人工智能生成内容的著作权归属与保护路径——生成式AI时代的作者概念重构

一、引言

生成式人工智能（Generative AI）以其前所未有的内容生产能力，正在重塑知识创作与文化生产的格局。从文本生成、图像绘制、音乐谱曲到代码编写，AI系统能够基于海量训练数据与人类交互提示，自主产出具有一定独创性与表达性的内容。ChatGPT、文心一言、Sora、Midjourney等生成式AI工具的普及，使得"AI创作"从实验室走向大众日常，海量AI生成内容（AI-generated content，以下简称AIGC）开始进入文学、艺术、新闻、科研、娱乐等各领域并广泛参与市场竞争。这一技术变革在带来效率与便利的同时，也对以"人类创作者"为核心的著作权制度提出了根本性挑战。

著作权制度自诞生以来，其基本叙事始终围绕"人是作者的创造者"展开。从贝多芬的乐谱到计算机软件，著作权法在历次技术革命中都通过扩展"作品"的客体范围来回应新技术，但其主体假定始终是人类自然人（或与之关联的法人）。生成式AI的出现，第一次使"非人类主体大规模产出具有独创外观的表达"成为现实，从而在主体层面动摇了著作权制度的根基。当AI能够稳定、批量地生成精美图像、流畅文字与动听音乐时，一系列尖锐的法律问题随之浮现：AI生成内容是否属于著作权法意义上的"作品"？其独创性是归于提示词的输入者、数据集并提供者、算法开发者还是AI系统本身？在不赋予AI法律主体资格的前提下，如何为AIGC确立清晰的权利归属？AIGC在训练与生成过程中是否构成对既有作品著作权的侵害？

这些问题不仅在理论上悬而未决，更在全球范围内引发了广泛的立法、司法与行业争议。美国版权局明确表示纯AI生成内容不授予版权登记，但认可"人类创造性输入+AI辅助"的情形；欧盟《人工智能法案》对生成式AI提出了透明度义务，但著作权归属尚无统一安排；英国、日本等传统上承认作者权体系的法域亦在探讨AIGC的保护路径。在我国，深圳等地法院已有涉AIGC著作权纠纷的裁判案例，学界与实务界的争论方兴未艾。

本文旨在为生成式AI时代的著作权制度变革提供系统性的理论方案。文章的核心主张是，应当以"作者概念的重构"为主线，超越"机器能否成为作者"的静态争论，转向"如何在人机协作现实中合理配置权利与责任"的动态建构。本文将从AIGC的版权属性、可版权性判定、权利归属设计与侵权责任规范四个层面渐次展开，力图在尊重技术规律与法治传统的基础上，勾勒出兼顾创新激励与权益保护、产权清晰与利益平衡的AIGC著作权保护路径。

二、文献综述

（一）关于AIGC可版权性的讨论

AIGC是否构成版权法意义上的作品，是学界争论的焦点。否定说认为，AI生成内容因缺乏人类作者而不具有可版权性，将AIGC纳入著作权保护将有违著作权法"激励人类创作"的制度宗旨，亦可能造成公有领域的公共文化资源被私人垄断。美国版权局就曾以"作品须由人类创作"为由拒绝为纯AI生成图像进行版权登记。肯定说则主张，只要AIGC满足独创性与可表达性等客观要件，就应获得作品地位，其对作者的激励功能并不要求作者必须是自然人，制度上可通过法律拟制等方式将权利赋予相关人类主体。此外，还有折中说认为，AIGC的可版权性应取决于人类在生成过程中的干预程度，人类投入的智力劳动越充分，AIGC的作品性越强。

国内学界对此亦有系统讨论。王迁主张著作权主体必须具有一定的智力活动参与，单纯由AI生成的成果难以构成作品，但人类深度参与创作过程的产出可能获得保护；冯晓青从激励理论出发，认为将AIGC一概排除于著作权保护之外可能削弱对相关技术投资与内容生态的激励，应区分情形审慎判断；丛立先强调应立足著作权法基本立场，审视AIGC生成过程中人类智力投入的实际作用。诸家观点在保护与否的立场上存在分歧，但在"人类因素"作为判断枢纽这一点上趋于接近，为可版权性判断标准的构建提供了共识基础。

