本文首发于《中国版权》杂志2026年第3期，中国版权杂志微信公号经授权转载。版权归作者所有，转载请联系作者。欢迎转发朋友圈。因篇幅限制，注释省略。

　　【推荐引用】胡神松 王若宇.“伦理—技术”共构视角下AI训练数据的版权困境与治理措施[J].中国版权,2026(03):35-52.

　　摘要

　　生成式人工智能的发展使得训练数据的版权问题日益凸显，在数据获取、使用与权益分配等环节均对建立在复制权与“思想—表达二分法”基础上的传统版权制度形成结构性冲击。本文立足“伦理—技术”共构的分析视角，系统剖析当前制度在权利认定、归属配置及合理使用边界等方面所面临的规则困境。当前，单一的外部规制或技术解决方案均难以有效回应去中心化、高动态性的数据生态。为此，本文提出以“结构化权益配置”理论重构数据价值链中的权利逻辑，引入“功能提取例外”原则革新合理使用制度，并从规则调适、机制创新与保障强化三个层面，构建一套以贡献认可与利益共享为核心与原则导向的动态协同的治理体系，以寻求技术创新与权利人保护之间的再平衡，并实现技术赋能与司法保障的协同治理。

　　关键词：AI训练数据；版权治理；“伦理—技术”共构；结构化权益配置；动态治理

　　一、问题的提出：AI训练数据版权的生态事实与规范语境

　　生成式人工智能的快速发展正在重塑技术创新与知识生产的格局。以DeepSeek、Llama为代表的开源模型与GPT系列等闭源系统共同构成了当前人工智能发展的双重驱动力，而训练数据作为驱动智能系统进化的核心要素，其获取与使用方式已然成为制约技术发展的关键变量。在开源生态中，代码的自由共享与社区的分布式协作在激发创新活力的同时，也引发了“许可证漂移”的系统性难题，导致贡献者权益在复杂的传播链条中难以得到有效保障；而在闭源模式下，企业为构建技术优势而形成的集中化数据控制，则面临着“数据来源合法性审查”的制度空白，催生了大量版权争议。这些技术实践与建立在传统复制权基础上的版权制度形成了结构性张力。

　　近期中外司法实践中的系列案件亦可体现这一张力。如 Bartz v. Anthropic PBC案与Kadreyv. Meta案，均揭示了 AI 训练数据版权领域的两大核心矛盾：其一，AI训练的“转换性使用”属性对传统复制权审查标准构成挑战；其二，训练行为本身的合法性与数据来源的合规性存在分离，导致制度适配难题。由此可见，传统版权制度在面对AI训练特有的“非表达性使用”时，其固有的规范框架与判断标准已显不足；法院在认可AI训练行为“转换性使用”性质的同时，明确区分训练行为性质与数据获取手段合法性，形成“行为—来源”二分裁判逻辑，而在AI数据被规模化使用且可能替代原作品的场景下，版权法旨在平衡的“激励创新”与“促进传播”二元价值亦面临着前所未有的挑战。

　　面对这一挑战，无论是倚重外部约束的“伦理规制”，还是强调价值内嵌的“伦理嵌入”，在应对去中心化、高动态性的开源生态时都难以发挥实效。为此，本文提出“伦理—技术”共构的分析框架，该框架基于科技与社会研究领域的“共生产”理念，并融合了责任伦理的前瞻性考量与商谈伦理的共识形成机制，强调伦理规范在技术实践中动态生成、技术架构在价值引导下持续调适的双向建构过程。在此视角下，伦理不再是外在于技术的规约体系，而是通过模型设计、社区协商、接口设定等技术实践得以表达的内生结构；技术也不再是价值中立的工具，而是承载并重塑伦理判断的动态场域。

　　基于上述认识，本文将遵循“事实梳理—困境剖析—法理证成—路径构建”的逻辑脉络展开研究，立足于制度创新，从规则调适、机制设计与保障强化等方面提出系统化的治理方案，以期在保障权利人权益与促进技术创新之间达致平衡，为构建适应智能时代需求的版权治理体系提供理论参考。

　　二、规则困境的全链条剖析：从权利认定到权利限制

　　生成式人工智能技术的迅猛发展及其广泛应用正系统性地冲击着建立在传统复制权与传播权基础上的版权法规范框架。此种冲击具有全域性，贯穿于从作品客体认定、权益分配乃至行为限定的全过程。承接前文对技术生态与规范语境的剖析，本章旨在深入版权制度运行的内在机理，沿着权利认定、权利归属与权利限制三大核心环节展开体系化检视，逐层揭示生成式人工智能所引发的规则困境，以期清晰呈现法律逻辑与技术逻辑在深度碰撞中形成的结构性张力。

　　（一）权利认定的困境：独创性迷思与“思想—表达二分法”危机

　　将AI训练数据置于版权法视域下考察，首要问题是其能否成为适格的版权客体。此问题之严峻，在于其动摇了作品认定的两大基石：独创性标准与“思想—表达二分法”。

　　1.数据集合的独创性困境

　　依据我国《著作权法》与司法实践所确立的通说，作品的认定须同时满足“独立创作”与“最低限度创造性”之双重标准。此标准内在预设了人类作者基于其心智与判断，在内容选择、体系编排或表达形式上所进行的个性化智力投入。然而，生成式人工智能的训练数据集，其核心价值在于规模性、代表性与机器可读性，其构建过程高度依赖自动化爬取与算法匹配，呈现出“去人格化”的技术特征，与法律预设的人类作者中心主义形成结构性张力。此种技术现实与法律框架的偏离导致司法实践在数据集合独创性认定上的立场分化：一部分判决严格遵循独创性标准，否定其作品属性；另一部分则寻求《反不正当竞争法》或数据财产权益的替代保护路径。这种分歧不仅暴露了版权法在应对新型数据客体时的局限性，更揭示了当数据的生产性价值超越其表达性价值时传统独创性理论所面临的挑战。

