夜雨聆风学习资料网

ARTICLE · 1366747

企业软件法律治理路线图:IP、开源、SaaS 与 AI 编程合规

企业软件法律治理路线图:IP、开源、SaaS 与 AI 编程合规

过去谈软件法律问题,很多企业首先想到的是“有没有软件著作权登记”。登记具有重要意义,能够在权属证明、维权谈判和诉讼中发挥作用。但在当前环境里,软件相关法律问题的复杂性已经远远不局限于软件著作权登记,而软件相关一系列问题会对企业的研发组织、产品交付、商业合作、数据流动、融资并购、出海经营和争议解决产生实质影响。

当前,软件已不再主要表现为孤立产品。一个看似普通的业务系统,背后可能同时包含自研代码、开源组件、第三方 SDK、云服务接口、低代码平台配置、客户数据、日志数据、模型参数、AI 生成代码、跨境运维链路和多个供应商的服务承诺。软件也不一定以副本形式交付给客户。在更多场景中,客户仅通过登录一个 SaaS 平台、调用一个 API、订阅一个模型能力,或者在企业微信、钉钉、飞书、微信小程序里使用某个功能。

由此,企业需要关注的问题发生了变化:过去主要问“这套软件是谁写的”,现在还要问“使用了哪些组件”“数据来源是否合法”“接口能否复用”“算法能否保密或申请专利”“客户终止合同时可以取回哪些数据和材料”“AI 生成代码是否存在权利负担”“争议发生时企业能够证明哪些事实”。

当下,软件已经成为一组持续运行、持续迭代、持续调用外部资源的关键商业能力。围绕这组能力,知识产权、合同、数据合规、开源许可证、商业秘密、不正当竞争和证据规则会同时出现。

本文试图回答一个更贴近企业实务的问题:当软件成为企业经营的基础设施时,法务和业务团队应如何重新理解软件资产、使用权、合规边界和争议证据。

本文要点

01
权利人到底拥有什么
02
软件著作权保护表达,但“表达”和“功能”的边界并不总是清楚
03
复制比例较低并不当然排除侵权风险
04
算法不受著作权直接保护,但可能成为商业秘密或专利资产
05
从“购买软件”到“订阅服务”:许可、权利用尽和 SaaS 的分野
06
开源软件的核心是供应链合规义务
07
数据抓取和平台数据:从“公开可见”走向“竞争秩序”判断
08
AI 辅助编程:核心风险在输入、输出和证据
09
争议发生时,软件案件关键在于证据链
10
企业如何建立软件法务治理框架
11
结语:软件法务的重点,正在从“登记权利”转向“管理系统”

一、权利人到底拥有什么

许多软件相关法律争议的第一步,并不是判断谁对谁错,而是明确“软件”所包含的资产构成。

在中国法下,《计算机软件保护条例》把计算机软件定义为计算机程序及其有关文档。程序包括源程序和目标程序;同一计算机程序的源程序和目标程序被视为同一作品。条例也明确,软件著作权保护不延及开发软件所用的思想、处理过程、操作方法或者数学概念等。

上述规定在实务中具有基础性意义。它意味着,软件法律保护至少要分成几层:

图1:软件资产不是单层权利,而是一组保护栈

1. 代码表达
源代码、目标代码、脚本、配置代码、注释、测试用例
2. 文档和界面
设计说明、API 文档、流程图、用户手册、UI 表达
3. 算法和流程
推荐、风控、调度、仿真、训练策略;通常不由著作权直接覆盖
4. 技术方案
解决技术问题、采用技术手段、取得技术效果的软件相关发明
5. 秘密信息
未公开源代码、核心参数、模型权重、数据库结构、接口协议
6. 数据与运营利益
客户数据、日志、标注数据、平台数据集合、流量和模型能力

企业在登记软件著作权之外,还需要判断哪些内容适合保密、哪些适合专利、哪些只是合同访问权。

第一层是代码表达。源代码、目标代码、脚本、配置代码、注释、测试用例中具有独创性的表达,主要进入著作权保护框架。

第二层是文档和界面。设计说明、API 文档、流程图、用户手册、具有独创性的 UI 表达,可能单独构成作品,也可能作为软件有关文档受到保护。

第三层是算法和流程。推荐算法、风控规则、调度逻辑、仿真流程、数据清洗方法、模型训练策略,本身往往不是软件著作权直接保护的对象。它们可能通过商业秘密、专利或合同获得保护。

第四层是技术方案。如果软件中的算法特征、数据处理流程或商业规则与具体技术手段结合,解决了技术问题并取得技术效果,就可能进入专利审查框架。

第五层是秘密信息。未公开源代码、核心参数、模型权重、客户化规则、数据库结构、接口协议、性能优化方法、工程经验和研发文档,都可能成为商业秘密,但前提是企业能够明确说明秘密点、商业价值和保密措施。

第六层是数据和运营利益。客户数据、日志、标注数据、平台积累的数据集合、用户关系、流量分发机制、模型能力和平台规则,在不少场景下并非传统著作权能够完整解释的对象,需要结合个人信息保护、数据安全、合同和反不正当竞争法来判断。