（二）关于独创性要件的适用

独创性（originality）是作品认定的核心要件，其在AIGC场景下的适用引发深层思考。传统独创性理论通常要求作品体现创作者的个性与智力判断，其判断主体是具体的人类作者。当生成主体置换为AI时，独创性的判断面临主体与客体的双重模糊：AI是否能产生"个性"？机器学习生成的表达能否承载"人格印迹"？学界存在低标准与高标准之争。低标准说主张将独创性理解为"非抄袭或有意义区分"，从而为多数AIGC留出保护空间；高标准说则坚持独创性须体现作者个性与创造性选择，AI的输出难以满足这一要求。域外判例法上，英美法系的独创性标准相对较低，欧洲大陆作者权体系则坚持较高的个性标准，两套标准在AIGC上的适用将得出不同结论。

（三）关于权利归属的主体性研究

AIGC的权利归属是更具现实紧迫性的问题。传统著作权法以"作者—创作作品"为归属逻辑，作者通常是被创造性地取得作品的自然人或视为作者的法人。在AIGC场景中，参与内容生成的包括AI系统开发者（算法与模型的创造者）、数据提供者（训练数据来源方）、提示词输入者（通常为使用AI的用户）以及若被赋予主体资格则还包括AI系统自身。学界围绕这四方主体的权属展开了集中讨论：开发者论主张AI生成结果的利益主要源于开发者的算法与投资，应由开发者享有权利；用户论主张从"工具使用"角度出发，将使用AI的投资者或用户可以视同传统意义上的创作者；数据方论则强调训练数据的贡献应予考量；还有观点主张细化区分不同情形下的归属规则。域外实践中，美国版权局倾向将AI视为"创作工具"，将具有人类创造性控制的提示者视为作者；英国法上则明确将计算机生成作品的作者"视为为使作品生成作出必要安排的人"。

我国学者曾提出应基于"人类智力贡献程度"的谱系化方案分配权利，谭安琪等主张构建区分"AI为内容提供主导程度"的归属规则。综合来看，学界在权属问题上的共识是：权属设计必须服务于激励导向与利益平衡的总体目标，单一主体绝对归属难以适应人机协作的复杂性，需要依据人类在创作过程中的实际贡献进行分层或分情形的制度安排。

（四）关于侵权责任的专门研究

AIGC深度介入创作亦引发侵权责任的重新审视。其一，训练数据阶段，AI开发者未经授权使用受版权保护的既有作品训练模型，是否构成对复制权、改编权的侵害，涉及合理使用、文本与数据挖掘（TDM, Text and Data Mining）例外等制度的适用；其二，生成阶段，AI输出的内容与既有作品构成实质性相似的可能性，以及提示者、开发者、模型运营者之间责任的分配；其三，责任主体的认定，当AI生成侵权内容时，究竟应由提示者、开发者抑或运营平台承担侵权责任，是否应引入"人工智能责任保险"等风险分担机制。学界普遍认为，现有责任框架需进行适应性调整，以兼顾权利人保护与AI产业发展的平衡。

上述研究为本文奠定了坚实基础，但既有成果多侧重单一问题的深入探讨，系统整合AIGC版权保护全流程、并以"作者概念重构"为主线贯通诸问题的研究仍相对薄弱，本文拟在此方向上作出推进。

三、作者概念的历史演进与时代重构

（一）作者概念的历史谱系

作者概念并非永恒不变，而是随技术与社会发展不断演进。在印刷术兴起前的口传时代，"作者"概念模糊，作品被视作集体智慧的结晶；活字印刷与出版业的繁荣催生了以著作人之名确立排他权利的制度需要，作者概念随之指向具体的著作人；版权法的发展进一步将作者塑造为享有专有权利的权利主体法人实体亦可通过职务作品、雇佣作品机制被拟制为"作者"。纵观这一历史，作者概念始终服务于三个功能：赋予创作激励、界定权利归属、配置交易责任。作者内涵的每次扩展都反映了技术变革对创作关系与社会利益分配的重新塑造。

