郑友德 | AI辅助作品侵权判定如何从“内容导向”向“过程导向”转变?—

郑友德 | AI辅助作品侵权判定如何从“内容导向”向“过程导向”转变?——以Noti-Victor《后生成式的版权诉讼》为中心

作者 | 郑友德

华中科技大学法学院教授

导言

一、论文梗概

二、基于比较视角彰显Noti-Victor的独到见解

小结

导言

本文以Jacob Noti-Victor于2026年5月发表于SSRN的论文《Copyright Litigation After Generative AI》为中心，系统梳理其核心论点——AI辅助作品的版权侵权判定正经历从"内容审查"到"过程审查"的范式转变。全文分两部分展开：第一部分为作者论文梗概；第二部分通过与Geddes、Sag两位学者的比较分析，彰显Noti-Victor在该议题上的独特理论贡献。

一、论文梗概

本文作者Jacob Noti-Victor系美国叶什瓦大学（Yeshiva University）本杰明·N·卡多佐法学院（Benjamin N. Cardozo School of Law。据2025年U.S. News & World Report的排名，卡多佐法学院的知识产权法专业位列全美第6位。该排名反映了该学院在知识产权法教学和研究方面的较强实力，尤其在知识产权实践与理论结合方面具有特色）法学教授。拥有耶鲁大学法学院法学博士学位和哈佛大学文学学士学位。其教学与研究领域涵盖知识产权、科技法与财产法，重点探讨法律制度在促进创新、激发创造力以及推动新兴技术（含AI）发展的作用机制^[3]。在进入学术界之前，Noti-Victor曾在Kirkland & Ellis LLP从事知识产权诉讼实务，并担任美国第二巡回上诉法院Pierre N. Leval法官的助理^[3]。本文《后生成式AI的版权诉讼》（Copyright Litigation After Generative AI）于2026年5月13日发布在社会科学研究网（SSRN），旨在探讨一个核心问题：AI辅助生成的作品的版权侵权判定如何从传统的"内容导向"审查转向"过程导向"审查？这一转变将给司法体系带来何种挑战，以及如何应对？^[3]

Jacob Noti-Victor在文中提出的核心见解是，生成式AI辅助生成作品的版权侵权判定正面临一个根本性转变，即从传统的基于作品内容的审查转向基于创作过程的审查，这一转变给司法体系带来了严峻挑战，而现有的法律框架尚未为此做好准备^[3]。

作者认为，当前美国法院和美国版权局所确立的AI辅助作品保护模式——仅保护人类对AI生成内容的选择、协调和编排，而不保护AI生成内容本身——虽然在法理上具有连贯性，但其实际运行依赖于法院能够准确区分作品中哪些部分属于人类贡献，哪些属于AI生成^[3]^[4]^[5]。然而，由于AI生成的内容在表面上与人类创作的内容毫无二致，法院无法像对待思想、事实或公共领域作品那样通过审视作品内容本身来识别并过滤掉不受保护的元素，因此必须转而调查AI生成作品的创作历史，包括提示词、输出迭代、修改记录和组织决策等过程证据^[3]。

Noti-Victor论文的核心论断——AI辅助作品的侵权分析正从"内容导向"转向"过程导向"——可以从更广泛的美国学术脉络中得以印证^[3]。美国版权局2025年发布的《版权与AI》报告第二部分也承认，对于AI辅助作品，确定保护范围"必须在个案基础上审查创作过程的记录"^[4]。Thaler v. Perlmutter案虽然明确排除了完全由AI生成作品的可版权性，但并未解决AI辅助作品在侵权诉讼中的证据问题^[5]。若回溯传统作品内容的"过滤"分析领域，1991年Feist Publications v. Rural Telephone Service案具有里程碑意义——此前部分法院依据"额头流汗原则"（sweat of the brow），认为汇编者付出辛勤劳动即可获得版权保护；但最高法院在该案中一致裁定，版权保护的基石是"原创性"（originality），事实汇编须在选择与编排上体现出最低限度的创造力，保护仅及于具有独创性的选择与编排，而不延及事实本身，由此确立了对事实汇编作品的"薄版权"（thin copyright）保护原则。第二巡回法院则在Computer Associates v. Altai案中系统化阐述了"抽象-过滤-比较"测试框架^[6]^[7]。Noti-Victor正是将这一传统框架投射到AI语境中，揭示了当作品内容来源难以归因于人类作者时，基于内容独创性的过滤操作便失去制度基础，从而迫使侵权分析重心从"内容导向"转向"过程导向"^[3]。

