摘 要 ： 生成式人工智能深度嵌入内容生产，对著作权制度的法律实践提出新的挑战。最高人民法院发布的《关于依法审理涉人工智能纠纷案件的意见》是首部由国家最高审判机构发布的涉人工智能司法裁判规则文件，对涉及人工智能的著作权侵权责任认定与责任承担作出规范。同时，也对 “ 未经许可使用他人作品训练大模型的定性 ”等司法实践有较大争议的问题“留白”，等待“子弹再飞一会儿”。本文在分析意见所提出的 涉人工智能著作权纠纷的主要观点及典型案例 的基础上，进一步探讨意见并未涉及的 涉人工智能著作权纠纷的 主要争议，进而提出 新意见背景下人工智能企业著作权合规的总体建议 ，以期对法律实践有所启发。
关键词 ： 生成式人工智能 微调技术与低秩适配（ LoRA）合理使用 红旗规则
随着 AIGC的快速发展，我们已经进入人机协同创作时代， 生成式人工智能深度嵌入内容生产 ，对著作权制度的法律实践提出了新的挑战。 生成式人工智能的 “输入—训练—输出”链条几乎完整地映射了著作权法的复制、改编、传播等核心概念，而算法创新、数据训练、模型输出等环节又与传统专利法、商业秘密保护规则产生复杂交织。 在这一背景下， 2026年9月7日，最高人民法院 发布 《关于依法审理涉人工智能纠纷案件的意见》 ，其 是首部由国家最高审判机构发布的涉人工智能司法裁判规则文件，是为促进全球人工智能向上向善发展贡献的 “中国司法智慧”。 最高人民法院研究室 周加海 等亦发表 “ 《最高人民法院关于依法审理涉人工智能纠纷案件的意见》的理解与适用 ”一文 [1] ， 对起草背景、 主要考虑 和 主要内容 作了详细说明。本文从知识产权实务角度出发， 针对该意见以及上述文章，结合 相关司法实践，分三个部分展开：一是《关于依法审理涉人工智能纠纷案件的意见》对涉人工智能知识产权纠纷的主要观点及典型案例分析；二是《关于依法审理涉人工智能纠纷案件的意见》未涉及的涉人工智能知识产权纠纷及存在的不同观点；三是 从上述两个方面出发， 对人工智能企业知识产权合规的建议。
最高人民法院 《关于依法审理涉人工智能纠纷案件的意见》 第三部分 “ 依法妥善审理涉人工智能知识产权纠纷案件，保障人工智能高质量发展和高水平安全 ”，从 依法规制涉人工智能侵害知识产权的行为 、 依法合理认定涉人工智能开源软件相关方的法律责任 、 依法规范涉人工智能发明创造的专利授权确权行为 、 依法审慎认定涉人工智能技术合同履行的违约责任 以及 依法规范涉人工智能数据使用行为 等方面对涉及人工智能的知识产权纠纷的处理提出意见。
1.
著作权侵权责任认定与责任承担
最高人民法院 《关于依法审理涉人工智能纠纷案件的意见》第 12条解决的是人工智能生成内容侵害他人著作权时开发者、服务提供者与使用者之间的责任认定与界分问题 。 “ 《最高人民法院关于依法审理涉人工智能纠纷案件的意见》的理解与适用 ”一文 指出，与传统意义上的著作权侵权行为不同，人工智能生成侵权内容过程中，模型使用者并未直接复制他人作品，而是通过提示词输入、参数设置等生成在表达层面与他人作品实质相似的内容。而且，人工智能生成内容涉及数据训练、模型生成、用户提示、结果筛选、内容传播等多个环节，以及模型开发者、提供者与使用者等多个主体。因此，如何认定和界分各方主体的侵权责任，就成为处理人工智能生成内容侵权纠纷的核心问题。
