2026年9月7日,最高人民法院发布《关于依法审理涉人工智能纠纷案件的意见》(法发〔2026〕10号,以下简称“《意见》”)。系国家最高审判机构出台的首部涉人工智能司法裁判规则文件。
《意见》给出的方法论是“用足用好现有法律规定”——在专门人工智能立法尚未启动的现阶段,以民法典、个人信息保护法、著作权法、反不正当竞争法、产品质量法等既有规范为基础,整合适用于人工智能场景。这意味着,《意见》是一套可以直接在法庭上引用的裁判规则。
一、规范定位:司法政策文件的功能与边界
(一)法律性质:司法政策文件而非司法解释
首先应当厘清《意见》的法律性质。其采用“意见”而非司法解释的形式发布,属于司法政策文件,并不创设新的请求权基础,而是在现行法框架内为各级法院提供裁判理念与规则指引。《意见》开篇列明的裁判依据涵盖民法典、著作权法、个人信息保护法、民事诉讼法等现行法律,裁判中的实体请求权、责任要件及强制措施仍应落实到相应法律条文。
在具体案件中,当事人不能仅援引《意见》某一条款作为请求权基础,而应当在现行法中寻找对应的规范依据,将《意见》作为法律适用的解释指引与裁判说理支撑。同时,法官在裁判文书中援引《意见》时,也应当注意其与法律、司法解释之间的效力层级关系,避免将司法政策文件的功能过度扩张。
(二)功能定位:填补立法空白的过渡性规则供给
在专门立法缺位的背景下,《意见》承担了一项特殊的制度功能:以司法裁判规则的形式,为人工智能产业提供可预期的行为边界。这种“司法先行、立法跟进”的路径,在我国法治实践中并非没有先例——互联网领域的诸多规则,最初也是在司法个案中逐步积累、而后上升为立法与司法解释的。
司法规则供给存在其固有局限。正如有学者指出的,数据确权无需囿于新型财产权与知识产权两种模式的理论争议漩涡,因为二者存在不同的制度目标与优势。同样,人工智能领域的法律问题涉及人格权、知识产权、竞争法、产品责任、数据治理等多个维度,仅靠司法文件难以完成体系化的制度建构。
二、规则脉络:分层裁判的体系化展开
(一)归责原则:过错责任为基线
理论界曾存在一种有影响力的观点:由于人工智能具有高度自主性和不可解释性,应当适用高度危险责任等无过错责任原则。这一观点的逻辑基础在于,AI系统的“黑箱”特征使得受害人难以证明开发者的过错,若坚持过错责任,可能导致受害人救济无门。
《意见》第3条给出了明确的答案:“利用人工智能侵害民事权益产生的法律责任,应当依照民法典第一千一百六十五条第一款规定的过错责任原则认定行为人是否承担侵权责任。”《理解与适用》进一步专门解释了生成式AI不应适用无过错责任的理由:无过错责任多以高度危险为前提,而生成式AI仅向人类提供信息,一般不直接危及人身、财产安全,因而与无过错责任体系不具有相似性。
无过错责任的适用意味着责任保险与风险分散机制的配套需求,若在AI产业尚未成熟的阶段即施加无过错责任,可能对技术创新产生抑制效应。《意见》也并非简单地回归传统过错责任框架,而是结合AI自身特点给出了六个过错考量因素:①应用场景;②自主化程度;③技术与信息透明度;④潜在风险及影响范围;⑤相关主体为预防和减少人工智能侵权所采取的措施及技术上的可能性;⑥使用者对损害的预见能力与控制能力。
(二)生成式AI平台的注意义务:避风港规则的调适与延伸
平台责任是AI侵权纠纷中最具争议的议题之一。《意见》第7条确立生成式AI服务提供者参照适用避风港规则:经权利人通知后,生成式AI服务提供者未及时采取停止生成侵权内容等必要措施的,方承担责任。
传统避风港规则是为中立第三方平台服务设置的——平台不生产内容,仅提供存储或传输服务,因此其注意义务以“通知—删除”为核心。但生成式人工智能的特点在于,它自己“生产”内容,而非简单地存储或传输他人内容。在这一背景下,将避风港规则引入生成式AI场景,并非简单的规则移植,而是经过了重要的技术性调适:
