AI绘画创作著作权风险、侵权特点及规制建议有哪些？

AI 绘画的生成数量和创作速度均远远超过艺术家的平均水平，因此 AI 绘画涉嫌侵权 的作品数量庞大。

1.、AI 绘画创作的著作权风险分析

（一）输入阶段 在输入阶段，AI 绘画算法模型训练时需要爬取海量图片“投喂”给算法模型，这些 图片难以避免会包括他人享有著作权的作品，甚至是大家耳熟能详的知名卡通形象作品（比 如奥特曼、米老鼠、蜘蛛侠等）。根据《著作权法》第三条规定，美术作品、摄影作品及 设计图等图形作品均为著作权法的保护对象。结合《著作权法》第十条规定，上述作品的 著作权人依法享有发表、复制、改编、信息网络传播等著作权。AI 算法模型输入图片时， 需要对图片信息及特征进行数字化处理，从而转化为 AI 算法模型可以理解的标准格式， 因此在数据输入阶段无法避免对原图片信息和特征的复制，存在构成侵犯原图片著作权的 风险。 根据《AIGC 暂行办法》第七条规定，AIGC 服务提供者应当依法开展预训练、优化 训练等训练数据处理活动，应当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。因此，AI 算法模型开发者在训练模型阶段需要遵守 知识产权合规性要求，尊重他人享有著作权的作品。

关于 AI 算法模型在输入阶段使用他人享有著作权的作品是否构成侵权，国内司法实 践暂未出现相关判例，但国内学者对此持有不同观点，比如王利明教授认为“如果生成式 人工智能使用相关数据训练模型的时候未经著作权人授权，有可能会侵害著作权 6 ”，也 有部分学者认为“著作权人是否能够对人工智能学习和训练行为主张权利，在各个国家依 然是有争议的问题，这个问题有待法律明确，目前不宜轻易得出该行为是否构成侵权应立 即予以禁止的结论。虽然目前我国强调加强著作权的保护，但不能因此排除对出于人工智 能学习、训练目的的数据挖掘行为适用合理使用条款的可能性 7 。” 这在其他司法辖区也是如此，例如近一年来美国存在多起相关诉讼，原告包括美国作 家协会、Getty Images 和 New York Times 等，被告则为 Open AI、Stability AI 等 AI 算法模型开发者和运营者。但在这一系列案件中，对于合理使用抗辩的主张不尽相同， 法院的认定标准是否可能趋同也有待观察。其中，在美国加州联邦法院 Stability AI 集体 诉讼 8 一案中，原告 Anderson 指控 Stability 公司直接侵犯著作权的主要依据是：购买 数亿受版权保护的图片作品副本并将其用于训练 Stable Diffusion 模型。Anderson 从 输出端（output）入手进行举证，在专门查询图片作品是否被 AI 公司扫描的第三方网站 https://haveibeentrained.com 上输入自己的名字进行查询，发现自己的一些（而非所有）登记作品已被用作 AI 训练图像，该证据得到采信。法官最终认定 Stability 公司获取 图片副本以训练 Stable Diffusion 模型的行为构成直接侵犯著作权。

（二）学习阶段 在学习阶段，AI 算法模型需要将图片语言通过机器翻译转化为机器语言，如此方可 将海量图片数据输入预先设定的算法模型进行训练。该阶段学习的图片以输入阶段的图片 数据为基础，如果输入阶段的图片存在著作权侵权风险，则学习阶段当然也构成侵权。但 输入阶段不存在侵权的情况下，学习阶段对图片的处理是否同样会引起著作权风险？ 根据学习阶段的 AI 算法模型原理，输入的图片在 AI 学习过程中会被无数次的复制、 模拟、再复制，在此过程中图片数据只是一种暂存状态。在 Cartoon Network LP,LLLP v. CSC Holdings, Inc. 案中，美国联邦第二巡回上诉法院认为，尽管被告服务器缓存中确实 呈现出原告的作品，但是持续时间非常短（该案中为 1.2 秒），因此不符合美国《版权法》 中对侵犯复制权的规定 9 。临时复制本身不符合著作权法意义上复制的特性，将临时复制 纳入复制权范畴，将不合理地扩大著作权人的权利，不利于他人对信息的获取。因此，著 作权法并不承认临时复制是著作权法上的复制行为。换言之，在 AI 学习过程中，临时复 制并不构成对复制权的侵犯。但非临时复制符合侵害复制权的构成要件，构成侵权。