最高人民法院 《关于依法审理涉人工智能纠纷案件的意见》第 12条 提出人工智能知识产权侵权 坚持责任承担与控制能力相匹配原则 并列举具体考虑因素。 最高人民法院《关于依法审理涉人工智能纠纷案件的意见》第 12条 规定， 人工智能生成内容侵害他人著作权的，人民法院应当综合考量人工智能服务类型、行业特点、训练数据来源、各方参与度、采取的必要措施以及获利情况等因素，依法合理认定人工智能开发者、提供者、使用者的责任。人工智能开发者提出不侵权抗辩的，应当责令其提供训练数据来源、训练过程记录、模型运行模式以及科学理论依据等予以佐证。 就 人工智能服务类型 而言 ， 通常而言 内容创作类服务提供者的注意义务高于信息查询类； 就 行业特点 而言，通常考虑 基础大模型厂商、 SaaS 化 AIGC 平台、API 调用服务商、私有化部署模型、垂直行业专用模型 等不同行业在 行业普遍技术水平 、行业盈利模式、行业风险情况、行业监管现状等方面的特点 ； 就 训练数据来源 而言 ，训练数据的合法性是判断开发者是否实施侵权行为的重要情节； 就 各方参与度 而言 ，控制能力的强弱决定注意义务的高低； 就 采取的必要措施 而言 ，明知模型可能稳定生成与他人作品实质性相似的内容却未采取措施、甚至通过技术设计鼓励用户生成的，应认定具有过错并构成共同侵权； 就 获利情况 而言， 从侵权成果中获取收益 的情况下具有 更高 的 注意义务 ， 收益仅来自算力 或者 API 调用 、 不直接从侵权内容本身获利 的情况下 注意义务相对降低 ， 免费开源模型无商业获利 的情况下 原则上不因为下游用户侵权而 承担责任 。
最高人民法院 《关于依法审理涉人工智能纠纷案件的意见》第 12条 构建了人工智能使用者、提供者、开发者的三层责任结构。 一是， 使用者是生成、选择、使用和传播人工智能生成内容的直接行为主体，不得仅以内容系人工智能生成为由 免除责任， 人工智能使用者知道或者应当知道在先作品存在，利用人工智能生成与在先作品实质相似的作品且无合理抗辩理由，在先作品权利人请求其承担侵权责任的，人民法院应予支持。利用人工智能实施侵权假冒、虚假宣传、刷量刷单等行为，侵害他人权利或者构成不正当竞争的，依法承担相应责任。 二是， 权利人主张人工智能提供者利用算法技术侵害其著作权的，应当提供相关证据。 三是， 人工智能开发者提出不侵权抗辩的，应当责令其提供训练数据来源、训练过程记录、模型运行模式以及科学理论依据等予以佐证。 也就是说， 人工智能开发者 负有证明不侵权的举证责任，证据主要包括训 练数据来源、训练过程记录、模型运行模式以及科学理论依据等 。
最高人民法院 《关于依法审理涉人工智能纠纷案件的意见》第 7 条 对 生成式人工智能服务提供者的侵权责任 作出规定，基于 生成式人工智能与传统网络技术服务提供者在服务内容上的差异，对于 “避风港规则” 以及规则下的 “通知”和“必要措施”的理解 作出规定。 最高人民法院 《关于依法审理涉人工智能纠纷案件的意见》 第 7条提出， 审慎认定生成式人工智能服务提供者的侵权责任。生成式人工智能自动生成的内容侵害他人名誉权、隐私权等人格权益，经权利人通知，生成式人工智能服务提供者未及时采取停止生成侵权内容等必要措施的，应当对造成的损害依法承担侵权责任。通知应当包括构成侵权的初步证据及权利人的真实身份信息。网络用户通过输入侵权提示词等方式恶意诱导生成式人工智能生成侵权内容并造成他人损害的，该网络用户应当依法承担侵权责任；经权利人通知，生成式人工智能服务提供者未及时采取停止生成侵权内容、屏蔽相关生成指令等必要措施，权利人依据民法典第一千一百九十五条的规定请求该网络用户、生成式人工智能服务提供者承担民事责任的，人民法院依法予以支持。
2.
