【重磅对话】朱阁、崔国斌、王迁、张湖月｜人工智能生成的内容（AIGC）受著作权法保护吗

朱阁：对于第一个问题《著作权法》第3条规定：本法所称的作品，是指文学、艺术和科学领域内具有独创性并能以一定形式表现的智力成果。根据上述规定，审查原告主张著作权的客体是否构成作品，需要考虑如下要件：（1）是否属于文学、艺术和科学领域内；（2）是否具有独创性；（3）是否具有一定的表现形式；（4）是否属于智力成果。

从司法实践上看，常规普通的著作权案件中，原告主张著作权的客体一般都会自然具备要件（1）、要件（3）、要件（4），无须司法者过多关注与论述。比如，多发的图片类、文章类及视频类著作权侵权纠纷。

只有在少数的新型、疑难案件中，这三个要件是否具备才需要仔细推敲考量。

在“第九套广播体操著作权案”中，法院认为，广播体操的动作有强身健体之功用，而无思想情感之表达，既不展现文学艺术之美亦不展现科学之美，故不属于文学、艺术和科学领域内的智力成果。在该案中，原告主张的“广播体操的动作”这一客体，因不具备作品定义中的要件（1），从而未被认定为“作品”。

在“《面罩》节目模式案”中，法院认为，原告主张的节目模式实际上是对《面罩》节目的构思、创意，其只有通过语言文字、符号、线条、色彩、声音、造型等客观形式将这种构思、创意表达出来，才能被人们感知，才能以有形形式进行复制。在该案中，原告主张的“节目模式”这一客体，因不具备作品定义中的要件（3），从而未被认定为“作品”。

《北京市高级人民法院关于审理涉及综艺节目著作权纠纷案件若干问题的解答》中第10条问答明确：“综艺节目模式是综艺节目创意、流程、规则、技术规定、主持风格等多种元素的综合体。综艺节目模式属于思想范畴，不受《著作权法》的保护。综艺节目中的节目文字脚本、舞美设计、音乐等构成作品的，可以受《著作权法》的保护。”思想只有表达出来，才符合“具有一定的表现形式”这一要件。

据我所知，在与人工智能生成物相关的案件中，“智力成果”要件才被更多地予以讨论。例如，在北京互联网法院2018年审理的“人工智能生成物著作权案”［北京互联网法院（2018年）京0491民初239号民事判决书］中，法院认为：“虽然随着科学技术的发展，计算机软件智能生成的此类‘作品’在内容、形态，甚至表达方式上日趋接近自然人，但根据现实的科技及产业发展水平，若在现行法律的权利保护体系内可以对此类软件的智力、经济投入予以充分保护，则不宜对民法主体的基本规范予以突破。故本院认定，自然人创作完成仍应是著作权法上作品的必要条件。”

在该案中，原告主张的“威科先行库自动生成的分析报告”这一客体，因不具备作品定义中的要件（4），即法院认为该客体不属于自然人的智力成果，从而未被认定为“作品”。《北京市高级人民法院侵害著作权案件审理指南》中第2.1条明确，审查原告主张著作权的客体是否构成作品时，一般要考虑“是否属于……自然人的创作”这一因素。

“独创性”是认定作品的核心要件，我国的著作权立法中未对“独创性”予以明确定义，司法解释中将这一空白予以填补。《最高人民法院关于审理著作权民事纠纷案件适用法律若干问题的解释》（2020修正）第15条规定：“由不同作者就同一题材创作的作品，作品的表达系独立完成并且有创作性的，应当认定作者各自享有独立著作权。”根据该规定，“独创性”是独立完成并且有创作性，从可操作性的角度理解，可以说，原告主张权利的“作品”并非从对他人作品的抄袭得来，并且与他人作品存在可识别的差异性，即具有独创性。

对于第二个问题，在司法实践中，“独创性”是具有裁量性质的要件，并且“门槛”较低。2018年7月9日，最高人民法院副院长陶凯元发表了题目为《以习近平新时代中国特色社会主义思想为指引全面开启新时代知识产权司法保护新征程——在第四次全国法院知识产权审判工作会议暨知识产权审判工作先进集体和先进个人表彰大会上的讲话》，指出：“以妥当的法律手段呵护创新……特定客体是否属于法定作品类型仍会因独创性标准的弹性而具有一定解释空间。要妥善运用著作权权利的兜底性规定和独创性裁量标准，对于确有保护必要、有利于产业发展的客体或者客体使用方式，可以根据最相类似的作品类型或者运用兜底性权利给予保护，保护新兴产业发展壮大。”体育赛事直播节目的版权属性曾经争议多年，2020年，多地法院对体育赛事直播节目著作权纠纷作出观点一致的判决。

在“中超赛事著作权案”［北京市高级人民法院（2020）京民再128号再审民事判决书］中，北京市高级人民法院认定涉案中超赛事构成类电作品（视听作品），撤销北京知识产权法院作出的二审判决，维持北京市朝阳区人民法院此前作出的一审判决。可以说，关于作品独创性“高低”和“有无”的标准之争，在司法实践中已经形成主流观点，即作品独创性是“有无”问题，而非“高低”问题，只要“有”独创性就满足了“独创性”要件，没有程度或比例的要求。

实际上，在很多著作权案件中，原告主张权利的“新”客体经常比较容易获得作品资格。在“抖音短视频著作权案”［北京知识产权法院（2018）京0491民初1号民事判决书］中，法院认为：“短视频具有创作门槛低、录影时间短、主题明确、社交性和互动性强、便于传播等特点，是一种新型的视频形式。上述特点一般会使短视频制作过程简化，制作者以个人或小团队居多。基于短视频的创作和传播有助于公众的多元化表达和文化繁荣，故对于短视频是否符合创作性要求进行判断时，对于创作高度不宜苛求，只要能体现制作者的个性化表达，即可认定其有创作性。”法院最终根据“只要能体现出制作者的个性化表达，即可认定其有创作性”这一标准认定涉案13秒短视频构成作品。

在“微信红包著作权及不正当竞争案”［北京互联网法院（2019）京0491民初1957号民事判决书］中，法院认为：“涉案‘微信红包聊天气泡和开启页’的颜色与线条的搭配、比例，图形与文字的排列组合，均体现了创作者的选择、判断和取舍，展现了一定程度的美感，具有独创性，构成我国著作权法意义上的美术作品。”

虽然“微信红包”会用到与实物红包相同的很多元素，但是还是可以从设计上体现出差异性，这种“大同小异”最终都被认定为作品予以保护。有学者提出著作权保护的“宽进宽出”分析框架，我认为非常贴近著作权审判的实际，“有”独创性就可以受到著作权法的保护，保护的强度与独创性的程度相关，独创性高的保护的程度高，独创性低的保护的程度低。

“AI文生图”著作权案［北京互联网法院（2023）京0491民初11279号民事判决书，又称“AI文生图”著作权案］中关于“独创性”的认定仍旧延续了上述司法实践中的标准。法院认为：“利用人工智能生成图片，是否体现作者的个性化表达，需要个案判断，不能一概而论。一般来说，人们利用Stable Diffusion类模型生成图片时，其所提出的需求与他人越具有差异性，对画面元素、布局构图描述越明确具体，越能体现出人的个性化表达。本案中，从涉案图片本身来看，体现出了与在先作品存在可以识别的差异性。从涉案图片生成过程来看……原告对于人物及其呈现方式等画面元素通过提示词进行了设计，对于画面布局构图等通过参数进行了设置，体现了原告的选择和安排。”

通过该案可以看出，按照独创性有无的标准，会有相当一部分利用人工智能生成的内容被认定为作品，受到著作权法的保护。可以说，虽然技术越发展，工具越智能，人的投入就越少，但是这并不影响我们继续适用著作权制度来鼓励利用新工具进行作品创作。

对于第四个问题，思想与表达二分法是区分作品中受保护的要素和不受保护的要素的基本原则，其内涵是著作权法保护思想的表达而不保护思想本身。虽然思想与表达二分法是一个比较好的分析框架，但是从来也没有把思想和表达的边界划分得非常清晰明确，特别是在新型疑难案件中。

