生成式人工智能的全链条法治保障

　　2026年5月，科学出版巨头爱思唯尔（Elsevier）等五大出版商联合起诉元宇宙平台公司Meta（原名Facebook），指控其使用未经授权的作品训练开源大语言模型Llama，并称之为史上最严重的版权侵权行为之一。生成式人工智能争议持续激荡。除此之外，人工智能生成内容的可版权性、虚假信息传播等议题也纷争不断。在人工智能技术飞速发展、全球科技竞争博弈日趋深化的背景下，亟须以系统性法治思维回应技术治理的时代命题，为生成式人工智能有序发展提供法治保障。

　　

　　生成式人工智能

　　

　　ChatGPT引发生成式人工智能技术发展浪潮，以DeepSeek为代表的大模型则掀起了新一轮生成式人工智能技术革命。中国互联网络信息中心政策与国际合作所发布的第57次《中国互联网络发展状况统计报告》显示，我国生成式人工智能用户数量爆发式增长，用户规模达6.02亿，较2024年12月增长3.53亿，规模增长达141.7%，普及率达42.8%。随着生成式人工智能应用场景持续拓展，规范生成式人工智能的探索实践日趋深入。截至2026年4月30日，我国累计有868款生成式人工智能服务完成备案，530款生成式人工智能应用或功能完成登记。豆包、DeepSeek、元宝、Kimi等产品不仅在千亿级参数规模、多模态能力等方面实现突破，还与智能搜索、内容创作、办公助手等应用场景深度融合，构建了覆盖多个领域的智能应用生态。但生成式人工智能技术商业化进程加速的同时，相关法律风险也呈指数级上升。过去3年生成式人工智能领域诉讼案件爆发式增长，从2023年的零星个案到2025年月均超百起的复杂诉讼，数据盗用、权属纠纷、深度伪造等法律问题日益凸显。面对生成式人工智能带来的法律风险，在硬法层面，《生成式人工智能服务管理暂行办法》《互联网信息服务算法推荐管理规定》等部门规章和规范性文件相继出台；在软法层面，国内首部聚焦生成式人工智能领域的知识产权标准《生成式人工智能知识产权指南》（T/CECC42—2025）于2025年10月发布并实施，填补了国内生成式人工智能知识产权领域的制度空白。然而，单一环节或零散的规制措施已不足以应对生成式人工智能带来的系统性风险。从模型训练所需的海量数据，到生成内容的归属，再到其可能被用于制造和传播虚假信息，生成式人工智能技术的每一个环节都与法律、伦理和社会秩序紧密相连，需要全链条的法治保障。

　　

　　

　　数据来源的合法性质疑。算法、算力和数据是生成式人工智能的三大要素。数据的来源与使用方式，正面临严峻的合法性质疑。具言之，为了提升模型能力，开发者往往会从互联网上抓取海量的文本、图像和代码等数据，其中不可避免地包含了受版权保护的作品、个人信息以及其他受法律保护的数据。《生成式人工智能服务管理暂行办法》明确要求服务提供者“使用具有合法来源的数据和基础模型”，并且“不得侵害他人依法享有的知识产权”。但在实践中，合法来源的认定问题依然突出。一方面，对网络公开数据的抓取可能侵犯个人信息权。根据个人信息保护法，数据处理者可在“合理的范围内处理个人自行公开或其他已合法公开的个人信息”，但模型训练通常不被认定为合理范围。因此，若使用包含个人信息的数据开展训练，需事先获得个人的知情同意，否则违法。另一方面，未经许可即抓取网络公开数据用于商业模型的训练，是否构成著作权侵权，在全球范围内都存在争议。譬如，在Thomson Reuters v. Ross Intelligence案中，后者使用前者拥有的大量“法律问题摘要及相关案例”用于人工智能训练，被认定为侵犯著作权，而在Kadrey v. Meta案中，法院则支持“使用公开作品训练人工智能构成合理使用”。我国著作权法第二十四条列举了十三项合理使用情形，但由于立法时尚未能够预见“人工智能训练”这一新型使用场景，该条款无法直接覆盖这种大规模、系统性的数据使用方式，导致实践中缺乏明确的适用依据。

