当前,生成式人工智能的训练过程高度依赖海量已公开信息、数据与受著作权保护的作品。生成式人工智能开发者未经授权使用他人作品,通常会构成著作权侵权。在此类纠纷中,被告方往往以“合理使用”作为抗辩理由。然而,合理使用制度能否妥善处理相关问题仍值得商榷。文章以生成式人工智能训练使用他人作品的行为性质为切入点,通过分析“汤森路透诉罗斯”案,梳理著作权合理使用制度的发展脉络,分析其当前适用的合理性与局限性,并进一步提出未来应以法定许可制度作为解决相关难题的核心路径。
在生成式人工智能(AI)训练数据使用引发的著作权争议中,全球司法实践呈现明显分歧。例如,2025年2月11日,美国特拉华州联邦地区法院对汤森路透诉罗斯案(以下简称“汤森路透案”)作出部分简易判决,认定被告为训练AI法律检索工具,未经授权使用受版权保护作品的行为构成侵权,且该行为不属于合理使用。该案是美国对AI训练数据问题作出实质性判决的首例案件[1]。仅在4个月后,针对类似的AI训练合法性问题,美国地区法官威廉•阿尔苏普裁定,人工智能初创公司Anthropic使用版权书籍训练其AI模型的行为受“合理使用”原则保护,应认定为合法[2]。而在2025年11月11日,德国慕尼黑第一地区法院就德国音乐版权保护组织—音乐演出和作品复制权协会(GEMA)诉美国OpenAI公司著作权侵权案作出一审判决,认定OpenAI未经许可使用受著作权保护的音乐歌词训练ChatGPT模型的行为构成著作权侵权,并判令其承担赔偿责任。此案的判决不仅为跨大西洋AI企业的版权合规划定了司法红线,还基于对“记忆化”复制、数据挖掘例外条款的司法诠释,成为全球AI知识产权纠纷审判的重要风向标[3]。
人工智能于20世纪50年代便登上历史舞台,其发展路径几经波折。除少数开发者外,早期的人工智能并未在全球范围内引发关注。而当前人类社会已迈入生成式人工智能时代,大模型训练立足人工智能的“记忆”与“泛化”能力,其对既有作品的依赖性显著增强。以ChatGPT为例,其主体架构遵循“语料体系—预训练—微调”的基本范式。语料体系是AI大模型训练的基础,主要包括预训练语料与微调语料两部分。预训练语料源自期刊、百科、论坛等公开渠道,其经初步清理后形成海量无标注文本数据;微调语料则通过爬取开源代码库、组织专家人工标注及收集用户反馈等方式获取,是经过加工、具备明确标注信息的高质量文本数据[4]。生成式人工智能的训练内容多直接来源于受著作权保护的现有作品。在我国现行著作权法体系下,对他人作品免费使用的合法路径主要受限于著作权的权利限制(合理使用)或法定许可。此外,训练者通过购买使用许可亦可实现合法使用,但这通常意味着高昂的资金投入。
生成式人工智能的训练素材涵盖数据、信息、作品及制品等多元形式。其中,数据在我国现行法律体系中主要作为一种新型权益而受到保护,其保护逻辑通常以明确权利归属为前提;信息在多数情况下更接近单纯的事实消息,一般无法成为著作权法保护的对象,除非其构成受保护的汇编作品(数据库);制品则主要由邻接权相关法律予以规制。鉴于本研究的研究范围,文章不考虑数据、信息及制品三种形式,仅围绕受著作权保护的“作品”展开讨论。
认定某行为构成对作品的著作权侵权,首先须判断行为人是否实施了复制、改编、信息网络传播等受专有权利控制的行为。在数字时代,传统的“复制”概念已发生显著变化,各国立法也随之进行调整。尽管我国著作权法尚未对“临时复制”作出具体规定,但相关学者已在研究中对其作出定义:“任何软件在运行过程中,都会在计算机的自动控制下进入计算机内存,从而形成对软件整体或片段的临时存储。这种临时存储有别于能够使作品稳定地、长久地固定在物质载体上的传统复制,因此被称为临时复制。”[5]而笔者认为,即使生成式人工智能训练过程中仅存在临时复制,从著作权法的规范目的出发,这种行为实质上仍构成对作品的复制。无论复制件存续时间如何短暂,只要其被用于生成式人工智能模型训练,就应被视为对著作权人复制权的利用,原则上必须获得著作权人的许可。