（二）生成式AI对作者概念的冲击

生成式AI冲击的正是这三个功能中的主体基础。当内容可由算法在无人直接操作的情况下"自动"产出时，传统以"人—作品"为纽带的创作图景被"人—提示—算法—数据—内容"的复杂网络所取代。AI既非传统意义上的"创作工具"（被动执行指令），也非具备权利能力的"法律主体"，而处于一种"能动性有限但产出丰富"的中间状态。这要求著作权制度不能简单地将AIGC向传统作者概念"对号入座"，而应根据不同生成模式中人类智力投入的差异，对"作者"内涵进行适应性重构，以"人类智力贡献"和"法律拟制需要"为双轴，构建能够容纳人机协作现实的新作者图景。

四、AIGC的可版权性判定：以"人类干预程度"为核心的创作性标准

（一）人类干预程度作为判断枢纽的正当性

可版权性判定的关键在于区分"机器自主生成"与"人类主导创作"之间的边界。本文主张以"人类干预程度"为核心判断枢纽，即考察人类在内容生成过程中是否以及多大程度上投入了具有智力判断与创造性表达的劳动。这一标准的正当性在于：著作权法的制度宗旨是激励并保护人类的智力创造，只有当人类的创造性投入在生成结果中得到充分体现时，赋予其作品地位才契合制度的价值基础。纯粹的机器自动产出，因缺乏人类主体性而难以获得著作权意义上"作品"的地位；而人类通过精心设计提示词、反复筛选调整、实质性地参与结构编排与表达选择所诞生的内容，则可能构成作品。

（二）生成模式的分层与对应判断

依据人类干预程度的差异，可将AIGC生成模式划分为三个层次并适用不同的可版权性判断。第一层次是完全自主生成模式，即AI在无人为干预下自主流水式产出内容，此类内容通常缺乏可版权性，宜落入公有领域或由其权利人通过其他机制（如数据库权、特殊标志）予以保护。第二层次是辅助创作模式，即人类通过提示词输入、参数设定、结果筛选等方式实质影响生成过程，但AI承担主要的表达产出，此类情形下应审慎评估人类贡献是否达到"足够智力投入"门槛，达到者赋予保护、否则排除。第三层次是人机深度融合的协作创作模式，人类在创意构思、结构规划、内容编排与细节润色等环节深度参与，AI作为创作工具发挥作用，此类内容完全可能构成作品，应适用传统著作权法规则。分层判断的优势在于，既避免"一刀切"地否定AIGC的全部作品性，又防止脱离人类智力投入的泛保护，为司法审查提供了相对清晰的裁量框架。

（三）独创性要件在AIGC场景的重释

与"人类干预程度"标准相配合，需要对独创性要件作出适应性重释。传统的独创性要求作品"独立完成"且"具有一定创造性"，其判断基准是具体创作者的智力过程。在AIGC场景，应将独创性判断的重心从"主体特性"转向"表达的外在体现与人类智力贡献的可识别性"。即只要人类通过具有选择、编排、取舍性质的智力活动实质性地决定了最终的个性化表达，即便该表达经由AI工具生成，亦可认定具备独创性。判断上应考察提示词设计的创造性、生成参数的个性化调整以及人类对输出内容的实质性筛选与修改，而不能仅以"经过了AI"就否定独创性。这一重释既保持了独创性要件的功能，又回应了人机协作创作的现实。

（四）思想与表达二分法的应用

思想与表达二分法在AIGC场景的应用同样需要厘清。AI生成的内容中，其"思想"层面（如创意、主题、功能）与"表达"层面（如具体的语言表述、视觉呈现）应当予以区分，著作权仅保护表达而不延伸至思想。在AIGC侵权认定中，判断实质性相似时应聚焦于表达的相似程度，同时考虑AI生成过程的技术特征，避免将功能性、通用性的表达纳入保护。思想与表达二分法的坚守，有助于防止AIGC著作权保护不当扩张而妨碍自由表达与技术创新。

五、AIGC著作权归属的制度构造

（一）归属设计的总体价值取向

AIGC的权利归属设计应以激励创新、维护利益平衡与保障交易安全为总体价值取向。归属规则应当具有确定性以降低交易成本，应当具有激励性以鼓励AI内容产业的发展，同时应兼顾AI系统开发者、用户、数据提供者与社会公共利益之间的平衡，防止权利过度集中或权益落空。