著作权侵权责任的司法案例综述
广州 “ 奥特曼案 ” ：生成式 人工智能 服务提供者的直接侵权责任。 在 广州互联网法院 受理的 上海新创华文化发展有限公司诉广州年光公司网络侵权责任纠纷案 [2] 中， 被告经营的网站提供 人工智能 绘画功能，用户输入 “ 奥特曼 ” 等关键词即可生成与奥特曼形象实质性相似的图片，原告主张被告经营的 Tab网站能生成与原告案涉奥特曼形象构成实质性相似的图片，且生成上述图片的 人工智能 绘画功能系会员专属功能，每次生成相关图片需消耗对应 “算力”。 被告称在接到本案送达的传票及案件材料后，其已采取关键词屏蔽措施阻断 Tab网站生成奥特曼相关形象。 人民法院 认定 ， 被告侵犯了原告对案涉奥特曼作品享有的复制权和改编权，判令停止侵权、采取技术措施防止用户正常使用相关提示词时生成侵权图片 并损害赔偿 。 判决认为， 服务提供者在提供生成式人工智能服务时应尽合理的注意义务 ，本案中 投诉举报机制的欠缺 、 潜在风险提示的欠缺 、 显著标识的欠缺 ，说明 被告未尽到上述注意义务，主观上存在过错，因此应对侵权行为承担相应的赔偿责任 。判决特别指出， “ 人工智能是引领未来的战略性技术，是新一轮科技革命和产业变革的核心驱动力，被认为是发展新质生产力的主要阵地。我国人工智能技术快速发展、数据和算力资源日益丰富、应用场景不断拓展，为开展人工智能场景创新奠定了坚实基础。考虑到生成式人工智能产业正处于发展的初期，需要同时兼顾权利保障和产业发展，不宜过度加重服务提供者的义务。在技术的飞速发展过程中，服务提供者应当主动积极履行合理的、可负担的注意义务，从而为促进形成安全与发展相济、平衡与包容相成、创新与保护相容的中国式人工智能治理体系提供助益。 ”
杭州 “ 奥特曼案 ” ：平台帮助侵权与分阶段注意义务。 在浙江省杭州市中级人民 法院 受理的 上海新创华文化发展有限公司与杭州某智能科技有限公司著作权侵权及不正当竞争纠纷案 [3] 中， 被告平台提供 LoRA模型（一种针对大规模预训练模型的高效微调技术），被诉的多个奥特曼LoRA模型系由用户上传奥特曼相关训练图片，选择平台基础模型，调整参数进行训练后形成。用户在该平台上分享奥特曼LoRA模型时会将 人工智能 生成的奥特曼图片作为封面图和示例图，其他用户可通过输入提示词，选择基础模型、叠加奥特曼 LoRA模型进行训练后生成与奥特曼形象实质性相似的图片。 一二审人民法院认为， 生成式人工智能服务提供者并未直接实施受信息网络传播权控制的行为，不构成直接侵权。鉴于奥特曼动漫形象在全球范围内具有相当高的知名度和影响力，被诉侵权图片由用户上传后，置于平台中能够被明显感知的位置，某智科公司应当知道相关内容具有较大的侵权可能性；用户通过叠加奥特曼 LoRA模型可以稳定输出图片角色形象的特征，此时生成式人工智能对于用户使用行为的结果增强了可识别性、可干预性； 被控侵权人 从涉案 人工智能 创作服务中直接获得经济利益，且该公司有能力采取却怠于采取符合侵权行为发生时技术水平的必要措施来预防侵权。综上， 被控侵权人 未尽到合理注意义务，存在主观过错，构成帮助侵害涉案奥特曼作品信息网络传播权的行为。
上海 “ 美杜莎案 ” ：尽到注意义务的平台免责。 在 “美杜莎”案 [4] 中，人民法院 认为，根据已查明的事实，案涉美杜莎 LoRA模型从训练到使用可分为四个阶段：素材截取阶段、LoRA模型训练阶段、LoRA模型发布阶段、LoRA模型使用阶段。本案被上诉人C公司提供的服务为：一是为用户提供“接入基础模型、训练LoRA模型、发布LoRA模型”的服务；二是为用户提供将LoRA模型所生成的图片在网络上传播的服务。这些服务在性质上是以技术服务为主，具有实质的非侵权用途，不能以网络用户利用其服务实施了侵权行为就径行认定其对侵害的发生具有过错。侵权行为尚未明显到施加一般的注意力就能发现的程度。在案证据并不能表明被上诉人所提供的模型生成物以及所分享的生成物均为侵权信息或者大部分均为侵权信息。平台提供的LoRA模型技术本身是中立技术，平台已设置投诉举报和发布审核机制，收到通知后及时下架侵权模型，不构成侵权。 据此，人民法院 综合以上因素 认定 C公司没有违反注意义务，可以不承担连带赔偿责任。 同时，人民 法院进一步澄清 ， 复制权的认定应关注 “输出端”而非“输入端” ， 模型训练行为本身不构成复制权侵权，只有输出物再现了作品时才构成侵权。这一区分对 人工智能 平台的数据训练合规边界具有重要参考价值。
