小度研究 ‖ AIGC冲击传统著作权：“人类作者”原则的动摇与未来

随着深度学习、自然语言处理等人工智能技术的突破，人工智能生成内容（Artificial Intelligence Generated Content, 以下简称AIGC）迎来了爆发式发展，展现出强大的内容生成能力。从文本、图像、音乐到视频、代码，AIGC几乎可以生成任何形式的数字内容，极大地拓展了内容创作的边界，提升了创作效率。AIGC是指基于生成式人工智能（Generative Artificial Intelligence, 以下简称GenAI）技术生成的具体内容形式，包括图像、文本、音频等[2][3]。例如，Stable Diffusion和DALL-E通过GenAI生成高质量图像，ChatGPT和Qwen等大型语言模型（LLMs）则输出连贯文本。这些技术在图像生成领域的艺术性与多样性，都已达到令人瞩目的水平[1]。

然而，AIGC的快速发展对根植于“人类作者”理念的传统著作权制度提出了深刻挑战。传统著作权法以“人类作者”为基石，强调“作者”作为自然人通过智力劳动产生的独创性表达[7]，旨在保护源于人类智力活动的创意与表达。但AIGC生成作品的过程却依赖GenAI的算法和数据训练，人类仅通过提示词（Prompts）或后期编辑间接参与。这种“人机协作”模式模糊了作者身份的界定，挑战了“独创性”（Originality）和“表达”（Expression）的传统定义[8]。这种模式模糊了传统意义上作者身份的界定，直接冲击并动摇了著作权法中关于“作者”身份的核心认定标准，使得AIGC作品的著作权归属——究竟是用户、开发者、还是AI本身——成为一个亟待解决的全球性法律难题[12] [13]。预示着著作权制度可能的未来变革。这不仅是著作权法层面的问题，也需要我们借鉴更广泛的数据权益理论来理解其复杂性。

理解GenAI如何生成内容，是分析其著作权问题的基础。GenAI的核心在于基于海量数据训练的深度学习模型，尤其是生成模型（Generative Models），例如生成对抗网络（GANs）、变分自编码器（VAEs）以及当前流行的Transformer架构和大模型（如LLMs）[5][6]。这些模型通过在海量数据上进行训练，学习数据的内在分布和复杂模式，从而能够生成与训练数据具有相似特征但又不完全相同的新内容。

以文生图（Text-to-Image）模型为例，其生成过程通常遵循以下工作流程：

此过程涉及复杂的算法运算和多层次的参数调整，人类的创造性控制主要体现在提示词设计与后处理。最终输出的图像是算法概率性生成的结果，其输出可能在一定程度上是对已有作品的“模仿”或“重组”，但缺乏人类的主观意图、情感体验和独立思考，这使得判断其是否具有“独立创作”的属性变得困难[8][9][10]。这种由算法主导、人类间接参与的生成过程，从根本上削弱了传统著作权法下作品与单一、可识别的人类作者之间的直接联系。

为了更清晰地展现AIGC生成作品与人类创作作品在过程和属性上的差异，以及AIGC产品在不同阶段的主导性与人类使用者的主导性，引入以下表格进行对比分析：

传统的著作权法律体系以“思想与表达二分法”（Idea-Expression Dichotomy）为基础，仅保护具体表达而非抽象思想[7]。传统著作权法通常理解为作品必须是“作者独立创作完成”，体现了作者的“个性化表达”和“智力创造”。这种“原创性”与人类的智力劳动和情感投入紧密相连，是作品获得著作权保护的核心要件。《伯尔尼公约》第2条将“作品”定义为“文学和艺术领域内具有独创性的智力创作”，隐含作者为自然人的假设[14]。《中华人民共和国著作权法》第三条列举的作品类型，如文字作品、美术作品、音乐作品等，均暗示了作品的“原创性”和“人类智力成果”属性[15]。虽然法律条文未明确定义“原创性”，但在司法实践和学界理论中，“原创性”一直被理解为源于人类作者的独立创作。然而，AIGC作品的生成涉及多方主体：

