数据经济之下生成式人工智能的知识产权风险及应对

内容提要
生成式人工智能作为运用AIGC技术形成的最先进成果，具有训练数据海量、跨模态、通用性、涌现性、泛化性、人机交互性等特征，其运行过程可大体划分为数据收集、模型训练和内容生成三个阶段，在不同阶段都可能引发一系列知识产权法律风险。
2024年以来至今，北京、广州、杭州等地互联网法院已集中审理了“奥特曼案”“美杜莎案”等一批具有里程碑意义的AI知识产权案件。对于企业而言，无论是作为AI技术的开发者、服务提供者，还是作为AI工具的使用者，都面临着日益严峻的知识产权合规挑战。
本文系统梳理了生成式人工智能在不同阶段的核心知识产权侵权法律风险，关注生成式AI服务提供者及用户的注意义务，并结合最新司法案例与监管动态，为企业提供切实可行的合规应对建议。
【关键词】生成式人工智能；知识产权；企业合规
PART.01 数据收集和模型训练阶段知识产权法律风险
生成式人工智能模型的训练，离不开海量数据的投喂。然而，训练数据的来源合法性，正构成人工智能（AI）企业在数据合规领域最严峻的现实挑战。
《生成式人工智能服务管理暂行办法》第七条明确规定，生成式人工智能服务提供者（以下简称“提供者”）在执行模型训练任务时，必须确保训练数据的来源合法，并严格禁止侵犯任何第三方依法享有的知识产权权益。
技术规范《生成式人工智能服务安全基本要求（TC260-003）》中的“5.2 语料内容安全要求”章节强调，提供者应特别关注并积极规避语料中的知识产权侵权隐患，避免采纳可能引发知识产权争议的材料。根据《著作权法》及《专利法》，提供者有义务彻底排查并消除训练数据中的著作权和专利权侵权风险。具体而言，除非完全依赖于公共领域内的数据资源，提供者在使用包含特定作品或专利信息的训练数据前，应当事先取得相应作品或专利权利持有人的许可，以确保操作的合规性与合法性。
（一）著作权及反不正当竞争
生成式人工智能可能存在侵犯著作权的风险。在数据收集阶段，对于尚处于著作权保护期内作品的大规模复制与整合，不仅可能触碰复制权的法律边界，还可能因数据的汇总方式涉及对原作品选择与排列的创造性劳动，而潜在地侵犯了汇编权。在模型训练阶段，对数据进行去重、纠错、分拆为细小的语言单元等操作，实质上涉及对作品内容的删减、重组及变形，这些行为极可能触及到修改权，威胁到作品的保护完整性，甚至可能不当行使了改编权、翻译权及再次汇编的权利。
上海首例涉AI大模型著作权侵权案“美杜莎案”（案号（2025）沪73民终1189号）中，平台用户李某擅自截取热门动漫《斗破苍穹》中美杜莎角色形象的图片20余张，制作成图包，随后利用平台提供的“训练LoRA”功能进行模型训练，生成了两款美杜莎LoRA模型并公开发布。其他用户使用该模型时，可生成与美杜莎形象相同或实质性相似的各类图片。
一审法院在判决中指出，李某以商业使用为目的，在素材截取、被诉模型训练、发布及使用等环节，再现了在先作品的独创性表达，并将美杜莎角色形象图片等素材通过网络向公众提供，构成对某文公司复制权及信息网络传播权的侵犯。在被诉模型文生图过程中，未见李某的实质性智力投入，因此，生成的图片不构成著作权法意义上的作品，李某不构成改编权侵权。上海知识产权法院经审理维持了一审判决。
除著作权侵权外，未经授权大规模抓取公开平台数据的行为，若实质性替代了原平台服务、破坏市场竞争秩序，或违背诚实信用原则利用他人数据资源，还可能被认定为不正当竞争。最高人民法院第262号指导性案例中，某文化公司未经许可，抓取搬运某科技公司数据集合中的大量用户信息、短视频和用户评论在其APP中使用，导致其APP与原告APP内容高度同质化，用户不使用原告APP也可观看相同内容。法院认定对于未经许可获取并向公众提供相关数据，实质性替代网络平台产品或者服务，扰乱市场竞争秩序的行为，构成不正当竞争。
（二）专利权
生成式人工智能可能存在侵犯专利权的风险。技术开发活动可能未经授权便使用他人专利作为研发辅助工具，进而引发专利侵权的法律问题。专利权本质是一种独占性权利，赋予专利持有者对其专利产品或专利工艺的“实施”享有专属控制权。针对产品专利，要求将产品整体投入使用，针对方法专利，要求实施所有公开的步骤。遵循专利权用尽原则，一旦专利产品通过合法途径在市场上被首次售出，其后对该产品的使用原则上不构成侵权。然而，该原则不延展至方法发明。这一法律界限的设定，意味着生成式人工智能在创制新发明或执行发明程序时，若未获得授权便使用他人的方法专利，可能产生专利侵权风险。