Noti-Victor指出，这种从内容到过程的转变意味着侵权诉讼将难以在早期阶段通过诉状或简易判决得到解决，因为关键的过滤信息掌握在原告手中，被告必须通过证据开示才能获取，而这类过程证据往往数量庞大、技术复杂，导致诉讼成本急剧上升，同时也为原告的策略性隐瞒行为创造了空间^[3]。作者以"一片美国奶酪"（A Single Piece of American Cheese）作品的版权登记和假设侵权案为例，生动说明了如果有详尽的延时视频记录创作过程，法院尚有可能进行过滤分析——该案中，创作者Kent Keirsey在AI生成图像基础上，通过"图像修补"（inpainting）技术进行了约35次迭代编辑，最终美国版权局于2025年1月30日为其进行版权登记，认定该作品为"以AI为辅助的人类作者视觉艺术作品"，保护范围仅限于人类对AI生成元素的"选择、协调和编排"。但若无此类记录，则根本无法判断哪些元素属于人类的贡献，从而使得实质相似性分析无从下手^[3]^[8]。此前"黎明女神"（Zarya of the Dawn）的版权登记决定亦确立了类似原则——2023年2月21日，美国版权局对Kris Kashtanova使用Midjourney生成的漫画书作出部分版权登记决定，认定作者享有作品文字部分及对全作品"选择、协调和编排"的版权，但明确排除了AI直接生成的单个图像^[9]。Noti-Victor以这两个案例为基础，论证了即使AI辅助生成作品版权登记决定本身明确划分了版权保护范围，在实际侵权诉讼中，若无详细的创作过程记录（如延时视频、创作过程说明），法院仍无法有效进行过滤分析^[3]。

作者进一步考察了两种可能规避上述困难的替代路径，但均予以否定^[3]。其一是采用整体比较法（holistic analysis），即不进行元素分解，仅凭作品的整体概念与感觉判断相似性^[3]。作者认为这种做法虽然可以回避过滤难题，但实质上会保护AI生成的、本应属于公共领域的表达，从而违背人类作者身份要求，扩大版权保护范围，抑制合法后续创作^[3]。其二是采用实质相同标准（identicalness standard），即仅在侵权作品与原作几乎完全一致时方认定侵权^[3]。作者指出这一标准过于严苛，会使AI辅助作品的版权保护形同虚设，无法有效保护人类作者在编排和选择上的真实创造性贡献^[3]。因此作者主张，尽管严格的过滤分析法（rigorous filtration）在操作上负担沉重，但它仍然是唯一在法理和规范上站得住脚的方法，所以应对之策不应当是放弃过滤，而是通过制度和技术的创新来减轻其操作成本^[3]^[6]^[7]。

基于这一判断，作者提出了三类相互补充的解决方案^[3]。

第一类是程序性机制，其核心是分级证据披露要求（graduated evidence disclosure requirement）。具体而言，由法院制定地方规则（local rule），要求主张AI辅助作品侵权的原告在诉讼早期——例如案件管理会议（case management conference）后不久——即披露详细的创作过程证据，包括使用的AI工具、提示词（prompts）、输出日志（outputs）、迭代记录（iterations）、编辑修改记录（editing decisions）等^[3]。如果原告未能充分披露，则法院将对其适用提高后的相似性标准，即实质相同标准，以此作为未能提供过滤依据的合理惩罚^[3]。