因此,仅完成软件著作权登记并不足以覆盖软件资产治理需求。登记可以证明某一版本代码或文档的完成时间和权属线索,但不能自动证明算法属于企业商业秘密,也不能证明开源组件使用合规,更不能解决客户数据、SaaS 退出或 AI 生成代码的权利边界。

企业需要建立一张“软件资产分层表”:哪些是公司自研表达,哪些是外部授权组件,哪些是保密技术信息,哪些是客户数据,哪些是平台生成数据,哪些仅是合同上的访问权。只有先厘清资产构成,后续的保护、交易、融资、并购和诉讼才有基础。

二、软件著作权保护表达,但“表达”和“功能”的边界并不总是清楚

软件与传统作品不同。小说的表达和功能通常容易区分,软件却天然具有功能性。一段代码既是程序员写下的文本表达,也是驱动机器完成任务的工具。正因为如此,软件著作权案件常常围绕一个问题展开:被复制的究竟是受保护的表达,还是不受保护的思想、方法、功能和通用规则。

美国最高法院的 Google v. Oracle 案,是理解这一问题的重要案例。

案例信息

Google LLC v. Oracle America, Inc.,美国联邦最高法院,案号 No. 18-956,判决载于 593 U.S. 1,判决日期为2021年4月5日。当事方为 Google LLC 与 Oracle America, Inc.。结论为最高法院以特定事实下的 fair use 规则认定 Google 胜诉。

这起案件并不是一个简单的“复制源代码”案件。Oracle 认为 Google 在 Android 中复制了 Java SE API 的一部分,侵犯其版权。美国最高法院在判决中区分了两类代码:一种是 implementing code,即实际执行任务的实现代码;另一种是 declaring code,即把开发者输入的方法调用连接到相应任务的声明代码。Google 为 Android 自行编写了大量实现代码,但在 37 个 Java API 包中复制了约 11,500 行声明代码及相关的包、类、方法组织结构,使熟悉 Java 的开发者可以在 Android 上沿用既有的方法调用体系。

最高法院最终认定,在该案特定事实下,Google 的复制构成合理使用。判决强调了几个事实:复制内容具有较强的功能性和组织性;Google 取用的是让开发者沿用既有技能所需要的部分;Android 是新的智能手机平台;法院为限缩争点,假定相关 API 材料具有版权适格性,但没有最终解决 API 是否受版权保护的问题。

图2:Google v. Oracle 的关键事实应拆开看

实现代码

实际执行具体任务;Google 自行编写,并非最高法院判决中争议复制的核心对象。

声明代码与组织结构

37 个 Java API 包,约 11,500 行声明代码;用于使开发者沿用既有方法调用体系。

法院结论

在假定可版权性的前提下,认定特定复制构成合理使用;不能推出“API 可随意复制”。

该案的启示在于区分复制对象、复制目的、产业背景和适用制度。

该案在中国企业语境下有两点启示。

第一,不能将其理解为“API 可以任意复制”。Google 案的结论建立在美国合理使用制度、特定复制范围和特定产业背景上。中国法没有完全相同的 fair use 框架。企业复用接口、SDK、API 文档或中间件设计时,仍需分别判断是否复制实现代码、声明代码、文档表达、组织结构,是否违反合同或许可证,是否规避技术措施,是否造成替代性竞争损害。

第二,也不能将所有接口、命名、调用方式都简单归为“软件著作权垄断”。兼容开发、互操作、标准接口、行业协议和开发者迁移,均具有正当的产业价值。过度保护接口可能阻碍兼容和创新;完全不保护又可能削弱原创平台和工具的投入激励。争议的核心,不是抽象地问“API 是否受保护”,而是回到具体事实:复制了什么,为什么复制,复制到什么程度,是否有替代实现方式,是否保留了独立开发证据。

企业开展兼容开发时,更审慎的做法通常不是让开发者直接阅读和复刻竞争对手代码,而是采用清洁室开发:一组人员基于合法公开材料和运行行为整理功能规范,另一组人员独立实现;同时保留输入材料、人员隔离、设计讨论、提交记录和测试记录。争议发生时,这些证据通常比一句“仅为兼容”更有证明力。

三、复制比例较低并不当然排除侵权风险

软件著作权案件中,另一个常见误区是用总体代码比例判断风险。研发团队有时会认为:“复制内容只占很小比例,法律风险应当较低。”但司法判断并不以总体比例作为唯一依据。

案例信息

深圳某科技公司诉杭州某科技公司计算机软件著作权纠纷。公开案例资料对当事人作匿名处理。一审法院为浙江省杭州市中级人民法院,案号(2020)浙01知民初272号;二审法院为最高人民法院,案号(2022)最高法知民终1605号。最高人民法院于2023年6月27日作出二审判决,撤销一审判决,判令停止侵权并赔偿经济损失20万元及合理开支5万元。

公开案例资料显示,在该案中,鉴定意见显示被诉软件与权利软件相同或实质性相似的代码只涉及 9 个文件,占整体代码比例约 1.085%。一审法院据此倾向于认为相似比例较低、代码较分散,不构成整体实质性相似。但最高人民法院二审改变了这一思路,认为计算机软件中能够实现相对独立功能的独创性表达可以受到保护,复制数量或比例并不当然决定侵权性质。二审最终认定侵权成立,并判令赔偿经济损失和合理开支。

图3:软件侵权判断不是“比例题”