在“琼瑶诉于正著作权案”［北京市高级人民法院（2015）高民（知）终字第1039号民事判决书］中，法院认为：“表达不仅指文字、色彩、线条等符号的最终形式，当作品的内容被用于体现作者的思想、情感时，内容也属于受著作权法保护的表达，但创意、素材或公有领域的信息、创作形式、必要场景和唯一或有限表达则被排除在著作权法的保护范围之外。”

在该案中，法院将文学作品的表达与思想予以进一步区分：“文学作品的表达，不仅表现为文字性的表达，也包括文字所表述的故事内容，但人物设置及其相互的关系，以及由具体事件的发生、发展和先后顺序等构成的情节，只有具体到一定程度，即文学作品的情节选择、结构安排、情节推进设计反映出作者独特的选择、判断、取舍，才能成为著作权法保护的表达。”

可以说，人物设置及其相互关系，需要在个案中判断究竟是思想还是表达。我认为，当大家谈论AIGC对思想与表达二分法冲击较大时，可能是将利用AI的人与AI所完成的工作分别看待造成的，这样一来，人输入的提示词，就往往被看作是思想。实际上，AI的技术原理不同于搜索引擎，输入提示词不同于输入检索词，就整个生成内容的过程来看，人输入的提示词决定了AI生成的内容，人与其利用的AI是一个整体。我们的工作不是要判断提示词的独创性，而是要看最终生成的内容是否体现了自然人的独创性智力投入。

在“AI文生图”著作权案中，法院指出：“从原告构思涉案图片起，到最终选定涉案图片止，这整个过程来看，原告进行了一定的智力投入，比如设计人物的呈现方式、选择提示词、安排提示词的顺序、设置相关的参数、选定哪个图片符合预期等等……涉案图片体现了原告的智力投入。”

因此，审理或讨论与AIGC相关的案件，我们需要查明和了解涉案的AI技术原理是什么，其技术原理是否给予利用其的自然人一定的创作空间，另外，我们还需要查明和了解利用AI技术生成内容的人投入了什么、其是否进行了独创性的智力投入。只有做到这些工作，才能继续适用好思想表达二分法这个分析框架，至于是否在AIGC相关的案件中，将思想表达二分法的边界再降低一下，将抽象的内容（或者说把以前认为不那么具体的内容）更多地偏向于表达，我觉得可以持续讨论。

崔国斌：现在人工智能生成物具有文字、绘画、音乐、视听等作品的外观，也能够以一定形式表现，可以被视为是AI创作者或使用者智力劳动的成果。

有意见认为，作品必须是人类作者的智力成果，缺乏用户干预的AIGC实际上由程序算法独立输出，并非人类作者控制输出的智力成果。实际上，AI系统本身并非独立的法律主体，而是由开发者制作的创作工具。如果没有AI设计者的智力劳动——设计出AI系统，人工智能生成物并不会凭空产生。同时，著作权法并没有明确要求智力成果一定要通过人的身体直接输出，而不能通过工具来间接呈现或生成。只要自然人（用户或AI开发者）的智力因素最终影响了AIGC生成物的内容，将它视为自然人的智力成果，符合公众对于“智力成果”的一般理解。

还有意见可能会认为，现有著作权法从字面上排斥人工智能生成物。比如，《著作权法实施条例》（以下简称《条例》）第3条第1款规定：“著作权法所称创作，是指直接产生文学、艺术和科学作品的智力活动。”第4条提供了“美术作品”的定义，即“美术作品，是指绘画、书法、雕塑等以线条、色彩或者其他方式构成的有审美意义的平面或者立体的造型艺术作品”。

如果AI生成物是绘画形式的作品，反对意见可能会认为，这里的“直接产生……作品的智力活动”，自然是要求作者直接绘制线条或色彩。在用户利用AI创作时，用户发布文本指令，然后由AI系统直接输出生成物，而不是用户直接输出。换言之，用户和最终生成物之间隔着AI系统，用户的行为并没有“直接产生”作品，因此不是著作权法意义上的“创作”。

《条例》第3条第2款规定：“为他人创作进行组织工作，提供咨询意见、物质条件，或者进行其他辅助工作，均不视为创作。”从第3条上下文的逻辑看，立法者将第2款所规定的诸多情形排除出第1款所述“创作”范围的具体原因并不明确，既可能是因为它们不属于第1款所说的“智力活动”，也可能是因为它们不“直接产生”作品。因此，第3条第2款对于解释第1款中的“直接产生”的含义、用户利用AI创作的行为是否“直接产生”作品，缺乏明确的指引。

从著作权法激励创作的立法目的看，“直接产生……作品的智力活动”应该被理解为用户的行为直接导致特定作品的产生，而非要求该作品中的所有表达细节都源自用户。比如，在演绎作品中，很多表达细节就并非直接来源于演绎者，而是原作者。这并不妨碍我们将演绎行为视为“直接产生……作品”的创作行为。类似的逻辑同样适用于AIGC。用户的行为直接触发了AI创作过程，尽管创作过程中很多表达源自AI系统，但这并不妨碍用户也同时贡献自己的表达，因而其行为可以被视为“直接产生……作品”的创作行为。换言之，问题的关键不在于用户与生成物之间是否隔着AI系统，而在于用户是否直接触发创作行为并贡献足够多的独创性表达。

对于第三个问题，答案是肯定的，即AIGC的确要落入文学、艺术和科学领域，才可能具有作品属性。普通的体育活动、棋牌赛事、时装走秀或街头活动等，通常并未落入著作权法意义上的文学、艺术或科学领域，因此，运动员、棋牌玩家、模特或街头行人就不能将自己在上述场景中的“表演”，类比为舞蹈，进而寻求著作权保护。

在这一意义上，“文学、艺术和科学领域”的确起到限制著作权法保护客体范围的作用。不过，这一限制对于AIGC而言，却没有实质意义。如前文所述，AIGC具备了典型的文字、绘画、音乐或视听作品的外观，有开发者或用户的智力干预，也会给公众带来类似这类自然人作品的美学体验，因此，认定AIGC属于文学、艺术和科学领域的智力成果，并不存在明显的障碍。

对于第四个问题，答案是否定的。著作权法仅仅保护作品表达，而不延伸至所谓“思想、程序、操作方法或数学概念本身”［《与贸易有关的知识产权协定》（TRIPs）第9条第2款］，此即著作权法下所谓”思想—表达”二分原则。这里的“思想”是笼统的说法，涵盖表达之外的不受保护的各种内容，理论上大致可以分成三大类，即基本的表达要素、抽象内容和解决方案。不同类别之间的边界依然很模糊，甚至相互重叠。理论上，AIGC的出现并没有影响著作权法对于“思想”内容的排斥。无论“思想”内容来源于自然人（开发者或用户），还是AI系统，都无法获得著作权法保护。

在这一意义上，AIGC并没有改变不受保护的“思想”的范围。比如，用户在使用生成式人工智能绘图时，单一回合输入的提示词文本，虽然有可能构成文字作品（表达），但是在多数情况下它只是勾勒或定义了AI输出图形中非常抽象的内容，因此，相较AI输出的图形而言，用户在单一回合输入提示词时所做的贡献只是抽象思想，而非图形作品中的具体表达，无法获得著作权法保护。

在这一点上，我和本次对话中王迁老师认识自始至终都是一致的，与美国版权局在诸多案例中所表达的意见也没有出入。不过，在用户选定特定输出物后，再以受控方式对它进行线性修改，则用户的贡献就不一定仅仅停留在抽象思想层面，而是有可能具体到表达层面了。这是我与王迁老师意见真正分歧的地方，后文还将进一步展开。针对用户利用相同提示词测试不同AI系统，得出不同的输出画面这一测试结果，在本人看来，并无任何意外之处。这只是证明，单一回合的提示词输入并没有足够具体地限定AI输出物的表达细节；这并不构成对我上述意见的反驳。

AIGC中除了不受保护的“思想”外，还有很多并非直接源于AI用户的“表达”。比如，在用户输入简单提示词的情况下，AI系统输出的图片内容，明显具有作品“表达”的外观。但是，该表达并非来源于用户，而是源于AI系统的随机输出。由于AI系统输出此类“表达”的边际成本几乎可以忽略不计，学术界多数意见认为，著作权法没有必要保护此类“表达”，尽管各自的理由可能有很大差异。