　　内容权属的确定性落空。传统的著作权法理论建立在人类智力创作的基础上，但生成式人工智能模糊了创作的边界，导致生成内容的权利归属陷入了前所未有的不确定性之中。人工智能生成物是否构成著作权法意义上的作品，以及其权利应归属于模型开发者、平台服务商还是用户，目前尚无定论。虽然全国首例“AI文生图”著作权纠纷案中，原告在Stable Diffusion模型中通过输入提示词和调整参数进行了智力投入，最终法院认定该图片具有独创性，属于受著作权法保护的作品。但如果用户仅提供了简单的提示词，而内容的绝大部分是由模型自主生成的，那么其独创性就值得商榷。譬如，在入选“新时代推动法治进程2025年度十大案件”的全国首例AI图片侵权案中，法院就明确指出，通过AI软件一键生成的图片缺少作者的独创性表达。此外，即使人工智能生成内容能够获得著作权法的保护，也仍然存在侵权认定的复杂性问题。人工智能在生成内容过程中可能“借鉴”了训练数据中的特定表达、元素甚至完整片段，导致生成内容与现有作品实质性相似，构成侵权。2024年，广州互联网法院审理的全球首例生成式人工智能服务侵犯著作权案中，法院判决开发者需为人工智能生成的侵权内容承担责任，初步划定了开发者在内容生成环节的责任边界，但并未完全解决人工智能生成内容的侵权认定难题。由于模型训练过程的黑箱特性，难以证明生成内容与特定训练数据之间的因果关系，侵权认定缺乏具有可操作性的统一标准。欧盟《人工智能法案》要求提供训练数据摘要，部分原因就是为了帮助权利人追溯作品利用痕迹，但这在实践中也面临巨大困难，特别是对于缺乏中心化管理且训练记录不完整的开源模型而言。

　　信息传播的真实性危机。生成式人工智能的信息生态信任危机愈演愈烈。当人工智能能够以毫秒级的速度生成逼真的图像、视频和文本时，人类社会正面临前所未有的认知安全挑战。Newsguard的报告显示，截至2025年8月，主流生成式人工智能处理新闻话题时，传播不实信息的比例已攀升至35%。即使通过引入网络搜索功能，能够解决信息滞后问题，也无法关闭不可靠信息源的闸门。因为生成式人工智能的语言模型基于“预测下一个最可能词语”的运作机制，本质上无法保证内容真实性。此类系统设计缺陷导致人工智能容易生成幻觉内容，即看似合理但实际错误的信息，让信息的可信度判断变得异常困难，对个人名誉和公共安全构成了严重威胁。2026年3月，全国首例AI幻觉侵权纠纷案被写入最高人民法院工作报告。同年6月，南京中院判定，AI编造的指向性贬损内容构成名誉侵权，AI幻觉的社会影响不断扩大。此外，AI换脸仿冒名人明星带货、利用AI深度伪造进行诈骗等新型违法手段也不断涌现，社会秩序的稳定性受到冲击。而当一则虚假信息被广泛传播后，难以追溯其最初的生成者和传播路径，平台方在其中扮演的角色和应承担的责任，也亟待法律进行明确。若平台游离于监管体系之外，将极大削弱虚假信息传播的治理效果。

　　

　　生成式人工智能治理的法治路径

　　规范数据训练，筑牢生成式人工智能产业发展根基。数据是驱动生成式人工智能发展的燃料，其来源与使用的合法性是整个产业可持续发展的生命线。作品是权利人的心血创作，必须通过法律手段予以有力保护，方能实现促进社会主义文化和科学事业的发展与繁荣之目的。但与此同时，应当考虑到，若要求开发者完全规避训练数据中的版权风险，将导致数据获取与清洗的成本剧增，不利于人工智能技术创新发展。现有研究关于数据训练豁免的观点，大多提议增设专门针对数据训练的合理使用条款，但我国著作权法修订频率较低，难以及时回应产业需求。从数据训练的过程来看，将外部数据引入到模型内容，涉及对权利人复制权的侵犯。豁免数据训练成本最低的路径就是，对复制权进行限缩解释。具体而言，著作权法所规制的复制行为应兼顾技术与经济的双重考量，技术元素的存在决定了某种特定行为属于复制行为，而经济元素的存在则决定了该复制行为受著作权法规制。数据训练过程的技术元素本身具有中立的性质，仅在模型内部进行，并不影响权利人原有的作品市场。据此，可以认定数据训练不构成侵权，不必大费周章修订合理使用条款。至于数据训练可能侵犯个人信息权的问题，应明确在无需取得个人单独同意的情况下，可使用已合法公开的个人信息进行训练，但必须采取严格的匿名化技术，确保信息无法被复原识别特定个人。