　　2.“思想—表达二分法”的范式危机

　　更深层次的规范困境源于版权法的基石性原则，即“思想—表达二分法”。该原则旨在通过划分受保护的“表达”与自由的“思想”，维系创作激励与知识共享之间的动态平衡。然而，AI训练的技术本质在于对海量作品进行“非表达性使用”，其核心目的在于从具体作品表达中萃取非表达性的统计模式、功能规律与语义特征，而非复制或传播表达本身。这一过程使得AI训练行为整体上落入了一个介于受保护的“表达”与自由的“思想”之间的规范灰色地带，挑战了二分法的传统边界。

　　在Bartz v. Anthropic PBC案中，法院的裁判说理亦揭示了这一规范困境。其论证逻辑呈现出清晰的双层结构：第一层次，形式上承认训练过程不可避免地涉及对版权表达的复制；第二层次，实质上将论证重心转向使用目的与功能，强调其最终在于提取抽象的“语言模式”与语义特征，并据此倾向于认可其转换性。此论证逻辑可体现对“思想—表达二分法”传统边界的重要修正——法律评价的重心正从对“复制行为”的形式审查，部分转向对“使用目的与功能效果”的实质性权衡。这一转向固然是对技术现实的务实回应，但也动摇了版权权利边界的稳定性和可预测性，为后续的权益配置与责任划分埋下了不确定性。

　　（二）权利归属的难题：个体作者与多元主体的利益失衡

　　当数据被投入模型训练，随之而来的是在多元参与主体间配置相关权益的复杂性问题。无论是中心化的闭源开发还是去中心化的开源协作，现行法律框架在确权与问责层面均呈现出适配不良的问题。

　　1.数据贡献者与模型控制者的权益分离

　　在中心化的闭源模式下，部分平台企业通过格式化的用户协议构建了一个权利流向集中、价值回报分散的权益格局。用户生成的内容数据可能被无偿、永久地纳入企业数据池，成为滋养其商业模式的“养料”，而数据的真正贡献者则被置于权益链条的末端。Getty Images v.Stability AI案将此矛盾具象化：原告的海量版权图片在未经单独许可的情况下被用于训练，这一行为导致了数据的实际贡献者与最终模型的控制者之间产生利益分离，贡献者不仅难以从模型的商业化收益中获得合理份额，还可能面临自身创作被同类型人工智能生成内容所替代的市场风险。可见，现行授权机制在AI数据价值链中存在缺陷，即传统的“一对一”授权模式在面对“多对一”的海量数据输入时，不仅交易成本高昂，更在事实上难以操作，导致原始贡献者的权益在“合规困境”的掩护下被架空。

　　2.开源生态中权属模糊与责任稀释的风险

　　在去中心化的开源生态中，权属确认问题演变为一种典型的“集体行动困境”。模型的开发过程形同一个全球贡献者协同构建的“知识公地”。在此生态下，传统版权法为“合作作品”所设计的权属认定规则陷入适用困境：一方面，贡献者来源广泛、意图多元，难以达成统一的授权合意；另一方面，贡献内容的持续集成与动态演化使得追溯每一份智力投入并厘清其权利边界在事实上已不可能。更为棘手的是由此衍生的“责任公地”。在代码的自由流转中，“许可证漂移”现象如同病毒般扩散，导致版权合规状态在传播链条中不断劣化。以Stable Diffusion的衍生版本为例，其构成实为“代码的马赛克拼图”，一旦发生侵权，侵权内容的引入环节如泥牛入海，难以追溯。这种责任主体的高度碎片化与可追溯性的湮灭，使得传统的侵权追责机制在开源社区中几乎失灵，形成了一种“无人需为整体负责”的治理洼地。

　　（三）权利限制的边界模糊：合理使用失据与数据来源风险

　　即便数据权利清晰，AI训练行为能否在特定条件下豁免于版权限制，以及数据获取手段本身的合法性，构成了版权法必须回应的另一重挑战。

　　1.合理使用的边界模糊与价值冲突

　　合理使用制度作为版权利益平衡的“安全阀”，在适用于AI训练时，其内在的灵活性反而成为不确定性的来源。2025年美国法院对Bartz v. Anthropic PBC案与Kadrey v. Meta案的判决分歧，本质上是不同法院在“鼓励技术创新”与“保障权利人市场”两大价值之间的不同权重所致。Anthropic案侧重于训练行为的“转换性”目的与知识提取功能，倾向于豁免；Meta案则更关注人工智能生成内容对原作品市场的“潜在替代效应”，态度趋于保守。

　　若将前述争议置于我国版权法体系下审视，其制度困境更为凸显。我国《著作权法》第二十四条采取了封闭式列举的立法模式，明确限定了合理使用的具体情形。在此规范结构下，将具有显著商业性质的生成式人工智能模型训练行为纳入“个人学习”或“科学研究”等既定例外类型之中面临解释学与体系化障碍，即便通过司法能动性对“合理使用”进行目的性扩张，也必须接受“三步检验法”的严格审视，其中，如何评估人工智能生成内容对原作品潜在市场构成的“潜在”而非“既成”的侵蚀是否构成“不合理的损害”已成为理论上与实践中的核心争议点。

