您当前的位置：新闻>版权
口 朱福勇 虎欣蕊
作为连接底层技术与内容输出的枢纽，生成式人工智能服务提供者凭借对内容生成机制、数据流向及传播路径的掌控力，成为版权侵权风险治理的关键主体。2024年，多地法院在“AI奥特曼”等案件中，依法认定服务提供者是否就其生成的侵权内容承担责任，为司法实践指明方向，具有里程碑意义。然而，理论界与实务界在主体定性、归责原则、过错认定及规则适配等方面仍存分歧，侵权全链条解构与责任边界划分尚未形成共识。科学界定并规制其责任，是延续著作权法核心价值、平衡技术创新与知识产权生态的关键。
一、生成式人工智能版权侵权风险的典型场景
与传统网络服务提供者“信息传输管道”“内容存储仓库”的角色不同，生成式人工智能服务提供者介入数据训练至内容生成的全过程，其行为与侵权结果的因果关系链更趋复杂。依据风险根源、行为主体及业务环节，可将其侵权风险解构为以下三类典型场景：
1.源头性侵权风险。一是自动爬取数据的侵权风险。为提升模型知识覆盖度与泛化能力，服务提供者常通过网络爬虫技术大规模采集互联网公开作品，过程中涉及的临时或永久性复制、格式转换及结构化处理，涉及著作权法规定的复制权、改编权。认定的核心难点是此类为人工智能训练目的的大规模复制能否及在何种条件下构成“合理使用”，现行法律尚无明确规定，实践中亦缺乏统一裁判标准，亟待立法或司法解释予以厘清。
二是合作数据的授权链风险。通过商业采购、授权许可获取的训练数据，合法性依赖完整清晰的授权链条。服务提供者作为数据最终使用者，负有对数据来源合法性、授权范围完整性及用途一致性的审查义务。若因疏于审查，使用存在权利瑕疵的数据训练模型，且最终生成内容与原始作品构成实质性相似，应认定其存在过错，承担间接侵权责任。此处的关键在于“合理审查义务”的具体边界与标准。
三是投喂数据所引发的风险。在交互式场景中，用户上传受版权保护的材料供模型学习生成，服务提供者虽非直接内容提供者，但作为平台管理者与技术控制方，负有风险防范与监控的义务。对于具有明显侵权特征的“投喂”内容，未采取符合行业惯例的技术措施识别过滤，致使侵权材料被模型吸收并影响后续输出，服务提供者因未履行必要注意义务而承担责任。
2.过程性侵权风险。此阶段风险产生于用户与模型交互生成内容的过程，核心涉及服务提供者担保义务的履行。生成过程的“黑箱”特性与输出结果的概率性，导致用户难以控制内容的版权形态。从法律关系看，用户购买使用服务形成服务合同关系，依据诚实信用原则与行业惯例，服务提供者负有提供合理范围内不侵犯他人版权基础服务的担保义务。非因用户侵权指令，模型响应普通中性指令时输出与受保护作品构成明显可识别的实质性相似内容，可初步推定服务提供者在模型设计或风险防控机制上存在不足，未尽到与专业能力匹配的注意义务；若服务提供者证明侵权结果完全或主要归因于用户规避过滤机制的恶意行为，则可以相应减轻或免除责任。
3.输出性侵权风险。此类风险内嵌于技术本身，源于模型算法的固有缺陷。生成式人工智能工作原理决定其输出存在与训练数据中表达近似的内在可能性，模型成熟度、泛化能力及内置版权约束机制，直接影响风险高低。作为技术研发与部署主体，服务提供者负有持续优化算法、采取合理技术措施，降低固有风险的勤勉义务。因模型架构、训练方法或安全对齐措施存在可归责缺陷，导致模型系统性、非偶然地输出侵权内容，服务提供者为技术选择带来的扩散性风险负责。此处认定关键在于区分“技术发展阶段的客观局限”与“可归责的技术疏忽或懈怠”，裁判时须保持审慎克制，避免过度苛责而阻碍技术进步。
二、服务提供者侵权责任司法认定的难题
1.归责原则之争。理论界与实务界的立场分歧集中于归责原则的选择，其中，主张严格责任者立足人工智能侵权规模化、隐蔽化特征及权利人举证难的现实，通过加重服务提供者责任实现风险内化与强力威慑；主张产品责任者将人工智能模型类推为“产品”，借助成熟的产品缺陷责任制度应对新型风险；坚持过错责任者则认为，生成式人工智能具有广泛合法用途，泛化适用严格责任或产品责任，使服务提供者承担过重的“结果保证”义务，扼杀产业创新活力。这一分歧的根源在于，著作权法体系以规制“传播行为”为核心，难以覆盖服务提供者“生成﹢传播”的复合行为，传统归责框架与新型技术行为的适配性不足。
2.过错认定之困。即便采纳过错责任原则，过错的具体认定仍是司法实践的难点。一方面，过错认定基础难以锚定。生成过程的自主性与随机性，使仅凭侵权结果无法直接反推服务提供者存在主观过错，否则易滑向“结果责任”；但要求权利人证明服务提供者在复杂技术环节中的具体过失，又导致举证负担过重，陷入“权利保护失灵”的困境。另一方面，注意义务标准难以统一。技术快速迭代与应用场景多元化，使“合理注意义务”缺乏客观的衡量标尺，如事前过滤义务的强度、技术优化的达标水平、不同规模企业的义务差异等均无明确标准，从而引发“类案不同判”，影响司法公信力。