笔者认为，微调技术与低秩适配（ LoRA）使“著作权侵权责任认定与责任承担”这一问题趋于具体。一个小型参数矩阵，仅以有限数量的图片训练，即可使基础模型的输出稳定地趋向某一特定艺术家的风格。该参数文件本身既不包含也不展示源图片，却对每一次输出施加稳定且可复现的影响。由此存在两种立场。若将参数视为对受保护表达的数字化映射，则复制或传播该文件本身即可能构成侵权，即使尚未生成任何实质性相似的输出；若不作此认定，则一种风格可以被工业化地封装与交易，而在任何环节均不触及版权。与之比较，国外法院也在积极探索。在安德森诉Stability AI案 [5] 中，加州北区联邦地区法院的 Orrick法官允许两项理论越过起诉阶段。依“模型理论”，AI产品因以“某种方式”内含受保护作品，本身即构成侵权复制件；依“传播理论”，传播模型等同于传播内含于其中的作品。法院明确将两项理论能否成立留作事实问题。与之相对，在Doe诉GitHub案中，有关移除版权管理信息的请求因缺乏同一复制件而被驳回 [6] 。参数文件的法律地位因此仍未确定：它与受保护表达的联系过于紧密，难以视为纯粹的思想；同时又过于抽象，无法归入传统的复制件 [7] 。
最高人民法院 《关于依法审理涉人工智能纠纷案件的意见》 第三部分 “ 依法妥善审理涉人工智能知识产权纠纷案件，保障人工智能高质量发展和高水平安全 ”对“ 未经许可使用他人作品训练大模型的定性 ”、“ 红旗规则 的理解与适用 ”等司法实践有较大争议的问题“留白”，等待“子弹再飞一会儿”。这部分虽然在意见中没有规定，亦对法律实践具有重大的讨论价值。
1.
未经许可使用他人作品训练大模型的定性
“ 《最高人民法院关于依法审理涉人工智能纠纷案件的意见》的理解与适用 ”一文 披露，起草过程中对 “ 未经许可使用他人作品训练大模型的定性 ”这一 问题存在尖锐对立：一种意见主张适用著作权合理使用制度或直接认定不构成侵权，理由是数据训练类似于人类的学习行为，不影响作品正常使用，通常不复现权利作品，且逐一许可的交易成本极高；另一种意见明确反对，理由是生成式人工智能在特定情况下可能复现训练数据中的权利作品或生成竞争性内容，不同性质的训练及商业目的差异会影响保护强度，不宜 “ 一刀切 ” ，且现行著作权法关于合理使用的规定在技术上并未给数据训练留出适用空间。 充分体现出我国法律实践和学术研究中对此问题的极大争议，具体而言主要包括如下观点。
第一， 合理使用说。 机器创作过程，包括 “数据输入—机器学习—结果输出”三个阶段，输入阶段的数据挖掘，意味着对已有作品自动化、批量化的“阅读”，是为著作权法中的合理使用 [8] 。此外，可以 进一步区分功能表达型机器学习、普通表达型机器学习与私人表达型机器学习。 其中， “ 功能表达型机器学习 ”的例子是 人脸识别训练，未利用作品受保护的表达性内容，是为合理使用 ； “ 普通表达型机器学习 ” 训练作品来自众多作者、形成通用表达模型，可能构成合理使用 ； “ 私人表达型机器学习 ” 训练作品全部来自某一作者并生成特定个性表达，实质性相似的模仿难以构成合理使用。 进而， 我国人工智能生成作品著作权制度应 “ 明确人工智能系统开发中文本与数据挖掘合理使用例外规定 ” ，同时以人工智能生成作品强制署名义务等制度相配套，但他同时提醒，当前大模型训练数据多循合理使用思路，著作权人难以获得经济激励，若不能协调训练数据合理使用与生成内容版权保护的关系，可能打击人类自主创作积极性 [9] 。预训练阶段对数据的分析学习仅在人工智能内部进行，不产生与创作者竞争的内容、不替代原作品市场 ， 应将数据预训练解释为合理使用的一种类型 [10] 。 人工智能应用需要以数据为基础，训练数据的多寡直接决定输出成果质量。如果没有建立可适用于人工智能的合理使用制度，将导致人工智能开发者倾向于使用法律风险较低的数据源来训练人工智能，即使这些数据明显存在偏见。 因此建议 区分 “ 作品性使用 ” 与 “ 非作品性使用 ” 引入数据挖掘专门例外 [11] 。
