2025年3月，北京知识产权法院对抖音公司诉亿睿科公司AI模型侵权案作出二审判决，维持了一审原判。这起全国首例涉及AI模型结构和参数保护的案件，没有从传统知识产权法、商业秘密的保护角度切入，而是首次将AI模型纳入反不正当竞争法保护范畴，被称为“全国保护AI模型结构和参数第一案”，一度引发AI和法律圈广泛关注。

2025年9月，随着最高人民法院将此案例选入2025年人民法院反不正当竞争八起典型案例之一，这一判决的指导意义已获得司法系统的普遍认可。我们先将案件的要点列表如下：

1、关于针对被诉行为可选择的法律保护路径

法院在审理本案时，尝试了三种不同的法律保护路径：著作权法、商业秘密保护以及反不正当竞争法。

（1）著作权法保护路径的“表象”否定

一审法院虽然明确否定了抖音公司获得著作权保护的可能性，但其主要理由是将“变身漫画成像”作为客体来讨论时，以其“真人与成像效果存在唯一或有限的对应性”，故而缺乏创造性为由，认为其不属于著作权法保护的客体。

一审法院虽然在判决中，也将变身漫画特效的生成过程区分为(1)风格设定、(2)风格化量产、(3)模型训练、(4)用户生成4个阶段，分段对是否存在自然人的独创性表达进行了论述，但对AI模型整体是否可以类似于计算机软件，成为著作权保护的对象，并未展开说理论述。而二审法院基于“不告不理原则”，亦未对这一问题予以审理，故对于AI模型的版权属性问题，本案实质上并未真正涉及。

（2）反不正当竞争法路径的确立

AI模型结构和参数是否受到法律保护，并无在先判例可循，这也是此案二审的争议焦点所在。

值得注意的是，抖音公司所主张的竞争利益是变身漫画特效模型结构和参数。而一审法院在审理关于不正当竞争问题上，仅基于变身漫画特效这款产品本身对抖音公司是否具有竞争利益进行了论证。二审法院对此予以纠正，明确了人工智能模型结构和参数在反不正当竞争法意义上的可保护性。

正如该案主审法官谢甄珂介绍，该案对未来人工智能模型的保护具有探索意义和示范效应，主要就体现在“明确了人工智能模型结构和参数具有反不正当竞争法意义上的可保护性。” 

（3）商业秘密保护路径的可探讨性

一审法院采用了“接触可能性+实质性相似-合法来源”的判定思路，实质上认可了AI模型可作为商业秘密保护。法院确认亿睿科公司有接触抖音模型的可能性，且双方模型存在高度相似性。

可惜的是，因为原告并未基于侵犯商业秘密作为诉讼理由之一，两级法院基于“不告不理原则”，均未对这一问题予以审理。

当然，通过商业秘密保护AI模型存在一定的弊端，特别是“反向工程”（指通过技术手段对从公开渠道取得的产品进行拆卸、测绘、分析等而获得该产品的有关技术信息）在我国被视为合法的商业秘密获取手段，使得选择商业秘密保护路径时，将难以应对反向工程的行为。

2、训练数据的合法性对AI模型可保护性的影响

该案被告抗辩原告使用非法获取的人脸数据进行训练，违反个人信息保护法，由此获得的竞争利益不属于受《反不正当竞争法》第二条保护的合法权益。

对此，一审法院认为原告用于模型训练的数据合法性问题不影响被告的被诉行为是否构成不正当竞争，一审判决书写道：“抖音公司用于模型训练的数据合法性问题不影响在反不正当竞争法规则效应下对亿睿科公司的行为进行评价。”

而二审法院则认为竞争利益的获得，本身不得违反法律规定，但其认为被告未完成举证，因此未支持被告的抗辩，一审判决书写道：“抖音公司仅主张变身漫画模型构成其竞争利益，而亿睿科公司未提交证据证明抖音公司获取人脸照片数据的行为与该公司选择何种人工智能的模型的结构和参数直接相关。”

但根据法院查明的事实，在原告模型训练阶段，需要根据手绘师绘制的漫画数据+真人数据，对模型的结构和参数不断调整最终确定选用的模型。原告在二审中也补充提交了某U软件《产品体验报告》、当前版本某U软件中“拍同款”模块中可以看到用户2019年9月25日上传的公开特效照片2份证据，以证明模型训练数据中的真人数据，部分系用户自行公开或合法公开的数据。

因此，二审法院以被告未举证关联性为由未予支持被告的抗辩，存在事实认定不清之嫌。法院关于竞争利益的获得本身不得违反法律规定的主张，今后如何在司法实践中真正落地，值得关注。

