| 联系我们 |
 |
合作经济与科技杂志社
地址：石家庄市建设南大街21号
邮编：050011
电话：0311-86049879 |
|
|
| 信用/法制 |
| 生成式人工智能知识产权规则重构 |
| 第778期 作者：□文/张 萍 时间：2026/6/1 16:12:29 浏览：121次 |
［提要］ 随着生成式人工智能爆炸式发展，对建立在“人类中心主义”基石上的传统知识产权制度带来系统性挑战。本文以“人机协同”为核心视角，提出知识产权规则重构路径：对于训练数据，非商业性研究场景引入以转换性使用为核心的柔性合理使用例外，商业场景构建“法定许可+版权补偿”模式，平衡创新与权利保护；对于生成内容，建立以“实质性创造性贡献”为核心的权利归属标准，依据用户或开发者的创造性投入程度界定归属权。完善合理的生成式人工智能知识产权保护法律规则，既能有效促进国家和企业的经济发展，也能极大地解放生产力，创造出更多对社会有用的知识产权成果。
关键词：生成式人工智能；训练数据；知识产权规则重构
中图分类号：D923.4 文献标识码：A
收录日期：2026年1月14日
人工智能的概念在1956年被首次提出，2022年11月30日OpenAI ChatGPT横空出世，因其在教育、医疗、金融、传媒等领域被广泛使用而震惊世界，同时标志着生成式人工智能正式进入人类生活中。生成式人工智能是一种能够通过学习大量数据的特征和模式，并根据指令生成全新内容的技术。表明生成式人工智能已能够独立或与人类协作生成具有创造性的文本、音乐、发明方案等内容。创作本属于人类所特有的能动性活动，人工智能直接挑战以人类为中心的法律构造。知识产权法规定作品与发明的可保护性是以“人类智力贡献”为核心标准，但随着人工智能生成物的出现，迫使作品的创作以“人类中心主义”向“人机协同生态主义”转变，对知识产权法产生极大的挑战。因此，本文展开生成式人工智能与知识产权的研究，论述生成式人工智能在创作过程中输入端训练数据的合法性问题和输出端生成内容归属权问题对知识产权带来的挑战，并探讨生成式人工智能知识产权规则制度重构的路径，旨在促进创新、推动法律的完善。
一、生成式人工智能对知识产权制度的挑战
知识产权法是调整智力成果和商业标志的创造、归属、使用、管理和保护的法律规范的总称。但随着生成式人工智能的革命性发展，给知识产权法带来极大的挑战：一是训练数据来源是否合法；二是生成式人工智能生成内容的归属权属于谁。
（一）输入端的训练数据知识产权问题。知识产权法不保护原始的数据材料本身，但保护对数据具有创造性的整理、编排和表达方式。而我国的《著作权法》对数据保护有着这样规定，著作权人享有对作品的复制权、改编权、翻译权和汇编权等专有权利，未经著作权人许可对作品进行复制、改编、翻译或者汇编，将构成著作权侵权。而利用生成式人工智能运行之前，需要收集大量数据，主要来源于网络中的书籍、论文、图片、音像、数据库、代码等资源，也可能来自企业或个人的私有数据的贡献，涵盖受著作权保护的作品、数据库等。但这些数据来源广泛，想要获得数据的权利人的许可显得十分困难。如未经权利人的许可，对受到著作权保护的数据进行复制、修改、汇总或删除，这一系列的数据使用行为很可能会因为侵犯著作权人的复制权、改编权、汇编权等专有权利而产生侵权风险。
我国现行《著作权法》第二十四条以封闭式列举的方式，明确了十二种可以不经许可、不支付报酬的特定情形，并附加了总体的限制性条件。在这些情形下使用作品，可以不经著作权人许可，不向其支付报酬，但应当指明作者姓名或者名称、作品名称，并且不得影响该作品的正常使用，也不得不合理地损害著作权人的合法权益，但上述情形均未涵盖AI训练行为，导致司法裁判缺乏明确依据。目前所实施的《生成式人工智能服务管理暂行办法》第七条规定：“生成式人工智能服务提供者应当依法开展预训练、优化训练等训练数据处理活动，遵守以下规定：（一）使用具有合法来源的数据和基础模型；（二）涉及知识产权的，不得侵害他人依法享有的知识产权；（三）涉及个人信息的，应当取得个人同意或者符合法律、行政法规规定的其他情形。”该法律条款的目的是从源头杜绝通过黑客攻击、非法抓取、盗版数据库等不正当手段获取训练数据的行为，使训练数据合法化。但当前法律对数据“合法来源”的认定标准模糊，给企业合规带来不确定性。比如，使用网络爬虫抓取公开网站数据是否合法？若网站通过Robots协议禁止抓取，但数据本身公开，此时如何认定？法律缺乏明确统一的界定，企业因此面临难以预估的合规风险与成本压力。此外，个人或企业未经许可将海量受版权保护的作品用于训练商业AI模型，是否构成《著作权法》意义上的侵权？条款本身没有、也无法解决这个根本性的法理问题。