（二）以"法律拟制"为核心的归属路径

基于上述取向，本文主张以"法律拟制"为主要路径确立AIGC的权利归属。考虑到AI不具备法律主体资格，宜由法律创设"准作者"或"AI生成作品的权利人"这一拟制主体，将署名权之外的相关财产权利赋予特定的自然人或法人。在选择拟制权利人时，应以"对生成结果作出决定性人类贡献"及"实质组织与投资生成活动"为双重标准，通常应归属于对内容的产生发挥了决定性作用的组织者或使用者。具体而言，在个人用户通过AI工具创作的情形下，宜将权利归属于进行实质创作控制的用户；在平台或企业组织开发并运营AI系统规模化产出内容的情形下，宜将权利归属于承担组织与投资职能的企业。通过法律拟制，可在不赋予AI主体资格的前提下，为AIGC确立清晰、稳定的权利主体，为后续的许可、转让与交易奠定基础。

（三）署名权与人格利益的处理

AIGC权利归属还涉及署名权等人格权利的处理。鉴于AI不具人格，AIGC通常不涉及完整的精神权利，可借鉴计算机软件等类似制度，对相关主体的署名权作特殊安排。在需要标注出处的场景，应强制要求对AIGC进行来源标识，明确其"由AI生成"的事实，保障消费者的知情权与公众的信任，同时兼顾合理使用与文化交流的需要。作者身份的真实性公示有利于遏制"AI换脸""AI代笔"等造假乱象。此部分的制度设计应在保障相关主体正当权益的同时，便利版权管理与内容流通。

六、AIGC侵权责任的规范框架

（一）训练数据阶段的版权合规

AI模型训练往往需要大量既有作品作为训练语料，这一过程涉及复制与改编等受著作权控制的利用行为，由此引发的核心争议是合理使用条款与"文本与数据挖掘"例外能否覆盖模型训练行为。我国《著作权法》第二十四条列举了合理使用情形，但对AI训练数据的版权例外尚无明确规定。参考域外经验，欧盟《版权指令》为科学研究目的的文本数据挖掘设置了例外，同时允许权利人通过"选择退出"机制排除商业性挖掘；日本修法则对非欣赏性技术处理设置较为宽松的空间。本文认为，我国宜在审慎权衡权利人利益与AI产业发展之间，探索建立符合国情的训练数据版权合规规则：一方面承认为AI训练合理使用他人作品的可能性边界，另一方面要求开发者承担来源合规与收益分享的合理义务，防止"唯数据规模论"的掠夺式利用损害创作者权益。

（二）生成阶段的侵权认定与责任分配

在生成阶段，若AIGC与既有作品构成实质性相似，即可能侵害复制权、改编权等权利。由于AI大模型的训练与生成机理具有高度的"内化—再生"特征，其输出与训练语料之间往往不存在逐字逐句的机械复制，而是一种基于概率分布的统计性重构，这使得侵权认定较传统复制情形更为复杂。在判断实质性相似时，应综合考察表达重合的程度、原作品独创性表达所占比例以及生成内容的具体特征，避免仅因主题或思想相近而误判侵权。责任分配上，应当区分多种参与主体的过错与角色：提示者应对其输入内容与利用方式负合理注意义务，AI模型开发者应在训练阶段履行合规义务并承担一定的生成内容审查责任，AI运营平台则可能依据"避风港"或"通知—移除"规则承担相应的平台责任。为分散风险，可探索建立AI内容生成领域的责任保险机制。

（三）治理体系的整体协调

AIGC侵权责任的有效治理有赖于整体制度协调，包括完善AIGC溯源与标识技术标准、健全版权登记与确权机制、强化平台审核与内容管理义务，以及依托行政执法与司法裁判形成多元救济渠道。特别应推动版权管理部门针对AIGC建立专门的确权、备案与管理通道，为AIGC的合法流通利用提供便利。同时，应培育版权交易市场与授权许可机制，通过合理的许可付费安排实现创作者、开发者与使用者之间的利益共享，从源头上减少侵权风险。这种多环节、全链条的制度协调，是构建健康有序的AIGC版权生态的关键所在。