第一,通知门槛的实质降低。 由于人工智能往往是“点对点”生成私密内容,权利人难以获得或提供侵权内容的公开网络链接。因此,《意见》认可权利人以模拟输入提示词、技术测试等方式合理证明侵权内容生成,即构成有效通知。这一调整回应了生成式AI的技术特征——侵权内容不以公开链接形式存在,而是需要特定提示词触发。这一变化对权利人的维权路径将产生深远影响,权利人不再需要等待侵权内容公开传播后才能发出通知,而是可以通过测试性输入提前锁定侵权生成的事实。
第二,必要措施的核心从“删除”转向“停止生成”。 传统避风港规则中的“必要措施”以删除既存侵权内容为核心。但在生成式AI场景下,侵权内容的“生成”是一个动态过程,删除一次生成结果并不意味着该侵权内容不会再次生成。因此,《意见》要求“停止生成侵权内容、屏蔽相关生成指令”——这意味着生成式AI平台的避风港义务不再局限于事后删除,而是延伸至对侵权内容持续生成风险的技术控制。
第三,用户诱导行为的独立归责。 《意见》第7条后半段规定,网络用户通过输入侵权提示词等方式恶意诱导生成式人工智能生成侵权内容并造成他人损害的,该网络用户应当依法承担侵权责任。这实际上将AI生成侵权拆分为两个行为——谁诱导模型产生侵权内容,谁负责;平台知道之后不处理,也可能负责。这其实是在重新划分AI时代的“控制力”。正如实务人士所观察的,AI责任以后很可能越来越不是看“谁碰了最后一个按钮”,而是看:谁能够控制风险,却没有控制。
《意见》未对“红旗规则”的适用作出明确规定。征求意见稿曾写入“知道或者应当知道”的具体判断标准,最终因产业界认为可能对AI服务提供者施加过重注意义务而删除。但《理解与适用》同时强调,未规定不等于排除适用——如有确有证据证明平台对AI侵权内容进行编辑、筛选、推荐的,仍可能被追责。
(三)人格权保护:典型场景的裁判规则
《意见》针对AI换脸拟声、网络开盒、AI复活逝者等典型人格权侵权场景,明确了具体裁判规则。这些规则的共同特点在于:将技术行为拆解为可识别的法律行为要素,进而适用相应的权利保护规范。
以AI换脸拟声为例,其涉及的法律利益是多层次的:既可能侵害被换脸者的肖像权,也可能侵害声音利益,还可能涉及个人信息权益。《意见》的贡献在于将这些分散的规范整合为一个分层适用框架,使法官能够根据具体技术行为选择适当的权利保护路径。
网络开盒则涉及个人信息保护法与民法典人格权编的交叉适用。值得关注的是,AI技术的介入使得“开盒”的效率和规模大幅提升——传统的信息搜集需要人工逐条筛选,而AI可以自动化地完成多源信息聚合与身份匹配,这实质上改变了侵权行为的风险等级,也应当在过错认定与损害赔偿中予以考量。
(四)训练数据使用:迈出的一小步
《意见》第6条是训练数据领域最值得关注的规则:“为人工智能模型训练,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,且个人未明确拒绝的,一般不认定为侵害个人信息权益的行为。”
这一规定实际上承认了一件过去争议很大的事情:公开个人信息在“合理范围”内可以用于AI训练。从个人信信息保护法的角度看,“个人自行公开”的信息本身即属于“已经公开”的信息,其保护强度低于未公开信息,这一规则在法理上具有相当依据。
但紧接着,《意见》又留下了重要的限制:“对个人权益有重大影响的,应当依照法律规定取得个人同意。”而“合理范围”的判断,则列出了四个考量因素。这一“原则允许+例外限制+因素考量”的三层结构,为实务操作提供了初步指引,但仍存在一定的解释空间。
《意见》在训练数据的版权问题上选择了留白。大模型训练真正要紧的是版权数据的使用——海量作品被复制用于模型训练,是否构成著作权法上的合理使用,是全球范围内争议最为激烈的问题之一。在这个问题上,最高法选择了“有待于进一步认识”,没有给出结论。这种谦抑态度值得肯定:美国和欧盟在这一问题上亦无共识,欧盟人工智能法案虽然对训练数据透明度提出了要求,但并未直接解决合理使用的实质判断问题。