• 数据提供者：提供训练数据的原始版权人。

• GenAI开发者：设计模型并决定算法逻辑。

• AIGC用户：输入提示词并对输出进行编辑。

   

• 训练数据的贡献： 模型的生成能力在很大程度上取决于训练数据的规模和质量。这些数据本身可能受著作权保护。

• 算法模型的贡献： GenAI模型的架构设计和参数优化凝聚了开发者巨大的智力投入。算法的创新性对于生成内容的风格和质量至关重要。

• 用户提示词的贡献： 用户通过提示词引导AIGC生成特定内容，提示词的设计体现了用户的构思和创意。

• 模型自主生成的贡献： 模型在生成过程中，基于学习到的复杂模式进行自主组合和生成，其具体的表达形式并非完全由提示词唯一决定。

在这种多重因素交织的情况下，如何认定AIGC作品的“独创性”以及这种独创性应归属于哪个环节或主体，成为了一个悬而未决的问题。如果强调“人类独创”，那么高度依赖算法自主生成的AIGC作品可能被认为缺乏独创性而无法获得著作权保护。如果承认算法在生成过程中的作用，则需要重新思考“独创性”的内涵，使其不仅限于人类智力成果[16][17]。

《中华人民共和国著作权法》第十一条明确规定，“创作作品的自然人是作者”[15]。这一规定与《伯尔尼公约》的精神相符，将作者身份限定为自然人。然而，在AIGC领域，“作者”的身份变得模糊和具有争议性：

• 用户作为作者？ 用户输入提示词并进行后期编辑，在此过程中投入了智力劳动和创造性选择. 但如果用户的贡献仅限于简单的指令，是否足以构成著作权法意义上的创作？不同程度的提示词复杂性和后编辑程度，是否会导致不同的著作权归属结果？  

• AI开发者作为作者？ 开发者创造了具有生成能力的AI工具，其在模型设计和训练上的投入是作品生成的技术基础。但开发者通常无法预测模型会生成哪些具体内容，其贡献更多体现在工具的创造而非具体作品的生成。  

• AIGC系统作为作者？ 随着AIGC系统自主性和智能程度的提高，有观点认为AI本身在生成过程中展现出一定的“创造性”. 然而，赋予非自然人主体以作者身份，将彻底颠覆现有的著作权法律体系，面临巨大的理论和实践障碍。目前的法律体系难以支持将AI视为作者。[18][19]

辩证视角下，AIGC既是创作工具，又具一定自主性，这使其与人类创作的直接联系被削弱。这种“工具-创作者”双重属性要求法律重新定义“作者”与“作品”的关系。目前，面对“人类作者”原则受到的冲击，不同法域展现了不同的应对策略和司法探索，这在对比中美两国的实践时尤为明显，也揭示了未来可能的不同发展路径。

在Thaler v. Perlmutter一案中，美国哥伦比亚特区地方法院裁定人类作者身份是有效版权主张的重要组成部分，驳回了将AI系统列为作者的申请，其理由如下[20]：

• 美国宪法的版权条款旨在激励创作独特且原创的作者作品。与人类作者不同，非人类行为者无需任何经济激励即可进行创作。因此，“版权并非旨在触及”人工智能系统。

• 1909 年《版权法》规定只有“人”才能“获得作品的版权”。法院发现，1976 年《版权法》的立法历史中没有任何迹象表明国会试图将作者身份的概念扩展到非人类行为者。相反，国会报告指出，国会试图“不加改变地”纳入“原创作者作品”标准。

• 判例法“始终如一地承认”人类作者身份的要求。 1884 年，美国最高法院在Burrow-Giles Lithographic Co. 诉 Sarony案中做出判决，裁定涉及照片的《版权法》修正案符合宪法，认为人类创作者（而非相机）“构思并设计了图像，然后使用相机捕捉图像”，这一点至关重要[21]。