　　2.行为性质与数据来源的合法性分离

　　必须严格区分的是，训练行为的法律定性与训练数据来源的合法性，是分属不同审查阶层、需要独立判断的两个法律问题。Bartz v. Anthropic PBC案的判决清晰地确立了AI训练数据版权审查的“双重审查标准”：一方面，将AI训练过程中的数据使用类比为“人类学习过程”，基于“转换性使用”认定训练行为符合合理使用原则；另一方面，明确裁定Anthropic从盗版资源库获取训练数据的行为因缺乏合法授权且数据具有独立使用价值，构成直接侵权。几乎同期，Meta公司在Kadrey v. Meta案中获有利判决，法院支持其关于AI训练是“从海量数据中提取抽象模式”而非简单复制的主张，认定 Llama 模型训练仅通过数据学习语言逻辑与风格，无法生成50个连续单词以上的原文且未替代原书市场，但未对Meta从“影子图书馆”获取数据的行为作出最终侵权定性，核心判决理由为“原告未能提供训练行为造成市场损害的实证证据”。

　　然而，行业实践中存在一种危险的简化论倾向，即认为训练行为若被认定为具有“转换性”，其数据获取手段的瑕疵便可被忽略或豁免。Anthropic最终以巨额赔偿达成和解的结局无疑是对此种错误认知的矫正。质言之，使用未经授权的数据源本身即构成独立侵权行为，该风险不因后续使用行为的性质而消灭，数据来源的合规性是AI训练不可逾越的前置性法律要求，其独立性不受后续行为性质争议的影响。

　　尤其需注意的是，AI训练数据的海量性与模型训练的“黑箱”特性，导致对数据来源进行逐一、彻底的权利状态审查在操作层面存在显著困难，这一现实困境深刻揭示了传统“一对一”授权与事后追责模式在应对AI数据生态时的系统性失灵，亟待制度性回应。

　　三、AI数据版权治理的理论建构：法理调适与核心原则

　　面对前述规则困境，需要系统梳理相关理论，破解其背后的结构性矛盾。首先，从法哲学角度，审视数据时代对劳动价值与分配正义提出的新议题；继而推动版权法内部的权利逻辑与使用范式进行适应性演进；最终，将理论探索凝练为“伦理—技术”共构视角下的核心原则，为治理实践确立价值基准。

　　（一）法哲学基础的再审视

　　1.劳动价值论的调适：从绝对赋权到有限保障

　　生成式人工智能对数据的大规模非表达性使用，对建立在人类作者中心主义之上的传统版权理论形成了结构性冲击。在此背景下，首要的法哲学调适在于对洛克劳动价值论的反思与重构。该理论“劳动赋予财产权正当性”的经典命题，在AI数据生态中遭遇了根本性的解释困境，集中体现于三个方面：其一，劳动主体的多元性与匿名性，使得基于个体劳动的赋权逻辑难以适用；其二，价值实现机制的质变，数据价值依赖于大规模聚合与算法提取方能显现，与“劳动—价值”的线性关系预设相悖；其三，劳动性质与创造性表达的关系被重构，大量技术性劳动（如数据清洗、标注等）难以达到版权法要求的独创性标准。

　　面对上述困境，本文认为，洛克劳动价值论必须实现从“绝对赋权”到“有限保障”的范式转型。其核心是建立一种层次化的权益保障机制，即在法律上区分“创造性劳动”（对应独创性表达）与“技术性劳动”（对应标准化数据处理），并对后者通过特别权利或补偿机制予以保障。这一转型，不仅回应了数据时代的生产关系特征，更直接奠定了下文“结构化权益配置”理论的哲学根基——该理论正是通过对数据价值链中不同性质劳动的精细化解构来实现从单一权利到分层权益的法律逻辑跃迁。

　　2.分配正义的引入：技术普惠与公共利益关照

　　超越个体本位的权利观，AI数据版权制度必须纳入社会本位的分配正义考量。罗尔斯正义理论，特别是其“差别原则”（社会与经济的不平等应有利于弱势群体的最大利益）与代际正义观念，为构建普惠性的治理框架提供了核心的伦理坐标。

　　在差别原则的指引下，AI数据治理必须构建技术红利的公正分配机制。这具体转化为三项制度要求：一是建立数据利益的再分配机制，如通过公共数据基金或强制许可，使无法直接参与市场的群体分享发展红利；二是保障中小创新主体的数据获取权，通过反垄断规制与数据开放义务防止资源过度集中；三是追求全球范围内的数字正义，在训练数据涉及发展中国家文化资源时，建立公平的利益分享模式。

　　在代际正义的维度上，制度设计必须具备前瞻性，遵循“正义储存原则”。这意味着当前的版权政策不能涸泽而渔，必须为未来的技术创新与知识传承预留弹性空间，这内在要求建立动态调整的治理机制。

　　域外实践已在不同维度探索这一平衡。美国联邦第二巡回上诉法院在Authors Guild v.Google, Inc.案中对谷歌图书数字化“转换性使用”的认可，体现了向知识公共性的倾斜；欧盟《数字化单一市场版权指令》则为文本与数据挖掘设定了有限例外。这些探索印证了分配正义原则的现实重要性，但也暴露了在技术迭代中维持平衡的持续挑战。

　　综上所述，罗尔斯正义理论为本文系统提炼“利益衡平与普惠发展”等核心伦理原则提供了坚实的哲学支撑，其制度意涵直接映射于后文所构建的利益共享机制与动态治理框架，确保了治理路径在追求效率的同时不偏离公平正义的价值主轴。

