AIGC服务提供者版权侵权风险与治理

　　咸晨旭

　　生成式人工智能（AIGC）技术在文本创作、图像绘制、视频生成等领域的广泛应用，在提升创作效率、拓展表达边界、促进作品传播利用等方面发挥了积极作用，但也伴生出一系列亟待回应的版权侵权问题。其中，生成式人工智能服务提供者深入介入语料获取、内容生成与分发运营的全过程，成为版权侵权风险治理的关键主体。

　　版权风险贯穿全链条

　　生成式人工智能服务提供者面临的版权侵权风险并非孤立地存在于单一环节，而是贯穿其提供服务的全链条，并随着其行为介入程度的加深而逐级加重。

　　在数据训练阶段面临语料聚合的合法性风险。生成式人工智能的模型训练需要收集和处理海量的文本、图片、音频、视频等语料，这些语料可能来源于公开数据、网络爬取数据、开源数据或用户上传数据。不论是何种渠道获取的数据，若存在他人享有版权的内容，未经权利人许可的复制、存储、转码等行为，都可能侵犯权利人复制权、改编权等权能。尽管有观点认为，生成式人工智能数据训练的数据处理行为仅为对作品内容的“非作品性使用”，属于合理使用范畴，故并不构成版权侵权，但从数据训练的本质来看，生成式人工智能利用作品实际上是对作品价值的深层次挖掘，无法脱离对作品的表达性使用，难以通过三步检验法的检验。

　　在内容生成阶段存在表达复现的相似性风险。生成式人工智能服务提供者在生成阶段的运行样态表现为：提供经训练的算法模型，在用户提示词的触发下，通过引入随机性的采样与组合策略，最终输出生成内容。生成内容可能与既有作品在表达层面实质性相似，表现为片段复现、内容模仿、拼接重组等。此类相似一旦发生，无论是因用户输入诱导性侵权提示而服务提供者未设置有效拦截，还是基于生成式人工智能过度拟合、数据反刍等数据记忆影响下的偶然相似，生成式人工智能服务提供者都有可能承担直接或间接的版权侵权责任。与此同时，模型运行的“黑箱”属性使训练数据构成、参数调用路径与生成内容的因果关系无从还原，生成式人工智能服务提供者既无法事前预知输出是否侵权，也难以事后证明自身已尽合理注意义务。

　　在分发运营阶段面临侵权内容传播的扩大性风险。生成内容进入传播环节后，侵权损害即由单次、偶发转为规模化、持续化。生成式人工智能服务提供者对生成内容传播的影响主要存在两种情形：其一，通过算法推荐、榜单排序、话题运营、流量扶持等方式主动介入分发，直接控制内容的传播速度与触达范围；其二，用户公开生成内容后，服务提供者并未主动扩大其传播范围，但在权利人发出有效通知后，平台未在合理期限内采取删除、屏蔽、断开链接等必要措施，致使侵权内容继续供公众获取。就侵害形态而言，这两种情况均会落入信息网络传播权的规制范围，生成式人工智能服务提供者亦因实质促成损害扩大而分别构成直接侵权与帮助侵权。

　　同类案件裁判尺度不一

　　前述风险虽已清晰呈现，但如何对其作出具有明确指引功能的法律评价仍面临障碍。现有规则在主体定性、义务配置与义务履行上均缺乏统一标准，导致同类案件裁判尺度不一，治理实效因此受限。

　　首先，生成式人工智能服务提供者的法律地位界定不明。传统侵权理论以是否直接组织、编排和推送内容为标准，将服务提供者二分为内容提供者与技术服务提供者。但在生成式人工智能场景下该标准趋于失灵：一方面，生成内容并非用户直接输入，而是在服务提供者设定的算法架构与参数下生成的新表达，服务提供者对内容形成具有实质主导作用，无法将其简单归入技术服务提供者；另一方面，生成内容由模型依概率产出，并非服务提供者意志的直接表达，其亦无从提前预知生成内容，无法被归入传统的内容提供者。