整体代码相似比例

约 1.085% ≠ 安全线

是否是独创性表达
是否承担独立功能
是否实际使用

比例只是判断入口;独创性、独立功能、实际使用和来源证据才是实质因素。

这类案件对企业研发管理具有较强提示意义。判断软件侵权时,比例只是一个入口,不是结论。更关键的问题包括:被复制部分是否承担独立功能,是否体现了开发者的表达选择,是否在被诉软件中实际运行,是否属于通用代码、开源代码、标准接口或功能必需表达,是否有独立开发的过程记录。

因此,企业不能仅依赖“改变量足够大”来降低风险。所谓“重写一遍”“改变量名”“换语言实现”“拆成几个文件”,并不当然消除侵权风险。如果核心结构、流程、独创性模块或特定表达仍然来自他人软件,仍可能被认定为实质性相似。

对企业而言,基础合规规则是:禁止在没有授权、没有来源说明、没有合规审查的情况下,把外部代码片段、前雇主代码、客户代码、竞品反编译代码或网络示例直接放入生产仓库。内部代码复用也要分清来源:公司自有组件、外包交付组件、第三方开源组件、员工个人历史代码、客户项目代码,法律属性并不相同。

四、算法不受著作权直接保护,但可能成为商业秘密或专利资产

讨论软件 IP,算法是不可回避的问题。许多企业较高价值的资产并不是界面或普通业务代码,而是推荐逻辑、风控模型、工业仿真方法、压缩算法、调度策略或训练参数。

需要注意的是,算法本身通常更接近思想、方法、处理过程或数学概念,不能简单纳入软件著作权保护。但这并不意味着算法无法保护。它可能通过两条路径获得保护:商业秘密和专利。

商业秘密路径的优势是保护期限不固定,只要秘密性没有丧失并且企业采取了保密措施,就可以持续保护。局限在于,一旦公开或被他人独立研发、合法反向工程,权利人通常难以阻止他人使用相同思路。专利路径的优势是排他性更强,即使他人独立研发,只要落入专利权利要求范围,也可能构成侵权。局限在于必须公开技术方案,保护期限有限,还要通过新颖性、创造性、实用性和专利客体审查。

表1:算法相关资产的三条保护路径

保护路径
适合保护什么
优势
主要限制
软件著作权
算法的具体代码实现、文档表达
自动产生,登记成本低,适合证明表达来源
不保护算法思想、处理过程、操作方法或数学概念
商业秘密
未公开算法、参数、训练方法、工程经验、数据结构
保护期可持续,适合核心 know-how
需证明秘密点、价值和保密措施;不能阻止独立研发
发明专利
与技术手段结合、解决技术问题并取得技术效果的软件相关发明
排他性强,可阻止独立研发落入权利要求的方案
需公开技术方案,经审查授权,保护期限有限

工业软件领域的高额赔偿案件说明了这种组合保护的重要性。

案例信息

公开资料通常以“离心压缩机选型”软件著作权及技术秘密侵权案指称该案。二审法院为最高人民法院知识产权法庭,案号(2022)最高法知民终1592号;公开资料显示裁判年份为2024年,二审改判赔偿额为1.66亿元。

公开资料显示,该案同时涉及软件著作权和技术秘密问题,法院围绕源代码、算法逻辑、技术文档、历史版本、研发投入和侵权获利等因素作出评价。该案的价值不只在金额,更在于它提示工业软件、仿真软件和研发设计工具的保护不能只看代码表达。较高价值通常体现为源代码背后的工程经验、参数体系、数据库结构和算法流程。

图4:算法相关资产的法律路径不能只看“算法”二字

代码实现

具体表达软件著作权

秘密算法

未公开参数/流程商业秘密

技术方案

技术问题+手段+效果发明专利

研发阶段同步评估:数据来源、隐私、标签、歧视、伦理和公开策略

另一个值得注意的案例是北京某科技公司诉北京某智慧公司技术秘密纠纷。

案例信息

北京某科技公司诉北京某智慧公司技术秘密纠纷。公开资料对当事人作匿名处理。一审法院为北京知识产权法院,案号(2017)京73民初1259号,裁判日期为2020年6月28日;二审法院为最高人民法院,案号(2020)最高法知民终1472号,裁判日期为2021年12月20日。二审维持原判,关键意义在于明确源代码、流程、逻辑关系、算法等可分别构成相对独立的技术信息。

最高人民法院在该案中强调,计算机软件的源代码与流程、逻辑关系、算法等内容虽有相互表征关系,但通常可以构成相对独立的技术信息。当事人如果同时主张源代码和对应流程、逻辑关系、算法均构成技术秘密,应当分别明确请求保护的具体技术信息,并分别证明其符合法律保护条件。

上述分析思路对企业非常有参考价值。不少企业在商业秘密管理中倾向于把“系统源代码、算法、数据库、业务逻辑”笼统列为秘密,但在诉讼中,这种概括往往不够。企业需要提前把秘密点拆细:例如某个特定的风险评分变量组合、某套模型训练数据清洗流程、某个工业参数校准方法、某类异常工况处理规则、某个调度算法的优化路径。每一项秘密点均应能够说明“不为公众所知悉”“具有商业价值”“采取了相应保密措施”。