　　（二）版权法理论的范式演进

　　生成式人工智能的快速发展对建立在传统复制权基础上的版权制度形成了结构性冲击。训练数据的海量使用与传统“一对一”授权模式之间的内在张力，“非表达性使用”对“思想—表达二分法”的动摇，均要求版权法理论进行适当的范式调适。面对AI训练数据引发的结构性困境，传统知识产权法的“激励—传播”二元价值体系与以具体权利项为基础的静态平衡已显不足。本部分并非意在颠覆现有权利体系，而是在坚守权利项核心地位的前提下，构建适应技术特征的结构化权益配置框架与动态治理机制，为后续制度创新提供法理支撑。

　　1.权利逻辑的重构：结构化权益配置

　　面对训练数据的海量使用与传统授权模式之间的内在张力，版权法需在坚守权利项规范效力的同时，发展出适应技术特征的新型分析框架。在Bartz v. Anthropic PBC案中，法院确立的“行为—来源”二分裁判逻辑，既确认了复制权等具体权利项的基础地位，也揭示了传统权利项体系在应对AI数据生态时的局限性。

　　为破解这一困局，本文提出“结构化权益配置”理论作为补充性分析工具，通过解构数据价值链中的多元贡献，构建分层级的权益识别与保障框架。该理论的确立基于两个基本认知：一是AI训练数据的价值创造是一个包含多个环节的连续过程；二是不同环节的贡献性质各异，需要差异化的法律评价标准。基于此，本文将数据生产与使用过程中的权益区分为三个既相互独立又彼此关联的层次。

　　第一，原始贡献权益，其法理基础源于版权法对创作行为的本质保护。这一权益的确立系基于版权法的基本逻辑——对独创性表达的尊重与保护。从权益构成来看，原始贡献权益包含两个维度：一是基于独创性表达产生的著作财产权，其确立源于作品作为智力劳动成果所具有的排他性价值；二是体现作者人格尊严的著作人身权，其必要性在于维护作者与作品之间不可分割的精神联系。

　　第二，数据聚合权益，其理论基础建立在数据处理活动的价值创造特性之上。这一权益的正当性来源于数据处理过程中投入的技术劳动与产生的系统性价值。从权益构成要素来看，数据聚合权益包含三个关键要素：一是数据收集的技术投入，即数据处理者在数据获取、清洗和标注过程中付出的实质性劳动；二是数据质量的优化程度，即经过加工处理的数据在准确性、完整性和可用性方面的显著提升；三是数据集合的功能效用，即数据集作为整体所展现的机器可读性与算法适配性。

　　第三，价值衍生权益的法理根基建立在知识创造活动的社会回报机制之上。这一权益的核心在于承认数据要素在价值创造链条中的基础性作用。从权益构成层面来看，价值衍生权益包含三个递进层面：一是基于数据贡献度的基础回报权，即数据作为生产要素在模型训练中的不可或缺性；二是基于价值创造度的增量分享权，其必要性在于体现数据质量对模型性能的关键影响；三是基于社会效益的合理补偿权，其考量在于知识创造活动正外部性的内在要求。欧盟《数字化单一市场版权指令》中的透明度义务条款正是通过确立信息披露机制，为准确评估各层面权益提供了制度保障。

　　结构化权益配置理论通过三个权益层次的精细划分，构建了从权利保护到价值实现的完整逻辑链。这不仅弥合了传统版权法理论与数据产业实践之间的鸿沟，更通过权益层次的递进关系，为复杂技术场景下的法律适用提供了层次分明、逻辑自洽的分析框架。三个权益层次分别对应数据价值创造的不同阶段：原始贡献权益保障创作源头，数据聚合权益确认加工价值，价值衍生权益实现利益共享。

　　2.从表达消费到功能提取：合理使用的范式转移

　　合理使用制度面临的挑战根本源于其传统理论基础与AI训练技术特征的深层矛盾。建立在“表达消费”逻辑上的合理使用理论难以充分解释以“功能提取”为核心特征的AI训练行为。这种错位具体表现为三个层面：使用目的从表达欣赏转向技术分析、使用方式从整体感知转向特征提取、使用效果从文化传播转向知识生产。美国判例法中的“转换性使用”原则为此提供了理论突破的契机。在Authors Guild v. Google, Inc.案中，法院的裁判逻辑实现了从“是否复制表达”向“是否创造新价值”的范式转变，这一转变的本质是将法律评价的重心从表达形式转向功能效用。

　　本文就此提出“功能提取例外”原则，即在符合特定条件时，为提取作品功能性要素而进行的技术性复制行为可豁免于版权侵权，是对合理使用制度的革新。该原则的法理基础是技术中立与公益优先。从构成要件来看，“功能提取例外”原则包含三个核心要素：一是使用目的的技术性，要求行为仅限于提取作品的非表达性功能元素，其判断依据包括训练目标的明确性和使用范围的限定性；二是操作过程的非表达性，需要通过算法设计确保不保留可识别的表达片段，其技术验证包括特征提取的抽象程度和中间表示的不可读性；三是市场影响的非替代性，要求使用行为不得实质性损害原作品的市场价值，评估要素包括使用行为的商业性质和产出内容的替代程度。

　　3.治理范式的动态化重构：原则导向与利益共享

　　版权法的范式调适最终需要通过治理范式的系统性重构得以完成。传统治理模式面临的本质困境在于其静态特征与动态技术之间的内在矛盾。本文主张的“原则导向的动态治理”框架，其法理根基可追溯至法律现实主义对形式主义的超越——在技术快速迭代的背景下，治理效能的关键在于建立具有弹性和适应性的规范体系。

