AI生成内容侵权,谁担责?拆解最高法涉AI司法意见的责任分配规则

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，下称《意见》），共二十四条，发布当日即施行。这是全球范围内首部由一国最高审判机构发布的涉人工智能裁判规则文件。在此之前，AI侵权案件的法官手里只有民法典、著作权法这些为传统场景写的法律，每一次裁判都是摸着石头过河；从此之后，手里多了一张地图。

先说一个所有人都可能遇到的场景。你用文生图模型生成了一张奥特曼风格的插画，配上文案发到公众号，阅读量不错，顺手还印了几十件T恤卖。一周后你收到律师函：侵犯著作权。这时候谁赔？是开发模型的公司，是提供生成服务的平台，还是你？

在9月7日之前，这个问题的诚实回答是：不知道，看个案。9月7日之后，答案变成了一套可以预期的规则。本文只拆解这二十四条里的一个问题：当AI生成内容侵权时，责任如何在开发者、提供者、使用者三层主体之间分配。

一、大前提：过错责任，以及一把新的衡量尺

《意见》第三条是全部责任规则的地基。它规定：法律没有明确规定适用无过错责任或者过错推定责任的，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侵权责任。

过错责任不是新东西，AI场景下它才真正显出分量。传统侵权里，行为人和损害之间的距离很近：你开车撞人，你负过错，因果关系一目了然。AI插进来之后，链条变成了开发者训练模型、提供者运营服务、使用者输入提示词、模型吐出侵权内容，四个环节里没有任何一方单独完成了侵权行为，但损害真实发生了。这时候过错怎么认定？

第三条给出了六个衡量因素，概括起来是三组坐标：

第一组看技术本身：应用场景、自主化程度、技术与信息透明度、潜在风险及影响范围。一个医疗诊断模型和一个文生图玩具模型，法律对它们的要求不可能一样；模型越像一个没人能看懂的黑箱，运营它的人对outputs负有的注意义务越重。

第二组看预防能力：开发者、提供者为预防和减少侵权所采取的措施及技术上的可能性。这句的法理学翻译是：防得住而不防，就是过错；技术上根本防不住，不能强人所难。

第三组看使用者的认知：使用者对利用人工智能技术实施的侵权行为可能造成损害的预见能力与控制能力。用没用知名IP的名字做提示词、清不清楚生成结果长什么样、有没有去掉AI生成标识，都会进入过错判断。

把六因素压缩成一句话：谁对损害有预见能力、控制能力和从中获利，谁的责任就重。这把尺子在第三条里立起来，后面所有的具体规则都是它的展开。两起"奥特曼案"同案不同判的谜题，谜底也在这把尺子上。

有人会问：AI风险这么大，为什么不直接用更严格的无过错责任？看《意见》的体系设计就明白。第九条对AI产品适用产品质量法的产品责任，第十一条对自动驾驶汽车单独规定赔偿规则，这两处是专门划出的严格责任口袋。口袋之外的一般生成场景，仍然回到过错责任。这个安排克制而清醒：生成式AI的风险随场景剧烈变化，一刀切加严会压垮创新；第六条对训练数据个人信息处理的宽容、第十三条对开源的豁免，与第三条是同一张设计图上的线条。

二、使用者的直接责任：第十二条划出的红线

先看最容易被忽略、但对普通读者最重要的一层：你自己。

《意见》第十二条第四款规定：人工智能使用者知道或者应当知道在先作品存在，利用人工智能生成与在先作品实质相似的作品且无合理抗辩理由，在先作品权利人请求其承担侵权责任的，人民法院应予支持。

这是一个标准的构成要件规则，三个要件缺一，责任不成立。逐一拆：

要件一，知道或者应当知道在先作品存在。 "知道"是主观明知，证据上是提示词里直接写了"奥特曼""冰墩墩"这类受保护角色的名字，或者上传了原作图片做参考图。"应当知道"是客观推定，核心看涉案作品的知名度。奥特曼这种国民级IP，法院不会接受"我没听说过"的抗辩。需要提醒的是，写"某某风格"是否安全没有明确答案，"吉卜力风格"没有对应的具体作品权利人，风险低；"赛博朋克2077风格"指向具体游戏的美术资产，风险完全不同。提示词是过错判断的第一现场，也是最容易留证的地方。

要件二，生成与在先作品实质相似的作品。实质性相似是著作权侵权的传统判断方法：过滤掉思想、通用元素和公有领域素材之后，剩下的独创性表达是否被复制。AI只是换了一支笔，这个标准没有变。生成图保留了奥特曼的标志性轮廓、配色和角色特征，就是实质性相似，与"AI画的所以算新创作"无关。

还有两个误区值得点名。其一，对生成结果做二次加工不改变侵权性质。把生成图改配色、裁构图、拼贴其他元素，只要保留了原作的独创性表达，实质性相似照样成立，洗稿式修改在AI时代不会变得更好用。其二，收到权利人警告后继续生成，"应当知道"直接升级为"明知"，过错程度加重，赔偿数额会跟着上去。广州案里，平台对模型训练数据来源及生成结果具有实际控制力，却始终没有建立投诉举报机制和风险提示，这正是其主观过错的认定依据之一。