因此，AIGC虽然没有改变著作权法对于“思想”范围的界定，却改变了著作权法对于受保护的“表达”的理解：那些直接源于AI系统而非用户的“表达”，虽然具有作品表达的外观，却不能获得著作权法的保护。著作权法将来需要增加区分用户表达与AI生成表达的规则。

王迁：就哪项要件是决定AIGC成为著作权法意义上作品的关键，我有不同意见。具备独创性当然是构成作品的必要条件。然而需要强调的是，只有著作权法意义上的表达才有判断独创性的价值。如果某人作出的智力贡献属于“思想和表达两分法”中的思想，那么根本无须讨论独创性问题。换言之，脱离“思想和表达两分法”去讨论独创性，包括讨论一种成果是否为智力成果，是否体现了智力投入，都是没有意义的，因为不受保护的思想当然可以是高度“独创”的，是智力成果，体现了智力投入。

例如，在爱因斯坦提出广义相对论之前，没有人能想到时空是弯曲的，光在宇宙中走的并不是直线，而是受引力影响形成的曲线。爱因斯坦广义相对论的独创性可谓毋庸置疑。然而，类似于相对论这样的思想并不可能因其属于具备独创性，甚至是具备高度独创性的智力成果就能作为作品受著作权法的保护，因为再有创意和价值的思想都必须在著作权法中留在公有领域。

由此可见，在讨论AI生成的内容是否应具备独创性而被认定为作品之前，必须要解决一个前提问题，那就是该内容是否为人类贡献的表达？该问题的另一种表述就是，该内容是否为人类的创作行为所形成的？这两个问题之所以是等效的，是因为著作权法意义上的创作，必须是直接形成构成作品的表达性要素的行为。如果某人贡献出的成果不属于著作权法意义上的表达，那就意味着他没有实施著作权法意义上的创作行为。

此时去讨论该成果的独创性问题，包括该成果是否为智力成果，独创性的要求是“有无”还是“程度”，都是没有意义的。因此，爱因斯坦贡献出的广义相对论，作为一种理论体系，是不受著作权法保护的思想；而他通过思考形成该体系的过程也不能被认为是著作权法上的创作。只有当爱因斯坦或其他人以文字形式将其思想体系呈现出来时，比如爱因斯坦那篇著名的论文《论运动物体的电动力学》以及奥地利物理学家泡利（Pauli）那长达237页的相对论综述，才能被认为是著作权法意义上的表达，此时去讨论独创性才有意义。

需要指出的是，《著作权法实施条例》第3条规定：“著作权法所称创作，是指直接产生文学、艺术和科学作品的智力活动。”其中的“直接产生”强调的正是人基于自由意志直接决定构成作品的表达性要素。这里的“直接产生”并非指百分之百决定，它当然可以包括一些他人的贡献（如编辑对来稿的文字调整）和一些偶然因素（如作画时画笔意外偏离原定轨迹而产生的效果），但人的自由意志必须占主导性、决定性的地位。

如果表达性要素并不由人的自由意志直接决定，那么即使其“体现了此人的独创性贡献”，也不能说此人对其实施了创作行为，并认定此人为著作权法上的作者。对于上文提及的泡利长达237页的相对论综述而言，每一个句子都能“体现爱因斯坦的独创性贡献”。如果没有爱因斯坦贡献出的具有高度独创性的相对论，哪里还有相对论综述呢？然而，能就此认为泡利撰写的相对论综述就是爱因斯坦的作品吗？显然不能。

崔国斌教授提出“在演绎作品中，很多表达细节就并非直接来源于演绎者，而是原作者。这并不妨碍我们将演绎行为视为‘直接产生……作品’的创作行为”，以此论证哪怕是不直接源于本人的表达，也可以构成“创作”。

然而，在演绎作品的创作中，演绎者的“创作”指向的也是源于其本人的、有别于原作品的表达性要素。因为演绎者基于自由意志能够直接决定的，并不是构成原作品的表达性要素，而是以原作品为基础通过发展原作品的表达而产生的新的表达性要素。演绎者不可能对原作品的表达性要素主张权利。例如，翻译者将以西班牙语写成的小说《百年孤独》翻译成中文，当然就成为翻译作品的作者，享有翻译作品的著作权。但翻译者不可能对马尔克斯创作的原作，包括其独创性的情节设计享有任何权利。

崔国斌教授所述的“在演绎作品中（的）很多表达细节”应当是指类似于《百年孤独》中的故事细节，然而《百年孤独》的翻译者并没有创作出这样的“表达细节”，其创作的（“直接产生的”）是中文的文字组合、遣词造句。翻译者也只能对该文字组合、遣词造句享有权利。这就是为什么要出版《百年孤独》的中文版，不能仅取得翻译者的许可，还要取得原著著作权人的许可。

同样道理，要解决AI生成的内容是否属于作品的问题，首先要考虑的也不是研发者或者用户做出的贡献（许多情况下体现了智力投入）是否具备独创性、研发者或者用户的独创性贡献是否体现到了人工智能生成的内容中，以及是否能在形式意义上称该内容为“智能成果”，而是这种贡献相对于人工智能生成的内容而言，是否属于思想，也就是人工智能生成的内容作为形式意义上的“表达”，是否源于研发者或者用户的创作行为。

此前法院认定中超赛事直播画面（而不是赛事本身）、长度仅为13秒的以“汶川大地震”灾后重建为主题的短视频，以及微信红包的开启动画构成作品，其前提都是人基于自由意志直接决定了视听作品的基本表达要素。因此，其中判决的争点（如笔者不赞同中超赛事直播案的再审判决）也仅集中在相关成果是否符合独创性及其他作品认定要件（如视听作品必须被“固定”在物质载体上），而不在于这些成果是否由人的自由意志所直接产生。

与之相反，“AI文生图”著作权案并不是对前述司法判决思路的延续，而是从根本上颠覆了作品认定的基本原则。显而易见的事实是，“生成式人工智能”之所以得名，正是因为此种AI可以根据其独特的算法和所受的数据训练，自行生成五花八门的内容。无论是设计算法和训练人工智能的研发者，还是输入提示词的用户，都不可能决定生成式人工智能自行产生的形式上接近于人类作品的内容。

“人输入的提示词决定了AI生成的内容”这一观点与客观事实相去甚远。有兴趣的读者可以自行做一个简单的实验，那就是将相同的提示词输入不同的生成式人工智能（比如四款国产生成式人工智能绘图程序：百度公司开发的“文心一言”、腾讯公司开发的“混元”、阿里云公司开发的“通义万相”和字节跳动公司开发的“豆包”），观察不同的AI生成的内容是否相同。事实上，不同的生成式人工智能根据相同的提示词生成的内容会有极大的差异。

这就说明用户的提示词只能影响生成式人工智能所生成内容的主题和风格等，但是无法决定表达性要素，比如文字内容的文字组合、遣词造句和图形内容的具体构图。因此，即使用户的提示词在复杂到一定程度的情况下本身可以构成文字作品（比如一位诗人为了让生成式人工智能“文生图”而创作了一首诗歌，并将该诗歌作为提示词输入生成式人工智能，用作提示词的诗歌本身当然是受保护的作品），该提示词相对于生成式人工智能所产生的内容而言，仍然是思想。此时去讨论用户的提示词是否具有独创性是没有意义的。

与此同时，著作权法当然不会要求作品必须通过人嘴或人手直接输出，而是允许通过工具来实施创作行为，实现自由意志所决定的构成作品的表达性要素。然而，著作权法意义上的创作工具只能是实现创作者自由意志所决定作品的表达性要素的消极工具，而不能实质性地参与作品表达性要素的决策过程。

试问，人们所普遍承认的创作工具，从早期的纸、笔到现在的照相机、文字处理软件如Microsoft Word和WPS，以及绘图软件Photoshop，哪一个自行决定了构成作品的表达性要素？如果同一位作家先后使用Microsoft Word和WPS输入了相同的文字，这两款文字处理软件却都生成了与作家的输入截然不同的文字组合、遣词造句，它们还能被称为是作家的“创作工具”吗？