国外法律实践对该观点亦多有讨论， Thomson Reuters诉Ross Intelligence案 [12] 中，特拉华州地区法院认定 Ross非法使用2243份Westlaw判例摘要训练法律 人工智能 且损害原作品市场，否定合理使用抗辩 。在 Bartz诉Anthropic案 [13] 中，加州北区法院认定用合法购买的书籍训练大模型具有 "高度转化性"构成合理使用，但下载盗版书籍搭建数据库不构成合理使用，Anthropic此后与作者达成15亿美元和解 。
第二 ，侵权说（授权使用说）。 现有观点往往援引源自西方的非表达性使用或转换性使用理论为人工智能训练的合法性提供依据。然而，哪怕是西方的案例也表明，大规模内部复制行为对订阅市场造成实质性影响的，不属于合理使用。著作权法的基本理论难以为未经许可建立容纳海量作品的训练语料库提供正当性依据；训练大模型必须建立庞大语料库，汇集海量作品是 “ 未经著作权许可进行的复制行为 ” ，不能因为模型后续生成的内容不直接复现原作，就使该复制行为脱离复制权的规制 [14] 。 欧盟则通过《数字单一市场版权指令》第 4条为文本与数据挖掘设置例外并允许权利人保留权利（opt-out），《人工智能法案》进一步引入通用人工智能模型训练内容透明度要求 [15] 。 美国版权局 2025年5月发布的《版权与人工智能第三部分：生成式人工智能训练》报告采取的亦是折中立场：训练涉及复制权等多重专有权，合理使用须个案判断，转换性与市场影响是最重要因素，商业性训练生成与原作竞争的内容、造成市场稀释的，难以成立合理使用 。
第三 ， （准） 法定许可说。 部分学者主张构建 “ 默示同意＋选择退出（ opt-out） ” 的准法定许可机制，未经许可但支付报酬，兼顾授权效率与权利人利益 [16] ；亦有学者提出 “ 合理使用＋法定许可 ” 双轨制动态适用机制，并配套建立权利人付酬机制 [17] 。
我国司法实践对上述观点亦未形成普遍适用的判例观点。在 插画师诉 Trik AI案中，四位插画师主张被告抓取其发表于社交平台的作品训练AI模型侵犯复制权、改编权及将作品作为物料训练AI的权利，被告则以合理使用 等 抗辩 。在 爱奇艺诉 MiniMax及其海螺AI产品 案中， 指控其未经授权使用版权素材进行模型训练 。
2.
红旗规则的删除与留白
“《最高人民法院关于依法审理涉人工智能纠纷案件的意见》的理解与适用” 描述， 对于生成式人工智能服务提供者能否适用 “红旗规则”，存在较大争议。 考虑到生成式人工智能服务提供者虽然无法完全预测生成内容，也不直接决定和控制内容的产生，但其可能通过添加过滤词、调整训练数据以及模型参数等方式对生成结果产生一定影响，比如对于生成内容涉及黄色、暴力的情形，或者生成式人工智能服务提供者对生成结果进行了编辑、筛选、推荐等情形，则推定其应知或者认定其明知。即，从理论上说，在生成式人工智能场景下， “红旗规则”是有适用余地的。《意见》起草过程中，曾参照《民法典》第1197条写入“红旗规则”，并参考发布的《最高人民法院关于审理利用信息网络侵害人身权益民事纠纷案件适用法律若干问题的规定》以及国家互联网信息办公室、工业和信息化部、公安部、国家广播电视总局联合发布的《人工智能生成合成内容标识办法》等相关规定，明确了“知道或者应当知道”的具体判断标准。在征求意见过程中，有意见提出，增加规定“红旗规则”将对人工智能产业发展造成极大的负担，不符合《意见》关于鼓励创新、促进发展的导向，建议慎重考虑。经进一步研究认为，……如果要求生成式人工智能服务提供者对生成内容进行逐一核实并且判断是否侵害他人的精神性人格权，则不仅可能超出现有技术水平，也会对人工智能服务提供者施加过重的注意义务，可能会阻碍产业发展。故《意见》最终未对“红旗规则”的适用作出规定。
在分析《关于依法审理涉人工智能纠纷案件的意见》所提出的 涉人工智能著作权纠纷的主要观点及典型案例 的基础上，进一步探讨意见并未涉及的 涉人工智能著作权纠纷的 主要争议，在此基础上，本部分提出 新意见背景下人工智能企业著作权合规的总体建议 ，以期对法律实践有所启发。
1.