有关构成商业秘密的主张的成立,不是简单靠主张其为“公司机密”而能够在法律上成立的,而需要通过制度和证据证明相应信息符合秘密性、价值性和保密措施要求。源代码仓库权限、下载审批、访问日志、离职交接、外包隔离、密钥管理、生产数据脱敏、研发文档分级、模型权重访问控制,都是诉讼中证明保密措施的重要材料。

专利路径则需要另一套分析框架。中国现行专利审查框架对包含算法特征或商业规则和方法特征的发明,不宜简单割裂技术特征和算法特征,而应把权利要求记载的内容作为整体,判断其是否解决技术问题、采用技术手段并取得技术效果。换言之,算法不会仅因其被称为算法就当然被排除,但也不会因为写入计算机系统就当然具备可专利性。

2025年国家知识产权局第84号令修改《专利审查指南》,自2026年1月1日起施行。与软件企业关系密切的是,涉及人工智能、大数据等包含算法特征或商业规则和方法特征的发明专利申请,新增了对数据采集、标签管理、规则设置、推荐决策等内容的合法性、公德和公共利益审查。换言之,即使一个算法方案具有技术性,如果其数据采集方式、推荐决策或标签设计违反法律、社会公德或公共利益,也可能无法授权。

这对企业提出新的合规要求:算法专利布局不能只交给专利工程师在申请阶段“包装技术效果”,还要在研发阶段同步评估个人信息、数据来源、歧视性标签、伦理风险和业务合规。

五、从“购买软件”到“订阅服务”:许可、权利用尽和 SaaS 的分野

企业采购软件时,经常需要判断:“我们取得的是何种权利或服务?”这个问题在盒装软件时代相对直观。用户购买光盘或永久授权,取得某个软件副本及其使用权。到了数字下载时代,软件副本不再依附物理载体,但仍可能存在本地安装、本地运行和永久使用。到了 SaaS 时代,用户通常不取得任何软件副本,只是通过账号访问供应商托管的功能。

三种模式对应的法律关系存在显著差异。

图5:软件交易的重心变化

盒装 / 永久许可

软件副本 + 使用权;关注权利用尽、转让、安装

数字下载

无物理载体,但仍可能有副本;关注许可范围和复制分发

SaaS

账号访问 + 持续服务;关注 SLA、数据和退出迁移

欧盟法院 UsedSoft v. Oracle 案是理解永久许可和 SaaS 分野的重要案例。

案例信息

UsedSoft GmbH v. Oracle International Corp.,欧盟法院,案号 C-128/11,判决日期为2012年7月3日。当事方为 UsedSoft GmbH 与 Oracle International Corp.。结论为在一次性付费、永久使用软件副本的特定交易结构下,下载软件的发行权可以穷竭,但原购买者转售时须使自己的副本不可用。

Oracle 通过网络提供软件下载,并向客户授予永久使用许可。UsedSoft 从 Oracle 客户处购买“二手许可”后再转售。争议焦点是:软件通过下载方式提供、合同写成许可,是否仍可能发生发行权穷竭。

欧盟法院认为,如果权利人以一次性费用授予客户永久使用软件副本的权利,且该费用对应软件经济价值,那么交易在经济实质上类似销售,发行权可以穷竭。原购买者在转售时必须使自己手中的副本不可用。

该结论对数字软件交易具有重要意义,但不能机械扩张到 SaaS。SaaS 用户通常没有取得可处分的软件副本,没有永久使用权,也无法把某个“软件副本”转售给第三方。SaaS 的核心法律关系是持续服务访问、数据托管、服务等级、安全责任和退出迁移。

因此,企业采购 SaaS 时,不应把谈判重心放在“软件所有权”上,而应放在以下问题上:

服务是否可用。供应商承诺 99.9% 可用性,但排除了哪些维护窗口、网络故障、第三方云故障和不可抗力?服务中断后,客户只能拿服务积分,还是可以要求赔偿实际损失?服务积分是否被约定为唯一和排他救济?

数据是否可控。客户数据归谁控制?供应商能否用于训练通用模型、改进产品或进行匿名统计?终止合同时,客户能否以通用格式导出全部数据、配置、日志和附件?供应商多久删除备份?是否提供删除证明?

系统能否迁移。SaaS 退出时,是否提供过渡期、接口文档、数据字典、迁移协助和合理收费标准?如果供应商涨价、停服、被收购或违反安全承诺,客户是否有提前退出和迁移权?

第三方风险是否透明。SaaS 背后可能使用云服务商、短信服务商、支付机构、地图 API、AI 模型供应商和开源组件。合同是否披露关键分包商?分包商变化是否通知?安全事故由谁负责?