PART.02 内容生成阶段知识产权法律风险
（一）著作权、专利权侵权
人工智能的生成内容与输入数据之间的变化可归纳为四种类型：未作任何修改、修改但未达改编程度、修改等同于改编行为以及修改超越改编范畴。前三类情况分别对应着对复制权、修改权及改编权的潜在侵犯，而最后一种情况由于本质上的创新或转化性质，可能落入“合理使用”范畴，从而不构成侵权。因此，如果生成内容与某个已存在的、受版权保护的作品基本一致或者尚未超出改编范畴，则可能构成著作权侵权。
2024年2月广州互联网法院“全球AIGC平台侵权第一案”（案号（2024）粤0192民初113号）中，被告运营的Tab网站提供AI绘画功能，用户输入“生成奥特曼”等提示词后，网站即可生成与奥特曼形象实质性相似的图片。根据生成内容与输入数据之间关系的变化类型分析，用户输入指令后直接生成基本一致的奥特曼形象，属于“未作任何修改”的第一类情形，构成对原告复制权的侵犯；部分生成图片在保留奥特曼形象特征基础上叠加长发等元素，属于“修改等同于改编”的第三类情形，构成对改编权的侵犯。法院认定被告未经许可复制、改编了涉案美术作品，应承担侵权责任。该案是全球首例对AIGC平台著作权侵权作出认定的生效判决。
而专利法的核心在于保护具有新颖性、创造性和实用性的发明创造。如果使用AI生成的技术方案仅是对现有技术的微小调整或纯粹的文字游戏，而没有带来实质性的技术进步，那么这些专利申请可能并不满足专利授权的基本标准，这不仅可能导致专利质量的整体下降，还可能引发专利泡沫，增加行业创新成本。即使成功获得授权，这些专利也可能侵犯已有的基础专利或核心专利权。
（二）AI生成内容的可版权性与权利归属
AI生成的内容能否构成著作权法意义上的“作品”以及著作权归属于谁，这是所有使用AI工具进行创作的自然人及企业关心的重要问题。目前司法实践的核心判断基石是“人类的独创性智力投入”。
在江苏首例认定AIGC构成美术作品的（2024）苏0581民初6697号著作权侵权纠纷案中，林某通过“文生图”人工智能软件Midjourney进行图片设计，经多轮提示词调整及Photoshop手动修改，完成了美术作品《伴心》。二被告搭建了与《伴心》基本一致的水上气球艺术装置，并于小红书、微信等平台发布相关图片。
法院认为，最终完成的《伴心》图以城市、水面、建筑、爱心及水中倒影为主要元素，在场景、环境、色彩、光影、角度及其排列组合等方面，体现了作者独特的选择与安排，具有独创性，构成著作权法意义上的美术作品。但是，半个爱心本身不具有独创性，故原告享有著作权的作品应当限定为作品登记证书附件所载明的《伴心》平面美术作品，而非半个爱心的立体艺术装置。本案明确了利用AI工具进行创作的创作者在对作品具有创新性设计表达的前提下，对其作品拥有合法的著作权，一定程度上激发了创作者使用AI工具创作的积极性，为数字经济发展注入新的活力。
PART.03 生成式AI服务提供者及用户的注意义务
（一）生成式AI服务提供者的注意义务
《生成式人工智能服务管理暂行办法》第九条规定，提供者应当依法承担网络信息内容生产者责任，履行网络信息安全义务；第七条要求提供者“使用具有合法来源的数据和基础模型”，“涉及知识产权的，不得侵害他人依法享有的知识产权”。
在归责原则上，司法实践明确适用一般过错责任原则（《民法典》第一千一百六十五条第一款），而非产品责任的无过错责任。生成式人工智能服务依据《生成式人工智能服务管理暂行办法》属于“服务”范畴，而非产品质量法意义上的“产品”。杭州互联网法院在梁某诉某科技公司首例“AI幻觉”案中指出，生成式人工智能服务缺乏具体、特定的用途与合理可行的质检标准，服务提供者缺乏对生成信息内容足够的预见和控制能力，适用无过错责任原则将不当加重提供者责任、限制产业发展。
具体而言，服务提供者的注意义务包括提示说明义务、严格审查义务、安全评估与算法备案义务等，可分为技术层面和非技术层面的义务。