为了论证这种分级披露机制的可行性与合法性，Noti-Victor借鉴了美国诉讼制度中两个成熟的先例^[3]。其一，专利诉讼中的侵权争议表规则（Infringement Contentions）。在美国多数专利诉讼中，法院通过地方专利规则（Local Patent Rules）要求专利持有人在诉讼早期提交详细的"初步侵权争议表"，明确记载被侵权的具体权利要求、对应的被控侵权产品或方法、以及每项权利要求如何被侵权的具体理论依据。这一规则的核心目的在于防止"诉讼突袭"（trial by ambush），将争议焦点提前锁定。其二，商业秘密案件中的合理特定性披露要求（Reasonable Particularity Requirement）。如加利福尼亚州《民事诉讼法典》第2019.210条所规定，原告在证据开示开始之前，必须以合理具体的方式描述其主张的商业秘密，以防止原告利用证据开示进行"钓鱼探险"（fishing expedition）。这两种制度共享一个核心的制度逻辑：在"信息不对称"极为严重的诉讼场景中，法律必须通过"早期特定化披露"义务，将信息生产的时间节点从证据开示阶段前移到诉讼启动阶段，以防止信息优势方利用信息劣势方的信息贫困进行策略性行为^[3]。

第二类是行政性方案，即扩大美国版权局的职能，使其不仅作为登记机构，更成为AI作品创作过程文档的存储库，在登记阶段就要求申请人提交较为详细的AI使用过程材料，如延时视频、编辑日志等，这样可以为后续侵权诉讼提供现成的、具有证明力的证据记录，减少证据开示的需求^[3]。

第三类是技术性工具，包括水印技术、来源标准与记录保存以及记录摘要工具^[3]。作者认为水印技术虽可标记AI生成内容，但难以精准区分复合作品中的不同部分，且易被移除，因此作用有限^[3]^[10]；更具前景的是内容来源与真实性联盟（C2PA）所推行的内容凭证标准，该标准通过加密元数据记录数字资产的完整创作和编辑历史，能够为法院提供可核验的创作或生成过程信息^[3]^[11]；此外，还可利用AI工具将海量的原始创作日志自动生成为法院易于理解的摘要，从而降低过滤分析的技术门槛^[3]。

尽管如此，作者仍然承认以上三方案各有局限，没有任何单一方案能彻底解决问题，但综合运用程序、行政和技术手段，则有望显著改善AI辅助作品侵权诉讼的可操作性，使法院在无法回避过程审查的情况下仍能有效运转，最终维护版权法激励创作与维护公共领域之间的平衡^[3]。

二、基于比较视角彰显Noti-Victor的独到见解

当前美国学界关于AI与版权的主流讨论集中在两个核心问题上：AI训练是否构成合理使用，以及AI生成内容本身是否可获得版权保护^[2]。Noti-Victor的论文则另辟蹊径，探讨了在承认AI辅助作品可以获得"薄"版权保护的前提下，如何在实际侵权诉讼中判定这种保护的范围^[3]。这一视角的独特之处在于：它不追问"AI是否应该获得版权"，也不追问"AI训练是否侵权"，而是追问一个更为实际且紧迫的程序性问题——当AI辅助作品被侵权时，诉讼将如何进行^[3]？

(一)

与Katrina Geddes《新艺术伪造者》（The New Art Forgers）的比较

Katrina Geddes系美国俄亥俄州立大学莫里茨法学院助理教授，教授版权法、合同法与AI法律课程^[1]。Geddes的文章关注的是另一个问题——AI生成作品是否可能通过"市场替代"理论绕过传统的"实质性相似"要求，从而确立一种新的"替代性相似"（substitutive similarity）侵权标准^[1]。Geddes指出，美国版权局和部分法院已经暗示，即使AI模型输出与训练数据不存在"实质性相似"，如果它们"稀释了类似作品的市场"，仍可能构成侵权^[1]。她警告这种从"实质性相似"到"替代性相似"的转变将危及下游创造力^[1]。