输入端训练数据合规：建立来源合法性档案与授权链条管理
《关于依法审理涉人工智能纠纷案件的意见》 第 12条将 “ 训练数据来源 ” 列为责任认定的考量因素，并要求提出不侵权抗辩的开发者就训练数据来源、训练过程、运行模式举证；第 16条则以 “ 合法获取 ” 作为数据权益受保护的前提。 建议企业 建立数据来源与个体信息的可追溯机制 以及 分级分类的训练数据管理制度： 针对自采数据、 开源训练数据 、商业数据分别确定不同的规则 。考虑到 《关于依法审理涉人工智能纠纷案件的意见》 对 未经许可使用他人作品 训练 大模型 定性的留白和国内在审案件的不确定性，对高价值版权内容（影视、音乐、文学作品、新闻数据库）应优先通过许可市场获取，避免将合理使用作为唯一的合规 抗辩 依据。
2.
输出端侵权风险防控：与类避风港规则对接的流程建设
《关于依法审理涉人工智能纠纷案件的意见》 第 7条参照 《 民法典 》 避风港规则确立了生成式人工智能服务提供者 “ 通知 —处置—免责 ” 的责任限制结构，并作了适配性调整 。分析 广州 “ 奥特曼案 ”对 生成式 人工智能 服务提供者的直接侵权责任 的认定，特别是对 欠缺的三项义务 的认定，并 对比 上海 “ 美杜莎案 ”关于 尽到注意义务的平台免责 的理由 ， 建议 企业至少建立便捷、显著的投诉举报通道并保留处置记录 ， 在用户协议中明确知识产权合规要求并提示侵权风险 ，明确特定情形的 关键词过滤机制 ，以及在 收到通知后及时下架侵权模型 的处理机制 。 如前所述，《关于依法审理涉人工智能纠纷案件的意见》 第 7条 对红旗规则的删除与留白，留下了相应的风险，尤其是 对高知名度作品侵权风险怠于防控的 情况下被认定为 《民法典》第 1197条 所规定的 “ 应当知道 ” 而承担责任。
3.
创作过程的全面留痕：人工智能创作生成内容的权属安排
建议 企业建立系统化的 人工智能 创作过程留痕制度：统一使用企业账号、留存提示词与参数修改记录、保存迭代版本与人工修改痕迹，并对重要成果及时进行作品登记。同时，在劳动合同、项目协议中明确员工 人工智能 生成内容的权利归属，在用户协议中 明确 对 人工智能生成内容的使用规则 。
最高人民法院《关于依法审理涉人工智能纠纷案件的意见》以 “责任承担与控制能力相匹配”为主线，在著作权领域完成了从个案经验到裁判规则的体系化表达。第12条通过服务类型、行业特点、训练数据来源、各方参与度、采取的必要措施与获利情况六项考量因素，为人工智能开发者、提供者、使用者的三层责任结构提供了可操作的归责框架；第7条对“避风港规则”中“通知”与“必要措施”的适配性改造，则在权利保护与产业创新之间划定了“合理的、可负担的”注意义务边界。广州“奥特曼案”、杭州“奥特曼案”与上海“美杜莎案”的裁判演进表明，生成式人工智能服务提供者责任的有无，并不取决于技术形态的新旧，而取决于与其技术能力和商业模式相匹配的注意义务是否实际履行；而微调技术与低秩适配（LoRA）所引发的参数文件法律地位之争，以及域外“模型理论”“传播理论”的探索，则提示生成内容侵权的责任分析正在向模型层深入。与此同时，最高人民法院《关于依法审理涉人工智能纠纷案件的意见》对“未经许可使用他人作品训练大模型的定性”与“红旗规则”的审慎留白，折射出合理使用说、侵权说（授权使用说）与（准）法定许可说之间尚未弥合的理论分野，也反映出司法在鼓励创新与权利保护之间的慎重权衡。在此规则形成期内，人工智能企业的著作权合规不应停留在被动抗辩层面，而应围绕输入端训练数据来源合法性档案、输出端“通知—处置”流程、创作过程全面留痕与权属安排三条主线，将最高人民法院《关于依法审理涉人工智能纠纷案件的意见》确立的注意义务标准内化为可举证、可审计的日常管理机制。唯有如此，企业方能在规则尚未完全明朗的过渡期获得相对稳定的法律预期，司法也才能在个案的渐进积累中，为人工智能著作权制度的最终定型持续供给经验与智慧。