如果一位摄影师在对拍摄对象、拍摄角度、焦距、光线和拍摄时机等一切影响影像内容的因素作出了完全相同的选择和判断的情况下，分别用两个不同品牌的照相机或智能手机拍照，得到的两张照片在影像内容上都与摄影师通过取景框和上述选择判断而决定的影像内容相去甚远，且相互之间也差异极大，这两款照相机或智能手机还能被视为“创作工具”吗？

“只要人的智力投入能够‘影响’最终获得的内容，就认为该内容是此人创作的作品”这一命题，不仅与《著作权法实施条例》对“创作”的定义——“直接产生文学、艺术和科学作品的智力活动”不符，也会导致极其不合理的结果。试问，美术老师向全班三十名同学发出细致、具体且具有创意的绘画要求，该要求能不能影响三十名同学绘画的内容？回答当然是肯定的。然而，能就此认为这三十名同学完成的三十幅绘画就是这名美术老师所创作的作品吗？显然不能。

因此，否认用户以生成式人工智能为“创作工具”创作出了作品，并不是因为用户和最终生成的内容之间“隔着”生成式人工智能，而是因为用户的贡献（包括智力贡献）不能决定构成内容的表达性要素。当用户用Microsoft Word或者WPS撰写小说时，用户和存储在计算机硬盘中的小说之间也“隔着”计算机和文字处理软件，但是没有人会否认用户的行为直接产生了文字作品。

此外，笔者从未主张过“直接产生……作品”就是指百分之百地决定构成作品的每一个细节。在《再论人工智能生成的内容在著作权法中的定性》一文中，笔者有如下表述：“‘直接产生……作品’要求民事主体基于其自由意志决定构成作品的表达性要素，但这里的‘决定’并非局限于百分之百地确定作品中的每一处细节，而是可以留下容纳其他来源贡献的空间。只是其他来源的贡献不属于实质地改变或发展作品的表达，从而不能被认为构成‘创作’。”而AI生成的内容，实质上是由AI的算法和所受训练决定的，不是人的“创作”。

在生成式人工智能的用户并没有通过输入提示词实施创作行为的情况下，不但讨论由此生成的内容是否具有独创性、是否体现了用户的智力投入没有意义，讨论该内容是否处于文学、艺术和科学领域也是没有意义的。

“第九套广播体操案”［北京市西城区人民法院（2012）西民初字第14070号民事判决书］之所以成为以智力成果并不位于文学、艺术和科学领域而否定该成果是作品的经典案例，是因为第九套广播体操富有独创性的动作设计直接源于人的智力投入，是那些设计广播体操的专家们基于自由意志直接决定了构成第九套广播体操的每一个动作。在这种情况下，讨论该成果所处的领域才有意义。换言之，人实施了基于自由意志决定表达性要素的行为是讨论其他一切作品著作权问题的前提。

张湖月：对于第二个问题，我认为从实现著作权法立法目的和政策考量的角度，AIGC或许不宜具备“独创性”。

具体而言：在生成式人工智能问世之前，“独创性”就已经是一个充满争议的概念。考察AIGC是否具备“独创性”时，存在很多牵强的地方和难以协调的矛盾。因此，回归立法论的角度并纳入政策考量，可能是一种更能提供新见解和促成共识的方法。问题也从“是否”转向了“应否”。

为了解答这一问题，我们需要考虑著作权法的立法目的、所期望保护的权益价值、意图实现的社会功能和公共目标，以及与其他制度安排的整体互动效果；再进一步思考赋予AICG著作权是否有助于实现这些目标价值，还是可能带来意外的负面影响，以及是否存在其他更为合理的设计来实现这些目标价值。例如，主张AIGC受著作权保护的政策论点有两个：一是认为这将激励AI的投资研发和用户使用AI进行创作的行为；二是基于公平原则，认为既然AIGC面临著作权侵权风险和合规责任，就应该给予相应的著作权保护。

然而，这两个论点都站不住脚。正如后面将详细解释的，开发者和用户并不需要通过AIGC的著作权保护来获得激励，设定著作权反而可能导致相反的效果；同时，AIGC所带来的法律风险和义务也可以通过其他途径得到“抵消”。著作权法是一个不断发展、紧密贴合产业现状和技术进步、重点关注利益平衡的法律制度，采取法律和政策相结合的研究视角与著作权法的精神是非常契合的。

从立法政策角度出发，我和杨颂教授于2024年2月发表的文章《生成式人工智能与版权：动态视角》（Generative AI and Copyright：A Dynamic Perspective），首次为AIGC的著作权制度设计提供了一个基于经济建模的动态分析框架。

我们考察了不同制度设计对AI公司、人类创作者以及整体社会福利的影响，发现这些影响受到三大环境因素的制约：AI训练数据的稀缺程度、AI模型的质量水平以及行业竞争情况。例如，在训练数据丰富的情况下，通过著作权保护AIGC，短期内将激励人们更多地使用AI进行创作，吸引更多人成为创作者，并提升创作效率，这样一来，AI公司的利润和人类创作者的总收入都将得到提升。然而，由于AIGC被赋予排他性权利，过度的著作权保护最终可能减少消费者剩余，从而降低整体社会福利。

此外，虽然对AIGC实施著作权保护可以刺激市场对AI的需求，但这也可能削弱AI公司持续优化模型的动力，从而阻碍这项技术的长期发展，尤其是在头部公司形成垄断的市场环境中。在训练数据稀缺的情况下，AI模型质量的持续提升将非常依赖人类后续创作的高质量内容。如果仅向大模型“投喂”AIGC，模型的表现只会趋于下降。对AIGC实施著作权保护，虽然可以直接提高市场对AI的需求，但也会导致人类创作内容的供应减少。这将不利于AI模型的进一步发展，长远来看也会阻碍AIGC的生成。

此外，我们的发现显示，不应将“AI训练数据的合理使用”与“AIGC著作权保护”这两个问题严格区分讨论，因为它们之间存在互动关系。例如，在训练数据稀缺的情况下，当AIGC不受著作权保护时，允许AI公司通过合理使用获取广泛的训练数据，将有助于推动生成式人工智能的发展，并提高社会福利。然而，当AIGC受到著作权保护时，如果仍然允许AI公司通过合理使用获取训练数据，反而可能会对生成式人工智能的发展产生不利影响，并导致社会福利降低。这是因为在后一场景中，人类自主创作内容的激励被极大地削弱，从而严重制约了后续可用的训练数据。

对于第三个问题，根据王迁老师的研究，对作品领域的限定是我国立法者经过谨慎考量后作出的决定，目的是排除已经受工业产权保护的工艺、系统、操作方法和技术方案等，同时也排除了并不适合受任何产权保护的体育竞技动作等。因此，在思考AIGC是否受作品领域的限定时，我们需要考虑的是：AIGC为什么能突破作品领域限定背后的法理？AIGC不受作品领域限定，也意味着AIGC比人类作品更容易构成作品并受到著作权保护——这是否是立法者希望传递的规范信号？这对AI产业与内容行业又将产生怎样的影响？

对于第四个问题，我认为，与其说AIGC改变了“思想—表达”二分法，不如说在“思想—表达”二分法下，各方对AIGC是否构成受著作权保护的“表达”存在争议。这就回到了生成式人工智能是否仅仅是人类创作“工具”的问题。

王迁老师与马克·莱姆利（Mark Lemley）教授均认为，在现行法下，这一问题的答案取决于人类是否决定AIGC的表达性要素。以用户为例，如果用户能决定AIGC的表达性要素，则生成式人工智能本质上还是用户创作的工具，AIGC属于用户自己的表达，可以受著作权法保护；如果不能，则用户的表达仅限于提示词。值得注意的是，鉴于AIGC领域也可能出现“版权圈地”和垄断等问题，“思想—表达”二分法在防止公域倾轧和思想垄断方面的立法考虑与政策关切仍具有重要意义。在这种情况下，一个更具建设性的思考方向是，在生成式人工智能时代，我们应如何继续保护“思想—表达”二分法所捍卫的价值？

