完善知識產權制度機制，促進人工智能產業發展

　　湘潭大学知识产权学院院长、教授 刘友华

　　人工智能是新一轮科技革命和产业变革的重要驱动力量。知识产权制度是支撑变革的基础性制度，能否形成稳定、可预期的规则，直接影响人工智能产业发展及其在全球市场的竞争力。随着人工智能的不断演进，训练数据能否依法获取、生成内容的责任如何认定、智能体参与交易如何规范、具身智能致害责任如何分配等问题亟待回答。在知识产权领域，需要考察的是，我国人工智能知识产权的保护需求呈现何种面貌，存在哪些挑战，以及如何优化完善，进而既激励创新又保障安全发展。

　　结合实践，笔者认为，当前我国人工智能知识产权保护制度的新需求与新挑战主要包括智能技术加速演进、保护需求同步扩大，既有规则难以因应、技术发展存在障碍，制度建设明显提速、关键争议仍有留白。为此，我们要从明确保护目标、优化保护规则、完善保护机制等方面着手予以破解。

　　定目标，以稳定可预期的规则促进技术创新。明确保护目标，首先要明确3个认识前提。一是必须准确理解技术进展。人工智能法律问题具有明显的技术依赖性。模型如何获取数据、如何训练，智能体如何感知信息、调用工具并参与交易，具身智能如何在物理环境中感知、决策并行动，这些技术事实都会直接影响法律关系的认定。著作权法中的复制与传播、合同法中的意思表示、侵权法中的注意义务，都形成于特定技术条件之下。对人工智能法律问题的研究，不能从既有概念出发，把新技术事实机械纳入传统规范，要先准确识别技术事实、厘清运作机制与控制环节，再判断行为性质、权利边界和责任承担。二是深入具体产业和应用场景。许多抽象层面清晰的问题，进入产业实践后往往变得复杂。取得授权具有规范正当性，但人工智能训练面对海量、分散且持续更新的数据，逐一许可的交易成本显著高于传统内容产业。如在游戏中，智能非玩家角色（NPC）可能根据玩家行为实时生成内容，事前逐项审查难以覆盖全部输出内容。人工智能智能体介入交易后，商品信息和合同条款可能经过筛选、概括和重新组织，谁实际控制信息呈现，需要结合新的交易结构重新判断。法律规则不仅要有规范正当性，也要具备产业可执行性。三是识别商业利益结构的变化。训练活动使既有作品具有新的数据利用价值，人工智能进入影视、游戏等产业后，生产成本下降，价值进一步向优质数据、原创 IP、审美判断、渠道和用户关系等环节集中。从产业实践看，创作者增加，作品数量爆发式增长，利益的总盘子在扩大，替代效应从传统的作品市场扩展到训练许可市场和注意力市场，利益主体从权利人与使用者的两方结构，变成开发者、提供者、使用者、权利人、平台、消费者共同参与的多元结构。只有准确找出技术改变了哪些商业利益、新的收益由谁获得、新的风险由谁承担，才能判断既有利益平衡是否仍然成立，法律是否需要调整。

　　保护权利是制度运行的起点，激励技术创新与促进产业发展是制度的目标。人工智能时代，数据、模型、算力、人才、开源生态和应用场景已经共同构成产业竞争力的重要基础，制度设计既要考察权利保护，也要考察制度运行成本。因此，我们的应对方案应当立足国情，坚持宽进严出的治理思路，训练端适度放宽，生成端从严把关。制度的关键并非简单选择“允许”或者“禁止”，而是使数据能够依法进入创新过程，同时避免技术收益与权利人原有市场利益不对称。衡量一项人工智能规则的优劣，不能只看保护强度，还要看它为后续创新留下多大空间。对经营主体而言，规则的确定性可能比宽松程度更重要，知识产权制度应当更充分发挥促进科技创新和产业发展的制度功能。

