平衡与留白：最高院涉人工智能纠纷案件新规解读

前 言
2026年9月7日，最高人民法院正式发布《关于依法审理人工智能纠纷案件的意见》（法发〔2026〕10号，以下简称《意见》）。《意见》共5个部分24条，涵盖侵权责任、知识产权、程序规则、审判机制等多个领域。《意见》作为最高审判机关的司法指导文件，并非创设新的实体权利义务，而是对既有法律规范在人工智能场景下的适用作出系统化的裁判指引。《意见》发布后，引发了各界热烈讨论。如何准确把握的《意见》核心规则，及时调整企业合规策略，成为当前人工智能企业及相关市场主体的重要课题。鉴于篇幅所限，本文拟从《意见》核心条款出发，结合团队近几年办理个人信息保护、人工智能相关案件的体会，对几个重点问题进行初步解读。
一 明确人工智能案件的归责原则和举证责任：保护创新和打破黑箱同等重要
（一）明确归责原则
近几年，关于人工智能产品或服务侵权应当采取何种归责原则有很大争议。鉴于人工智能模型的黑箱特性，被侵权方在举证上存在较高障碍，因此有观点认为应当适用“无过错责任”或者“过错推定”。但是，《意见》起草小组在理解与适用中明确指出，基于人工智能的应用场景广泛，案件类型多样，个案情形比较复杂，不宜统一适用过错责任或无过错责任。《意见》明确，除了法律有明确规定适用无过错责任或者过错推定责任的，一般情况下适用过错责任。这是司法机关为了促进和鼓励现阶段人工智能产业发展而作出的合理选择，可以减轻创新者的负担，不使其动辄得咎。
具体到不同的人工智能主体，对于生成式人工智能而言，因为大模型和人类交互的方式主要是信息提供，一般不会直接危害人类的人身安全或财产安全，因此一般的侵权场景适用过错责任原则，如果生成式人工智能作为个人信息处理者侵害个人信息造成损害的，则适用《个人信息保护法》下的过错推定责任。这样的归责原则可以实现保护创新和打破人工智能模型黑箱的平衡：在普通的侵权案件中，对生成式人工智能产品或服务的提供方要求不会过高，影响行业发展；在个人信息处理场景下，人工智能企业作为个人信息处理者，在技术、资金、信息上均处于强势地位，由个人信息处理者证明自己已尽到个人信息保护合规义务、合理审慎的安全保障注意义务或者证明不存在因果关系或存在免责事由，符合证据距离规则，能平衡双方在个案中的诉讼地位。更重要的是，对于人工智能企业作为大规模个人信息处理者而言，因为举证责任倒置，可推动其提升个人信息合规管理水平，优化对用户个人信息采取的安全保障措施。对于个人信息处理者如何在个人信息侵权争议中通过举证实现“尽职免责”的法律效果，在此前天册律师代理的个保法施行后全国首例平台尽职免责胜诉案中法院确立的裁判要旨可咨参考。
对于具身智能和搭载智能驾驶系统的车辆而言，在归责原则上与生成式人工智能不同，因为具身智能和车辆虽然搭载的大脑是人工智能，但是智能体通过物理实体与真实环境进行实时交互，实现认知、决策和行动全过程，会对人身、财产安全造成现实的威胁。因此依据我国《民法典》侵权责任编的规定，具身智能产品存在缺陷造成损害的，生产者、销售者依法应当承担产品责任，产品责任的归责原则是无过错责任。在具身智能和智能驾驶车辆的场景下，适用无过错责任能有效降低被侵权人的举证难度，同时倒逼企业提升产品安全性。需要说明的是，不管是具身智能还是智能驾驶企业，同样需要处理大量的个人信息，在发生个人信息相关的侵权事件时，则并非产品责任，而是其作为个人信息处理者的角色应当承担的责任，此种场景下，仍然需要适用《个人信息保护法》下的过错推定，而非无过错责任。
（二）过错判断标准更清晰
司法实践中，即使归责原则明确，仍有个问题难以回避，被侵权人难以证明人工智能开发者有过错，因为算法不透明、技术壁垒高，导致要么维权落空，要么裁判失之主观。因此，该份《意见》同时规定了过错判断标准和举证相关条款，便于法院核查事实，避免黑箱问题导致事实查明困难。
第一是对人工智能开发者、使用者的过错判定形成了判断清单（第三条），在判断是否是否存在过错以及过错大小上，要充分考量人工智能应用的具体场景、自主化程度、技术与信息透明度、潜在风险及影响范围，相关主体已经采取的措施、技术可能性和使用者的预见与控制能力。该条款实际上是对过错考量因素进行了清单化的梳理，便于法院在案件审理的过程中有相应的参考标准，也便于市场主体在判断自己产品是否合规时有个基本的参考原则。需要说明的是，本意见也规定了“通知—必要措施”规则机制（第七条），但是结合《意见》相关条款的内容，可以看到该条款把人工智能产品收到合格通知但未采取措施视为过错的一种，即使人工智能开发方做到了通知-删除，但是存在其他过错情形，同样也要承担责任。