表2:SaaS 采购不宜只问“软件所有权”

SaaS 合同问题
企业需要问什么
为什么重要
服务是否可用
99.9% 可用性排除了哪些维护窗口、第三方故障和不可抗力?
服务积分若被约定为唯一救济,重大中断的实际损失可能无法覆盖
数据是否可控
客户数据能否用于训练通用模型?终止后能否完整导出并删除?
数据是客户业务连续性的核心资产
系统能否迁移
是否提供过渡期、接口文档、数据字典和迁移协助?
防止供应商锁定、涨价、停服或被收购带来的被动
第三方是否透明
云服务商、短信、支付、地图、AI 模型供应商是否披露?
服务中断、安全事故和数据处理链条往往来自分包商
跨境数据是否合规
日志、账号、工单、客户数据是否跨境流转?适用何种路径?
个人信息、重要数据和客户合同义务可能同时出现
综上,SaaS 合同本质上并非“软件许可条款的云端版本”,而是一份持续运营合同、数据处理合同和业务连续性合同的组合。

除辨析企业取得的是软件副本、访问权还是持续服务外,SaaS 采购还需要把数据流向纳入同一审查框架。境外 SaaS 或全球云服务通常涉及境内用户、境外供应商、云基础设施、客服和技术支持团队之间的数据传输。

跨境数据是否合规

在这一背景下,使用境外 SaaS 或全球云服务时,日志、账号、工单、客户数据和运维数据可能跨境流转。国家网信办 2024 年《促进和规范数据跨境流动规定》对不同规模个人信息出境、敏感个人信息、重要数据和关键信息基础设施运营者设定了不同路径。企业不能简单地把“采购境外 SaaS”一概视为禁止,也不能忽视个人信息影响评估、单独同意、标准合同、认证或安全评估等义务。

六、开源软件的核心是供应链合规义务

现代软件几乎不可能完全自研。一个商业系统可能 60% 甚至更多代码来自第三方库、框架、容器镜像、语言运行时或开源工具。开源降低了创新门槛,也把许可证义务嵌入了软件供应链。

开源许可证大致可以按义务强度理解。

MIT、BSD 等宽松许可证通常允许商业使用、修改和分发,但要求保留版权声明和免责条款。

Apache-2.0 除了版权声明,还包含专利授权和专利终止机制,适合商业化使用,但企业需要管理 NOTICE 文件和修改说明。

LGPL、MPL 等弱 copyleft 许可证通常关注库文件修改、链接方式和文件级开源义务。

GPL 是强 copyleft 许可证,典型规则是,如果分发包含 GPL 代码的衍生作品或整体作品,可能需要以 GPL 开放相应源代码。

AGPL 则进一步关注网络服务场景。即使没有分发软件副本,如果通过网络向用户提供服务,也可能触发向用户提供源代码的义务。

图6:开源许可证风险不只看名称,还要看使用方式

从“保留声明”到“SaaS 场景敏感”,风险不是许可证名称单独决定,还取决于链接、分发、封装和网络服务方式。

MIT / BSD:保留声明Apache-2.0:NOTICE + 专利条款LGPL / MPL:链接与文件级义务GPL:分发时高度关注AGPL:网络服务敏感

但开源合规的主要难点,不是机械分辨许可证类型,而是判断“企业软件和开源组件之间是什么关系”。静态链接、动态链接、进程间调用、插件机制、前后端分离、容器打包、云端调用、SDK 集成、模型工具链,都可能影响许可证义务的触发。

这也是开源合规中较易发生争议的部分。实践中存在不同理解:有观点认为只要没有修改 GPL 组件,就不会传导开源义务;有观点认为只要发生内部调用,就应整体开源;另有观点认为 SaaS 不分发副本,所以 GPL 不触发。但如果适用 AGPL,网络服务本身就可能成为触发条件。不同许可证、不同技术架构、不同发布方式,结论可能完全不同。

企业不能把这个问题留到上市、并购或客户审计时才处理。更可行的做法是建立 SBOM,也就是软件物料清单。SBOM 至少应记录组件名称、版本、来源、许可证、引入时间、是否修改、是否分发、是否包含在镜像或安装包中、是否存在已知漏洞。SCA 工具可以帮助识别依赖和许可证,但工具报告不是终点,还需要法务、研发和安全团队共同判断高风险组件的处理方式。

对强 copyleft 组件,企业可以考虑替换、商业授权、进程隔离、服务化封装或架构调整。对宽松许可证,也不能删除版权声明和 NOTICE。对客户交付项目,应在合同中说明第三方组件和开源义务,避免把无法承诺的“全部自有知识产权”写进合同。

开源合规的核心意义,不是为了消灭开源,而是使企业能够识别对外交付、部署、开源发布以及嵌入客户系统的软件具体由哪些组件构成。

七、数据抓取和平台数据:从“公开可见”走向“竞争秩序”判断

软件企业日益依赖数据。电商平台、短视频平台、招聘平台、地图服务、金融科技、AI 模型和企业 SaaS,都建立在数据采集、清洗、标注、匹配、推荐和反馈之上。由此产生一个突出的实务问题:互联网上公开展示的数据,能否抓取?