美国当前立场明确且相对保守，即AI本身不能成为作者，AIGC作品的可版权性完全取决于人类在创作过程中的实质性、创造性贡献。如想获得保护的关键在于人类作者是否有超越简单指令（如提示词）的实质性、创造性控制和干预。用户必须证明其对AI生成内容的“选材、编排或修改”达到了原创性标准。用户的提示词可能被视为不受保护的“思想”，而AI生成的“表达”若缺乏足够的人类创造性干预，则同样不受保护，AI在此过程中主要被视为工具，正如Théâtre D’opéra Spatial 案因未能证明人类作者对AI生成内容的充分创造性贡献和区分度，而被拒绝注册。缺乏足够人类创造性投入的AIGC作品，很可能落入公共领域[19][20][23]。

北京互联网法院“AI绘画第一案”是中国首例明确判定“文生图”构成作品并将著作权判归用户的案例[22]。原告李某某使用Stable Diffusion模型生成图片，被告刘某某未经许可使用该图片。法院认为：

• 原告在提示词（Prompts）的设计、参数的设置、最终图片的筛选过程中，付出了实质性的智力投入，体现了其个性化的审美选择和安排。

• 涉案图片具备“独创性”和“人类智力成果”的属性，构成美术作品。

• 原告是该作品的作者，享有著作权。

张家港法院/苏州中院“AI文生图不构成作品案”是近期备受关注的判例之一。原告丰某主张其使用Midjourney生成的“幻之翼透明艺术椅”系列图片被侵权[23]。张家港法院一审判决的核心观点是：

• “对于主要由人工智能绘图软件自动生成的内容，不应当认定构成作品”。

• 法院认为，原告未能充分证明其在创作过程中付出了足够的、体现独创性的智力投入（被告亦抗辩原告缺乏原始记录证明创作过程，且AI生成具有随机性），因此驳回了原告的诉讼请求。

• 此案对用户通过AI工具生成内容的“作品”属性提出了更高的证明要求，并强调了AI“自动生成”的特性可能阻碍作品认定。

中国当前的司法实践显示出一种更具实用主义的态度。如果用户的输入、选择和调整足以体现其独特的智力成果和个性化表达，那么生成的AIGC作品可以被认定为作品，且用户可以被认定为作者并享有著作权。AI在此过程中仍被视为工具，但其使用方式足以影响著作权的产生和归属。这种分歧凸显了在中国法律框架下，AIGC作品的版权地位远未尘埃落定，用户智力投入的程度、性质以及证据成为个案判决的关键。

中美的这些案例反映出，虽然法律普遍不承认AI的作者身份，但在AIGC作品的权利归属问题上，不同法域和具体案例中存在差异和演变，尤其关注人类用户在创作过程中的贡献程度。

在传统的著作权法规定了侵权行为的认定标准和责任分配，确保权利人的合法权益得到保护，但并未明确AI是否可以成为“作者”，这导致在法律实践中对AI生成内容的保护存在不确定性。AIGC与著作权法的核心矛盾在于：

1. 独创性来源的分散性：传统法律将独创性归于单一人类作者，而AIGC的独创性分布于数据、GenAI算法与用户之间。
2. 思想与表达的界限模糊：提示词作为“思想”引导AIGC生成“表达”，但生成过程由GenAI控制，二者区分困难。
3. 创造性控制的归属争议：人类仅提供间接指令，GenAI的生成能力是否构成“创作”尚无定论。

然而，传统物权法理论（如物债二分、物必有体、物权排他）主要适用于有形财产，难以有效解释数据和AIGC作品这类无形、非排他性、可无限复制的数字资产。简单地将AIGC作品套用“所有权”模式，试图寻找唯一的“所有者”（作者），可能无法全面反映其价值来源和利益相关方[26][27]。