朱阁：对于第一个问题，我认为，AIGC具备可版权性的基础，原因就在于生成式人工智能技术给予了利用该技术的自然人以一定的创作空间。创作空间可以大或者小，但是如果没有创作空间的话，是谈不上进行创作的。以我们熟悉的搜索引擎技术为例，用户在搜索框中输入关键词，搜索引擎即会检索网络资料或一定范围内的数据库，将符合关键词的结果提供给用户，该结果在用户搜索之前已经存在，这个过程有点像“自动取货机”，用户显然没有丝毫的创作空间。

生成式人工智能技术则不同，在“AI文生图”著作权案中，涉案的生成式人工智能大模型，系由互联网上大量图片和其对应文字描述训练而来，该模型可以根据文本指令，利用文本中包含的语义信息与图片中包含的像素之间的对应关系，生成与文本信息匹配的图片。该图片不是通过搜索引擎调用已有的现成图片，也不是将软件设计者预设的各种要素进行排列组合。

在该案中，用户利用涉案AI大模型生成涉案图片，涉案AI大模型给予用户以创作空间，用户可以在整个创作过程中进行智力投入，本质上，这仍然是人利用工具进行创作，只不过这个工具比以前的工具更为智能。截至目前，著作权法只保护人类的创作，在作品认定过程中，我们只关心人类是否进行了独创性智力投入，讨论AI大模型对作品的贡献，甚至将AI大模型对作品的贡献与人类的贡献相比较，在著作权法上没有任何意义，无助于对于AIGC是否构成作品的判断与认定。

对于第二个问题，如前面讨论过的，独创性标准本来就是“有无”而非“高低”，同时该标准也具有裁量性质。是否具有独创性要从事实和价值两个层面进行裁量。应当讲，独创性判断既是事实判断，也是价值判断。利用AI技术生成内容，是否体现作者的独创性，需要个案判断，不能一概而论。虽然是个案判断，但是我们也需要在当下的社会经济发展中，以利益平衡为重要基点，综合考虑作品类型、创作空间、产业政策、公众需求等因素。

在理论界的争鸣、他国司法实践的借鉴过程中，运用本国法律的话语体系，尽力找出AIGC的独创性“门槛”。以AI文生图是否可以构成作品这个问题为例，观点的分歧主要在于利用AI技术的人是否“动手去绘制”，如果在整个生成图片的过程中，没有人类“动手去绘制”这一事实，有学者认为该AI文生图不可能构成作品。

那么“动手去绘制”可不可以成为一个“门槛”呢？我认为不可以，其一，这与前面讨论的思想表达二分法的问题也可以结合起来说，美术作品的思想与表达的分界线在哪里？《著作权法实施条例》第4条第8项规定：“美术作品，是指绘画、书法、雕塑等以线条、色彩或者其他方式构成的有审美意义的平面或者立体的造型艺术作品。”据此，美术作品的表达是不是仅限于色彩、线条呢？与前面提到的文字作品一样，在美术作品最表层的表达即线条、色彩，和最底层的思想即创意之间，也是一个逐渐抽象的过程，中间容纳有可被作为美术作品表达的内容，如构图布局。

在“西尔万与叶某青著作权案”中［北京市知识产权法院（2019）京73民初1376号民事判决书案］，法院在被告抄袭原告画作的构图元素和整体布局，而非原作中的线条和色彩细节的情形下，认定被告构成侵权。该案即说明，美术作品的表达不仅限于线条和色彩，构图布局也是美术作品的表达。因此，即时没有“动手去绘制”线条、色彩，而只是设计了构图布局，也是贡献了美术作品的表达。更何况，实际上，AI文生图大模型生成图片的线条与色彩也可以由用户的提示词直接决定。

其二，越来越多的包括艺术家在内的社会大众会利用AI进行图片生成，同时随着生成式人工智能技术的发展，我们可以预见，人类的投入将会越来越少，从这个趋势来看，将“动手去绘制”作为AIGC成为作品的“门槛”显然过于苛刻了。因此，还是要回归到作品认定的法律标准上，即利用人工智能生成的图片，只要能体现出人的独创性智力投入，就应当被认定为作品，受到著作权法保护。

正因如此，在“AI文生图”著作权案中，关于涉案作品的权利归属的讨论，判决书载明：“原告是直接根据需要对涉案人工智能模型进行相关设置，并最终选定涉案图片的人，涉案图片是基于原告的智力投入直接产生，且体现出了原告的个性化表达，故原告是涉案图片的作者，享有涉案图片的著作权。”“而涉案人工智能模型设计者既没有创作涉案图片的意愿，也没有预先设定后续生成内容，其并未参与到涉案图片的生成过程中，于本案而言，其仅是创作工具的生产者。

其通过设计算法和模型，并使用大量数据“训练”人工智能，使人工智能模型具备面对不同需求能自主生成内容的功能，在这个过程中必然是进行了智力投入，但是设计者的智力投入体现在人工智能模型的设计上，即体现在“创作工具”的生产上，而不是涉案图片上。故涉案人工智能模型设计者亦不是涉案图片的作者。”需要说明的是，上述认定是基于该案的事实和技术查明，包括审理人工智能相关案件在内的新技术案件，需要特别注意的涉案技术原理的查明，不能仅因为技术名称相同，就当然认为每个案件中的技术是相同的。

王迁：第一个问题和第二个问题实质上是在讨论著作权法是否应当支持生成式AI开发者对AIGC的著作权主张，对此，我持反对态度，即不应当支持开发者对AIGC的著作权主张。

详言之，生成式人工智能的开发者当然贡献了智力成果，该智力成果就是作为计算机程序的代码化指令序列，以及程序背后的算法等。因此，开发者既可以对计算机程序主张著作权，也可以在符合法定条件的情况下申请相关技术方案的发明专利。然而，开发者的上述贡献不可能决定生成式人工智能所生成的内容。例如，每时每刻全世界不知有多少用户在使用ChatGPT、Midjourney和Stable Diffusion等生成式人工智能，其研发者无法仅仅通过对算法的设计和对人工智能的训练，就决定这些生成式人工智能如何回应千百万用户提出的问题或者输入的提示词。换言之，生成式人工智能根据用户的问题或提示词生成何种内容，是研发者所无法预料的。这也是此类人工智能被称为“生成式人工智能”的原因。

由此可见，研发者创作的结果是形成了计算机程序，而不是生成式人工智能根据每一次用户的提问或提示词生成的具体内容，因此，这些内容并不是研发者所创作的作品，研发者当然不能对其主张著作权。

针对第三个问题，我的回答是，著作权法不承认生成式人工智能研发者可以主张人工智能生成内容的著作权，不会对人工智能产业的投资和研发产生不利影响。例如，根据美国《版权法》的规定，对以美国为起源国的作品（即“美国作品”），如果没有在美国版权局登记，则日后发生纠纷时，无法提起版权侵权诉讼，也就意味着无法在美国获得版权保护。

众所周知，美国版权局对人工智能生成的内容不予登记，这意味着人工智能生成的内容在美国无法受到版权法的保护，研发者自然也无法在美国主张对该内容的版权保护。然而，代表了人工智能技术巨大进步的ChatGPT、Midjourney和SORA都是由美国公司投入巨大人力、物力和财力研发的。这恰恰说明美国不保护人工智能生成的内容并没有损害研发者的经济利益，打击投资者信心或挫伤人工智能研发、投资的积极性，并没有阻碍人工智能行业的发展。

对于“动手去绘制”是否为认定美术作品的门槛的问题，回答是肯定的。只是这个“动手”不限于直接持铅笔、水彩笔或毛笔等传统意义上的“笔”在纸上作画，也包括用鼠标通过Photoshop等绘图软件在屏幕上作画，或者手持电容笔在与电脑连接的平板上作画。但无论如何，仅仅通过文字去描述，是不能形成美术作品的。

对此，邓思渊的一篇文章《“这图一眼就是AI！”那你能展开讲讲么？》作出了极好的解释。文章指出：“视觉艺术，从本质上是不可言说的”；人类在画一幅画的时候“首先是想象出某个视觉形象，然后一步步细化，构成画面，这中间可以完全没有任何语言的参与”；而人工智能绘图则要求用户“首先去总结出画面中的元素，形成文字，然后再通过文字反向去描述出画面”，“要用语言去描述视觉，那么它注定只能传达出我们对于整个视觉世界中能够用语言描述的那一小部分”。