一种过度简化的观点是:“公开可见就能抓。”另一种过度简化的观点是:“平台说不能抓就绝对不能抓。”这两个答案都过于简单化与绝对化。

数据抓取的法律判断通常要看一组因素:数据是否包含个人信息、重要数据或受著作权保护内容;抓取方式是否绕过登录、验证码、频控、反爬或其他技术措施;是否违反明确访问规则;抓取频率是否影响系统运行;使用结果是否替代原平台产品或服务;平台对数据集合是否投入了采集、整理、审核、维护成本;用户权益和市场竞争秩序是否受到影响。

图7:数据抓取不能只问“是否公开”

数据属性
个人信息 / 重要数据 / 作品
获取方式
是否绕过技术措施
使用效果
是否实质替代原服务
竞争秩序
投入、流量、用户权益
合规路径
授权、开放 API、自建采集

公开可见只是事实,不是免责结论;关键在行为正当性、替代效果和竞争秩序。

2025年修订的《反不正当竞争法》使这一问题更加明确。现行法将互联网不正当竞争的工具扩展至数据和算法、技术、平台规则等,并对以欺诈、胁迫、避开或者破坏技术管理措施等不正当方式获取、使用其他经营者合法持有的数据作出规制。它反映出一个趋势:数据抓取不再只是“违反用户协议”或“爬虫访问规范”的问题,而是可能进入竞争法评价。

指导性案例262号提供了一个理解框架。

案例信息

最高人民法院指导性案例262号,公开名称为某科技有限公司诉某文化传媒有限公司不正当竞争纠纷,属于数据权益司法保护专题指导性案例。公开资料对当事人作匿名处理;案例核心事实为被告抓取、搬运原告 APP 中大量短视频、注册用户昵称头像和用户评论至其自有 APP,导致两款 APP 内容高度同质化。

公开案例资料显示,法院关注的不是单个短视频或昵称是否分别构成传统意义上的作品,而是平台对数据集合形成的经营性利益是否被不正当利用,抓取和搬运是否对原产品形成实质性替代,是否扰乱竞争秩序并损害平台合法权益。

另一个常被讨论的案例是“搬家软件”类案件。

案例信息

公开资料通常称为“搬家软件”或“盗图抄店”不正当竞争案;二审法院为江苏省高级人民法院,案号(2024)苏民终212号。该案后被作为反不正当竞争典型案例公开介绍。公开材料未在本文可核验范围内完整披露全部当事人实名,故本文按公开简称表述。

被告开发软件绕过电商平台验证机制和反爬措施,抓取商品图片、标题、价格、详情等数据,帮助用户把商品信息搬运到其他平台形成“无货源店铺”。法院在评价时,不仅看数据是否来自网页展示,还看平台为商品数据集合付出的投入、反爬措施、被告是否规避技术措施、抓取规模、对平台流量和交易机会的影响,最终认定构成不正当竞争并判令赔偿。

这些案件说明,数据抓取的合规判断正从“数据是否公开”转向“行为是否正当、使用是否替代、秩序是否受损”。公开展示只是一个事实,并非当然免责事由。

对数据型企业而言,如需保护平台数据,应当重点完成三项工作。第一,通过清晰规则向访问者明确哪些访问和使用被允许、哪些被禁止。第二,采取合理技术措施,例如登录、限频、验证码、API 权限、异常访问监测,而不是在争议发生后才主张“不允许”。第三,保留数据投入和损害证据,包括采集、审核、清洗、标注、维护成本,异常抓取日志,系统负载变化,内容同质化比对,用户流量和交易机会变化。

对抓取方而言,也要建立合规评估。抓取前应逐项评估:是否有授权或开放 API;是否涉及个人信息;是否绕过技术措施;是否高频访问;是否复制内容表达;是否会替代原平台;是否可通过合作、许可、公开数据集或自建采集替代。对于 AI 训练项目,还要进一步记录数据来源、授权范围、清洗规则、去重规则、个人信息处理和版权过滤方式。

八、AI 辅助编程:核心风险在输入、输出和证据

AI 编程工具正在重塑研发流程。它可以解释代码、生成函数、补全测试、修复漏洞、翻译语言、重构架构,也可以把一个旧系统的业务逻辑快速整理成文档。对企业而言,这种效率提升具有明显价值。

但 AI 编程并不消除版权、商业秘密和开源问题,而是将风险范围从“开发者复制粘贴代码”扩展到“开发者输入什么、模型如何处理、输出如何进入生产系统”。

输入端风险较易被忽视。开发者如果把客户源码、公司核心算法、未公开漏洞、密钥、数据库结构或商业秘密输入公共 AI 工具,可能已经违反保密义务、客户合同或公司内部安全制度。即使工具没有生成任何侵权代码,输入行为本身也可能造成泄密或数据出境风险。

处理端风险取决于工具条款。AI 工具是否保留输入,是否用于训练,是否在境外处理,是否提供企业级隔离,是否承诺不使用客户数据训练通用模型,是否允许审计,这些都需要采购和法务共同审查。

输出端风险更具复杂性。AI 生成代码可能与开源项目、训练数据中的代码或第三方商业代码相似;也可能自动带入不符合公司策略的许可证片段;还可能缺乏足够的人类创造性贡献,导致权属和保护边界不清。美国版权局关于 AI 生成内容登记的政策强调,完全由 AI 生成且缺乏人类创造性投入的内容不能作为人类作品获得登记。中国法下具体个案仍需结合事实判断,但对企业来说,较为审慎的做法不是等待一个全球统一答案,而是先建立可审计流程。

图8:AI 辅助编程的三段式风险

输入端

客户代码、商业秘密、密钥、漏洞、个人信息

处理端

工具条款、数据保留、训练使用、跨境处理

输出端

相似代码、开源义务、人类贡献与权属证明

企业可执行的 AI 编程规则至少应包括:禁止向公共模型输入客户代码、密钥、漏洞信息和核心算法;建立可使用工具白名单;对 AI 输出进入主干分支前进行相似性扫描和开源许可证扫描;在提交信息或开发记录中标注 AI 辅助范围;对核心模块保留人工设计、评审和修改记录;客户项目中使用 AI 工具前取得必要授权或确认合同允许。