Geddes从侵权认定标准的实体法层面提出问题，而Noti-Victor则从诉讼程序和证据层面提出问题——即便标准不变，证据的性质已经变了^[1]^[3]。两者关注的都是"实质性相似"教义学在AI时代的命运，但切入角度截然不同：Geddes关注的是侵权标准本身应当如何调整^[1]，Noti-Victor关注的是在现有侵权标准下诉讼如何运作^[3]。

(二)

与Matthew Sag《版权的锯齿状边界》（Copyright's Jagged Frontier）的比较

Matthew Sag系美国埃默里大学法学院AI、机器学习与数据科学领域的Jonas Robitscher法学教授，美国版权法合理使用理论的权威学者^[2]。Sag的论文以AI训练的合理使用问题为起点，但其核心关切超越了合理使用本身。Sag的核心论点是：版权法与AI之间的边界将是"锯齿状的"（jagged）而非平滑的——同样的计算过程用于训练音乐模型和文本模型会产生截然不同的版权风险，因为AI模型的记忆化率取决于一系列技术条件，且"实质性相似"的判定阈值对不同类型作品的适用方式也各不相同^[2]。

Sag的视角侧重于"事前"的预防与过滤机制——如何在侵权行为发生之前通过技术手段管理风险并构建授权市场^[2]。Noti-Victor则关注"事后"的诉讼程序困境——当AI辅助作品被侵权时，法院如何通过证据规则和过滤分析来判定保护范围^[3]。两者都承认AI给版权体系带来了根本性挑战，尤其体现在传统的"过滤分析"（filtration analysis）因AI生成内容与人类作品难以区分而面临失效这一共性问题。但Sag的解决方案是技术性、市场性的（过滤系统、授权产业）^[2]，而Noti-Victor的解决方案则是程序性、制度性的（证据披露要求、版权局角色扩展、技术辅助工具）^[3]。

小结

综上，Noti-Victor论文的独到见解可凝练为以下四点。

开辟“中间地带”的务实视域：Noti-Victor避开了实体法上关于AI主体资格或侵权责任的宏观抽象辩论，精准切入“已获薄版权保护作品在后续侵权诉讼中如何确定保护边界”这一被主流学界忽略的务实中间地带，将版权法教义学直接推向司法实务落地。

揭示“过滤失效”引发的范式倒逼：他深刻指出侵权分析从“内容”向“过程”转变的底层逻辑：AI生成的隐蔽性导致传统“抽象-过滤-比较”测试法在内容层面彻底失去制度基础，法院无法仅凭肉眼或文本阅读剥离非人类贡献，从而倒逼司法必须将创作历史（如提示词、迭代记录、组织决策）作为实质性相似判定的核心证据。

构建“程序-行政-技术”三维制度补丁：他不仅诊断出“过程审查”带来的诉讼成本激增困境，更开创性地设计了一套系统化制度补丁：程序上利用法院地方规则强制原告实施“早期特定化披露”，旨在破解信息不对称，防止原告利用信息优势进行策略性隐瞒或“钓鱼式”证据开示；行政上辅以美国版权局“过程文档存储库”的职能延伸，旨在将证据留存前置到登记阶段，为后续诉讼提供现成且具证明力的历史记录，从而最大程度减少诉讼中的证据开示需求；技术上结合C2PA内容凭证与AI摘要工具，旨在提供可核验的原始生成历史并自动提炼海量生成日志，从根本上降低法院过滤分析的技术门槛与审判负担。依这三者的有机结合，最终实现了在维护司法有效运转的同时，动态平衡版权激励与公共领域保护的根本目的。