　　原则导向治理的核心在于构建价值引领与规则实施的双层结构。从治理要素来看，这一框架包含四个关键维度：一是公平原则指导下的权益配置机制，要求建立贡献度与收益权相匹配的分配体系；二是合理原则规范下的行为边界设定，确保使用行为的比例性与必要性，其判断标准包括使用范围的控制和使用程度的适当；三是非歧视原则保障下的机会均等，维护多元主体的创新发展空间，包括反垄断规制和公平竞争环境的营造；四是透明度原则约束下的过程公开，实现技术操作的可追溯与可验证，其实现方式包括信息披露义务和技术审计机制。欧盟《数字化单一市场版权指令》的分层治理模式，通过差异化规则的设定，生动体现了原则导向治理的适应性与灵活性。

　　利益共享机制构成动态治理框架的价值协调中枢，旨在破解传统授权模式下的高交易成本与激励不足的难题。该机制立足于数据驱动时代价值创造的多元性与累积性特征，其核心是构建一个贯穿价值评估、收益分配与行为监督的综合性框架，以实现对数据价值链中各类贡献的公平回报。这一理论构想为后续制度设计提供了关键的逻辑前提。

　　技术赋能构成动态治理落地的支撑保障体系。这一体系的构建逻辑源于“以技术规制技术”的现代治理理念。其核心功能在于，通过可信技术工具确保数据流转过程的可追溯性、算法处理逻辑的可验证性以及在数据安全前提下价值释放的可行性。通过这些技术架构对法律原则的承载与执行，抽象的治理规范得以转化为可操作、可验证的具体实践。

　　原则导向的动态治理理论体现了“伦理—技术共构”理念在制度层面的具体化。它通过原则框架的开放性与技术工具的具体性相结合，既确保了治理系统的适应性，又维持了规范效力的约束性，最终推动版权法治理范式从静态管控向动态协同的现代转型。

　　（三）“伦理—技术”共构的核心原则提炼

　　为超越单一外部规制或技术内嵌的局限，必须确立“伦理—技术”共构的分析路径，推动伦理诉求在技术架构中得以表达，技术实践在价值引导下持续调适。基于前述生态事实与规范困境，并深度融合本文所依托的法哲学资源与版权法范式调适思路，兹提炼出以下五项核心伦理原则，以此作为贯穿全文、衔接法理证成与制度构建的价值基准与操作指南。

　　第一，贡献认可与公平回报原则。即对数据价值链条中所有形式的创造性劳动与实质性投入给予法律层面的承认，确保贡献者获得相应经济回报，以矫正“数据贡献者与模型控制者权益结构性分离”的生态不公。其法理基础系对洛克劳动价值论的现代化诠释与限缩性适用，既承继“劳动赋予财产权正当性”的核心命题，又审慎实现从“绝对赋权”到“有限保障”的范式转型，正视数据生产领域劳动多元性、价值聚合依赖性的特征，进而要求后续制度构建层次化的权益确认与利益分配机制。

　　第二，知识近用与机会均等原则。即强调保障各类主体，特别是中小创新者与研究机构，能够公平地接触和利用必要的训练数据资源，以防数据垄断，维护开放创新的数据生态基础。其源于罗尔斯正义理论中的“平等的自由原则”，将数字时代的知识获取能力视为一种基本自由，同时也体现了版权法激励创新的根本目的。在治理指向上，其要求构建反数据垄断的规则，保障公共领域数据的开放，并为文本与数据挖掘提供明确的法律空间。

　　第三，利益衡平与普惠发展原则。即关注人工智能技术产生的巨大价值在社会及各贡献方之间的公正分配与调节，要求对原始贡献者和弱势群体给予制度性关照，以实现技术红利的普惠共享。其伦理内核对应罗尔斯的“差别原则”与“代际正义”观念，即社会与经济安排应有利于弱势群体的最大利益，并为其后代保存发展的基础。这要求治理路径须内含技术红利的再分配机制，并在全球视野下建立公平的文化资源利益分享模式。

　　第四，过程透明与可责性原则。即要求数据使用与模型训练的关键过程保持可追溯、可验证与可解释的特性，以打破技术“黑箱”，为行为归责奠定事实基础。基于责任伦理的前瞻性考量，亦要求行为主体对其技术行为潜在的长期风险负责，同时融合了商谈伦理对程序正当性的要求，因为透明是达成共识的前提。其治理的实现，必然依赖于区块链存证、算法透明度认证等技术设计与信息披露义务、技术调查官等制度安排的双重路径。

　　第五，目的限定与比例性原则。即要求对版权数据的任何限制或例外使用都必须受到明确、特定的合法目的之约束，且其方式、范围与强度不得超过实现目的之必要限度，此为划定AI训练行为边界、防止权利滥用的关键。其法理本质是法治思想中比例原则在数据版权领域的具体化，并体现了商谈伦理对行为合理性与可证成性的核心要求。其可为“合理使用”制度的革新提供理性边界，无论是引入“功能提取例外”原则，还是设定具体的合法性审查标准，都必须严格遵循此原则，确保对版权的任何限制皆合理、审慎。

　　四、AI数据版权制度的范式重构：规则、机制与保障的协同演进

　　前述理论建构，尤其是“原则导向的动态治理”框架，为治理体系描绘了蓝图。为实现此蓝图，本章将从可操作的制度层面，提出以“规则调适—机制创新—保障强化”为支柱的协同演进路径，将理论原则转化为具体实践。

　　（一）规则调适：解释论与立法论的双重路径

　　生成式人工智能训练数据的海量使用对传统版权制度构成结构性冲击，亟需在规则层面进行系统性调适。基于前文“功能提取例外”原则的理论创新与“结构化权益配置”的分析框架，本部分从解释论与立法论双重路径提出规则调适方案，以回应AI数据生态的独特需求。