AI 编程时代,企业要证明的不仅是“这段代码最终位于企业代码仓库中”,还要证明“它是如何进入仓库的”。

九、争议发生时,软件案件关键在于证据链

软件案件的难点通常不仅在于法律适用,更在于证据。权利人要证明权属、接触、相似、秘密点、保密措施、损害和因果关系;被告则要证明独立开发、合法来源、功能必需表达、开源来源、标准接口或合理使用。

图9:软件争议中的证据链

权属

合同/登记/提交记录

接触

合作/离职/下载

相似

代码/结构/界面

秘密点

算法/参数/流程

损害

获利/许可费/替代

证据通常不能在诉讼后补足,而应形成于研发、采购、发布和运营过程。

软件著作权争议中,权利人通常会围绕“接触 + 实质性相似”组织证据。接触可以来自员工流动、合作研发、外包交付、客户项目、下载渠道、商务接洽、源码泄露等。实质性相似可以通过源代码比对、目标代码反编译、文件结构、函数命名、注释、错误信息、界面、运行结果、版本号、特有信息等证明。

商业秘密争议中,秘密点必须具体。法院通常难以保护一个笼统的“整套系统”。企业需要列明具体算法、参数、流程、数据结构、模型训练方法、接口协议、架构设计或优化策略,并证明这些信息不为公众所知悉、具有商业价值、采取了相应保密措施。

开源合规争议中,SBOM、构建记录、依赖清单、许可证扫描报告、分发包和 Notice 文件通常比事后说明更具证明力。如果企业在客户审计或并购尽调时才临时生成清单,可能已经无法完整还原历史版本。

数据抓取争议中,平台方要证明数据集合形成投入、访问规则、技术管理措施、异常访问记录、抓取规模、系统负担、内容同质化、用户分流和商业机会损失。抓取方则需要证明数据来源合法、访问方式正常、未规避技术措施、使用目的合理、未形成实质替代,并且处理了个人信息和版权风险。

这些证据并非诉讼发生后即可补充形成。软件法律治理本质上要前移到研发、采购、发布、运营和退出的每一个环节。

十、企业如何建立软件法务治理框架

如果将前述讨论归纳为一套企业内部流程,可以从五个问题开始。

图10:企业软件法律治理的六个落点

我们拥有什么

区分自研代码、外包成果、开源组件、第三方 SDK、算法秘密、专利点、客户数据、平台数据、模型参数和配置资产。

我们使用了哪些外部资源

记录依赖、许可证、云 API、模型服务、低代码平台、客户材料的来源、授权范围和使用方式。

我们作出了哪些承诺

让知识产权、开源、数据、安全、SLA、AI 训练、分包商、迁移和赔偿承诺与技术现实一致。

我们如何退出

设计数据导出、配置迁移、日志归还、接口文档、过渡期和迁移协助机制。

我们能够证明哪些事实

保留提交记录、评审、构建、测试、权限日志、AI 使用记录、开源扫描和数据访问日志。

何时升级审查

重大客户、出海、私有化部署、融资并购、平台数据开放、核心算法专利化时触发专项审查。

第一,我们拥有什么。企业应建立软件资产台账,区分自研代码、外包成果、开源组件、第三方 SDK、算法秘密、专利点、客户数据、平台数据、模型参数和配置资产。每一类资产都应对应不同的权利证明和管理方式。

第二,我们使用了哪些外部资源。所有项目应建立依赖清单和许可证清单。开源组件、商业组件、云 API、模型服务、低代码平台、客户提供材料,都应有来源、授权范围和使用记录。

第三,我们向客户作出了哪些承诺。合同中关于知识产权、开源、数据、安全、SLA、AI 训练、分包商、迁移和赔偿的承诺,必须与技术现实一致。不宜轻易承诺“全部自有知识产权”或“绝不含开源组件”,除非公司确实能证明。

第四,我们如何退出。SaaS、低代码和平台型服务必须提前设计退出机制。客户能否导出数据、配置、日志、附件和接口文档?供应商终止服务、涨价、被收购或发生重大事故时,客户能否迁移?退出条款是软件合同中最容易被忽略、也最容易在危机中决定损失大小的部分。

第五,我们能够证明哪些事实。代码仓库、提交记录、评审记录、构建环境、测试报告、版本发布、权限日志、下载审批、AI 使用记录、开源扫描报告、数据访问日志、保密培训和离职交接,都应成为常态化留痕。

对于初创团队,最低限度应做到统一代码仓库、禁止个人网盘交付、引入组件前记录许可证、核心代码定期存证、外包合同列明交付物和权属。

对于成熟软件和 SaaS 企业,应将 SBOM、SCA、漏洞管理、数据出境、AI 工具审批和客户合同承诺纳入发布门禁。重大客户项目、出海项目、私有化部署和融资并购前,应做专项软件合规审查。

对于工业软件和高研发投入企业,应围绕核心算法、参数、工程经验和行业数据库建立商业秘密分级,同时评估专利布局。员工离职、外包切换、合作研发终止和竞品快速上线,都应触发技术秘密风险排查。

对于平台和数据型企业,应把数据权益保护建立在合法收集、持续投入、技术措施、访问规则和用户权益保护之上。对外开放 API 时,通过合同、限频、审计、商业授权和异常监测降低抓取争议。

结语:软件法务的重点,正在从“登记权利”转向“管理系统”

软件法律问题之所以复杂,是因为软件已经不再仅是交付给客户的一份代码。它是持续迭代的系统,是开源生态的一部分,是数据流动的节点,是云服务合同的对象,也是 AI 生成和人类开发共同塑造的结果。

因此,企业不能只在发生争议时才问“有没有权”。更重要的问题是:

这项能力由哪些资产组成?