有学者指出,建立语料库需对海量作品进行复制,若未经许可且未产生新价值,单纯以“学习”为由主张合理使用在法理上难以自洽。也有观点认为,人工智能数据训练行为在本质上并未干扰原作品原始表达,构成对原有作品的非表达性使用,可以通过著作权法第24条加以调整。合理使用与侵权的边界,需要结合数据来源、使用目的、复制规模、技术必要性、输出结果、市场替代影响以及企业的过滤、去重、阻止复现和投诉处理机制等因素,进行分阶段、分场景、分主体的综合判断。《意见》在这一根本性争议面前的克制,实际上是将规则形成的过程交还给个案积累与后续立法。
三、知识产权:在保护与创新之间划定边界
(一)AIGC作品的可版权性:从个案积累到制度自觉
《意见》在人工智能生成内容的可版权性问题上同样选择了留白。这一选择并非回避,而是基于对现行法律框架下判断标准的深刻把握。
在“蓝色蝴蝶案”中,上海黄浦法院处理了一个此前鲜有讨论的问题:AI提示词本身是否受著作权保护。法院认为,原告所输入的提示词组只是一些词汇的组合,并不是完整的句子段落,不具原创性,因而不受著作权保护。该案的裁判逻辑是清晰的:著作权法保护的是具有独创性的表达,而零散词汇的罗列——即便其组合方式体现了一定的审美选择——尚不足以构成著作权法意义上的“表达”。
与之形成对照的是苏州“蝴蝶椅子案”(全国首例否认AI文生图可版权性的案件)。该案中,法院否定了AI生成图片的独创性,理由是“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”。而张家港市人民法院在“幻之翼案”中的裁判观点同样认为,对于主要由AI绘图软件自动生成的内容,不应当认定构成作品。
著作权法保护的基础是“人类智力投入”。在AI生成内容的场景下,在于人类使用者是否对生成内容的表达作出了具体安排、选择、控制和取舍。只有对AI生成物的表达作出具体安排、选择、控制和取舍,才可能构成著作权法意义上的创作。不能因为AI生成内容精美、独特、唯一,将仅提出创作要求的使用者视为AI生成物的作者。
(二)刑事保护的边界:AI短剧盗录案的启示
广东黄埔区检察院起诉的覃某某、沙某某侵犯著作权案,堪称对生成式人工智能作品进行刑事保护的标志性案件。两被告人未经AIGC作品著作权人许可,翻录复制至少1716部作品后售卖传播,构成侵犯著作权罪,分别被判处有期徒刑八个月、缓刑一年二个月,各并处罚金。
该案的裁判逻辑值得深入分析。黄埔区检察院承办检察官指出,AIGC著作权的认定,关键在于是否有“人类智力投入”。办案机关引导公安机关溯源涉案AIGC作品创作全过程:调取短剧创作的立项文档、沟通记录、原始文本,核查AI工具的参数设置、AI提示词设计、完整生成操作记录以及创作者对成片的后期修改痕迹。经审查,认定用户通过主导性创作,选择和设置AI编辑器的各项功能并演绎生成作品,AI只是工具,真正的创作意志和智力劳动来自人。
这一裁判路径为AIGC作品的著作权保护提供了可操作的证明框架:创作过程的完整记录——从立项到提示词设计,从参数设置到后期修改——构成证明“人类智力投入”的证据链。这对于AI内容创作行业具有重要的合规指引意义:创作者应当系统性地保存创作过程文档,以在未来的维权或诉讼中证明其作品的独创性来源。
(三)开源软件责任豁免:首个司法规则层面的明确
《意见》第13条首次在司法规则层面明确了AI开源软件相关责任的豁免规则。开源大模型已成为AI产业的重要技术基础,但开源软件的法律责任边界长期模糊。在传统软件领域,开源许可证(如GPL、Apache等)通过合同机制分配责任,但在AI模型场景下,开源模型的训练数据来源、微调后的衍生模型、以及下游应用的侵权风险,使得责任分配问题更加复杂。
《意见》第13条的规则设计,需要结合开源社区的实际运作模式来理解。开源模型开发者与下游使用者之间的关系,不同于传统的产品生产者与消费者关系——前者通常不收取费用、不控制使用场景、也不参与后续的商业化运营。在这一背景下,将开源模型开发者置于与传统产品生产者同等的注意义务标准下,可能产生寒蝉效应,抑制开源生态的发展。《意见》的规则取向是:在开源模型开发者已尽到合理的风险提示与技术措施义务的前提下,不对下游使用者的侵权行为承担过重的连带责任。这一规则的具体适用标准,仍有待在后续个案中进一步明确。
四、留白背后的治理理性
(一)为什么在核心问题上选择留白?