独自完成关于AI辅助作品侵权判定如何从证据获取到裁判结论全流程的系统性论证：相较于Geddes针对侵权判定标准实体层面的点状担忧，即忧虑法院以“市场替代性”取代“表达相似性”作为侵权依据从而危及下游AI创新，以及Sag从事前技术与市场层面的点状预防，即主张通过构建事前技术过滤系统与授权市场在侵权发生前就直接绕过“实质性相似”的比较必要性，Noti-Victor越过了“比较的实体标准应当是什么（表达相似还是市场替代）”以及“能否通过事前机制避免比较”的终点。他直面AI辅助生成内容在作品表面上与人类创作毫无二致、导致“作品内容不可读”的底层困境，系统性地回答了当传统内容过滤失效时，“比较操作究竟以什么为对象、以什么为证据、以什么为程序展开”这一判定如何可能实施的底层逻辑链条，通过诉讼早期的过程证据开示前移、C2PA等技术核验、再到司法最终的过滤裁判，彻底贯通了AI辅助作品侵权判定在司法程序中的全生命周期。

参考文献（上下滑动阅览）

【1】 Geddes, Katrina, The New Art Forgers (October 03, 2025). 58(1) Arizona State Law Journal ___ (forthcoming, 2026), Ohio State Legal Studies Research Paper No. 953. Available at SSRN:https://ssrn.com/abstract=5561522.

【2】 Sag, Matthew, Copyright's Jagged Frontier (June 09, 2026). Duke Law Journal (forthcoming). Available at SSRN:https://ssrn.com/abstract=6319379.

【3】 Noti-Victor, Jacob, Copyright Litigation After Generative AI (May 13, 2026). Available at SSRN:https://ssrn.com/abstract=6761720.

【4】 U.S. Copyright Office, Copyright and Artificial Intelligence, Part 2: Copyrightability (2025). Available at:https://www.copyright.gov/ai/part2-report.pdf.

【5】 Thaler v. Perlmutter, No. 23-5233 (D.C. Cir. Mar. 18, 2025), cert. denied, No. 24-754 (U.S. Mar. 2, 2026).

【6】 Feist Publications, Inc. v. Rural Telephone Service Co., 499 U.S. 340 (1991).

【7】 Computer Associates International, Inc. v. Altai, Inc., 982 F.2d 693 (2d Cir. 1992).

【8】 U.S. Copyright Office, Registration Decision: A Single Piece of American Cheese (Jan. 2025). Available at:https://www.copyright.gov/ai/american-cheese.pdf.

【9】 U.S. Copyright Office, Registration Decision: Zarya of the Dawn (Feb. 2023). Available at:https://www.copyright.gov/ai/zarya-of-the-dawn.pdf.

【10】 Google DeepMind, SynthID: Watermarking AI-Generated Content (2023). Available at:https://deepmind.google/technologies/synthid/.

【11】 Coalition for Content Provenance and Authenticity (C2PA), Content Credentials Specification (2025). Available at:https://c2pa.org/specifications/.

【12】 Noti-Victor, Jacob, Regulating Hidden AI Authorship, 111 Va. L. Rev. 139 (2025). Available at:https://virginialawreview.org/articles/regulating-hidden-ai-authorship/.

郑友德专栏文章

SPECIAL COLUMN

郑友德 | 英国竞争与市场管理局授权媒体阻止谷歌AI搜索抓取其内容

郑友德 | 中美AI商业秘密诉讼潮将至：企业如何应对

郑友德 | 生成式AI对版权制度的冲击与治理：欧盟与中国的规制路径探析

郑友德 | 慕尼黑地方法院判定GenAI生成的标记不享有版权

郑友德 | SkyBell Technologies诉Alarm.com侵犯商业秘密案：反向工程合同禁令与诉讼时效“合理勤勉”义务的冲突与衡平

郑友德 | 慕尼黑地方法院判定GenAI生成的标记不享有版权

郑友德 | SkyBell Technologies诉Alarm.com侵犯商业秘密案：反向工程合同禁令与诉讼时效“合理勤勉”义务的冲突与衡平

郑友德 | 从美国泰勒案透视AI生成内容可版权性的博弈

郑友德 | 前谷歌工程师窃取AI核心机密被裁定有罪

郑友德黄炜杰 | 绩效竞争原则在德国与瑞士《反不正当竞争法》中的演变