每一项资产的来源和授权是否清楚?

哪些内容应当登记,哪些应当保密,哪些可以申请专利?

哪些开源义务会在分发、SaaS 或客户部署时触发?

哪些数据可以使用,哪些数据只能受托处理,哪些数据出境需要额外路径?

如果客户、供应商、员工或竞争对手发生争议,企业能够提交哪些证据?

软件法务正在从单点权利保护,走向全生命周期治理。治理能力较为成熟的企业,不是等到诉讼中才证明自己没有侵权,而是在研发、采购、上线、运营和退出的每一步,都能说明代码来源、数据流向和权利边界。


参考资料与案例来源

  1. 《中华人民共和国著作权法》,国家法律法规数据库,2020年11月11日公布,2021年6月1日施行。
  2. 《计算机软件保护条例》,国家法律法规数据库,2013年1月30日公布的现行版本。
  3. 《中华人民共和国反不正当竞争法》,国家法律法规数据库,2025年6月27日公布,2025年10月15日施行。
  4. 《最高人民法院关于审理侵犯商业秘密民事案件适用法律若干问题的规定》,国家法律法规数据库,2020年9月10日公布,2020年9月12日施行。
  5. 国家知识产权局:《国家知识产权局关于修改〈专利审查指南〉的决定》(局令第84号),2025年11月13日发布,2026年1月1日起施行。
  6. 国家互联网信息办公室:《促进和规范数据跨境流动规定》,2024年3月22日公布并施行。
  7. Google LLC v. Oracle America, Inc., No. 18-956, 593 U.S. 1 (2021), Supreme Court of the United States, decided April 5, 2021.
  8. UsedSoft GmbH v. Oracle International Corp., C-128/11, Court of Justice of the European Union, decided July 3, 2012.
  9. 深圳某科技公司诉杭州某科技公司计算机软件著作权纠纷,一审法院为浙江省杭州市中级人民法院,案号(2020)浙01知民初272号;二审法院为最高人民法院,案号(2022)最高法知民终1605号,二审裁判日期为2023年6月27日,涉及 1.085% 代码复制比例与独立功能模块保护问题。
  10. “离心压缩机选型”软件著作权及技术秘密侵权案,二审法院为最高人民法院知识产权法庭,案号(2022)最高法知民终1592号;公开资料显示裁判年份为2024年、二审改判赔偿额为1.66亿元。
  11. 北京某科技公司诉北京某智慧公司技术秘密纠纷,一审法院为北京知识产权法院,案号(2017)京73民初1259号,裁判日期为2020年6月28日;二审法院为最高人民法院,案号(2020)最高法知民终1472号,裁判日期为2021年12月20日,涉及源代码与流程、逻辑关系、算法等技术信息的区分保护。
  12. 最高人民法院指导性案例262号,某科技有限公司诉某文化传媒有限公司不正当竞争纠纷,涉及平台数据集合、抓取搬运和实质性替代等问题;公开资料对当事人作匿名处理。
  13. “搬家软件”或“盗图抄店”不正当竞争案,二审法院为江苏省高级人民法院,案号(2024)苏民终212号,涉及绕过平台验证和反爬措施抓取商品数据、形成替代性竞争的问题;公开材料未在本文可核验范围内完整披露全部当事人实名。

End

薛熠  律师

北京办公室  合伙人

业务领域:反垄断和竞争法,跨境投资并购,网络安全和数据保护

行业领域:能源和电力,矿产资源,信息和智能技术,医药和生命科学,传媒、体育和娱乐

往期文章

团队视点|从阿莫西林原料药争端看欧盟药品供应链保护:Sandoz 的投诉与企业应对指南

团队视点|大模型时代的开源许可证:从 GPL 到开放权重,代码、数据与模型输出的法律边界

团队视点 | 一次第三国逮捕背后:为何触发美国反垄断刑事调查?以及对中国出海企业的合规警示

团队视点|中国叫停一桩跨境AI并购:为什么?撤销交易如何实施?

阻断禁令落地,中国企业该如何看待?

锐熠微律由薛熠律师团队创建和运营,希望借此平台分享我们在法律理论和实务领域的研究、观察和感想。

免责声明:以上所刊登的文章仅代表作者本人观点,不代表作者出具的任何形式之法律意见或建议。如需转载或引用该等文章的任何内容,请私信沟通授权事宜,并注明文章来源。未经作者书面授权,不得转载或使用该等文章中的任何内容。

回首页,搜索你想要的文档

在首页搜索框输入关键词,快速定位资料

文库首页搜索指引 立即搜索

相关学习资料