《意见》在AIGC可版权性与训练数据版权两个分歧较大的问题上刻意留白,这并非起草者的疏忽,而是一种深思熟虑的制度策略。其背后的治理理性可以从三个层面理解:
第一,技术不确定性。 生成式AI技术仍在快速迭代之中,今天的技术特征可能在未来一两年内发生根本性变化。在技术形态尚未稳定的阶段,过早以裁判规则固定法律标准,可能导致规则与技术现实之间的脱节。以训练数据为例,模型架构的演进可能改变数据使用的技术必要性判断——如果未来的模型训练技术能够实现对训练数据的“去记忆化”处理,使模型无法复现原始作品的表达,那么合理使用分析中的“市场替代影响”因素将发生根本性变化。
第二,产业利益的高度分化。 AI产业链涉及模型开发者、数据提供者、内容创作者、平台运营者、终端用户等多方主体,各方在训练数据版权问题上的利益诉求截然对立。内容产业主张严格的版权保护,AI产业主张合理使用的空间,学术界则关注知识传播与创新的公共利益。在这一利益格局下,司法规则若贸然作出明确判断,无论偏向哪一方,都可能引发激烈的制度反弹。
第三,立法与司法的功能分工。 涉及基础性权利结构的问题——如AIGC的可版权性、训练数据的版权定性——本质上属于立法机关的制度选择范畴。司法机关在个案中可以对具体争议作出裁判,但不宜以司法文件的形式对此类基础性问题作出终局性安排。正如有实务观察者所指出的,最高法这样谦抑的态度是值得肯定的。
(二)留白的实践后果与应对策略
留白并不意味着实务中无法可依。在现行法律框架下,当事人和法院仍可以通过以下路径处理相关问题:
在AIGC可版权性问题上,现行著作权法关于“独创性”的判断标准仍然适用。关键在于证明人类使用者对生成内容的表达作出了具体的安排、选择和控制。北京互联网法院在“AI生成图第一案”中认定AI生成图片构成作品的裁判逻辑——即使用者通过输入提示词、设置参数、筛选结果等行为体现了智力投入——仍然具有参考价值,但其适用范围需要通过后续个案进一步界定。
在训练数据版权问题上,著作权法第24条规定的合理使用制度提供了分析框架。“学习”本身能否构成合理使用,需要结合具体的使用目的、复制规模、对原作品市场的影响等因素进行个案判断。企业在进行模型训练时,应当建立数据来源的合规审查机制,对训练数据的版权状态进行分类管理,对高风险数据采取替代或过滤措施。
五、实务合规启示
(一)AI开发者的合规策略
第一,建立技术性注意义务的履行记录。 《意见》第3条将“为预防和减少人工智能侵权所采取的措施及技术上的可能性”作为过错判断的核心因素。这意味着,开发者应当系统性地保存模型研发、测试、风险评估、安全措施和运行机制的技术记录。这些记录不仅是内部合规管理的需要,更可能在未来的侵权诉讼中成为无过错抗辩的关键证据。
第二,完善通知响应机制。 生成式AI服务提供者应当建立高效的通知接收与处理流程。由于《意见》第7条降低了通知的认定门槛,平台需要具备快速识别和响应此类通知的技术能力。必要措施的核心是“停止生成侵权内容、屏蔽相关生成指令”,而非简单的“删除既有内容”。
第三,审慎处理训练数据。 在版权数据训练问题上,虽然《意见》未给出明确规则,但企业不应将留白理解为“无规制”。相反,在合理使用边界尚不清晰的情况下,审慎的数据合规策略——包括数据来源审查、版权状态分类、高风险内容的替代方案——是降低法律风险的必要措施。
(二)内容创作者的权益保护路径
对于AI内容创作者而言,“蓝色蝴蝶案”和AI短剧盗录案提供了正反两方面的启示:
提示词本身通常不构成受著作权保护的“作品”,创作者不应将知识产权保护的重心放在提示词上,而应当关注最终生成内容的独创性证明。