关于生成式人工智能训练行为的法律性质,有学者认为该行为具有“非特定性”:生成式人工智能训练的目标并非指向某个具体、特定的单一作品。从功能阶段看,其属于生成最终内容过程中的中间性、准备性环节使用;从后续效果看,其有助于提升作为工具的生成式人工智能系统的整体性能。因此,有学者主张此类训练行为应被界定为“非作品使用行为”,从而被排除在著作权专有权利的控制范围之外[6]。然而,笔者认为该观点存在进一步探讨的空间。首先,生成式人工智能模型的构建本身依赖海量公开数据,此过程难以完全避开受著作权保护的作品。其次,在机器学习的训练阶段,生成式人工智能模型必须得到海量作品数据的“投喂”才能实现其“类人化”的功能价值,这类学习材料往往源于网络爬取等方式,其获取数据的过程在技术上已构成对他人作品表达的复制。最后,生成式人工智能生成的内容在本质上可视为对既有作品元素的融合、转换与再表达,属于一种新型的演绎行为,尽管其并非对特定作品的简单模仿,而是基于海量数据进行的复杂再创作。因此,生成式人工智能训练行为能否被完全排除于著作权规制之外,仍须我们结合技术特征与法律原则进行深入辨析。
2025年2月11日,美国特拉华州联邦地区法院在“汤森路透案”的部分即决判决中明确指出:未经版权人许可,复制受版权保护作品用于人工智能训练的行为构成直接侵权,且不属于合理使用。该案核心事实如下:原告汤森路透是知名法律研究平台Westlaw的运营商,被告罗斯情报公司则是Westlaw的竞争对手。被告为训练其开发的AI法律搜索引擎,在向原告寻求数据授权未果后,转而与第三方公司合作,通过“批量备忘录”获取并使用了Westlaw中的大量内容。2020年,汤森路透起诉罗斯情报公司侵犯著作权。
法院在审理该案时,依据美国经典的合理使用四要素进行了以下裁量:其一是使用目的与性质,法院认为被告的使用具有商业性质(未付费且旨在获取竞争优势),且缺乏“转化性”。尽管被告主张其复制行为只是训练过程中的“中间步骤”,但法院认定被告的根本目的是开发与原告形成竞争的工具,且并未产生新的表达、意义或功能。其二是作品性质,法院认为涉案的“法律要点”只是对司法意见的总结,因此其原创性较低。其三为被使用部分的数量和重要程度,法院认可被告的主张,认为AI最终输出的司法意见并未实质性地体现原法律要点的核心表达。其四是对作品潜在市场或价值的影响,法院认定被告的行为实质性损害了原告对其内容授权他人用于AI训练的潜在市场利益。综上,法院驳回了被告的合理使用抗辩,并确认其直接侵权责任。此案的警示意义在于,其确立了一项重要的司法先例:在商业竞争语境下,若行为人出于开发直接竞品的目的,未经版权人许可使用受保护作品开展AI训练,在美国司法实践中难以被认定为合理使用。该判决显著增加了后续类似案件中,被告援引合理使用制度进行抗辩的难度。
我国著作权法尚未对生成式人工智能训练行为设置明确的合理使用条款。生成式人工智能的开发与应用通常以商业为目的,且高度依赖海量训练数据,这使其难以被纳入现行法律框架下“个人使用”等传统合理使用范畴。相较而言,作为判例法国家的美国,其合理使用制度在司法实践中呈现动态发展特征。在审理“汤森路透案”时,比巴斯法官严格遵循美国《版权法》第107条确立的“四要素检验法”,着重分析了使用行为的商业性质及其对作品潜在市场的影响。然而,该判决注重分析商业目的与市场影响,并未深入探讨生成式人工智能训练具体侵害了权利人的何种权利,也未就训练行为是否构成“转换性使用”展开论述。这种对技术行为法律定性问题的相对淡化,究竟是司法实践中的有意疏忽,还是为应对未来技术的快速迭代保留解释空间,仍有待学界与业界深入探讨。
在“汤森路透案”中,主审法官比巴斯虽认定涉案AI模型训练行为不构成“转换性使用”,但该要件在生成式人工智能训练场景下的适用性,已成为学界与业界高度关注的核心争议点。在“思想与表达二分”的思维模式下,转换性使用的核心在于,行为人对原作品的使用并非为了再现其本身承载的美学或信息价值,而是通过增加新的表达、意义、视角或功能,将其转换为具有截然不同内核与价值的新作品。这也是部分学者倾向于将某些生成式人工智能训练行为与“非作品性使用”进行类比的原因之一。我国虽未在成文法中直接确立“转换性使用”概念,但在司法实践中已出现对作品使用是否具有“转换”性质的考量。需要注意的是,在我国现行法律框架下,即便某种使用行为具备一定的“转换性”,也必须严格落入法定的具体情形,才可能构成合理使用,而不能仅凭“转换性”这一概念本身获得豁免。