七、AIGC著作权治理的现状分析

（一）国际立法的分化与趋向

全球范围内，AIGC版权治理呈现出明显的分化态势，但亦存在若干趋同的趋向。欧盟一方面通过《人工智能法案》为高风险AI系统设定监管框架，另一方面在著作权议题上坚持"信任原创、促进共享"的价值取向，主张AI生成过程应尊重既有版权并确保透明度；在立法设计上倾向于将AI视为工具，将人类居于创作的核心位置。美国版权局多次更新指引，明确不予登记"无人类创造性输入"的AI生成内容，同时强调人类在提示与修改中的创造性贡献可获得保护，呈现出"工具论"主导的务实倾向。英国在原有计算机生成作品规则基础上进一步探讨AIGC保护的可能边界。日本、韩国、新加坡等亚洲国家则在促进AI产业创新与保护版权之间倾向于较为宽松的数据利用规则。整体看，主要法域的态势可概括为：在"AI是否是作者"上多持否定立场，但在"人类如何获得保护"上逐渐形成以"人类创造性贡献"为标尺的分层判断趋向。

（二）我国司法实践与制度探索

我国AIGC著作权实践起步较早且探索活跃。深圳某法院在涉AI生成图片的著作权纠纷案中，裁判认为用户在AI生成过程中投入了独创性的提示与选择劳动，涉案图片构成受著作权法保护的作品，从而在司法层面确立了"人类智力贡献构成作品性"的判例指向，为同类案件提供了镜鉴。北京某互联网法院在AI生成的内容相关案件中亦探讨了生成式AI内容的法律定性。与此同时，国家层面相继出台《生成式人工智能服务管理暂行办法》等规范，强调生成内容的安全与真实性管理；版权管理部门就AIGC的相关版权问题展开调研与规则研究。总体来看，我国在AIGC版权治理上呈现出"司法先行、规则跟进、边界探索"的特点，制度框架正在形成但若干深层次规则仍待明确。

（三）我国AIGC版权治理面临的挑战

审视我国AIGC版权治理现状，仍面临多重挑战。其一，立法供给不足。现行《著作权法》未对AIGC、AI作者等作出专门规定，相关规则散见于部门规章制度与司法裁判，缺乏体系化的顶层立法安排。其二，权属规则不清。AIGC在不同生成模式下的权利归属缺乏明确标准，导致市场交易中的权属争议与确权困难。其三，侵权规制困难。AI训练数据来源的合法性与生成内容的版权侵权认定在技术上面临举证困难，实质相似判断标准有待统一。其四，利益平衡复杂。AIGC版权保护需在激励创新、保护原创、促进共享之间精细权衡，任何单一偏好都可能造成生态失衡。上述挑战共同表明，AIGC版权治理亟需在立法、司法与行政层面协同推进，形成系统完善的制度格局。

（四）技术发展带来的动态调适压力

生成式AI技术仍处于高速演进之中，多模态模型、智能体等内容生成形态不断涌现，AIGC的规模、质量与可控性将持续提升。技术的动态性对版权治理形成持续调适压力：规则设计必须具备足够的开放性与弹性，以容纳未来可能出现的新的内容生成模式；同时，版权治理的技术工具（如内容溯源、数字水印、版权核验数据库）也需随技术演进而同步迭代。可以预见，AIGC版权治理将是一个持续演进、不断校准的动态过程，理论研究与制度建设皆需保持前瞻性与开放性。

八、域外经验的本土化借鉴与制度建构

（一）本土路径的选择

在借鉴域外经验时，必须立足我国著作权法传统与数字经济发展实际。我国《著作权法》确立了"保护创作者合法权益、鼓励有益于社会主义精神文明和物质文明建设的作品的创作和传播"的立法宗旨，这一宗旨要求在AIGC版权治理中既保护原创者的合法权益，也鼓励AI内容产业的创新发展。本土制度设计宜采取"立法构架+司法细化+行政配套"的协同路径：在立法层面为AIGC版权问题确立基本规则，在司法层面通过典型案例细化具体判断标准，在行政层面完善登记、备案与监管机制，并充分发挥行业自律与技术标准的作用。