与此同时，对构成美术作品的“表达”应当有正确的理解。虽然《著作权法实施条例》在定义美术作品时，在“线条、色彩”之后还有“或者其他方式”的用语，但中心语是“造型艺术作品”。换言之，美术作品是艺术造型。脱离了艺术造型，就谈不上美术作品。没有艺术造型的相似，仅有对不同造型的构图的布局（简称“构图布局”）上的相似，不可能侵犯美术作品著作权。

在“西尔万与叶某青著作权侵权案”中，法院认定叶某青部分绘画构成侵权作品的理由，并不仅仅是“构图布局”相似。例如，叶某青的《冬日记忆》（图1）被认定为与西尔万的《马修和黑鸟》实质性相似，属于侵权作品。然而，二者相似之处远超“构图布局”，而是在许多相同的位置使用了轮廓、线条画法基本一致的大量细节，以此形成了艺术造型从局部到整体的相似性。

与之形成对比的是，在该案中，叶某青的另一些被诉侵权画作与西尔万的画作不但在整体艺术造型上有较大差距，而且在某一个能够相对独立存在的局部造型上也不存在实质性相似（如图2中的两幅画，方框中的为西尔万主张实质性相似之处），此时应当认为二者的相似之处在于构图布局和风格，这种相似就不能作为认定侵权的基础。

西尔万图                  叶某青图

图1  “西尔万与叶某青著作权侵权案”中构成侵权作品的部分绘画

西尔万图                  叶某青图

图2  “西尔万与叶某青著作权侵权案”中不构成侵权作品的部分绘画

同样道理，用户即使能够通过提示词大致划定图片的布局，也无法决定其中的造型，也就是不可能直接产生构成表达的艺术造型。在这种情况下，如前文所述，只能认为用户的贡献（即使为智力贡献）相对于人工智能生成的图片仅是思想。至于“AI文生图大模型生成图片的线条与色彩也可以由用户的提示词直接决定”的观点，读者自行向不同的人工智能输入相同的提示词，就能验证其是否成立，已无须再作任何辩论。

崔国斌：AIGC通常具有作品表达的外观。AI开发者是否可以对此类“表达”主张权利，或者此类“表达”是否应该获得保护，存在较大争议。部分意见强调，这些“表达”由AI系统自动完成，并不直接受控于AI的开发者，因此并非人为表达，不具备独创性，不能获得保护。

我并不反对这一结论，但是坚持认为这一教义学的分析逻辑和说服力非常有限。在自然人创作的场合，判断作品是否具有独创性的经验性规则是，看该创作成果是否表现出很大的个体差异性，同时从相关公众的角度看创作该成果是否有一定的难度（最低限度的创造性）。同样的经验性规则应该可以应用于对AIGC独创性的分析。

AI开发者虽然没有直接控制AI系统输出具体表达的过程，但是还是控制了AI算法的设计、训练数据的选择、部分数据的标注、AI系统的后续训练和改进等，这实质影响到AI系统响应具体指令时输出的内容，使之呈现出明显的个体差异性，即不同AI系统在面对相同的提示词时，会输出完全不同的“表达”来。这种差异应该理解为开发者的行为所致，而不是天上掉下来的。从相关公众的角度看，AIGC与普通作者的创作成果并无明显差别，也能满足最低限度的创造性的要求。

因此，如果有人认为，AIGC就此在一定程度上体现了开发者的个性，并不让人意外。在本人看来，单纯强调AIGC并非人为表达因而不应获得版权保护，只不过是在武断地定义“人为”，而没有触及底层的公共政策问题。这看起来只是一种“贴标签式”的论证，没有太多的说服力。

如前所述，AI开发者不能主张著作权保护的真正原因是，AI系统输出作品的边际成本几乎可以忽略不计，AI开发者实际上并不需要通过著作权法对AIGC提供版权保护来获得激励。代表性的AI开发者，比如开发ChatGPT大模型或Stable Diffusion绘画软件的商业主体，就主动放弃对AIGC寻求版权保护。在AI开发者无需版权激励的情况下，决策者在判断开发者的独创性时，自然会选择对其不利的“标签”或“修辞”，即否认AI创作的“人为”属性，或者否认开发者作出了独创性贡献。

如果著作权法支持AI开发者对AIGC内容的版权或类似保护的主张，会对生成式人工智能产业发展产生明显的负面影响。在开发者对AIGC享有著作权的情况下，用户对AIGC的利用就需要获得开发者的许可。

图3  三台计算机上生成的三组不同图片

可以想象，在多数情况下，AI开发者为了鼓励公众使用其工具，可能会放弃著作权；部分AI开发者很可能会选择保留自己对AIGC主张著作权的机会，但选择将它转让或许可给用户。这样一来，公开领域的AIGC的版权状态就变得复杂：AI开发者是否放弃版权，相关用户是否获得权利转让或许可，授权是否为排他许可等，都需要一一清查。相关公众为了避免侵害AI开发者或继受人的著作权，需要负担额外的成本，清查AIGC的授权情况并努力获得使用许可。这会在一定程度上损害相关公众使用AIGC的积极性。

相反，如果法律明确否定AI开发者主张著作权保护的可能性，则会给社会一个明确结论，消除公众利用此类作品的著作权障碍，提升社会福利。当然，如前所述，这里的前提是，AI开发者并不需要直接从AIGC的版权保护中获得投资激励。

张湖月：我认为，AI技术对AIGC的内容和质量作出了巨大贡献。虽然用户的提示词和后续改进也非常关键，但前提是AI技术保持在适当的水平。然而，这并不意味着AI本身，或者AI技术的开发者，可以基于这种贡献获得AIGC的著作权保护。理由在于：

首先，开发者客观上缺乏对AIGC的积极控制。AI技术是开发者与AIGC之间的一道门槛。在当前大模型的技术背景下，这个门槛已经变得相当高且不透明，几乎完全阻断了开发者与AIGC之间的联系。开发者对于全球实时生成的AIGC，可以说是从未预见、一无所知，甚至可能非常反对。从立先教授指出，在研发生成式人工智能时，开发者会出于各种原因使用基于人类反馈的强化学习技术（Reinforcement Learning from Human Feedback，RLHF）或者内容过滤技术；在这一过程中，AI技术整合了开发者的偏好，生成其希望看到的结果。

然而，目前开发者对RLHF等技术的应用，主要是为了避免生成式AI输出一些高风险的内容。在这种反向限制下，开发者仍然缺乏对AIGC的积极控制；除非反向限制使得生成式AI只能针对特定问题输出特定答案——但这与大模型生成式AI的发展方向完全相悖。

其次，即便不支持开发者的权益保护主张，可能也不会对AI产业造成任何实质性影响。分析产业影响时，我们必须考虑生成式AI公司的商业模式，以及其他知识产权的保护机制。目前，顶尖AI厂商主要通过服务订阅计划、软件产品嵌套、一体化生态等多种渠道赚取收益，利润相当可观，完全不需要通过AIGC的著作权保护来激励AI产业的投资与研发。如今，OpenAI公司的年收入已经超过20亿美元，而且未来涨势惊人。

当然，并不是所有的公司都能在这么短的时间内成功实现商业化，很多中小型初创AI企业还在不断探索可行的盈利模式，国内各大AI厂商也在“百模大战”中积极寻找最有前景的商业方案。互联网平台经济的发展已经证明，“前期烧钱赔本”并不会抑制企业积极参与相关活动以获取未来收益。相较于著作权法，产业政策更适合承担推动生成式人工智能产业发展的任务；培育健康的竞争格局则应通过反不当竞争法与反垄断法的有效实施，而不是由著作权法干预实现。

此外，针对生成式AI的计算机程序与技术方案，AI厂商还可以享有著作权与专利权的保护。因此，与其担忧不予赋权可能导致的激励缺失问题，我们更应关注赋权必然引发的双重获利问题。当然，如果一些中小型AI厂商确实依赖对AIGC的排他性控制来获得预期回报，那么也可以通过已经非常普遍的防盗技术配以合同手段来实现。