（三）输出阶段 在输出阶段，AI 绘画工具根据使用者的指令输出成果，此类 AI 绘画是否属于著作权 法意义上的“作品”，目前学术界对于该问题的争议较大。有学者认为 AI 绘画生成物具 有独创性，是著作权法意义上的“作品”10。也有学者认为现阶段的人工智能属于弱人工 智能，机器学习等均是以一定算法或模型为基础，由此产生的生成物不是著作权法上的作 品 11。近日北京互联网法院 AI 绘画著作权侵权纠纷作出一审判决，该案成为我国 AI 生成 图片著作权侵权第一案。关于是否构成“作品”的问题，北京互联网法院在（2023）京 0491 民初 11279 号案件中重点论述了 AI 绘画图片属于“智力成果”以及具有“独创性” 两个要件，并据此认为 AI 绘画图片构成作品，应当受到著作权法保护。 如果认可 AI 绘画生成物是作品，那么该作品的权利归属需要进一步明确，以便确定 侵权时的责任主体。学者关于 AI 绘画生成物的权利归属如何认定主要存在以下几种不同 意见：认为是归 AI 算法模型开发者或 AI 绘画运营者，或是归 AI 绘画使用者，或者归 AI 本身。著作权制度的立法初衷之一是保护自然人的利益，通过法定方式赋予作者一定时间 内享有专有权，填补作者的付出，以达到促进文化发展与传播的目的。AI 算法模型或计算机仅仅是人类的附属物，不具有独立的法律人格。如果认为 AI 绘画生成物是著作权法 意义上的作品，其权利归属应当是自然人，既是当下社会环境的诉求，也是自然秩序的要 求 12。北京互联网法院在（2023）京 0491 民初 11279 号案件中同样认为人工智能模型设 计者仅是创作工具的生产者，AI 绘画使用者是直接根据需要对涉案人工智能模型进行相 关设置，并最终选定涉案图片的人，涉案图片是基于 AI 绘画使用者的智力投入直接产生， 且体现出了 AI 绘画使用者的个性化表达，故 AI 绘画使用者享有涉案图片的著作权。

如果 AI 绘画生成物与输入阶段用以训练的图片作品构成实质性相似，则该等 AI 绘 画生成物可能构成对原作品的著作权侵害。输出内容存在侵权时 AI 算法模型开发者或 AI 绘画运营者是否应当承担责任。目前中国司法实践已有相关案例出现，广州互联网法院 在（2024）粤 0192 民初 113 号案件中认为 AI 绘画运营者生成包含奥特曼版权元素的内 容侵犯了奥特曼原作的复制权和改编权，并判令案涉 AI 绘画运营者承担停止侵权及赔偿 损失等民事责任。在美国加州联邦法院 Stability AI 集体诉讼 13 一案中，美国法院以原告 Anderson 未能证明 AI 绘画生成物与原告 Anderson 作品相似的仿冒内容这一事实驳回 了原告 Anderson 的该项诉讼请求。

2.AI 绘画的著作权侵权特点

AI 绘画的生成数量和创作速度均远远超过艺术家的平均水平，因此 AI 绘画涉嫌侵权 的作品数量庞大。与传统的著作权侵权行为相比，AI 绘画的著作权侵权存在以下特点：

（一）侵权行为认定困难 对于著作权侵权行为的认定，司法实践中一般采用“接触 + 实质性相似”原则，该原 则具体指只有证明涉嫌侵权作品与受著作权保护的作品构成实质相似，同时作品权利人又 有证据表明被告在此前具备了接触原作品的机会或者已实际接触了原作品，才能判定为著 作权侵权。但是 AI 绘画对“接触 + 实质性相似”原则提出了如下挑战： 对“接触”要件而言，AI 绘画使用者只是输入了文字指令，并未接触在先受著作权 保护的作品。事实上“接触”在先作品的是 AI 绘画算法模型，这就涉及对“接触”要件 的理解和判断，AI 绘画算法模型对作品的接触可否视为 AI 绘画使用者对绘画的接触。 对“实质性相似”要件而言，AI 绘画生成物对每部作品色彩、线条等要素的使用量较低， 呈现零散和碎片化的特点。AI 绘画生成物可能同时侵权多个著作权人的多部作品，但侵 权内容对每部作品而言所占的数量和比例均较低，这就导致“实质性相似”的判断标准难 以明确。对原作品著作权人维权而言，AI 算法模型训练时抓取的图片数量巨大，提取的图片元素维度多种多样，如何对成千上万张 AI 绘画生成物与自身作品的相似度进行认定， 对于著作权人显然有较大难度。