生成式人工智能训练在行为模式与法律后果上,与传统作品的复制、传播等利用行为存在显著差异。因此,许多国家与地区在立法层面对其进行“区别对待”,即将法律修订作为首要应对路径。例如,2025年5月,美国版权局(USCO)发布《版权与人工智能 第三部分:生成式人工智能训练(预发布版本)》,对使用受版权保护的内容训练人工智能模型是否构成合理使用等核心争议进行了系统分析,并特别指出应通过推动构建多元化许可模式,以破解相关法律困局。
目前,我国法律尚未对AI模型训练使用版权作品作出明确规定。中国社会科学院管育鹰研究员主张,应将“文本数据挖掘”的非营利性使用明确规定为侵权例外。其核心在于,若使用行为并非为了提供作品本身的文娱欣赏价值,而是为了情报解析与处理而复制版权材料,则其即使具有商业目的,也不应被视为侵权。不以提供版权内容本身为目的的人工智能模型训练,即属于此类行为[7]。深圳市中级人民法院祝建军法官则认为,人工智能训练未经许可使用他人作品的情形构成合理使用,并建议修改《中华人民共和国著作权法》或《中华人民共和国著作权法实施条例》,增设“人工智能训练使用他人作品构成合理使用”的条款[8]。
基于我国人工智能产业发展现状与法律传统,笔者主张采纳上述“法定许可”路径。首先,法定许可制度在我国著作权法中已有成熟实践,将其适用于AI模型训练领域,可在确保权利人获取合理报酬的前提下,为产业发展提供明确且高效的授权机制。其次,该制度可对商业性使用与非商业性使用作出区分,从而实现精准规制。最后,在报酬标准上,相关主体应结合AI模型训练对作品的海量使用及其技术特性,设定低于传统市场许可费的标准。这样既能保障权利人的基本利益,又不会对AI初创企业构成过重负担,从而在激励创作与促进创新之间达成平衡。
除了法律规制,技术治理与行业自律也正成为规范AI模型训练、实现多方共治的重要补充路径。英国政府在技术治理方面的实践具有前瞻性,其核心在于超越传统工具的功能局限,积极推动建立新的技术标准,确保“权利保留”机制具备机器可读性、标准化和实际约束力。在透明度方面,AI开发者应主动披露训练数据来源及爬虫信息,并留存相关记录。行业内也已出现通过技术措施进行源头管理的实践,但这类技术方案在落地时仍面临标签系统可扩展性、防篡改性等现实挑战。2025年3月,国家网信办等四部门联合出台《人工智能生成合成内容标识办法》,要求网络信息服务提供者对AI生成内容进行标识。该办法虽迈出了内容治理的重要一步,但其条文尚未明确规制范围是否直接覆盖上游AI模型开发者,仍存在适用边界上的模糊性。
美国法学家保罗·戈斯汀曾指出:“著作权从一开始就是技术之子。”[9]人工智能训练不可避免地受到现有法律制度、社会公共利益、产业发展阶段及各国经济发展水平等多重因素的制约。无论是将人工智能训练界定为著作权合理使用的新类型,还是在特定条件下承认其构成转换性使用,抑或借鉴已有实践建立专门的法定许可制度,这些方案均值得在国家立法规划中进行严肃论证与逐步完善。基于此,在当前社会背景下,构建以法定许可为核心的规范框架,或许能实现各方利益的相对平衡。该框架既能保护著作权人的合法权益,也能促进人工智能技术的持续创新。
[4]曹新明,范晔.生成式人工智能数据训练的合理使用规则研究[J].中国版权,2024(04):20-35.
[5]王迁.网络著作权专有权利研究[M].北京:中国人民大学出版社,2022.
[6]刘晓春.生成式人工智能数据训练中的“非作品性使用”及其合法性证成[J].法学论坛,2024(03):67-78.
[7]管育鹰.生成式人工智能相关版权争议焦点问题探讨[J].北京工业大学学报(社会科学版),2025(01):103-111.
[8]祝建军.生成式人工智能著作权侵权问题研究[J].知识产权,2025(02):44-60.
[9]戈斯汀.著作权之道:从印刷机到数字云[M]金海军,译.北京:商务印书馆,2023.返回搜狐,查看更多