　　1.解释论路径：合理使用的目的性扩张

　　我国《著作权法》第二十四条以封闭式列举的方式限定了合理使用的具体情形，其立法模式源于大陆法系对权利例外严格法定化的传统。然而，生成式人工智能训练行为具有“非表达性使用”与“功能提取”的技术特征，其使用目的并非对作品表达的消费与传播，而是通过算法从海量数据中萃取统计模式与语义特征。这一过程与传统合理使用类型中的“个人学习、研究”或“科学研究”在形式上存在相似性，但在规模、目的与效果上存在本质差异。若严格遵循文义解释，AI训练行为难以被纳入现有例外范畴，导致技术实践与法律规范之间的张力持续加剧。

　　对此，我国可通过修订《著作权法实施条例》或最高人民法院出台相关司法解释等方式，对“合理使用”制度进行目的性扩张，将符合特定条件的AI训练行为纳入豁免范围，把“功能提取例外”原则予以具体化，为符合特定条件的AI训练行为提供明确的合法性依据。

　　首先，应明确AI训练行为的“转换性”本质。在Authors Guild v. Google, Inc.案中，美国联邦第二巡回上诉法院认定，谷歌对图书的数字化复制行为虽构成形式上的复制，但其目的在于构建可搜索数据库，而非单纯再现原作表达，因而具有“转换性”，符合合理使用原则。我国司法实践可参照此逻辑，将AI训练界定为“从作品中提取功能性要素而非消费表达内容”的行为。具体而言，司法机关可援引本文“功能提取例外”原则及其审查标准，即在“三步检验法”框架（即《伯尔尼公约》所确立，要求权利例外应限于特定特殊情况、不与作品正常利用相冲突、也不得不合理地损害权利人合法权益的检验标准）下，重点审视：其一，使用目的，是否限于技术分析与模式提取，而非对表达的消费，非对表达内容的直接利用；其二，行为性质，是否通过算法设计确保训练过程不保留可识别的表达片段；其三，市场影响，是否对原作品的潜在市场构成实质性替代。

　　其次，应突破“商业性使用”的绝对排除倾向。美国在Authors Guild v. HathiTrust案中，并未因HathiTrust数字图书馆的部分服务具有商业背景而否定其合理使用抗辩，而是基于其整体功能的转换性予以认可。我国司法解释可引入“主导目的”标准，若AI训练行为虽附属于商业活动，但其主导目的在于技术研发与知识提取，且未对原作品市场形成实质性侵蚀，则可倾向于认定为合理使用。

　　最后，应通过典型案例发布强化司法指引。例如，在“上海某文化发展有限公司诉杭州某科技有限公司案”（即“杭州奥特曼”案）中，杭州互联网法院曾以“技术过程不以复制作品表达为目的”为由认定机器学习行为符合合理使用，但未形成系统性裁判规则。最高人民法院或各省高院可通过联合知识产权部门发布指导性或入库参阅案例，明确AI训练中“转换性使用”的认定标准与边界，为下级法院提供统一裁判尺度。

　　2.立法论路径：专项例外条款的创设

　　仅依靠司法扩张难以根本解决AI训练数据的制度供给不足问题。建议在《著作权法实施条例》中增设“人工智能训练数据使用”专项条款，构建兼具明确性与灵活性的例外规则，以落实“结构化权益配置”理论的制度要求，即对数据聚合环节的技术劳动价值、价值衍生环节的利益共享需求予以专门保障。具言之，条款设计应涵盖以下核心内容。

　　主体范围：扩大至“任何合法获取作品的主体”，包括科研机构、企业等市场主体，摒弃欧盟《数字化单一市场版权指令》第3条将例外限于“研究机构与文化遗产机构”的做法，回应AI产业实践中多元主体参与的现实。

　　行为要件：允许为训练目的对作品进行“复制、提取、分析与临时存储”，但严格禁止未经授权的传播行为。参考日本《著作权法》第30条之4，将“非享受目的使用”作为行为定性的核心标准，即使用行为不得以感知作品表达为目的，而应限于技术处理与模式学习。

　　合法性前提：训练数据须为“合法获取”，包括通过公开渠道、订阅协议或权利人授权等方式取得，避免对非法来源数据的宽容。在规则设计时，可参考德国《著作权法》第60d条为“科学研究目的”的文本与数据挖掘设立例外条款的思路。该条款允许符合条件的非商业性研究组织为科学研究目的而复制作品。然而，此例外条款的适用宜有严格限定，主要面向非商业性的研究机构，且不适用于与私营企业存在特定合作模式并使其能优先获取研究成果的机构。

　　安全保障义务：增设数据使用后的删除与销毁要求，例如，规定“训练完成后，除为模型验证所必需的匿名化样本外，其余复制件应及时销毁”，以防止数据滥用与二次传播风险。我国发布的《网络安全技术　生成式人工智能服务安全基本要求》已在“训练数据安全要求”中作出原则性规定，未来可在此基础上进一步细化数据留存与删除的具体安全准则。

　　权利保留机制：引入“选择—退出”机制，允许权利人通过机器可读方式（如元数据标记）声明禁止其作品用于AI训练。此举既尊重权利人意愿，又避免欧盟指令中“权利保留”条款因标准模糊而导致的实践困境。

　　通过上述立法补充，可在不撼动版权法基本框架的前提下，为AI训练数据的使用提供稳定、可预期的法律环境，既保障原始贡献者的合法权益，又激发数据聚合与价值衍生环节的创新活力。