第二是形成了举证责任和证据审查规则（第十七条、第十八条）。举证责任上，对于当事人因客观原因不能自行收集证据的，可申请法院调查收集，必要时法院可依职权调查收集；其次是明确控制书证、电子数据的当事人无正当理由拒不提交，对方主张该证据内容不利于控制人的，法院可以认定该主张成立。第十八条对不同类型证据还明确了差异化审查重点，更具有可执行性和落地性。
二 人格权益保护成为重点：明确保护边界和侵权标准
目前出现了很多把人工智能产品或服务当成生产工具使用的行业，如媒体、广告、电商、MCN、游戏等。利用AI换脸等深度合成技术，违法处理自然人或者死者的姓名、肖像、声音等人格要素的现象非常普遍。自然人的人格要素在保护上会有竞合的情况，比如自然人的照片属于肖像权规制范围，同时又属于个人信息。本次意见明确的对上述场景予以回应，重申了人格权利的使用和保护边界。
首先是训练端的使用，对于大模型而言，能否使用自然人的姓名、肖像、声音、隐私进行训练是非常重要的，但是现实中，使用和训练行为很难获取到所有权利主体的明确授权。《意见》第四条明确，为了模型训练，在合理范围内处理个人自行公开的或者其他已经合法公开的个人信息，个人未明确拒绝的，一般不认为是侵权行为。这里有几个关键词，模型训练、合理范围和自行/合法公开，在这几个前提下，是允许大模型对个人信息进行训练的。关于自然人的声音能否被训练的问题，我们理解，公开的自然人的声音也属于个人信息的范畴，根据该条规定，在自然人未明确拒绝的情况下可以作为训练语料。
其次是输出端/生成端如何认定是否构成侵权的问题，《意见》给出了一个非常重要的判断标准， 即“可识别特定自然人”标准。《意见》第四条共出现了三次“可识别”和两次“特定（自然人）”。无论是利用AI技术来换脸拟声，复活逝者，形成虚拟数字人， 还是合成声音，最终是要公开使用才会被看到和听到。在这种情况下，生成可识别特定自然人的虚拟数字形象并使用、公开，或者生成能够识别特定自然人的合成人声进行使用，显然构成侵权，该条中的逝者权利也是同样的判断标准，即要能识别出特定的逝者。这一点在司法实践中可以看到，不同的自然人起诉声音合成产品的开发者，利用自然人声音进行训练最后生成相应的产品，有因声音的辨识度较高最终维权成功的案例，也有因声音辨识度较低最后法院判决证据缺失从而驳回诉讼请求的案例。
该条在司法实践中可能会出现的难点是，“可识别”的标准，即生成的虚拟人、声音等，特点要明显到何种程度才能被认定为是可识别特定自然人的程度，这个是需要审判机关个案把握的。当然，对数字人、虚拟主播、语音合成赛道的公司而言，不能仅仅考虑可识别性问题，而是要把合规工作做在业务前端，要核实授权链条是否完整，包括肖像授权、声音训练语料授权、死者人格利益核查，都应纳入产品上线前的尽调清单，如果从公开渠道获取个人信息用于训练，要关注信息本身是否属于合法公开的问题，同时要建立“可识别性”边界评估机制，关注生成端/输出端的核心风险。而就审判实践而言，如何落实“可识别”的标准，无论是实体判断还是审判机制上都有探索的空间。
除了实体问题外，《意见》还为被侵权人提供了更快的救济通道，人格权侵害禁令（第八条）既可责令行为人停止有关行为，也可责令网络服务提供者、生成式AI服务提供者停止提供有关服务。
三 人工智能知识产权争议问题的回应和留白：在激励创新与权利保护之间审慎平衡
对于人工智能开发者而言，模型训练（输入端）和生成结果（输出端）中会涉及大量法律问题，其中，涉及知识产权问题的争议是最大的。近几年的司法案例可以看到，只要法院判决了一个涉及人工智能相关的知产案件，理论界和实务界都会掀起一阵讨论的热潮。针对知识产权问题，《意见》既有对现有争议问题的回应，又有因某些问题争议过大而无法在现阶段作出明确回应的留白。
