夜雨聆风点击蓝字
关注我们
英国政府前不久发布《版权与人工智能报告》（以下简称《报告》），旨在探索“促进人工智能（AI）经济发展”与“维护英国创意强国地位”之间的平衡。
作为世界首部版权法《安妮法案》的发源地，英国在版权领域采取强保护逻辑。正是这种完善的版权制度，孕育了英国蓬勃发展的文化创意产业。同时，英国政府高度重视AI产业发展：斯坦福大学《全球AI活力排名（2024）》（Global AI vibrancy ranking，2024）显示英国排名全球第五。然而，观察到大多数AI基础模型在英国域外（如美国、中国）训练与开发，英国政府担忧强版权保护环境可能抑制AI产业发展，故而开展专门调研并形成《报告》，以明确版权制度如何调整以回应AI产业发展的实际需求。
训练数据争议是关键
《报告》指出，AI系统研发流程通常可以划分为七个阶段：系统设计、数据采集、数据预处理、模型训练、通用模型发布、针对特定任务的训练与开发，以及应用部署。版权保护与技术发展的张力体现于多个层面，包括模型训练数据使用版权作品引发的侵权争议、训练数据不透明导致版权人无法有效监测侵权并达成许可、AI输出内容缺乏有效标识使受众无法区分内容由机器生成还是由人类创作，以及AI生成内容的可版权性与权利归属问题等。其中，训练数据的版权侵权争议贯穿系统设计之外的各个阶段，故而被列为《报告》的关键议题。
围绕AI模型训练使用版权作品引发的侵权争议，理论层面已形成多元的研究观点，呈现“百家争鸣”的状态。
主流观点是将模型训练对版权作品的使用视为合理使用。例如，北京大学法学院教授易继明在《大模型语料训练合理使用问题研究》一文中提到，基于“转换性标准”的合理使用规则才是解决该问题的最优路径。在合理使用路径下，学者已基本达成共识，以《著作权法》第24条的“兜底条款”为接口引入训练数据的合适使用规则。但是针对合理使用观点也存在一些争议有待厘清，比如源于英美法系的“转换性标准”可能会给大陆法系成文法传统带来法院的自由裁量权扩张问题。同时，传统合理使用规则对于作品使用主体的商业身份、营利目的、作品使用等因素也会有所考量。
在合理使用路径之外，还有很多学者建议参考欧盟模式，建立文本与数据挖掘（TDM）例外制度。例如，广东技术师范大学法学与知识产权学院讲师董凡和华南理工大学法学院教授关永红建议选用“有条件的允许模式”引入TDM版权例外制度。持反对观点的也大有人在，如湘潭大学知识产权学院博士研究生包赛君与湘潭大学知识产权学院教授肖冬梅表示，欧盟TDM版权例外可能存在适用主体过窄、适用目的单一等不足。理论研究者们集思广益，还提出了法定许可、优化“集体管理许可”机制、开放许可、注意义务等颇具启发性的思路，而各种不同的理论路径下均存在一些反对或质疑的意见。
多国先行立法以回应
ENTERPRISE
应对模型训练使用版权作品引发的侵权争议，已有国家/地区先行作出立法层面的回应，此次《报告》面向全球开展了系统性的归纳与梳理。
在TDM版权例外路径下，典型如欧盟《数字化单一市场版权指令》规定了两项TDM版权例外：第一项适用于科学研究，第二项通用TDM例外则设置有保护版权人利益的选择性退出机制。日本版权法的TDM例外规定相对适中，要求对作品的使用目的不在于享受或使他人享受“作品所表达的思想或情感”，且不会不合理地损害版权人利益。后期，日本文化厅还通过发布指南的形式对TDM例外规定施加限制，例如明确其TDM例外规则不适用于生成与版权作品内容相似的材料等。相形之下，新加坡版权法则更倾向于保护AI产业发展，其TDM版权例外制度允许计算性数据分析场景下版权作品的复制行为，且无需区分商业与非商业用途。
除此之外，面对AI模型训练使用版权作品引发的侵权问题，已经或准备作出回应的还有美国、印度、加拿大等。美国AI模型训练者可援引合理使用作为版权侵权指控的抗辩理由；印度工业与国内贸易促进部曾于2025年12月发布工作文件，提议采用法定许可制度，由政府机构负责收取AI研发者支付的许可费，并通过集体管理组织将款项分配给权利人；加拿大也正在考虑设立TDM例外条款；澳大利亚则于2025年10月宣布不会引入TDM例外。
选择性退出机制遭反对
ENTERPRISE
意识到AI模型训练数据的版权侵权问题的紧迫性与困难性，英国政府提出了多套版权法调整方案，其中“带有选择退出机制的TDM例外”被列为首选方案。然而《报告》显示，公众对该方案的支持率低于预期，且反对意见来自创意产业与AI产业。创意产业的反对意见包括选择性退出的权利保留机制可能给版权人带来监管负担，以及破坏以“获得同意”为基础的版权许可原则等；而AI产业的担忧主要在于选择性退出若获得普遍采纳，可能破坏TDM版权例外的制度目标。
从公众征询的反馈意见来看，关于选择性退出机制还存在诸多细节性争议，如权利保留时机是否包括数据挖掘发生后？权利保留沟通机制是针对获取数据的网站还是对通用机构发出通知？权利实施方式是针对单一作品还是集体管理组织？合作作品、衍生作品等特殊作品权利人无法达成共识时，如何对选择性退出定性等。
综上，无论是法律理论研究、各国制度回应，还是具体实务操作，围绕AI模型训练的版权问题都存在很多针锋相对而难以统一的观点意见，正如易继明在《大模型语料训练合理使用问题研究》中所主张的，还需要更多对“产业链上各方利益诉求者的倾听和理解”“清晰界定并理解各方的利益诉求与实际需要”。这一观点在《报告》中也得到了体现。
未来相关研究与立法至少还存在三个完善的方向：一是提高法律清晰度，如引入选择性退出机制需明确是否存在作品类型、应用场景、适用对象等限制；二是注重利益平衡，不仅是两个产业之间的平衡，更加细节层面的诸如训练数据透明度与技术工具可用性之间的平衡也应当有所兼顾；三是避免给各利益相关群体带来过重负担，既需避免让版权人承担作品侵权的监管负担，也应避免让AI 开发者承担训练过程中重复筛选与审查版权作品的负担。
（作者为中国移动设计院专利中心徐慧丽）
来自：中国新闻出版广电报，2026年6月25日