（二）区分保护与层级探索

区分保护是AIGC版权本土制度的重要方向。建议依据人类智力贡献程度与内容生产方式，确立"适应保保护—适度保护—不保护"的层级化方案：对具有充分人类创造性贡献的AIGC赋予完整著作权保护；对仅具有限人类干预、主要由AI生成的内容，可通过邻接权、数据保护或特殊标志等方式提供有限保护；对完全自主生成的AI内容，原则上不予著作权保护，但其合法利用可由相关主体通过合同、反不正当竞争等机制予以保障。区别保护既避免了"全有或全无"的极端，也能为不同性质的内容提供与其智力投入相匹配的法律保障。

（三）利益平衡机制的建设

建立科学的利益平衡机制是AIGC版权治理的核心。应在创作者、AI开发者、用户与公众之间合理分配权益与义务。一方面，健全AIGC的许可使用与收益分配机制，探索建立训练数据版权库与集体管理制度，使原创作者能够从其作品被用于AI训练中获得合理回报；另一方面，审慎界定AIGC版权保护的限制与例外，保障以学习、研究、评论、新闻报道等为目的的合理使用空间，防止版权保护过度膨胀而侵蚀公共利益。通过精细的利益衡量，实现激励原创、促进创新、保护公共文化利益的多重目标的动态平衡。

（四）制度建设中的多元协同

AIGC版权治理不能仅依赖著作权法这一单一制度，而应在版权制度的基础上，通过技术标准、行业规范、行政监管与司法救济的多元协同，构建整体治理生态。应推动建立AIGC内容的可信溯源机制，利用内容标识、数字水印、区块链存证等技术手段，实现AIGC作品的权属登记与流转记录的可验证；应完善版权管理部门的登记备案功能，为AIGC提供便捷高效的确权通道；应培育AIGC版权研究与评估的专业力量，推动行业协会制定AIGC版权合规指引，引导市场主体规范行为。通过制度、技术、行业的多维支撑，使AIGC版权治理真正落地见效并保持动态适应能力。

九、结论与展望

人工智能生成内容对著作权制度的冲击，本质上是技术发展对以人类为中心的法律主体理论的一次深层叩问。本文以作者概念的重构为理论主线，系统回答了AIGC的可版权性判定、著作权归属、侵权责任与制度建构等核心问题。研究表明，AIGC并非对著作权制度的葬送，而是一次促使制度自我革新的契机。通过确立"以人类干预程度为核心的创作性判断标准"，通过构建"法律拟制+利益平衡"的权利归属路径，通过完善全链条的侵权责任框架与多元协同的治理体系，著作权制度完全能够在尊重技术规律与法治传统的基础上，包容并合理规范AI内容创作这一新的生产方式。

展望未来，生成式AI技术仍将持续演进，通用人工智能、具身智能等业态可能进一步改写内容生产的版图，著作权制度面临的任务将更加复杂而艰巨。需要法学、伦理学、技术学界与社会公众的广泛协作，持续跟踪技术动态，不断完善理论模型与制度设计，在创新激励、权益保护与公共利益的动态平衡中，探索一条既能释放AI技术红利、又能守护人类创造尊严的著作权治理道路。在这场深刻的社会变革中，著作权法所承载的保护创造、激励创新的价值理想不仅不会过时，反而将在新的技术语境下被赋予更为丰富而深邃的内涵。

参考文献：

[1] 王迁. 论人工智能生成的内容在著作权法中的定性[J]. 中国法学, 2020(6): 23-41.

[2] 冯晓青. 人工智能生成内容的版权保护之辨[J]. 知识产权, 2022(1): 3-19.

[3] 丛立先. 人工智能创作物的著作权问题研究[J]. 中国法律评论, 2019(4): 56-70.

[4] 吴汉东. 人工智能时代的制度安排与法律规制[J]. 法学研究, 2018(6): 5-18.

[5] 易继明. 人工智能著作权问题的中国方案[J]. 知识产权, 2021(12): 3-20.

[6] 张平. 人工智能生成物的著作权归属与保护[J]. 清华法学, 2020(4): 5-22.