第一个重要回应是人工智能生成内容的侵权判断问题（第十二条）。此前的判决多关注输出结果，如AI生成内容若与权利作品构成“实质性相似”的，且平台对输出结果具有可识别性、可干预性，则需承担侵权责任。从本次《意见》来看，最高院仍然秉承“严格输出内容”的要求，关注输出结果，如果生成的输出与在先作品实质性相似的，即如果人工智能生成内容侵害他人著作权的，人工智能开发者、提供者和使用者有可能承担责任。但是本次《意见》又给人工智能开发者打开一个不侵权抗辩的路径，即规定如果人工智能开发者能够提出训练数据来源、训练过程记录、模型运行模式等证据的，可以主张不侵权抗辩。该条规定名义上是举证责任，但可以看到，实践中，如果人工智能开发者举证在训练数据、算法上均没有任何过错的，不以输出物相似作为唯一判断依据。
第二个重要回应是针对人工智能收集数据所形成权益的确认（第十六条）。《意见》明确人工智能开发者通过采集生成、衍生创造、受让取得、授权许可等方式获得的数据并享有数据权益的，法院予以保护。数据对人工智能开发者具有极其重要的意义，大模型自不必问，除了大模型外，很多垂直领域的模型也会收集该特定领域的数据并进行微调训练，因此收集、加工的数据集会成为人工智能开发者的重要企业资源。《意见》的规定与司法实践在此前众多案例中确立数据权益的财产属性是一致的，明确了基于企业投入大量成本、长期持续收集、加工、经营维护而形成的数据集合/产品属于企业经营的重要基础性资源和核心竞争资源，他人未经授权非法获取使用构成不正当竞争。同时，《意见》已经关注到在人工智能领域数据投毒的危害，明确规定了虚构干扰数据、恶意标注数据属于违法行为，会对很多人工智能行业相关的黑灰产形成打击，维护更公平的竞争环境。
第三个重要的回应是两个重大争议问题留白。本次意见中最引人关注的点恰恰是意见中未明确表态的问题。最高人民法院举行的新闻发布会上，工作人员在回答记者提问时明确，对人工智能生成内容的可版权性，以及未经许可使用他人作品训练人工智能大模型的定性问题，意见分歧很大，认识还有待进一步深化。这两个重大争议问题的留白更加说明了随着人工智能技术的发展，有些问题难以形成阶段性共识，而且即使形成，阶段性的共识很快就会被打破，仍需要实践中观察和等待。
对于人工智能生成内容的可版权性问题，人工智能技术的迅猛发展，尤其是生成式人工智能的突破性应用，彻底颠覆了传统内容创作模式与产业生态，也对以“人类创作中心主义”为核心逻辑的版权制度发起了全方位挑战。可版权性不是一个简单的是否可以赋予生成物版权的问题，还包括版权应当赋予谁，是基于什么理论赋予相关主体版权，如果赋予生成物版权，后续如何确定第三方是否构成侵权等一系列的实操问题。虽然最高院在该问题上未明确予以表态，但是笔者认为留白的意义就在于最高院既没有明确认可“版权属于输入提示词的用户”这一观点，也没有认可 “生成物无版权”的观点。不管是针对人工智能企业而言， 还是创作者用户而言，仍然可以继续探索各种创作方式和商业模式。
另一个留白是将他人享有著作权的作品用于数据训练是否构成侵权的问题。这个问题的争议更大，笔者也有涉及此问题的案例目前仍在审理中。鉴于数据训练是开发大模型的必要且最关键的环节之一，因此对于数据训练构成合理使用还是构成侵权的争论从未停止，国际上对此问题也是分歧巨大，文化产业和科技产业各执一词，其争议已经到了白热化的阶段。近日，在纽约时报诉OpenAI公司数据训练构成侵权的案件中，美国司法部向美国纽约南区联邦地区法院提交了《美国利益陈述书》，主张大语言模型训练阶段使用作品构成合理使用，也意味该问题的判断和认定不仅是产业格局博弈问题，甚至关系到大国竞争问题。正是因为该问题关系重大，《意见》对此持审慎态度。
结语
近几年的人工智能发展现实告诉我们，目前的人工智能技术是以月甚至以周为迭代周期。面对瞬息万变的技术前沿，传统的成文法难免存在滞后性，而司法裁判的能动性恰好填补了这一鸿沟，通过一个个鲜活的判例，为技术创新划定边界、提供指引。此次最高院司法意见的出台，无疑是中国人工智能法治进程中的一个重要里程碑。从《意见》中我们可以看到最高院对于众多争议问题，仍然是从最基本的法律逻辑和原理出发，有澄清、有定性，也有对争议问题的留白。技术迭代没有终点，法律的价值坐标应当恒定。无论技术发展如何突破天际，最终必须完成与人类社会的“价值对齐”。这不仅是最高院司法意见传递出的深层理念，更是我们每一个法律人在面对不可预知的技术未来时，必须坚守的定力与初心。
鉴于《意见》条款较多且每一条都有较高指导意义，公众号文章篇幅有限，天册数字经济团队将分期进行具体条文解读，敬请关注。