最后，更为关键的是，赋权开发者可能在四个方面对AI产业的发展产生不利影响。

第一，数据稀缺。根据我和杨颂教授的研究，如果支持开发者关于AIGC的著作权主张，虽然将促使他们进一步研发更多优质的AI系统，但人类可能会更加依赖AI进行创作，这将导致人类生成的训练数据短缺，进而降低AI模型的质量。因此，赋权开发者最终可能阻碍AI的长远发展。

第二，激励扭曲。赋权开发者意味着AI厂商可以通过侵权诉讼获得赔偿。如果诉讼收益可观，开发者——尤其是中小型AI厂商——可能会将更多精力和资源投入到诉讼活动中，从而导致技术研发投入减少。

第三，收益减少。目前AI厂商的盈利主要依赖于用户规模的持续扩大，然而，赋权开发者可能降低用户使用生成式人工智能的积极性，从而导致用户数量或使用量的减少。这不仅与厂商的收益模式存在冲突，同时也增加了开发者在AIGC侵权或违法方面承担的风险成本。现阶段，绝大多数国外生成式人工智能企业都在服务协议中自动放弃或赋予用户关于AIGC的所有权益，其中部分企业明确要求用户承担AIGC相关风险责任。这是市场主体基于成本效益分析而作出的理性选择。

当然，生成式人工智能企业会根据自身所处的行业和运营模式的特点作出不同的选择。例如，一些国内AI厂商在服务协议中规定AIGC的权益属于公司；这可能是因为与国外主流的数据集开源获取模式不同，我国主要采用非开源模式，AI厂商可能斥巨资购买底层数据库。然而，值得明确的是，开发者受AIGC著作权保护与生成式人工智能产业发展之间并没有必然联系，甚至可能“搬起石头砸自己的脚”。

第四，行业垄断。一旦支持开发者关于AIGC的著作权主张，各大AI厂商可能会出于防御目的，展开“版权圈地”活动，以防止竞争对手在获得更多AIGC版权后，对自己发起侵权诉讼。这种圈地风险是真实存在的，并非虚构：文学领域已经目睹了如昆廷思（Qentis）公司等试图将整个语言系统版权化的商业模式；目前，已经有公司开始批量购买遗留数据资产，以创建衍生的生成式人工智能资产。

在现阶段的市场结构与竞争格局中，头部AI厂商最可能成为第一批“圈地者”。这意味着他们不仅拥有更多资源应对AIGC版权所带来的风险，还能借此积累竞争优势，进一步加剧行业垄断趋势。一旦形成垄断，头部企业改善AI产品能力的激励将减弱。从长远来看，这将非常不利于AI产业的持续发展。

王迁：生成式人工智能的研发者在缺乏对生成内容著作权保护的情况下，能够从生成式人工智能的研发中获得经济回报。利用人工智能生成内容获得经济利益的模式，与利用电影等同样需要巨大投资的作品获得经济利益的模式存在极大区别，它并不是通过对人工智能生成内容本身的复制、发行和各种传播行为的规制实现的。

以ChatGPT为例，其盈利模式多种多样，一是区分免费用户和付费用户，免费用户在问题量较大时必须忍受较长的等待时间，而付费用户就可以实时获得ChatGPT的回答，从而使研发者能够从付费用户支付的费用中获得回报。

二是微软公司会将ChatGPT嵌入自身产品，包括Office和Bing搜索引擎，从而提升这些产品的用户体验，吸引更多的用户使用。由于Office本身就是收费软件，用户量的增加当然会给微软公司带来更大的利润。Bing搜索引擎虽为免费产品，但更多的用户当然会促使更多的商业机构使用其竞价排名服务或投放广告，也会提升微软公司的收入。

三是微软公司还将广泛许可其他商业机构在自身的服务和产品中接入ChatGPT，甚至包括在机器人中应用ChatGPT，以向其用户提供智能服务，从而产生相当可观的商业利润。由此可见，人工智能的研发者利用人工智能的盈利模式，主要是将其作为一种商业服务向个人用户及商业用户提供。可见，实现技术营利性的方式多种多样，许多情况下许可利用技术本身就足以营利。鉴于实现人工智能技术营利的商业模式，不将人工智能生成的内容认定为作品并提供著作权保护，并不会影响对人工智能技术的投资和研发。

张湖月：在谈及开发者权益保护问题时，一个容易被忽视的事实是，开发者通常是在市场中竞相逐利的商事主体。在一个市场运行良好，而且支撑其运行的法律制度得到有效执行的环境下，开发者会竭尽所能地守护好自己的权益。正如前文提到的，AI厂商的权益在很大程度上已经通过对可行商业模式的探索以及其他知识产权制度得到了保障，或者通过服务协议等实现了利己的分配。

考虑到生成式人工智能生态的复杂性，市场参与者在如何分配AIGC所涉及的权益及其可能产生的影响方面，拥有比立法者和监管者更多的信息。因此，法律可以承认并肯定这些市场安排，而不是预先设计特定的分配或保护方案。在此基础上，监管者可以根据公平自愿等合同法原则，防止私权力的滥用。欧洲议会在其《人工智能法》草案版本中便重点关注了市场安排的合理性。

崔国斌：我的前述分析建立在AI开发者积极性不受著作权法拒绝保护AIGC的立场影响的前提之上。这一前提之所以成立，是因为AI开发者可以通过非产权保护的机制获得投资回报，从而维持创新的积极性。

首先，AI系统通常构成著作权法意义上计算机程序作品，可以直接获得著作权法的保护，其背后的程序算法也能够获得专利保护，或者作为商业秘密获得保护。这意味着现有的知识产权法能够有效保护AI开发者对AI系统本身及其背后的智力成果，从而维持开发者的竞争优势，避免竞争者“搭便车”。

其次，AI开发者通常能够有效的控制相关公众对AI系统的接触，从而有机会通过接触控制权变现自己的投资，而无须对AIGC行使后续的控制权。具体而言，如果AI系统的开发者无法通过免费服务获得足够的回报，则可以选择仅仅向注册用户开放，并要求注册用户支付使用费。比如，现在的ChatGPT的3.5版本对外免费开放，而最新4.0版本则选择对用户收费。在AI系统能够实质提升用户工作效率的情况下，没有理由怀疑此类收费机制无法给开发者带来足够的回报。

最后，AI系统的用户也无须借助于著作权法对AI开发者的保护来保护自己在使用AI过程中的投入。有意见认为，如果不保护AI开发者的权益，则有可能导致AI用户使用该生成物的积极性受损。这大致类似于专利法领域“前景理论”的预言：在缺乏产权保护伞的情况下，如果用户将AIGC投入商业利用并付出实质性投入，则可能会担心竞争对手拷贝AIGC以“搭便车”，因而会刻意选择避免使用AIGC。

这一意见忽略了AI用户使用AI进行创作时作出个性化贡献的可能性。实际上，专业用户很容易对AIGC进行修改，以满足自身的个性化需要，从而也就使得AIGC的内容体现了用户自身的独创性贡献，进而获得著作权法的保护。AI用户并不需要依赖著作权法对AI开发者贡献的保护，就能够阻止竞争对手的搭便车行为。

朱阁：在回答上述问题之前，我想先回答第一个前提性问题，即在用户利用AI生成内容时，用户能否成其为著作权法意义上的作者。对此《著作权法》第11条第1款规定：“著作权属于作者，本法另有规定的除外。”从著作权法的角度考虑，用户取得AIGC权益的基础在于其为作者。关于“作者”，《著作权法》第11条第2款与第3款规定：“创作作品的自然人是作者。由法人或者非法人组织主持，代表法人或者非法人组织意志创作，并由法人或者非法人组织承担责任的作品，法人或者非法人组织视为作者。”

根据该条规定，其一，作者限于自然人、法人或非法人组织，因此，用户只能是自然人或是自然人的集合，人工智能模型不能成为作者；其二，只有创作作品的用户，才可以成为作者。

《著作权法实施条例》第3条规定了“创作”的定义：“著作权法所称创作，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，或者进行其他辅助工作，均不视为创作。”利用AI生成的内容体现出用户的独创性智力投入，同时用户的意志通过最终的作品得以体现，应当讲，用户的行为就符合“创作”的要求。有学者认为，用户的行为是“提供咨询意见”等辅助行为，并非创作，实际上，即使在人与人合作创作的场景下，边界也常常是模糊的，两个主体之间对于作品的贡献大小，都往往难以分辨。而现阶段，生成式人工智能模型不具备自由意志，不是法律上的主体。