　　明晰内容性质，重构生成式人工智能的权责体系。作品体现的经济利益是市场关系中的市场价值，广大使用者对人工智能生成内容具有普遍性的利用需求，构成了著作权法保护的正当性基础。特殊之处在于，生成式人工智能的出现改变了传统的知识创作模式，呈现出人机协同的特征。人工智能生成内容的权利归属不应是全有或全无的二元选择，而是依据人类智力投入的独创性程度而变化的动态判断。因而，在司法实践中，应坚持和细化独创性认定标准，明确只有当用户在生成过程中实施了具有创造性选择的、实质性的智力活动，使得最终成果能体现使用者个性化的精神创作与审美判断时，才可认定构成作品。一般而言，在内容生成过程中，使用者仅起引导和决策作用，创作的数据来源被开发者所控制，二者对于人工智能生成内容的作用分属不同层次。据此，基于区分原则，可对生成内容的合法性权利与违法性责任进行分离配置。具体而言，权责配置应与控制能力相匹配：使用者的贡献在于创作意图的表达与审美决策，拥有直接的、即时的控制力，著作权应归属于使用者；而开发者主要在底层模型构建、基础数据提供等方面发挥作用，是侵权内容的直接责任人。但在特殊情况下，训练数据也可能来自使用者，如美杜莎案，此时则应将使用者认定为侵权责任人。需要指出的是，由于技术黑箱的存在，即使人工智能输出与原作品构成实质性相似的内容，也不能一般性地认定构成侵权行为，因为其完全可能是基于对其他数据的非表达性使用的结果。此时，应运用高度盖然性标准，当人工智能显著频繁输出实质性相似内容时，合理推定构成侵权。开发者能够提供证据证明其生成过程合法的，可推翻前述侵权推定。

　　强化平台责任，遏制虚假信息生成与传播。应对信息真实性危机，必须结合法律规制与技术手段强化平台责任，构建可信的数字内容生态。一方面，应全面落实生成内容的显式标识制度，并大力推广和应用内容溯源技术。我国《生成式人工智能服务管理暂行办法》已明确要求对生成式人工智能生成的内容进行显著标识，《人工智能生成合成内容标识办法》也旨在规范标识行为，防止公众混淆或误认，构成了提升内容透明度的制度基础。应加强对人工智能生成内容的监管，确保服务提供者严格执行。同时，由于显式标识仅能让公众识别内容为人工智能生成，为实现对虚假信息来源的追溯，还应强化以数字水印和内容凭证为代表的溯源技术应用，为数字内容附加防篡改的元数据标签，清晰记录来源和演变过程。另一方面，应明确开发者作为生成内容的守门人责任。开发者不仅是技术提供方，更是内容分发的重要渠道方，必须承担与其技术特性和社会影响相匹配的法定责任。在前端，生成式人工智能必须进行合理的算法设计，内置诱导虚假信息生成的预防机制。在后端，应要求开发者建立有效的虚假信息投诉和处理机制，及时修改内部算法，杜绝同类虚假信息的再次生成。在此基础上，对于利用生成式人工智能输出虚假信息进行传播的，应明确开发者的过错推定原则与连带责任。人工智能生成的虚假信息一旦传播，若开发者不能证明其已履行了前述规定的内容标识、算法预防、及时应对等义务，则应推定其存在过错，与虚假信息传播者承担连带责任。如此，方可将生成式人工智能的创造力约束在有益于社会发展的轨道上，守护数字时代的信息安全与信任基石。

　　（作者系广西壮族自治区人民检察院经济犯罪检察部副主任、广西知识产权法学研究会副会长。本文系第十四批广西壮族自治区人民检察院检察理论研究课题“涉人工智能犯罪法律适用问题研究”的阶段性成果。）

　　● 责任编辑：张怡静