在技术层面，服务提供者应履行内容准确性提示义务，充分告知用户AI生成内容可能存在的错误或不准确风险，尤其在医疗、法律、金融等专业领域应作出更为显著的专项提示；须对生成内容进行显著标识，使公众能够清晰区分AI生成内容与真实信息；还应建立覆盖输入端与输出端的内容安全管理机制，通过关键词过滤、合规性审查等技术手段，防止生成违法和有害信息。
在非技术层面，服务提供者的注意义务侧重于数据治理与合规管理。应保障训练数据质量，制定数据标注规则并开展质量评估，对用户信息采取加密与访问控制等保护措施；同时防范训练数据输入端的侵权风险与生成内容输出端的著作权争议，并建立相应的投诉处理机制。通过用户协议明确双方权利义务，确保用户在充分知情的基础上作出选择；建立便捷有效的投诉举报和反馈机制，及时处理权利人的侵权通知；发现违法内容时及时采取停止生成、停止传输、消除等处置措施并履行报告义务。
（二）生成式AI用户的注意义务
生成式人工智能服务的使用者同样负有一系列法定义务。首先，用户作为内容的最终发布者，对AI生成内容负有必要的核实义务，不能以“内容由AI生成”为由主张免除自身的审查责任。其次，用户不得利用AI工具实施知识产权相关侵权行为。此外，用户对外发布AI生成内容时，应依法履行内容标识义务，注明内容的AI生成属性。最后，用户应遵守与平台签订的服务协议，不得利用服务从事违法违规活动或输入侵权、违法信息。
PART.04 企业合规应对建议
面对日益收紧的监管态势和日益清晰的司法裁判规则，企业应构建覆盖生成式人工智能全生命周期的知识产权合规体系，从事前防范、事中控制到事后应对形成完整闭环。
在数据与模型管理层面，企业应将知识产权合规嵌入训练数据的全流程管理。 首先，应建立严格的训练数据来源审查机制，对拟用于模型训练的数据进行全面溯源与权利清查，优先采用经过授权确认的数据集或公共领域数据资源，对于通过商业交易获取的数据，应要求出售方提供数据合法合规安全承诺和来源合法证明。其次，对第三方模型与用户上传的LoRA等训练包，应进行版权安全审查，严禁使用定向复刻知名IP或影视角色的违规模组。在数据预处理阶段，应对训练数据进行彻底的清洗与去标识化处理，从源头阻断侵权与隐私泄露风险。此外，企业还应关注《生成式人工智能知识产权指南》（T/CECC 42-2025），该标准构建了涵盖著作权、专利、标识、商业秘密等领域的风险管理框架，企业可据此系统梳理数据合规、专利保护及商业秘密管理的关键环节，从源头上防范侵权风险。
在内容生成与应用层面，企业需强化“人类智力投入”的过程留痕与输出端的风险过滤。 一方面，企业在使用AI工具进行内部创作时，应建立标准化的创作资产库，完整归档提示词设计、参数调整记录、多轮迭代过程及人工修改记录，为未来可能的著作权确权留存原生证据。同时，应规范提示词的使用，避免直接输入受保护的IP词汇或知名角色名称。另一方面，企业应在模型输出端建立“版权雷达”与内容安全体系，引入自动化检测与人工复审相结合的机制，及时拦截涉嫌与他人作品构成实质性相似的侵权内容。
在制度建设与人员管理层面，企业应将知识产权合规纳入日常风控体系。通过完善用户协议、制定内部AI使用规范，明确员工在使用AI工具时的保密义务与合规红线，防止商业秘密外泄。对于核心算法参数、训练方法及标注数据库等核心技术资产，应采取分级访问控制，签订保密协议与竞业限制协议，建立离职交接审计机制等商业秘密保护措施。
结语
生成式人工智能正在深刻重塑内容生产与知识创造的底层逻辑，但其技术红利不应以牺牲知识产权保护为代价。从训练数据的来源合规，到生成内容的权属界定与侵权防范，再到服务提供者与用户的注意义务，每一个环节都蕴含着不容忽视的法律风险。
当前，司法实践已通过“奥特曼案”“美杜莎案”“伴心案”等一系列标杆性判决，逐步勾勒出AI知识产权治理的基本轮廓。监管层面，《生成式人工智能服务管理暂行办法》及《生成式人工智能知识产权指南》等规范文件亦为企业提供了系统性的合规指引。
面对技术迭代与规则演进的双重变奏，企业唯有将知识产权合规嵌入研发、训练、部署、运营的全生命周期，在技术创新与法律遵循之间找到动态平衡，方能在这场智能变革中行稳致远。