[7] 何怀文. 人工智能生成内容的可版权性与作者[J]. 中外法学, 2021(2): 300-318.

[8] 徐卓斌. 文本与数据挖掘的合理使用路径[J]. 中国法学, 2022(4): 45-62.

[9] 李扬, 陈诗妍. 生成式人工智能训练的版权合规[J]. 法学评论, 2023(5): 88-102.

[10] 谭安琪, 李顺德. 算法创作作品的著作权归属研究[J]. 知识产权, 2020(11): 15-30.

[11] 许可. 人工智能生成内容的法律治理[J]. 环球法律评论, 2023(3): 5-20.

[12] 曹新明. 人工智能生成物的著作权问题探析[J]. 武汉大学学报(哲学社会科学版), 2022(2): 88-102.

九、结论与展望（续）与若干延伸议题

（一）AIGC与人类创作关系的再认识

在深化AIGC版权治理研究时，有必要对人类与AI的创作关系作出更清醒的认识。AIGC的繁荣并不意味着人类创作能力的衰退，而是在更高层面实现了人类智力与技术工具的结合。AI承担了大量的素材整合、形式生成与效率提升功能，而创意构思、价值判断、审美取向与最终的选择责任依然本质上属于人类。著作权制度保护AIGC，实质上是保护体现在AI工具使用过程中的那种人类创造性安排与智力投入，而非为脱缰的机器"赋权"。坚持这一认识，有助于我们既充分接纳AIGC进入文化创作生态，又坚守人本主义的制度立场，防止创作的"去人类化"与文化的机械复制化。

（二）AIGC版权治理中的人权与伦理维度

AIGC版权治理不仅是技术规则问题，更关涉数据主权、劳动价值与文化多样性等深层伦理与权利议题。在全球化语境下，训练数据来源的地域性、文化性与语言分布可能影响AIGC所承载的知识结构与价值取向，版权规则的宽严又会反过来塑造全球内容生态与文化版图。因此，AIGC版权制度设计应重视发展中国家的参与与话语权，警惕版权规则被用于巩固技术宗主国的数据与技术优势、挤压欠发达地区的创作与传播空间。这种制度自觉要求我们以更为开阔的视野，在维护版权秩序的框架内同时回应公平、正义与人权保障的时代诉求。

（三）AI与国际学术与教育领域的过渡

简短的过渡性讨论值得补充：AIGC版权治理还深刻影响学术研究、教育领域与新闻传播的规范秩序。学术研究中AIGC的使用涉及学术诚信与引用规范，教育领域的AI辅助创作涉及著作权教育与数字素养培养，新闻传播中的AI生成内容涉及虚假信息与版权边界。这些次生场景要求版权制度与学术规范、教育政策、媒介伦理相互耦合，形成跨领域的协调治理。本文的重点虽集中于著作权制度本身，但亦应认识到，AIGC版权问题的解决离不开更广泛的社会治理协同，唯有在更完整的制度生态中加以统筹推进，方能取得标本兼治的效果。

（四）面向制度落地的实施建议

在实施落地上，建议从以下几个层面推进AIGC版权制度建设。立法层面，待条件成熟时在著作权法修订中明确AI生成内容的定性、可版权性判断标准与权利归属规则，或以专门规定回应GAI特殊问题的治理需求；司法层面，通过发布指导性案例统一AIGC作品认定与侵权判定的裁判口径，增强规则的可预期性；行政执法与平台治理层面，完善AIGC内容标识、备案与审核要求，压实平台主体责任；产业与行业层面，推动建立AIGC版权公共信息平台与训练数据版权库，培育版权集体管理与授权许可机制，通过技术标准与行业自律推动版权生态的规范化。通过多层次、分阶段的制度落实，AIGC版权治理有望从原则共识走向可操作、可执行、可校验的具体制度安排。