3、开源软件二次开发的权利边界

本案还涉及一个技术界普遍关心的问题：基于开源软件的二次开发成果的权利归属。亿睿科公司在一审中曾提出，抖音公司的变身漫画特效模型是基于开源的CycleGAN模型开发的，根据开源协议可能需要进行开源。

法院在判决中对这一问题进行了回应，区分了模型与计算机软件代码的不同。判决指出：“模型是计算机从大量训练过程中统计到的输入和输出数据之间的关联关系，使模型可以对其未曾接触过的但分布相似的数据进行预测或决策。而调用模型的计算机软件代码和模型是相互独立的存在，并不决定模型的性能和效果。”

这一区分也有值得探讨的空间，今后是否意味着计算机软件代码可能受开源协议约束，但由训练数据得到的AI模型不受开源模型的约束？ 

4、判决中的关键专业技术

本案审理过程中，法院特别是二审法院对AI模型的技术本质进行了专门的深入剖析。二审判决指出，AI模型由结构和参数组成。模型的结构，是指模型各个组成部分的连接方式、结构、数量、位置和顺序等。模型的组成部分可以包括不同的层（如卷积层、BN层、非线性激活层）、升采样模块、激活函数等等。模型的参数，是通过大量训练和调整形成的成果，是具体数值。如卷积层的输入数据的通道数、输出数据的通道数、卷积核的大小、卷积运算时的步长、是否使用偏置以及对图片的填充等等均以参数表示。

也有专业人士指出，法院在技术认定上存在一定偏差。当深度学习领域的技术人员谈到“参数”时，通常指的是模型神经元之间的“权重”和“偏置”，而非法院所述的“卷积层的输入数据的通道数、输出数据的通道数、卷积核的大小”等。这些实际上属于“超参数”范畴，是模型架构的一部分，而非训练过程中产生的参数。

这些技术细节的辨析至关重要，这也揭示了司法审判和律师行业在面对快速发展的AI技术时，需要在更加精准地把握技术本质的基础上，作出法律判断、提供法治保障。

无论如何，本案判决为AI行业提供了较为明确的法律指引，对行业健康发展具有重要意义。正如主审法官谢甄珂指出，本案的示范效应主要表现在三方面：明确人工智能模型结构和参数具有反不正当竞争法意义上的可保护性；阐明了人工智能研发经营领域的商业道德；指出了人工智能领域企业良性竞争的重要性。

在AI技术快速商业化的背景下，市场竞争的边界正变得日益复杂。无论是模型的创造者还是应用者，都面临着前所未有的法律风险，尤其是《反不正当竞争法》已成为划定这些边界的关键工具。

对于AI模型的开发者而言，有必要结合本案的示范，建立起AI风险源管控的意识、组织、制度和措施，譬如：

1、模型结构与参数的侵权风险：本案确立了一项重要规则：AI模型的结构和参数可以作为“竞争利益”受到《反不正当竞争法》的保护。在该案中，法院认为被告直接使用原告付出大量商业成本的成果为己所用，损害了原告公司的竞争利益，其行为构成了不正当竞争。

2、训练数据来源的合法性风险：开发者的另一个重要风险在于训练数据的获取。直接爬取或未经授权使用第三人数据的（如本案中二审法院提出的“竞争利益的获得本身不得违反法律规定”的主张，又如旧金山高等法院受理的Reddit起诉人工智能公司Anthropic，指控其违法“抓取”公开数据训练模型），可能构成不正当竞争，甚至导致AI模型失去法律的保护。

3、商业宣传中的攀附与误导风险：开发者若在宣传中不当使用他人知名IP，如MiniMax旗下“海螺AI”被指控使用迪士尼等公司的知名角色进行宣传，可能面临版权侵权和不正当竞争的双重指控。这种行为不仅可能侵害著作权，还可能构成对知名商品的混淆误认，也属于知识产权法或反不正当竞争法规制的行为。

4、平台责任的边界风险：当AI生成内容在平台上传播时，平台方可能承担共同侵权责任，如北京互联网法院在其判决的全国首例涉“车联网”著作权侵权案在该案中，认定视频平台运营方应对其车载端应用网络服务器中的侵权视频提供行为，承担信息网络传播权侵权责任。车载系统软件的运营方参与了视频平台车载端应用的上线、展示和推广，并提供了套餐服务的，是涉案作品提供行为的参与者、获益者，应依法与视频平台承担连带责任。

点击“阅读原文”，登录邦信阳律师事务所官网了解更多资讯。