人工智能生成内容（AIGC）的著作权问题，已成为全球法律界最棘手的议题之一。从国内首例“AI文生图”著作权侵权案的判决分歧，到日本三宅法律事务所对“依拠性”的实务指南，再到王迁教授最新提出的“假定自然人测试法”——这场关于“机器能否成为作者”的争论，正在深刻重塑知识产权法的底层逻辑。

一、问题的提出：当AI“创作”不再是科幻

2025年8月，北京互联网法院对全国首例“AI文生图”著作权纠纷案作出一审判决，认定原告通过提示词输入、参数设置、图片选择等操作体现了智力投入，涉案图片具备“智力成果”要件，应受著作权法保护。然而，同年江苏省苏州市中级人民法院对另一起类似案件作出截然相反的终审裁定——原告仅靠简单提示词触发AI生成的图片不构成作品，不受著作权法保护。

同一法律问题，两种司法结论。这背后折射出的，是整个法律体系在面对AI生成内容时的深层焦虑。

日本三宅法律事务所的渡辺海成律师在其实务指南中指出：生成AI的利用行为——无论是向AI发出指令生成内容，还是将生成物用于商业目的——都可能涉及既存著作物的著作权侵害风险。 这一警示并非杞人忧天。2018年，首幅AI创作画作《埃德蒙德·贝拉米的肖像》在纽约拍出43.25万美元；2025年，全球已有65%的互联网内容由AI生成。 AI创作正在从偶发事件走向常态。

那么，问题的核心究竟是什么？一言以蔽之：当机器参与“创作”，法律上的“作者”身份应当如何认定？AI生成的内容能否构成著作权法意义上的“作品”？如果构成，权利归属于谁？如果不构成，又如何保护相关方的利益？

二、核心争议一：AI生成内容，是“作品”吗？

要回答这个问题，首先需要回到著作权法的原点。根据我国《著作权法实施条例》第三条，“创作”是指直接产生文学、艺术和科学作品的智力活动。为他人创作进行组织工作、提供咨询意见、物质条件或进行其他辅助工作，均不视为创作。

华东政法大学王迁教授对此作出了精准解读：“创作”是基于自由意志直接决定表达性要素的行为。换言之，一个人要成为作品的作者，必须能够凭借其意志直接决定作品最终呈现的表达内容。这种“直接决定”意味着：同类的不同创作工具处理同一要求，得到的表达性要素应当是相同的。

以传统工具为例：使用Word或WPS在配置不同的计算机上输入相同的文字，生成的文字组合、遣词造句是相同的。这是因为文字处理软件只是“消极工具”——它严格受控于人的意志，不可能实质性地参与确定表达性要素的决策。

但AI完全不同。即使用户输入完全相同的提示词和参数，不同时间、不同模型版本下生成的内容可能截然不同。用户虽然可以“指示”AI生成某个方向的画面，但无法直接决定画面中每一笔触、每一色彩、每一个构图细节。这便是王迁教授所说的——AI使用者不能凭借其自由意志“直接决定”生成内容的表达性要素。

当然，也有学者提出不同观点。中国社科院法学所研究员指出，在人机合作的时代，利用AI大模型进行创作将成为主流的创作模式。在这种模式下，人类的创造力不是被AI替代，而是被更大程度地激发和升华。作者将从重复性劳动中解放，更加专注于创作构思、整体设计以及创意凸显。

清华大学法学院蒋舸副教授则从实用主义角度出发：在人机协同创作势不可挡的背景下，首先需要承认人机协同成果完全具备构成用户作品的可能性。著作权法不应向AI用户提出过于严格的举证要求——在用户明显原样照抄原告利用AI生成的图片、视频、小说或者音乐等文艺内容的情况下，若仍严苛地要求原告将自己的贡献从人机协同成果中区分开来并只能就纯粹源于自己的贡献主张版权，将可能导致对抄袭的纵容。

中央民族大学法学院熊文聪副教授则另辟蹊径，从稀缺性角度切入：绝大多数AI生成内容之所以不应当受版权保护，不是因为AI不是自然人、不是作者，而是因为AI生成内容通常不具有稀缺性。知识产权制度本质上是在探讨什么样的规则有助于激励人们对既有财产进行最有效的利用和对潜在财产进行最有效的创造。

这其中有一个关键洞察值得注意：所谓的“稀缺性”标准，实际上是对AI生成内容“独创性”要求的一个技术性转化。著作权不保护“思想”而只保护“表达”，而AI生成的内容往往更接近于思想层面的概念呈现，而非具有足够独创性的具体表达。这就引出了“思想与表达两分法”与“用户输入”之间的关系问题——王迁教授曾借用爱因斯坦的相对论进行类比：相对论催生了大量科普作品，但这些作品即使准确反映了相对论思想，也不能被认为是爱因斯坦创作的。 同理，用户输入提示词划定了AI生成内容的方向，但这并不等同于用户“创作”了最终生成的内容。

三、核心争议二：版权到底归谁？

如果承认AI生成内容可以构成作品，接下来的问题就是：版权归属于谁？

目前主要有三种观点：一是归AI开发者（模型设计者）所有；二是归训练素材的作者所有；三是构建AI虚拟人格，由AI“自己”享有著作权。

对于第一种观点，如果将AI作品归属于开发者，可能导致社会评价体系的混乱。开发者对其开发的AI享有知识产权，这是毋庸置疑的。但使用者在利用AI时基于自己的创意创作出各种作品，作品内容体现的是使用者的意志，而非开发者的意志。