　　优规则，按技术环节和利用方式分类调整。模型训练属于新的数据利用方式，其目的、过程和对原作品市场的影响，与传统复制、传播行为并不相同，不宜对数据利用行为作同质化处理。数据获取、模型训练、检索增强和内容输出，在技术功能和市场效果上存在明显差异；通用模型与垂直模型、闭源模型与开源模型，在使用规模、控制能力和商业收益方面也存在不同特点。从域外经验来看，美国以转换性使用在个案中渐次推进；欧盟确立文本与数据挖掘例外；日本对配套机器可读的权利保留和透明度义务的区分，在非欣赏性利用上留有空间并划定边界。训练数据制度是宽进严出思路最直接的适用领域，应当以是否构成对权利人市场的实质性替代作为核心标尺。对主要用于形成模型一般能力、与特定作品市场替代关系较弱的训练行为，可以给予适当利用空间，并配置机器可读的权利保留、透明披露、集体许可或者合理补偿等机制；对直接利用特定作品形成竞争性产品，或者输出结果已经明显替代原作品市场的情形，应当提高保护强度。

　　开源生态需要专门规则。我国头部基础模型大多采取开源策略，为全球提供了闭源体系之外的第二种选择。但开源开发者通常不了解也无法控制下游的具体使用情况，如果不区分不同主体的实际控制程度，直接把下游风险过度向基础模型和开源开发者传导，会使我国产业生态受损。《关于依法审理涉人工智能纠纷案件的意见》（下称《意见》）第十三条已经确立责任豁免规则，开源软件开发者、提供者以免费开源的方式提供涉人工智能软件研发所需的部分代码模块，并公开说明其功能和安全风险，他人使用该代码模块导致侵权的，人民法院可以认定开源软件开发者、提供者不承担侵权责任。

　　强机制，让责任配置与控制能力相匹配。人工智能产业链已经形成开发者、提供者、平台、部署者、专业应用主体和最终用户等多元主体，责任配置不宜沿用单一主体结构。其中，基础模型开发者主要控制模型训练和基础能力形成，应用部署者则更加了解特定行业和具体应用环境，平台可能控制内容分发和用户触达。《意见》第三条以过错责任为原则，要求综合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，以及相关主体预防侵权所采取的措施和技术上的可能性；第十二条还要求提出不侵权抗辩的开发者提供训练数据来源、训练过程记录和模型运行模式。企业合规能力差异巨大，头部企业可以做到数据来源分层管控和全链路可溯源，海量数据集则无法逐条人工核验，注意义务标准必须与产业实际能力相匹配，避免一刀切。

　　同时，治理方式同样要从结果审查转向过程治理。生成式人工智能的输出具有动态性和不确定性，许多风险在模型运行和具体交互过程中产生，以最终结果审查为中心的治理方式已经难以完全适应。对智能 NPC等实时生成内容，与其要求企业承担事实上难以完成的穷尽式事前审核义务，不如重点考察其是否建立合理的治理机制，包括数据来源是否可追溯、模型是否经过必要测试、输出是否设置过滤措施、异常情况下能否及时干预、系统运行是否保留必要记录等。人工智能模型参与交易以后，需要关注信息流转过程：重要合同条款能否被机器准确识别，最终确认界面由谁控制，争议发生后能否还原消费者实际接收到的信息等。公平、安全、透明、可追溯等原则，最终都需要转化为开发者、提供者、部署者能够履行，监管部门能够检查，司法部门能够认定的具体行为标准。《意见》第十七条、第十八条完善了事实查明和证据审查规则，控制证据的当事人无正当理由拒不提交的，人民法院可以作出对其不利的认定，过程留痕是未来企业合规的工具和诉讼中的重要证据。

　　总而言之，人工智能时代需更加紧密连接技术、产业与法律。技术进步改变应用场景，应用场景推动商业模式变化，商业模式变化进一步重塑利益关系和风险结构。知识产权制度最重要的任务，就是通过更加精细、稳定和可预期的规则，使创新者具有持续投入的动力，使权利人能够合理分享技术进步带来的收益，使下游开发者和应用企业拥有充分的再创新空间。规则只有建立在技术规律和产业规律之上，才能在保护权利、促进创新和维护公共利益之间形成合理平衡，最终转化为国家科技创新能力和产业竞争力。

（编辑：刘珊 实习编辑：蔡友良）