*北京市中伦律师事务所陶韬律师对本文亦有所帮助
注释（上下滑动阅览）
【1】周加海、司艳丽、秦元明、贾玉慧、张音： “ 《最高人民法院关于依法审理涉人工智能纠纷案件的意见》的理解与适用 ”【J】，载于 《法律适用》 2026年第11期 。
【2】参见广州互联网法院 （ 2024）粤0192民初113号 民事判决书。
【3】该案例被评选为 浙江省高级人民法院发布 10起2024年知识产权保护典型案例之一 ，参见 杭州互联网法院（ 2024）浙0192民初1587号 民事判决书、 浙江省杭州市中级人民法院（ 2024）浙01民终10332号 民事判决书。
【4】参见 上 海市金山区人民法院 (2025)沪0116民初2354号民事判决 书、 上海知识产权法院 (2025)沪73民终1189号民事判决书。
【5】Andersen v. Stability AI Ltd., No. 3:23-cv-00201-WHO (N.D. Cal.), Order re Motions to Dismiss First Amended Complaint, Aug. 12, 2024.
【6】Doe 1 v. GitHub, Inc., No. 4:22-cv-06823-JST (N.D. Cal., 2023).
【7】详细比较分析参见 the Chambers Global Practice Guide: AI & Intellectual Property 2026 , www.chambers.com ， 蔡鹏、张鹏撰写亚太地区新进展部分。
【8】吴汉东： “ 人工智能生成作品的著作权法之问 ”【J 】，载于《中外法学》 2020 年第 3 期。
【9】冯晓青： “ 人工智能生成作品著作权侵权风险与对策 ”【N】，载于《上海法治报》2024年8月21日。
【10】张平： “ 人工智能生成内容著作权合法性的制度难题及其解决路径 ”【J】，载于 《法律科学》 2024年第5期。
【11】万勇： “ 人工智能时代著作权法合理使用制度的困境与出路 ”【J】，载于 《 社会 科学 辑刊 》 2021年第5期。
【12】Thomson Reuters Enterprise Center GMBH and West Publishing Corp. v. Ross Intelligence Inc. , case No. 1:20-cv-613-SB .
【13】Bartz v. Anthropic PBC , Case No. 3:24-cv-05417-WHA .
【14】王迁 :“生成式人工智能著作权争议的法治回应”【J】，载于 《中国法治》 2026年第4期。
【15】张鹏、牟雨菲： “ 涉美欧人工智能业务的知识产权合规要求变化趋势及应对建议 ”【EB/OL】， https://mp.weixin.qq.com/s?__biz=MjM5ODI5MzI0NA==&mid=2651543787&idx=2&sn=ac43100f610badbfc4f41c65c0cbb55b&chksm=bd3303788a448a6e752fe2536a25c78b3897c99a14f1891c5f75abe55634c9f3538da6ca2db2&scene=27
【16】赵立冬 ： “ 合理使用还是法定许可？生成式人工智能训练数据著作权规制例外路径研究 ”【J/OL】， 《图书馆建设》网络首发 。
【17】方琴 ： “ 生成式人工智能数据训练的著作权困境与破局之策 ”【EB/OL】, https://tzcourt.taizhou.gov.cn/xwzx/spsw/art/2026/art_93084e49adc34a358636152120a7b244.html张鹏 蔡佳茏 | 欧洲统一专利法院撤销诉讼与欧洲专利局异议程序的比较与选择
作者：张鹏
编辑：Sharon