3.责任形态之淆。责任承担形式的认定混乱，导致服务提供者责任范围与过错程度不匹配。在用户主导侵权的情形下，服务提供者本应承担与其过错相应的责任，例如按份责任或者符合法定条件的连带责任，但实践中因用户难以追索，常被不当扩大为无差别的连带责任，使其成为事实上的“最终兜底者”，超出过错范围。当侵权根源在于服务提供者自身行为时，其本应承担单独责任，却有时被纳入与用户的共同侵权范围，导致责任主体与份额划分不清，加重不合理负担。这种责任形态的混淆，既不利于追责，也扭曲经营主体的行为预期。
三、服务提供者侵权责任的裁判路径
结合生成式人工智能的技术特征与产业现实，笔者认为，可构建以过错责任为基础、分层动态注意义务为核心、责任形态为保障的裁判路径，实现权利保护、技术创新与公共利益的动态平衡。
1.确立过错责任原则的统领地位。将过错责任作为生成式人工智能服务提供者版权侵权责任的归责原则，具有充分的法理正当性与实践合理性。从法理层面看，严格责任适用于高度危险性活动，旨在分配无法通过注意义务避免的固有风险，而生成式人工智能服务主要引发财产性权益纠纷，不具备适用严格责任的法定情形；将其纳入产品责任框架，忽视了人工智能服务的本质属性与损害形态的特殊性，难以契合“产品”的法律定义。从制度定位看，《生成式人工智能服务管理暂行办法》明确将其定性为“服务”，规制重心在于服务提供者的运营行为与管理责任，过错责任聚焦行为合规性，与监管逻辑高度契合。从产业发展看，技术快速发展期的过错责任，为创新预留必要空间，避免过严责任抑制产业活力，同时与现有网络侵权责任体系衔接，保持法律体系稳定性，为经营主体提供明确预期。
2.构建注意义务的审查标准。过错认定的关键在于明确注意义务的边界。结合不同业务环节的风险特征，可建立分场景、分层级的审查标准，并随技术发展动态调整，实现“过错认定有依据、义务履行有标尺”。
在训练数据环节，聚焦“来源合法性与过程可追溯性”。重点审查服务提供者是否建立有效的数据审核与溯源机制，对已知侵权源是否排除，对第三方授权数据是否履行合理审查义务；鼓励行业领先企业披露数据治理概况，确立高于一般标准的行业标杆，引导产业规范发展。
在内容生成环节，聚焦“风险识别与处置的有效性”。不应苛求服务提供者承担普遍性事前过滤义务，但审查其是否建立畅通的“通知—处置”通道。参照民法典第一千一百九十五条至第一千一百九十七条，生成式人工智能服务本质上属于网络服务，同样面临海量用户输入与即时输出的结构性困境，参照适用通知规则以较低成本制止侵权扩散，平衡权利保护与技术创新。然而，传统避风港原则中的“删除、屏蔽、断开链接”系针对已存储信息，而生成式人工智能内容即时生成、难以回溯。因此，必要措施的内涵须作技术化解释，具体包括对相同或近似侵权提示词进行实时阻断、调整模型过滤规则、在技术可行范围内，防止重复生成等。服务提供者接到合格通知后，未及时采取上述合理措施的，对损害的扩大部分承担责任。过错认定围绕服务提供者的响应态度与处置措施的合理性展开，不要求结果保证。
在算法模型环节，聚焦“技术优化的勤勉度”，认可技术发展的客观局限，不因偶发相似内容认定过错；重点考察服务提供者是否积极跟进行业技术发展，采用成本效益合理的优化方案，降低侵权风险，对怠于履行技术优化义务导致系统性侵权的，则认定存在过错。
3.实现过错与责任形态的匹配。根据服务提供者的过错性质、原因力大小，适用对应责任形态，避免责任承担与过错程度失衡。具言之，单独责任适用于侵权完全归因于服务提供者自身行为的情形，如使用侵权数据训练模型、模型存在可归责性缺陷等，此时服务提供者应独立承担全部侵权赔偿责任，体现“自己责任”原则；连带责任适用于权利人发出合格侵权通知后，服务提供者未及时采取必要措施的情形，依据民法典第一千一百九十五条的规定，服务提供者对损害的扩大部分与该侵权用户承担连带责任，权利人可直接请求服务提供者赔偿，无需先向用户求偿；按份责任适用于服务提供者与用户均有过错、共同导致损害发生，且各自过错与原因力比例可分的情形。例如，服务提供者未对明显异常的侵权提示词设置基础过滤机制，而用户故意输入侵权指令诱导生成侵权内容，二者各自独立的过错行为原因力可分，可结合证据合理划分双方责任份额，实现“过错相当、责任相当”。
总之，生成式人工智能版权侵权责任的认定，是技术革命赋予司法的前沿命题，亦是重塑数字时代版权治理体系的重要契机。司法裁判既不能因技术复杂回避追责，也不能为产业发展一味宽纵。构建以过错责任为起点、场景化动态注意义务为核心、精细化责任形态为落点的裁判路径，是平衡著作权保护、技术创新与公共利益的最优解。我们要随技术演进细化标准、优化证明规则，加强司法与行政、立法的协同联动，筑牢数字经济高质量发展的版权法治基石，引导生成式人工智能在创新与规范的轨道上行稳致远。
【本文系2025年国家社会科学基金社科学术社团学术研究一般项目《生成式人工智能监管与法律责任研究》（批准号：25SGC087）的阶段性研究成果】
（作者单位：西南政法大学人工智能法学院）