　　（二）机制创新：多元协同治理体系的构建

　　基于“伦理—技术共构”理论所强调的技术实践与伦理规范双向建构理念，以及“结构化权益配置”理论对多元主体权益的层次化识别要求，单纯的规则调适已不足以应对AI数据版权治理的复杂性，需构建与之配套的机制创新体系，实现从静态规则向动态治理的系统性转型。

　　1.数据版权登记平台的建设

　　针对前文所述的权利归属模糊、许可证漂移及数据来源合法性审查缺失等结构性困境，事后追责模式已力有不逮，亟需构建一个从事前与事中入手的治理基础设施。全国性AI训练数据专项登记平台的建设正是为了破解上述困境，为厘清权属、追溯来源、验证合规提供技术化解决方案。该平台的设计，体现了“伦理—技术共构”的理念，通过技术架构将透明度、可责性等伦理规范落地。其构建的三层架构——信息存证层、权利状态标识层、合规验证层，共同为后续实现“结构化权益配置”理论所倡导的精细化的权益识别与保障，提供了不可或缺的数据支撑和操作界面。

　　该平台的设计应遵循“原则导向的动态治理”理念，构建三层架构。信息存证层：基于区块链技术建立不可篡改的数据来源存证系统，记录训练数据的原始出处、授权链条与修改轨迹，要求上传者标注数据来源、授权类型及潜在风险，通过分布式账本技术确保数据来源的可追溯性，为后续“结构化权益配置”下的分层权益保障提供可信基础。权利状态标识层：引入机器可读的权利保留标识系统，允许版权权利人通过元数据明确授权范围，以期通过技术手段实现“结构化权益配置”理论中原始贡献权益（对应独创性表达保护）、数据聚合权益（对应技术劳动价值）与价值衍生权益（对应社会回报机制）的具象化识别与管理。同时，采用更标准化的许可证标识体系，确保技术架构的清晰性与有效性。合规验证层：平台应提供自动化许可证兼容性检测工具，对数据集合中的许可证冲突进行预警。通过智能合约等自动化工具，对数据集合中的许可证冲突进行预警，为多元主体提供可操作的合规指引。

　　为实现“贡献认可与公平回报”原则，未来构建的数据版权登记平台应超越确权与合规的基础功能，前瞻性地为构建利益共享机制提供核心治理支撑。首先，通过固化数据来源、贡献方式及使用轨迹等关键信息，为科学量化各数据主体在模型价值生成中的贡献比率奠定客观的评估基础；其次，基于平台生成的标准化权利标识，为借助集体管理组织等渠道执行规模化的收益分配创设精准的法律与事实前提；最后，通过全流程内嵌的可追溯与可验证能力，为利益共享机制的运行注入刚性的透明度保障，维系多元主体间的长期信任。据此，该平台的功能定位可从静态的权利确认，演进为动态调节数据价值链利益分配的核心治理枢纽。

　　此登记机制的本质是将“伦理—技术共构”理念制度化的实践探索，系“原则导向的动态治理”框架下规则实施与技术验证的有机结合。通过技术架构的设计使伦理规范获得可执行性，同时又通过技术实践的反哺不断优化伦理规则，形成双向建构的治理闭环。

　　2.专门仲裁庭与技术调查官制度的引入

　　基于“原则导向的动态治理”理论所强调的弹性化规范体系与多元共治理念，针对AI训练数据版权纠纷技术复杂性高、专业性强的特点，需要构建多层次、专业化的争议解决体系，从而将动态治理理论从抽象原则转化为具体的制度安排，实现治理资源的优化配置。

　　第一，可设立“AI版权纠纷专门仲裁庭”，发挥行业自治与专业判断的优势。该仲裁庭的构建应体现以下特色。一是组成人员的专业性。仲裁员应涵盖版权法、计算机科学与AI伦理学等领域的专家，确保对技术过程与法律定性的全面理解。二是规则适用的灵活性。在尊重现行法律框架的前提下，可参考行业实践作出裁决。三是裁决的直接执行性。仲裁裁决具有一裁终局的法律效力，一经作出即对当事人具有约束力。当事人可依据该生效裁决，向有管辖权的人民法院申请强制执行。

　　为确保仲裁庭与现有司法体系的有效衔接，需要构建“诉仲协同”机制。可参考江苏省镇江市中级人民法院与镇江仲裁委员会的经验，在法院诉讼服务中心设立仲裁服务联络点，由诉前调解员将调解不成的案件引导至仲裁程序。同时，加强仲裁与法院在保全、执行阶段的协作：仲裁保全申请可由仲裁庭直接向有管辖权的法院提交；当事人申请执行仲裁裁决时，符合指定执行条件的，可由中院指定被执行人住所地或财产所在地的基层法院执行。

　　第二，宜在《最高人民法院关于技术调查官参与知识产权案件诉讼活动的若干规定》的基本框架下，推动法院体系内技术调查官制度的持续健全。技术专业人士通过深度参与，将复杂的技术事实转化为可供司法裁判使用的专业意见。其职责包括：一是技术事实查明，就AI训练过程中的数据获取、特征提取、模型输出等环节提供专业意见；二是侵权比对分析，运用技术手段评估训练数据与生成内容之间的实质性相似程度；三是损害赔偿评估，基于数据贡献度与价值衍生程度，为差异化赔偿额的确定提供参考。

　　（三）保障强化：司法与技术的双重赋能

　　在规则调适与机制创新的基础上，保障层面的强化构成了AI数据版权制度有效运行的支撑体系。基于“原则导向的动态治理”理论中关于技术赋能与司法保障的核心理念，本部分构建了司法推定与技术赋能的双重保障路径，确保治理体系在实践中具备可操作性与可执行性。