结语

生成式AI以摧枯拉朽之势变革着内容生产的底层逻辑，也将著作权制度推到了制度演进的十字路口。面对技术洪流，畏缩回避或盲目拥抱皆不可取，唯有以理性、审慎而进取的姿态，在守护人类创造尊严与释放技术创新潜能之间不断校准制度航向。本文以作者概念的重构为主线所提出的可版权性标准、权属路径与治理框架，既是对当前制度困境的理论回应，也是对未来制度图景的建设性擘画。我们坚信，只要坚持以人民为中心、统筹创新与保护的制度理念，依托持续的理论深耕与制度创新，著作权制度完全能够驾驭这场技术变革，使AI内容创作在法治轨道上行稳致远，让技术进步的成果更好地服务于人类文明的创造与传承。

从更宏观的制度演进视角看，AIGC版权治理的探索实际上提供了一个观察法律如何回应技术变迁的鲜活样本。纵观著作权法的历史，每一次技术革命——从印刷术、摄影术到录音录像、计算机软件、网络传播——都曾引发"作品"概念与权利体系的扩展与重构，最终都在保持制度核心价值的基础上实现了对新技术的包容。人工智能同样遵循这一规律：它并非著作权制度的异质对手，而是催生新一轮制度演化的技术变量。因此，研究者与立法者应当以历史的眼光看待AIGC版权问题，既不因恐惧而过度防御，也不因冲动而冒进突破，而应审慎地在延续性与创新性之间保持张力，使著作权制度在回应新时代需求的过程中延续其激励创造、保护权益、平衡利益的制度初心。

在理论层面，尚有一系列具有潜力的研究方向值得展开。例如，AIGC版权归属与数据要素产权制度、人工智能算法规制之间如何实现制度衔接；跨国AIGC版权纠纷的管辖、准据法确定与国际协调问题；AIGC独创性判断与算法可解释性技术的结合可能；以及AIGC对邻接权、表演者权、录音录像制作者权等他项著作权制度的辐射影响。这些议题的深入研究，将有助于构建更加完善、自洽的AIGC版权理论体系。同时，实证研究亦应加强，通过对AIGC版权登记案例、司法判例与市场运行数据的系统梳理，检验既有理论假设与制度设计的实际效果，为规则的动态调整提供经验支持。

展望数字文明的未来图景，AI与人类创作的深度交融仍将持续深化。我们既期待技术创新为文化繁荣注入新的动力，也警惕技术理性对人类创造主体的侵蚀。AIGC版权治理的终极目标，不应止于为机器生产的内容寻求法律庇护，而在于为人类文明在技术时代的延续确立一种"以人为中心"的制度选择。唯有在保护创造、激励创新、尊重权益、促进共享的价值坐标中，审慎而坚定地推进制度建构，方能使著作权制度在研究新的技术关系的同时，始终守护人类创造的温度与尊严，使科技向善成为数字时代创作与传播的底色。这正是本文思考AIGC版权问题的时代意义与制度归宿所在。

参考文献：

[1] 王迁. 论人工智能生成的内容在著作权法中的定性[J]. 中国法学, 2020(6): 23-41.

[2] 冯晓青. 人工智能生成内容的版权保护之辨[J]. 知识产权, 2022(1): 3-19.

[3] 丛立先. 人工智能创作物的著作权问题研究[J]. 中国法律评论, 2019(4): 56-70.

[4] 吴汉东. 人工智能时代的制度安排与法律规制[J]. 法学研究, 2018(6): 5-18.

[5] 易继明. 人工智能著作权问题的中国方案[J]. 知识产权, 2021(12): 3-20.

[6] 张平. 人工智能生成物的著作权归属与保护[J]. 清华法学, 2020(4): 5-22.

[7] 何怀文. 人工智能生成内容的可版权性与作者[J]. 中外法学, 2021(2): 300-318.

[8] 徐卓斌. 文本与数据挖掘的合理使用路径[J]. 中国法学, 2022(4): 45-62.

[9] 李扬. 生成式人工智能训练的版权合规问题[J]. 法学评论, 2023(5): 88-102.

[10] 许可. 人工智能生成内容的法律治理[J]. 环球法律评论, 2023(3): 5-20.

[11] 曹新明. 人工智能生成物的著作权问题探析[J]. 武汉大学学报, 2022(2): 88-102.

[12] Abdalla M, Wahbeh F. The Rise of Generative AI: Copyright and Ownership in the Era of Machine-Made Works[J]. Journal of Intellectual Property Law and Practice, 2024, 19(1): 30-45.