　　其次，生成式人工智能服务提供者差异化注意义务尚未形成。现行法律规范虽然对生成式人工智能服务提供者施加了训练数据合规、内容标识、建立投诉举报机制等多重义务，但这些义务主要来源于《生成式人工智能服务管理暂行办法》等公法规范。公法义务服务于维护信息安全、公共秩序等监管目标，与服务于版权保护的私法注意义务在规范目的上并不一致，故并不当然等同于著作权法上的注意义务。当前注意义务来源的混杂与转化依据的缺失，使司法实践对注意义务内容的择取不一，差异化的注意义务体系无从建立。

　　再次，生成式人工智能服务提供者履行注意义务的判断标准不统一。即使可以明确注意义务的内容，如何判断生成式人工智能服务提供者是否履行了注意义务，进而认定过错，实践中仍缺乏统一尺度。在具体案件中判断注意义务的履行情况，须先明确义务性质，再审查具体事项，而这两点目前均未形成共识。就义务性质而言，服务提供者所负的义务中，哪些属于方式性义务、哪些属于结果性义务，现有认识并不一致。两种类型的义务对应不同的履行标准。就审查事项而言，个案审查同样存在差异，依据不同的考察要点，相似的合规投入在不同案件中可能得到相反评价。

　　构建多维治理体系

　　前述版权侵权风险沿服务链展开，治理障碍集中体现为定性、定量与判断三重难题。对此，宜从规则供给、裁判统一、平台自治与生态协同四个维度协同发力构建多维治理体系。

　　规则供给层面，构建数据训练使用作品的付酬机制。模型数据训练使用作品无法脱离表达性使用，不能落入合理使用的封闭式列举，而将海量训练性使用一概认定为侵权又与技术发展现实相悖，因此，立法需构建可操作的数据训练使用作品付酬机制。可采取自愿授权为主、法定许可为辅的双轨路径。自愿授权由服务提供者与权利人协商，或通过著作权集体管理组织集中取得授权；法定许可作为兜底，确保权利人即便未进行授权仍能获得实际报酬。同时，还应尊重权利人拒绝其作品用于训练的权利，允许其以机器可读方式作出保留声明，避免以技术便利架空权利人的选择空间。

　　裁判统一层面，形成可重复适用的归责框架。主体定性上，不宜以内容提供者或技术服务提供者的标签简单归类，而应结合服务提供者对生成过程的介入深度、对输出内容的控制能力以及从传播中的获益方式综合判断。义务来源上，应明确公法义务并不当然构成著作权法上的注意义务，只有以保护著作权为目的，且权利人落入其保护范围的义务规范，其违反才可作为过错认定的依据。就义务履行而言，应以方式性义务为原则，结果性义务为例外。除法律明确规定须达成特定结果者外，服务提供者只要采取了与其技术能力、行业水平相适应的合理措施，即应认定已尽义务。同时应建立统一的审查要素标准，明确事前预防、事中干预与事后处置各类措施在考察中的顺序与权重，避免同类案件裁判尺度不一。

　　平台自治层面，将合规要求嵌入服务运行的关键节点。在数据训练端，建立语料来源审查与清洗机制，对明显侵权内容予以过滤；在内容生成端，对具有明显侵权指向的提示词与高频触发点设置拦截或预警，同时在交互界面就生成内容的使用风险作出必要提示；在分发运营端，落实生成内容标识要求，建立投诉受理与快速处置通道。对于经由算法推荐、榜单排序等方式主动分发的内容，配置强度更高的审核措施。

　　生态协同层面，形成标准、组织与平台相结合的支撑体系。服务提供者注意义务履行的判断往往需要以现有技术水平为参照，应重点推进训练数据合规、生成内容检测等方面的标准供给，为现有技术水平的判断提供依据。同时，应强化著作权集体管理组织功能，借助集中授权机制降低海量作品的授权成本，并使作品来源与使用情况可查可溯。推动建立公开、可查询的版权信息登记与使用声明平台，由权利人自愿登记作品并声明是否允许用于训练及付酬条件，以降低服务提供者的检索与授权难度。

　　综上，生成式人工智能服务提供者的版权侵权风险贯穿数据训练、内容生成与分发运营全过程，其治理无法依靠单一环节的规制或单一主体的努力完成。唯有在规则供给、裁判统一、平台自治与生态协同四个层面形成合力，在版权保护与产业发展之间寻求动态平衡，才能构建适配人工智能时代的版权治理体系。（作者单位：郑州大学）

（编辑：刘珊 实习编辑：蔡友良）