　　1.司法保障：过错推定与差异化赔偿

　　面对AI训练数据侵权认定中“举证难”的结构性困境，应立足于“原则导向的动态治理”理论对弹性与确定性平衡的要求，构建符合中国司法实践的责任认定体系。我国在《民法典》第一千一百六十五条已确立过错责任原则的基本框架，为AI数据版权领域引入过错推定原则提供了制度接口。当权利人能够证明其作品被纳入训练数据集且人工智能生成内容与原作品存在实质性相似时，即可推定训练者存在过错，此时举证责任应转移至训练者，要求其证明已履行合理注意义务。

　　在举证责任分配上，应建立分层级的过错认定标准。一是基础注意义务，训练者需证明对数据来源进行了基础性审查，如通过公开渠道获取并获得初步授权；二是高度注意义务，对于商业化应用的模型，训练者需证明建立了完善的权利清算机制，包括权利状态查询、授权范围确认等；三是技术防护义务，训练者需证明采用了适当的技术措施防止侵权内容生成，如通过算法过滤、输出检测等手段。

　　在赔偿责任认定层面，应贯彻“结构化权益配置”理论的差异化理念，构建与贡献度、收益比例相协调的赔偿体系。此处的“差异化”理念，正是对“贡献认可与公平回报”核心原则及在“结构化权益配置”框架下对“创造性劳动”与“技术性劳动”予以区分保护的司法实现。《最高人民法院关于加强著作权和与著作权有关的权利保护的意见》明确提出，要依据市场价值、主观过错、侵权行为性质和规模、损害后果等因素确定赔偿数额，为构建AI数据训练场景下的差异化赔偿机制提供了司法政策依据。在此政策背景下，可进一步明确赔偿准则：对于创造性表达贡献，应参照作品市场价值、使用频率等因素确定赔偿标准；对于技术性数据处理贡献，可参照数据处理成本、技术投入等因素确定合理补偿；对于恶意侵权情形，应适用惩罚性赔偿，体现责任与过错程度的匹配原则。

　　2.技术保障：区块链存证系统的应用

　　经济合作与发展组织在《基于数据抓取训练的人工智能中的知识产权问题》报告中强调“标准化技术工具”的重要性。在本研究的视角下，技术保障是“原则导向的动态治理”理论中“以技术规制技术”理念的具体实践。通过区块链等可信技术构建数据版权存证系统，能够为司法推定提供可靠的技术基础，通过技术架构承载伦理规范，实现治理效能的有效提升。

　　区块链存证系统的构建应实现以下核心功能。一是全过程可追溯：从数据采集、预处理到模型训练的全流程信息上链存证，形成不可篡改的操作日志；二是权利状态可视化：通过智能合约将不同授权类型的作品进行自动化管理，确保使用行为不超出授权范围；三是跨平台互操作：支持不同存证平台间的数据验证，防止“数据孤岛”效应。

　　在实践中，区块链存证系统应与前文中的数据版权登记平台形成协同效应。登记平台提供权利状态的静态标识，而区块链存证系统记录数据使用过程的动态轨迹，二者共同构成完整的技术保障体系。这一设计也回应了《生成式人工智能服务管理暂行办法》第七条关于提供者应当对生成式人工智能产品的预训练、优化训练等训练数据来源的合法性负责的要求，为企业履行数据来源合法性审查义务提供了可行的技术解决方案。

　　通过司法推定与技术赋能的双重保障，AI数据版权治理体系形成了完整的闭环：规则层提供合法性基础、机制层构建运行载体、保障层确保实际效能，三者协同推动AI数据版权制度从理论建构走向实践落地。

　　五、结论与展望

　　人工智能训练数据的版权治理议题，在传统版权法框架内已有初步讨论，但生成式人工智能的规模化应用使其真正成为制度层面的现实问题。这项治理不同于普通的信息规制，而是直接涉及版权法赖以维系的独创性认定、合理使用边界与权益分配机制。传统制度调整尚可通过例外增设加以应对，人工智能训练却以非表达性方式规模化使用作品，冲击了“思想—表达二分”的逻辑前提与创作者权益的保障根基。

　　本文对人工智能训练数据引发的权利认定困境、权益配置失衡与合理使用边界模糊进行了系统剖析，并针对这些困境探索了可行的制度方案。不同技术形态对版权制度的冲击各有不同。随着算法能力的持续跃升，训练行为对作品的利用已从传统的表达性消费转向功能性与结构性提取，与合理使用制度的预设逻辑形成偏差。对此，治理的首要前提在于确立“来源合法性前置”原则，即训练数据的获取须经合法授权或通过公开合规渠道，绕开技术措施或抓取盗版资源库的行为不适用合理使用豁免，须独立承担侵权责任。在此底线之上，针对非表达性功能提取的技术环节，方可谨慎适用严格限定的例外规则，并须接受比例原则的审视。

　　归根结底，功能豁免只能是置于严格限定之下的例外安排，以商用授权或合法获取作为数据池构建的硬性底线，才是保障创作者权益的务实路径。积极的前瞻式立法与司法指引是回应上述挑战的有效方式，也是化解法律适用不确定性的迫切要求。权利观念固然重要，但新兴技术业态带来了复杂的权益配置难题。澄清合理使用的边界，确立“来源严控、使用审慎”的治理基调，有助于在保障创作者权益与促进技术创新之间达致动态平衡。

　　（作者胡神松系武汉理工大学法学与人文社会学院教授；王若宇系湖北知识产权研究中心科研助理）