要件三，无合理抗辩理由。反过来问就是：合理使用还有空间吗？有，但很窄。为个人学习、研究欣赏而生成，不传播、不营利，仍在安全区；一旦公开发布、商业使用、尤其叠加知名IP，合理使用抗辩基本告吹。杭州互联网法院在奥特曼案中给出的思路更值得注意：个人上传作品训练模型的行为，可能被认定为转换性使用或临时复制而落入合理使用，但把生成结果公开传播，出圈即出罪难。

三个要件都满足，责任主体就是使用者本人，与平台无关、与开发者无关。这条规则的现实意义在于：它终结了"锅永远是平台的"这种幻觉。两起奥特曼案里，用户的责任面向一直被讨论，只是原告选择了告平台；下一场诉讼里，用户成为被告时，第十二条第四款就是裁判依据。

三、提供者的责任：通知加必要措施，以及两起奥特曼案的判例注脚

平台层的规则在第七条。它针对人格权场景（名誉、隐私等）规定：生成式AI自动生成的内容侵害他人人格权益，经权利人通知，服务提供者未及时采取停止生成侵权内容等必要措施的，应当对造成的损害依法承担侵权责任。通知须包含构成侵权的初步证据和权利人真实身份；用户通过输入侵权提示词等方式恶意诱导生成侵权内容的，该用户自己担责；权利人依据《民法典》第一千一百九十五条请求用户和提供者承担责任的，法院应支持。

第七条有两个容易被略过的细节。第一，通知的内容要件：构成侵权的初步证据加权利人真实身份。这不是形式主义，是过滤器。没有初步证据的通知，等于要求平台对一切生成内容负总责，避风港会被压垮；有了身份要件，恶意投诉者要留下痕迹，平台才敢快速响应。第二，恶意诱导条款：用户通过输入侵权提示词等方式恶意诱导生成侵权内容的，用户自己担责。这针对的是"越狱"式使用，把AI当成规避审查的工具，这一行为本身就构成过错，权利人可同时起诉用户和平台。

把第七条翻译成熟悉的语言，就是"通知加必要措施"，即避风港规则在生成式AI上的重建。但著作权场景下平台何时担责，条文没有逐字写，答案藏在已有的判例里。这里需要请出中国AI著作权审判的两块基石，它们恰好是一对对照组。

第一块是广州互联网法院的奥特曼案，2024年2月宣判，全国首例AIGC著作权侵权案。被告运营的网站提供文生图服务，用户输入奥特曼相关关键词就能稳定生成实质相似的图片，平台靠会员充值获利。法院认定平台构成直接侵权，侵犯复制权和改编权。理由很关键：平台对模型训练数据来源和生成结果具有实际控制力，生成侵权内容不是用户偶发的恶作剧，而是服务的正常输出；平台又没有建立投诉举报机制和风险提示。技术中立在这被明确拒绝：你的技术深度介入了侵权内容的产出，你还从中收了钱，就不能装成一根中立的管道。

第二块是杭州互联网法院的奥特曼案，2024年9月一审、同年12月二审维持。被告平台提供基础模型和LoRA模型，用户可以上传奥特曼图片自行训练角色模型并分享。法院把平台行为切成输入端和输出端两段评价：输入端，训练素材由用户上传，平台未直接参与，不构成直接侵权，个人上传作品训练在一定条件下可构成合理使用；输出端，奥特曼LoRA能稳定输出侵权内容，平台通过会员充值、积分奖励获利，作品知名度高，侵权扩散显而易见，平台收到通知前未采取过滤、屏蔽等措施，主观有过错，构成帮助侵权，赔偿三万元。二审还否定了一次不正当竞争请求，理由是著作权法已经评价过的行为，反不正当竞争法不宜重复评价。

两案结果不同，常被解读为裁判尺度打架。用第三条的尺子重新量一遍，会发现这是同一逻辑在不同事实结构下的展开：广州案的平台亲自输出了侵权内容，控制力最强、获利最直接，所以是直接侵权；杭州案的平台只是给用户提供训练场，输入端没有审查义务，但输出端对可预见的侵权放任不管，所以是帮助侵权。控制到哪儿，责任到哪儿；收到通知还不动，过错坐实。

第七条加上两案，平台合规的义务清单已经很具体：建立投诉举报入口，收到合格通知后及时停止生成、屏蔽指令，对高知名度IP做关键词过滤，保存过程日志。少一条，避风港就变成漏风港。

还有一个衔接问题：第七条明文写的是人格权，著作权场景能否直接套用通知规则？从体系解释看，答案是肯定的。第十二条第一款要求综合考量"采取的必要措施"这一因素，已经把通知响应纳入著作权领域的责任衡量；《民法典》第一千一百九十五条作为网络侵权的一般规则，本来就是跨权利类型适用的。平台若把第七条只当人格权条款来合规，会漏掉一半风险。