对于第二种观点，将著作权归属于训练素材作者，混淆了新作品和训练样本之间的关系。AI创作并非简单地对训练样本进行二次重现，而是通过人机合作和机器学习实现全新作品的生成。此外，机器学习涉及海量样本，难以确定具体样本的所有者及其在决策中的主要作用。

至于设立AI虚拟人格的观点，其最大贡献在于明确了开发者不是作者。但这一理论忽略了AI创作的现实情况——在大模型时代，AI一般不会完全独立完成创作，人机合作仍是主要的创作模式。设置AI虚拟人格与人机合作的创作场景难以契合。在人机合作的过程中，著作权更应强调人的价值而非模型的价值。

综合来看，将著作权赋予模型使用者（即用户）是目前最具操作性的方案。其立法要点在于：其一，能极大激发创作者利用模型创作更优秀的作品；其二，重新确立“独创性”标准，适应AI时代产业发展要求；其三，赋予公众更大的合理使用空间，推动文学艺术的传播。

四、实务风险：AI侵权，谁之过？

除了权利归属问题，AI生成内容还涉及另一个重要面向：侵权风险。当AI生成的内容与在先作品实质性相似时，应当由谁承担责任？

日本三宅法律事务所的实践指南提供了一个重要分析框架，其核心是“依拠性”的判断。

所谓“依拠”，是指利用者接触到既有著作物，并在知晓其存在的情况下将其用于自己的作品中。在AI场景下，问题变得更为复杂：即使利用者本人并未意识到既有著作物的存在，只要AI在训练阶段学习了该著作物，并且生成了与之相似的内容，就可能被推定为存在“依拠性”，从而构成侵权。

王迁教授提出的“假定自然人测试法”，为这一难题提供了极具启发性的解决思路。该方法的核心是：先将AI假定为自然人，将实际通过AI实施的技术过程假定为自然人实施的具有相同效果的行为，进行类推比较，再将结论中的假想自然人替换回AI。

举个具体的例子：如果将生成式AI类比为一台网络自动点唱机，用户就是要求提供音乐的自然人，AI开发者可类比为点唱机的制造者和销售者。在点唱机提供他人在先音乐作品的情况下，用户仅提供指令并在私人空间欣赏，并没有实施复制作品等受专有权利规制的行为。而AI开发者虽然没有直接实施“抄袭”行为，但就像点唱机制造者要承担侵权责任一样，可能需要为AI“抄袭”在先作品造成的损害后果负责。

这一推论的深层含义在于：AI平台和开发者不能以“技术中立”为由逃避责任。如果他们提供的AI系统存在严重缺陷，能够轻易且稳定地生成侵权内容，就需要承担停止侵权并赔偿损失的责任。

五、训练数据的“合理使用”边界

最后一个不可回避的问题是：AI训练过程中使用海量版权作品，是否构成侵权？

这个问题在全球范围内引发了最激烈的争论。现有的西方理论往往援引“非表达性使用”或“转换性使用”为AI训练的合法性提供依据。但王迁教授指出，哪怕是西方的案例也表明：大规模内部复制行为对订阅市场造成实质性影响的，不属于合理使用。

转换性使用概念的提出者Leval法官曾明确指出：所谓的“转换性使用”，需要产生新的、不同于原作的内容，而不是说只要是为了有益的目的而制作复制件就符合条件。一家报纸不能仅仅因为其业务是“新闻报道”就可以自行复印新闻书籍；一所学校也不能为了帮助教师提高教学能力就大量复印教育学书籍。

对于商业性AI训练行为，一种可行的方案是探索“法定许可”加“报酬请求权”的模式——允许技术开发者在未获逐一授权的情况下使用作品，但须向著作权集体管理组织支付合理费用，再由其分配给权利人。 这一方案既保障数据的可获得性，推动AI产业发展，也有效维护权利人的合法经济利益。

中国社科院法学所研究员进一步指出，在赋予AI作品著作权的同时，还需进一步提升AI作品“独创性”的高度，这一高度可能将远高于传统时代对作品独创性的要求。仅依赖于模型创作出来的作品，因其无法彰显作者创意，或将排除在著作权法保护之外。与此同时，还有必要建立更有利于公众的合理使用制度。

六、结语：法律如何与技术赛跑？

面对AI带来的著作权挑战，我们不能简单套用现有法律框架，也不能盲目照搬西方理论。中国社科院法学所研究员呼吁：在AI大模型时代，知识产权的主体、客体和内容将面临全面变革，再讨论AI创作是否应被授予著作权等问题时，不能仅仅依赖现有的法律体系，而应该站在法律变革的更宏观视角下探讨相关议题。

在立法层面，目前仍需保持审慎观察。AI模型的创造能力能达到何种程度，人与机器又将如何协同创作，人在这个过程中又将展现出何种独创性，都还需要进一步观察、整理和总结。对于由此产生的前沿案件，在缺少相关立法的情况下，可通过判例的方式个案解决，在司法实践中逐渐累积经验，进而抽象出AI时代法律的一般规律。

与此同时，企业应当做好风险防范。日本三宅法律事务所建议：在使用AI生成内容并对外发布前，至少应确认AI学习模型的信息、避免输入特定作品名称或特征性表达，并对生成物进行相似性检索，保存创作过程记录以备争议发生时证明“非依拠性”。

技术的脚步不会等待法律的回应，但法律必须跟上技术的节奏。当AI学会“创作”，法律学会“裁判”——这不仅是制度的演进，更是我们这一代法律人必须直面的时代命题。