（二）输出端生成内容的权利归属问题。现行的知识产权法并未对生成式人工智能生成内容的归属权作出正面或统一的法律条文。这是考虑使用者通过输入指令使生成式人工智能在短短几十秒甚至数秒内生成与人类作品几乎无异的内容，但无法找到法律意义上的“作者”，也难以判断其生成内容有没有抄袭既有受法律保护的作品。在现有法律框架下，生成式人工智能生成内容权利归属的争议主要集中在以下三种观点：设计者归属说、使用者归属说及合作作品归属说。
设计者归属说以孳息理论为基础，主张生成内容作为“算法孳息”应归属于算法设计者。该说承认设计者在算法架构、参数优化等方面的基础投入，但若将所有生成内容的权利自动赋予设计者，会导致以下问题：一方面，《著作权法》第十一条规定，作品由法人或者非法人组织主持，代表法人或者非法人组织意志创作，并由法人或者非法人组织承担责任的作品，法人或者非法人组织视为作者。但设计者仅提供算法构成，对生成内容并未有其他实际投入。另一方面，设计者并未参与具体内容的生成过程，其权利主张忽视了使用者的创造性贡献，可能导致权利与利益主体分离，阻碍文化资源的公共流通。
使用者归属说则认为生成内容应归属于发出指令、进行调整与选择的使用者，将其提示词与参数调整视为一种新型智力劳动。然而，这一学说完全忽视了算法模型与训练数据的基础性贡献，可能削弱对设计者及投资者的创新激励。此外，生成内容往往难以达到著作权法所要求的“独创性”标准，其生成过程缺乏传统意义上作者独立的创造性判断。
合作作品归属说试图调和二者，主张多方主体共同构成合作作者。但在实践中，设计者、数据提供者与使用者之间通常缺乏共同创作的“合意”，且各方的贡献比例难以量化，不符合我国《著作权法》第十四条对合作作品的要件要求，即合作作品的著作权由合作作者共同享有。没有实际参与创作的人，即使提供了物质条件或思想建议，也不能成为合作作者。
上述三种学说均未跳出单一主体归属或简单共有的传统框架，与生成式人工智能生成内容所具有的“多方参与、算法主导、人机协同”的特征并不契合，最终导致实践中呈现权利争夺与责任推诿的双重失序。这种失序状态本质上反映了传统知识产权中的单一主体、明确贡献的权利归属逻辑与生成内容的“多元参与、集体贡献”特征的根本性冲突，也凸显了重构权利归属紧迫性。
二、生成式人工智能知识产权法变革路径选择
知识产权制度本身即由创新而生，并随创新而变。而目前的知识产权法已无法满足人工智能的法律需求，故亟须一系列以人工智能为核心的新的知识产权保护规则的重构。针对上述知识产权法对生成式人工智能适用性不足之处而提出相应的改进措施：一是优化数据保护制度；二是完善知识产权法有关生成式人工智能生成内容归属权的相关规定。
（一）优化生成式人工智能知识产权法数据保护规则。人工智能的训练依赖于多领域的海量数据，按照法律规定，其使用通常需要获得著作权人许可。然而，在实际操作中，为每一份数据逐一获取授权面临巨大困难，这与生成式人工智能对数据规模的客观需求形成了现实矛盾。而合理使用是著作权法律体系中的一项重要的侵权例外制度，能够很好地应对这一问题。
合理使用制度是版权法中平衡权利保护与社会公共利益的核心规则，应基于转换性使用理论，为生成式人工智能训练设立更具包容性的合理使用例外。第一，版权制度的价值目标并非单一保护权利人利益，而是在个人权利与社会公共利益之间寻求平衡，当技术创新与公共利益高度契合时，合理使用的适用空间应相应拓展。非商业性、研究性人工智能项目具有鲜明的公共属性，其数据使用目的在于突破技术瓶颈，而非追求利润，应当给予合理使用保护。第二，转换性使用是判断合理使用的核心标准之一，其核心要义在于使用行为是否改变了原作品的表达形式与功能用途，形成了新的价值与意义。与传统的版权侵权行为相比，生成式人工智能并非对原作品进行简单复制或演绎，而是通过算法将原作品转化为模型可识别的数据特征，最终生成内容与原作品在表达形式、功能用途上存在本质差异，不构成对原作品市场的替代，符合转换性使用的核心特征。优化著作权中“合理使用”情形设置并非对权利人权利的剥夺，而是基于公共利益的价值权衡。