（二）侵权的责任主体认定及责任划分困难 AI 算法模型本身不是法律主体，也无法承担相应法律责任。AI 算法模型开发者、AI 绘画运营者及 AI 绘画使用者，参与 AI 绘画的开发与使用。如上文所述，AI 绘画生成物的 产出通常要经过内容输入阶段、 机器学习阶段和内容输出阶段 , 三个阶段都面临着一定的 侵犯著作权的风险，可能涉及到 AI 算法模型开发者对画作数据抓取程序及软件自我学习 的设计，也可能涉及到 AI 绘画运营方对画作数据库的管理，也包含 AI 绘画用户自身思想 与情绪的表达。原画著作权人维权时应该向哪些主体主张权利以及上述主体的责任如何划 分，同样值得讨论。 对于 AI 算法模型开发者而言，其无法控制 AI 绘画使用者的使用目的，是用于个人学 习欣赏还是其他商业目的，这完全取决于 AI 绘画使用者。在无法证明 AI 算法模型开发者 存在明显过错的情况下，如果要求其承担侵权责任，则会极大伤害开发者的研发热情，不 利于整个 AI 绘画行业的未来发展。

对于 AI 绘画运营者而言，虽然广州互联网法院在（2024）粤 0192 民初 113 号案件 中已判令 AI 绘画运营者承担侵权责任，但同时广州互联网法院在判决书中也强调了“不 宜过度加重 AIGC 服务提供者的义务”，呼吁建立一个平衡、包容、兼容创新与保护的中 国式人工智能治理体系。 对于 AI 绘画使用者而言，如果认为其享有 AI 绘画生成物的著作权，则基于权利义务 相一致的原则，其有可能需要对该等作品的侵权问题承担责任。但如果 AI 算法模型在训 练阶段就存在较大侵权隐患，使用者只是将 AI 绘画作为一种创作工具时，由使用者承担 侵权责任也有失公允。 因此，一旦发生 AI 绘画生成物侵权事件，该由哪个主体承担侵权责任以及如何划分 责任比例及大小将会成为一个新的难题，后续有待司法实践的案例进一步明确上述问题。

3.AI 绘画的著作权风险规制建议

基于以上对 AI 绘画著作权风险与侵权特点的分析，为有效防范 AI 绘画创作在各个 阶段的著作权风险，我们提供以下规制建议，供 AI 绘画行业的相关参与主体及监管部门 参考： （一）在内容输入阶段，面对 AI 绘画在前期的数据收集阶段可能存在的著作权侵权风险，AI 算法模型开发者可以在现有法律制度下寻求并采用合法获取数据的方法，尽可 能避免因未经著作权人许可使用其权利作品而引起侵权的情形。但是，面对大量的图片数 据，AI 算法模型开发者很难识别哪些图片属于作品，作品的真实权利人以及权利人是否 有权授权该图片等，后续需要整个行业共同解决如何创建更为便捷的授权方式。尽管理论 上可以通过著作权集体管理组织获取授权，但训练所需图片超乎寻常的量级及其对应授权 规模，将为开发者带来难以负荷的授权成本。此外，在未建立延伸性集体管理制度的情况 下，同样会面临多数作品未纳入集体管理的授权障碍。

就这一实践困境而言，国家有关部门也可以考虑在现有制度上进行创新，为 AI 算法 模型训练学习阶段的作品使用设置合法性依据。目前业内讨论较多的主要有两种思路：一 是在著作权法中增设 AI 算法模型训练学习的合理使用例外或数据挖掘例外。二是设置法 定许可制度来优化 AI 绘画中图片数据的使用授权机制，即 AI 算法模型开发者可以不事先 获得作品权利人的许可直接使用作品，仅需向权利人支付合理报酬。 此外，参照近日全国网络安全标准化技术委员会正式发布的《生成式人工智能服务安 全基本要求》，我们理解 AI 算法模型开发者在输入阶段可能有必要遵循进一步拓宽的防 止侵犯著作权的注意义务，包括但不限于：1）设置语料及生成内容的知识产权负责人， 并建立知识产权管理策略；2）建立对语料中的主要知识产权侵权风险进行识别的机制等。

（二）对于 AI 绘画运营者而言，参考广州互联网法院在（2024）粤 0192 民初 113 号案件中的观点，其作为 AIGC 服务提供者，在内容输出时应积极履行合理注意义务，主 要包括：1）应按照《AIGC 暂行办法》第十五条规定，建立投诉举报机制，使得权利人可 以通过投诉举报机制来保护其著作权。2）应按照《AIGC 暂行办法》第四条规定，通过服 务协议等方式提醒 / 教育用户尊重他人知识产权，并在充分考量自身技术特性与权益诉求 的情况下，参考目前通行的行业实践，向用户告知生成内容的知识产权相关风险，并就知 识产权侵权风险的责任与义务进行约定。 （三）对于 AI 绘画使用者而言，为减少侵权发生的几率，使用者向 AI 绘画输出指令 时应尽量回避与知名艺术家或知名作品相关的提示词。如果使用者指令 AI 绘画模仿知名 画家的风格或者相关作品时，应特别重视 AI 绘画生成物与该画家作品是否构成“实质性 相似”的比对，以降低侵权风险。