创作过程的完整记录——包括剧本构思、镜头安排、参数设置、后期修改等全链路文档——是证明“人类智力投入”的关键证据。创作者应当建立系统化的创作档案管理制度,以在需要时证明其作品的独创性来源。
(三)平台企业的反垄断合规
携程案与货拉拉案为平台经济领域的反垄断合规提供了重要警示。携程案中,携程以给予流量倾斜为激励,诱导酒店选择“特牌”并要求线上房源全部在携程平台销售;同时强制要求跨平台经营的酒店给予“全网最低价”,并利用技术手段比对价格、实施惩罚措施。市场监管总局认定其构成滥用市场支配地位的限定交易行为和附加不合理交易条件行为,罚没款合计51.79亿元,罚款比例达7.5%,为平台经济反垄断领域迄今最高比例罚款。
货拉拉案则展示了算法领域反垄断监管的新路径。在市场监管总局督导下,货拉拉全面优化不合理定价算法和计价规则,取消强制车贴要求,平台整体抽成费率由整改前约11%降至约9%,并向司机退还不合理费用1.2亿元。
两案共同释放的信号是明确的:其一,常态化监管不存在行业例外、规模豁免;其二,技术手段不能成为垄断行为的“挡箭牌”;其三,变相独家合作同样构成违法。平台企业在设计算法和平台规则时,应当将反垄断合规纳入产品设计的前端流程,而非事后补救。
六、未来展望:从司法规则供给到体系化立法
(一)专门人工智能立法的必要性与路径选择
当前,我国关于人工智能的法律规范分散在民法典、个人信息保护法、数据安全法、网络安全法、《互联网信息服务算法推荐管理规定》、《生成式人工智能服务管理暂行办法》等多部法律法规和部门规章之中。2026年7月,国家互联网信息办公室发布《互联网信息服务管理办法(修订草案征求意见稿)》,新增“智能信息服务”专章,针对AI新业态全面规范生成合成内容标识、算法推荐技术应用、语料数据合法性以及人工智能较大安全风险的应对。
这一修订草案的发布,表明立法机关正在尝试以“基础性行政法规修订”的方式,为AI治理提供更系统的规范框架。但行政法规层面的规范整合,仍然难以替代专门立法在权利结构层面的制度安排。数据确权的法律属性、AI生成内容的版权归属、训练数据使用的合理使用边界——这些基础性问题,最终需要通过专门立法或著作权法等法律的修订来解决。
(二)算法治理的制度演进
我国算法治理正在经历从原则性倡导到具体化规制的转型。2026年1月,中央网信委印发《生活服务类平台算法负面清单(试行)》,标志着算法治理从“事后纠偏”迈入“事前划界”的新阶段。截至2026年5月,19家重点平台已实施优化改进措施63项。
《互联网信息服务管理办法(修订草案征求意见稿)》进一步要求算法推荐服务建立人工干预机制,禁止强制用户使用AI服务或利用算法操纵舆论。这些制度安排与《意见》中的裁判规则形成了互补——前者侧重于事前规制与行政监管,后者侧重于事后救济与司法裁判。
(三)跨部门法协同治理的展望
人工智能的法律治理,本质上是一个跨部门法的系统工程。同一技术流程可能连续触及性质不同的权利:一个模型可能在数据收集时涉及复制权和个人信息,在微调时涉及声音人格利益,在回答问题时产生名誉侵害,在内容分发时引发信息网络传播权争议。若将整条业务流程笼统概括为“人工智能使用”,法律评价容易在支持创新与保护权利之间作整体选择,进而忽略具体行为、责任要件和损害来源,造成司法偏差。
《意见》的分层裁判方法——按具体权利、技术环节和应用风险分别确定裁判规则——正是对这一挑战的制度回应。未来的立法与制度建设,应当延续这一方法论,在民法典、著作权法、个人信息保护法、反垄断法、产品质量法等各部门法之间建立协同适用的规则体系,避免规范冲突与适用真空。
返回列表