对于商业化AI训练，因其具有直接营利目的，不宜简单适用宽泛的合理使用原则，否则可能侵蚀权利人核心利益。建议在我国《著作权法》框架下，构建“法定许可+版权补偿”机制。我国《著作权法》第二十四条和第二十五条的法定许可在特定场景非自愿授权使用作品可以不经著作权人许可，不向其支付报酬。其核心价值在于权利主体分散、授权成本极高时，以法律强制简化流程并保障权利人合理报酬。商业化AI训练的海量数据授权难题与之高度契合，可通过立法解释或专项修订，将AI模型训练使用已发表作品纳入法定许可范围，明确数据使用合法性。此外，为保障权利人著作权，需建立中立的版权集体管理组织。商业化AI开发者使用版权数据无需逐一授权，仅向该组织缴纳数据使用补偿金，再由组织定期向权利人分配，实现授权效率与权利保障的平衡。该制度可兼容国际规则。欧美均以集体管理为核心解决AI训练授权问题，我国制度设计衔接此类规则，可为数据跨境使用提供合法性。
（二）完善人工智能生成内容归属权问题。明确人工智能生成内容的法律地位已成为完善知识产权制度的迫切需求。知识产权的核心价值在于激励创造性劳动，《著作权法》第一条即强调：鼓励有益于社会主义精神文明、物质文明建设的作品的创作和传播。尽管人机协同创作模式并未动摇这一核心，但由于生成内容在法律主体资格上的认定空白，其权利归属尚不清晰。对此，本文主张构建以“谁做出决定性意义的创造性投入”为核心的认定标准，该标准既符合著作权法的激励创作的价值目标，也契合人机协同创作的基本特征。
当用户利用生成式人工智能生成内容时，若其通过高度具体、独特且富有创新性的提示词对生成内容作出实质性创造性贡献，则应被视为该内容的作者并享有相应著作权。《著作权法》第三条将创作界定为直接产生文学、艺术和科学作品的智力活动，其核心在于智力投入与作品产出的直接关联。用户通过精心设计的提示词完成创作的核心环节——包括确定内容方向、风格与关键表达，其实质是借助指令完成具有独创性的智力投入，符合著作权法意义上的创作行为。相关研究进一步指出，这种投入应满足三个条件：一是提示词须体现个性化的审美判断与创作意图；二是提示词直接决定生成内容的核心表达与独特性；三是该过程与传统创作中的“构思-表达”环节具有同等创造性价值。但若用户仅输入“生成一幅风景图” “写一篇关于环保的短文”等通用、模糊指令，未对生成内容的独特表达或艺术价值产生实质性影响，则创作核心仍是基于人工智能模型的算法设计、训练数据积累形成的创作能力。此时，用户的贡献不符合决定性创造性投入标准，权利归属需按使用场景分类规制：一是非商业使用场景下，可视为“公共领域贡献”，供社会公众合理使用；二是商业使用场景下，参照《著作权法》第四十四条的录音录像制作者权的制度逻辑，即录音录像制作者对其制作的制品享有许可他人复制、发行、出租、通过信息网络向公众传播并获得报酬的权利。权利主体并非原始创作者，而是对作品传播或产生具有“创造性管理与投入”的主体，归属权应当归属于人工智能的使用者或投资者所有。
综上，“十五五”规划建议将人工智能纳入国家安全能力建设核心范畴，成为创新发展的关键力量，但也对现行知识产权法构成严峻挑战。当前框架下，AI训练数据保护、授权及生成内容归属等领域法律条文不完善，亟须顺应技术规律，重构涉AI知识产权规则：第一，数据合法性难题。引入“转换性使用”柔性例外，为非商业研究类AI训练数据授权松绑，针对商业化训练海量数据，建立“法定许可+版权补偿”机制，平衡产业合规成本与权利人权益。第二，厘清生成内容归属。建立“实质性创造性贡献”核心标准，认可用户提示词智力投入，同时兼顾算法设计者、投资者利益，契合《著作权法》激励创作、平衡利益的核心导向。
（作者单位：江西理工大学）
主要参考文献：
［1］林秀芹，郭壬癸.人工智能对知识产权正当性理论的挑战与应对［J］.知识产权，2023（11）.
［2］谢寿光，王誉梓.人机协作的知识生产：生成式人工智能辅助学术出版的知识产权归属与伦理规制［J］.现代出版，2025（10）.
［3］蒋洁如，林鹤.生成式人工智能语料训练的知识产权监管制度：域外经验及其启示［J］.现代情报，2025.45（06）.
［4］蔡睿.人工智能训练语料的合理使用制度建构［J］.荆楚法学，2024（05）.
［5］王志超，李胜臻.论人工智能对知识产权法学研究的影响［J］.电子知识产权，2025（05）.
［6］吴汉东.知识产权法的制度创新本质与知识创新目标［J］.法学研究，2014（03）.
［7］黄锫.人工智能大模型训练数据的风险类型与法律规制［J］.政法论丛，2025（01）.
|
|
|
|