AIGC的生成涉及多个参与方，如提供训练数据的原始权利人、AI模型开发者（算法知识产权人）、输入提示词并进行筛选编辑的用户、AI平台运营者等。各方可能对AIGC作品主张不同的权益，例如用户可能主张基于其智力投入的创作性权利（著作权），开发者可能主张基于算法和模型的权利，平台可能依据服务协议主张许可权或所有权，训练数据提供者可能涉及对其原始数据的权利。与数据类似，AIGC作品的价值很大程度上体现在利用和传播中。“权利束”理论强调利用（use-by-use）而非绝对归属，更能适应数字内容共享、合作、再创作的特点[27][28]。

从数据财产权（或更广泛的数据权益、数字财产）视角，AIGC著作权问题并非简单的“是”或“否”的问题，而是关于如何在一束复杂的权利主张中，根据人类的实质性智力贡献和法律政策目标（激励创新、促进利用、保护公共利益），来界定特定权利（如著作权）的归属和范围。在当AIGC内容不构成“作品”时，其作为一种投入了智力、时间、计算资源形成的数据产品或无形财产，其开发者或使用者的合法投入和预期利益，仍然需要法律的保护，防止他人不劳而获或进行不正当竞争[28][29]。

• 制定使用政策： 明确允许使用的AIGC工具范围、使用目的、生成内容的知识产权归属原则以及禁止使用的场景（如生成侵权内容、涉及商业秘密的内容等）。

• 加强员工培训： 对员工进行AIGC著作权及合规风险培训，提高其风险意识和法律素养。

• 建立内容审查机制： 对使用AIGC生成的重要内容（特别是对外发布或商业用途的内容）进行内部审查，评估潜在的著作权以及不正当竞争风险。

• 留存使用记录： 记录AIGC工具的使用过程，包括输入的提示词、生成的结果、后期修改情况等，以便在出现争议时追溯和举证。

• 区分生成模式： 根据是“辅助创作”（AIGC作为工具）还是“独立生成”（高度依赖AIGC自主性），适用不同的权属认定规则。对于辅助创作，强调企业作为人类创作者的主导地位；对于独立生成，审慎评估其可版权性及潜在风险[26][27]。

• 与AIGC平台服务协议： 仔细审查使用的AIGC平台的服务协议，特别是关于生成内容知识产权条款的约定。了解平台是否声明拥有部分权利，或者对内容的商业使用是否有特殊限制[27][28]。

• 考虑新型许可模式： 对于企业不主张全部著作权或希望广泛传播的AIGC内容，可以考虑采用开放许可协议。

• 输入内容的合规性： 避免使用受著作权保护的材料作为AIGC的输入数据或提示词，除非企业拥有合法授权。

• 输出内容的审查： 即使是AIGC生成的内容，也可能存在与现有作品构成实质性相似而导致侵权的风险。应对关键的生成内容进行查重或比对。

• 第三方权利风险： AIGC生成内容可能侵犯他人的肖像权、隐私权或其他合法权益，企业应对生成内容进行全面审查。

GenAI技术的蓬勃发展深刻冲击了现行著作权制度，动摇了其核心的“人类作者”原则，引发了关于作品‘独创性’认定和‘作者’身份归属的广泛争议与未来走向的不确定性。传统法律框架在面对算法生成内容时，简单的“是”或“否”无法解决问题，我们需要在激励创新、保护投入、促进传播和维护公共利益之间寻求精妙的平衡[29]。正如法律秩序旨在限制绝对自由以保障有效自由[30]。正如约翰·密尔在《论自由》中强调个人自由的重要性一样，在AIGC著作权规则的制定和完善中，既要保障创作者（包括利用AI工具的人类创作者）的基本权益，也不能过度限制技术发展和知识共享[31]。未来的法律演进，需要在深刻理解技术逻辑的基础上，以务实的态度和前瞻的视野，不断探索适应数字时代需求的解决方案，最终塑造一个既能激励创造力又能促进技术健康发展的著作权未来。

本文作者：

卢叶婷

luyeting@shalldolaw.com

卢叶婷，曾任大模型公司法务经理，从事于互联网、人工智能等科技领域的法律服务，方向在公司治理、争议解决、投融资。拥有理工科和法律复合背景，具备技术与法律的敏感度，致力于帮助企业在AI时代长远发展。