风港"被动责任，亦非全然的内容生产者直接责任，而是介于其间、以"注意义务是否尽到"为轴的过错责任。盖生成式 AI 平台对生成过程的控制力，远高于单纯的信息存储空间，故其注意义务标准亦相应抬高。一味主张"通知—删除"避风港抗辩，于 AIGC 场景恐难尽然奏效。

（三）平台侵权合规路径

AI 介入研发，专利领域亦生新问。其一，可专利性：AI 辅助完成的技术方案，仍以新颖性、创造性、实用性为审查标尺，AI 之参与不当然否定可专利性。其二，发明人适格性：发明人须为对发明创造实质性特点作出创造性贡献的自然人（《专利法实施细则》第十四条）；《专利审查指南（2023 修订）》第一部分第一章 4.1.2 节更明定"发明人应当是个人，请求书中不得填写单位或者集体，以及人工智能名称"——故 AI 不得作为发明人。在著名 DABUS 案中，申请人以其 AI 系统为发明人提出专利申请，经国家知识产权局复审驳回，理由是：DABUS 系 AI 系统，不属于民法规定的自然人、法人、非法人组织三类民事主体之一，不能享有发明人相关民事权利（该案入选 2023 年度专利复审无效十大案件）。

合规路径：AI 深度参与之研发成果，务必在专利申请文件中以自然人为发明人，并就人类研发者的实质性创造贡献留存研发记录；涉算法/推荐决策的发明，还须自查是否触及专利法第五条的伦理审查红线。

模型权重、训练语料、数据清洗规则、提示词工程（prompt engineering）等，构成 AI 企业的核心资产。然此类资产多不宜走专利之路：其一，专利须公开换保护，而模型参数、语料配方一经公开即失其竞争价值；其二，算法、数学方法本身可专利性受限；其三，专利保护期有限，而技术迭代远快于审查授权周期。

故对此类资产，商业秘密往往是更优保护。依《反不正当竞争法》〔2025 修订，2025-10-15 施行〕第十条，商业秘密以"三性"为要件：不为公众所知悉（秘密性）、具有商业价值（价值性）、经权利人采取相应保密措施（保密性）。模型权重、语料配方、训练参数若满足三性，即可获商业秘密保护，且无公开之虞、无期限之限。

所谓专利之局限与商业秘密之优势，分际正在于此：专利以公开换独占，宜于产品形态外显、易被规避设计绕开的技术；商业秘密以保密换持续，宜于内嵌于系统、难以反向工程的核心配方。AI 模型资产多属后者。

合规路径：

三性建构：对核心模型资产采取访问权限分级、加密存储、保密协议、竞业限制等保密措施，固化"保密性"要件；

分层处置：可外显且需对抗规避者走专利，内嵌且难反向者守商业秘密，二者并行；

痕迹管理：保密措施须留痕，盖一旦涉诉，"是否采取相应保密措施"是商业秘密成立与否的核查焦点。此点于 2025 版反法尤为关键——其第三十九条新设举证责任转移规则：权利人只须提供初步证据证明已采取保密措施且合理表明被侵犯，举证责任即转向涉嫌侵权人。故保密措施之留痕，既是实体要件，更是启动举证责任转移的钥匙。

综论：以制度降低创新的法律不确定性成本

纵观输入与输出两端，一以贯之的法经济学逻辑是：著作权制度于 AI 时代的使命，不在零和地偏袒权利人或技术方，而在以清晰规则降低交易成本与不确定性成本，使创新者敢投入、权利人有救济、社会得新作。春风案法官"给市场稳定预期"之言，奥特曼案"划定平台注意义务"之判，乃至立法删去"来源合法性负责"之缓和，皆是同一逻辑的不同侧面——以制度的确定性，置换技术演进的法律风险。企业合规之道，亦当作如是观：合规非成本中心，实为不确定性的对冲与竞争优势的护城河。

输入端·训练数据

- ☐ 数据来源分层登记，保留数据血缘记录 

- ☐ 高风险 IP/作品建立预过滤黑名单 

- ☐ 训练数据质量提升措施留痕（暂行办法第七条第四项） 

- ☐ 含个人信息语料转入告知—同意机制

输出端·生成物确权 

- ☐ 提示词、参数、迭代筛选过程留痕（独创性证据） 

- ☐ 员工协议、用户条款明定 AIGC 成果归属 

- ☐ 对内对外校准预期：AI 生成 ≠ 自动有版权

输出端·平台侵权防控 

- ☐ 生成端建立 IP/商标/作品形象拦截与比对 

- ☐ 设置显著侵权投诉举报通道并及时处置 

- ☐ 服务界面与协议显著提示侵权风险 

- ☐ 依标识办法履行显式/隐式标识义务

专利与商业秘密 

- ☐ AI 辅助发明以自然人为发明人，留存创造贡献记录 

- ☐ 核心模型资产建构"三性"，保密措施留痕 

- ☐ 资产分层：外显走专利，内嵌守商业秘密

点击“阅读原文”，登录邦信阳律师事务所官网了解更多资讯。