四、开发者的举证责任：不侵权抗辩的四项说明义务

第三层是模型的开发者，也就是训练模型的人。这一层最微妙：《意见》没有直接规定开发者何时担责，而是换了一个更聪明的工具，举证。

《意见》第十二条第二款规定：人工智能开发者提出不侵权抗辩的，应当责令其提供训练数据来源、训练过程记录、模型运行模式以及科学理论依据等予以佐证。

拆开看这句的杀伤力。开发者被诉侵权时，最顺手的抗辩是"训练用的是公开数据、模型输出是自主生成、与原告作品无关"。以往这种抗辩几乎无法证伪，因为训练数据是黑箱。现在法院可以责令你说清楚四件事：数据从哪来的，训练过程怎么记录的，模型怎么运行的，你的科学原理依据是什么。说得清楚，抗辩成立；说不清楚，抗辩不被采信，接着面对败诉风险。

规范的措辞是"责令提供证据予以佐证"，法律性质上还不是举证责任倒置，原告仍需就侵权成立举证。但在AI场景里，关键证据几乎都在被告手里，开发者举证不能的后果实质化，这已经离举证责任转移不远。

四项说明义务里最有张力的是"科学理论依据"。前三项是工程文档问题，台账和日志总能补；科学理论依据则要求开发者用可验证的原理论证模型行为，比如训练数据不会以可提取的形式进入输出。这对深度神经网络是个尖锐挑战：业界对大模型记忆机制的研究仍在推进，要求在法庭上拿出确定性的科学论证，等于把可解释性问题变成了举证负担。第一个被要求出示这类依据的案件，会是一次真刀真枪的测试。配合第十七条（法院可以要求控制证据的当事人提交，无正当理由拒不提交的，可以认定对方主张成立）和第十八条（对AI生成内容作为证据的，要审查提示词设计、重复测试一致性、模型过滤机制），一条完整的证据链规则已经成形。

这里有一个条文没有回答的张力：训练数据来源往往涉及商业秘密，说明义务和保密利益怎么平衡，《意见》留白。法院能期待开发者把数据台账完整摊在庭上吗？大概率不会，更可行的路径是要求审计式披露或向法庭保密提交。这个空白，会在第一批适用《意见》的案子里被填满，值得律师和合规人员盯紧。

别忘了第十三条给开源留的口子：免费开源提供代码模块、公开说明功能和安全风险的，法院可以认定开源开发者、提供者不承担侵权责任。这和第三条是同一条逻辑线的两端：不获利、已尽披露义务，责任就轻；获利、不透明，责任就重。开源不是免责金牌，但诚实的开源有制度性回报。

对产业的直接影响可以预见：语料来源台账、训练过程记录、内容过滤机制，将从"可有可无的工程文档"变成诉讼中的保命证据。开发者现在每省一份记录，未来都在给自己的抗辩挖坑。

五、收束：一张矩阵，三份清单

把二十四条里散落的规则收拢，三层主体在AI侵权链条中的责任配置可以压缩成一张表：

行是主体，列是行为阶段。开发者对训练负责，义务重心在数据来源合法和过程留痕；提供者对生成和输出负责，义务重心在通知响应和必要措施；使用者对输入和传播负责，义务重心在避开知名IP和保留抗辩空间。链条上每一环都在为自己的控制力买单，这就是第三条那把尺子在全链条的投影。

这张表还透露了一个方法论：二十四条从不评价"AI"这个整体，只评价链条上具体阶段的具体行为。训练、生成、传播三件事的责任主体各不相同，任何"AI侵权一律由谁负责"的口号，在这套规则面前都站不住脚。

三份清单，各自对号入座。

给使用者：提示词里出现知名IP名称那一刻，过错就已经在留痕；商用之前先问一句这个图敢不敢署自己的名；AI生成标识别去，它是你的抗辩资产而不是累赘。

给平台和应用方：投诉机制、关键词过滤、生成日志三件套是底线；会员充值这类从生成行为直接获利的模式，会把注意义务推高一个档次，杭州案的判决书写得很直白。

给开发者：数据来源台账、训练过程记录、模型运行文档，从今天开始按"明天就要上法庭"的标准存档；第四条规定的死者人格利益保护和声音权益规则，意味着人格权维度的训练数据合规和个人信息保护一样，成为前置义务。

《意见》发布后的第二天，最高法研究室的五位起草人刊发了理解与适用，把每一条的形成过程摊开说明。规则文本加起草说明，这种透明度在司法解释类文件里也不常见。它传递的信号和文件本身一样清楚：司法不打算等立法，先用现有法律把AI管起来。

二十四条没有创造新权利，也没有给AI行业发免死金牌。它做的事更朴素：把"AI侵权怎么办"从一道开放题，变成了一道有标准答案的填空题。接下来值得看的，不是文件本身，而是第一批引用它的判决书。

（作者：实习律师，软件工程师，知识产权师。本文为个人学习笔记，不构成法律意见。文中裁判信息来自公开报道与裁判文书，条文引自法发〔2026〕10号公开文本。）