因此，人们利用人工智能模型生成内容时，不存在两个主体之间确定谁为创作者的问题，本质上，仍然是人利用工具进行创作，即整个创作过程中进行智力投入的是人而非人工智能模型。在这种现实情况下，人利用AI技术生成内容，其取得作者身份的难度不应该高于人与人合作创作的场景，也不应该高于人利用其他机器进行创作的场景。

对于第一个问题和第二个问题。如前面所讨论的，在现行法律体系下，只有人或人的集合才能成为我国著作权法上的作者，那么下一步就是要寻找“人”，可能会有几个环节涉及“人”的贡献，比如AI大模型的研发者、所有者、提供者和用户，在这些主体之中，有可能对AIGC作出独创性贡献的有研发者和用户。当然，实际上，某个AIGC包含有哪些主体的独创性贡献，仍旧需要个案判断。如前所述，在“AI文生图”著作权案中，法院认为涉案图片中不包含涉案人工智能模型设计者的独创性贡献，并进一步认为，涉案图片构成作品的原因在于该图片体现了用户的独创性智力投入。

对于第三个问题，我认为保护用户的贡献，可以激励用户使用AI技术生成内容。现阶段，利用AI技术是有一定门槛的，AI大模型服务的获取需要付费或花费时间，而如何利用AI大模型生成符合自己需求的内容也是需要花费时间和精力去学习的，如果保护用户的贡献，那么就会有更多的用户去尝试使用AI技术。

对于第五个问题。当前我国人工智能发展需要突破的瓶颈问题中就有高质量数据缺乏的问题，有学者认为，如果鼓励用户利用AI生成内容，将导致高质量数据更加缺乏。我认为，讨论该问题需要首先明确高质量数据是指哪些数据。关于高质量数据尚未有特别明确的定义，实践中，可以从很多维度进行定义。如果从技术上来看，高质量数据是指多样化（非同质化）和规范性（如问答类）的数据。

AI技术不仅在我国，而且在国际上也已经势不可挡，可以预见未来的内容将有绝大部分是由人利用AI技术生成的，在这种趋势下，适用著作权法保护，显而易见的好处不仅在于鼓励用户利用AI生成内容，而且在于鼓励用户生成不一样而非同质化的内容，因为著作权法保护的是百花齐放的文化繁荣。正因如此，如果需要对用户贡献进行保护，那么著作权法是一个比较好的路径选择。

王迁：对于第一个和第二个问题，正如在讨论独创性标准时所述，脱离了思想—表达两分法去讨论独创性和“用户贡献”是没有意义的。用户的贡献当然可以在某种意义上是“独创”的，比如用户可以提出其他用户都想不到的提示词或者提示词的组合。然而，这里讨论的不是提示词或提示词的组合的独创性问题，而是用户作出的贡献是否等于创作出了作品。换言之，生成式人工智能所生成的在形式上与人类作品相接近的内容，是否由用户通过输入提示词所创作，或者说用户输入的提示词相对于生成式人工智能所产生的内容而言是不是思想，这才是问题的关键。

至于“如何利用AI大模型生成符合自己需求的内容也是需要花费时间和精力去学习的”并不是认定用户是作者的理由。否则，对于研究生导师而言，“如何指导研究生，以形成自己期待的优秀学位论文也是需要花费时间和精力去学习的”，难道研究生在导师指导下撰写的学术论文就成了导师的作品？

如在讨论独创性标准时所述，“生成式人工智能”的名称就恰如其分地揭示了此类人工智能工作的独特之处，那就是用户的任何提示词都只能影响所生成内容的主题（比如少女像）、风格（中国风）与基本材料（穿唐装或汉服等），而不能决定构成作品的表达性要素。因为这些表达性要素是由人工智能在用户输入的提示词勾勒出的大致范围内，根据其自身的算法和所受的数据训练自主生成的。换言之，生成式人工智能自身的特性就决定了它不像纸、笔和照相机那样是创作者的消极工具，而是具有高度的自主性。其生成的内容，并不是用户凭借其“独创”的提示词能够决定的。

在“AI文生图”著作权案判决书公布后，有使用者在三台配置不同的电脑上，按照判决书记载的该案原告生成四张图片的过程，运行同一版本的Stable Diffusion人工智能绘图程序，调入同一亚洲少女像模型包，输入相同的正向提示词、反向提示词和各种参数，然而在三台电脑上，每一台电脑生成的四张图片与其他电脑上生成的四张图片相互之间都有极大的差异(图3调整至此)。可以想象，如果在更多不同配置的电脑上继续进行测试，还会产生相互之间差异极大的新图片。

如果认为用户的输入就是著作权法意义上的创作行为，试问：用户的同一创作行为（运行同一人工智能绘图程序，调入同一模型包，输入相同的正向提示词、反向提示词和各种参数）怎么会产生在构图上差距极大的图片？合理的解释只有一个，那就是用户的输入相对于生成式人工智能自主产生的内容只是思想，用户并没有通过输入提示词和参数设定而创作人工智能生成的内容。

张湖月：对于第一个和第二个问题，无论是用户的“独创性贡献”还是“智力贡献”，都受制于用户对AIGC的控制程度。因此，我的回答是应当进行个案判断。具体而言，我们讨论的核心情境是“用户输入提示词后AI自动生成新内容”。针对这一情境，可以根据“用户对AIGC的控制程度”进行分类，因为这在很大程度上决定了AIGC是否构成用户的独创性表达。国内外研究普遍认为，用户在初始生成的AIGC基础上，通过不断输入提示词进行修改、调整和润色，便可能作出独创性贡献。

然而，在现阶段大多数AIGC生成过程中，包括我国“AI文生图”著作权案所涉图片，无论提示词多么详细具体，内容表达的环节仍主要由AI完成。AIGC所谓的“个性化表达”恰恰是源于AI技术本身的黑箱特性，用户无法预测随机生成的AIGC。正如王迁老师所言，用户输入的提示词更像是建议而非命令，难以直接决定AIGC的内容构成。

当然，用户对AIGC的控制程度受到技术发展本身的深刻影响。根据爱德华·李（Edward Lee）教授的研究，目前值得关注的趋势是生成式人工智能与传统创作工具的紧密融合：一方面，如Dream Generator等数字相机，谷歌Pixel 8 Pro等智能手机，Photoshop、Capture One、Canva等图像编辑软件，都已经开始内置生成式人工智能模型，以协助修改和润色图片文件，用户可以通过输入文本提示词来调整画面中的绝大部分元素。

另一方面，如StableDiffusion、DALL-E、Midjourney等“文生图”生成式人工智能也开始内置编辑功能，让用户能够更好地控制和决定AIGC的画面构成。此外，越来越多的公司正在研发专门的AI软件，帮助人类创作者通过输入提示词等方式编辑AIGC中的各种细节。

随着技术发展，如果人类能够实际控制AIGC的创作过程和生成结果，同时生成式人工智能的透明度和可解释性得到提高和突破，那么我们可能就需要重新探讨AIGC在著作权法上受保护的可能性。需要注意的是，从政策角度，即使用户对AIGC的控制程度显著提高，我们仍须审慎考虑政策利弊。同时，赋权用户还可能带来新的政策挑战。例如，在评估是否为AIGC提供著作权保护时，如果重点审查用户在多大程度上决定了AIGC的表达性要素，鉴于生成式人工智能与传统创作工具高度融合的发展态势，这可能导致版权局和法院、仲裁机构在识别过程中的执法成本拔高。

考虑到以上问题的复杂性和高度事实敏感性，我与杨颂教授在论文中指出，应采用个案判断的方法进行具体分析。在评估过程中，可能需要考虑前文所述的技术进步对用户控制AIGC程度的潜在影响。

对于第三个问题，我认为即便著作权法不保护用户对AIGC的贡献，人类创作者也不会丧失使用生成式人工智能进行创作的动力。具体而言：

一般认为，著作权法保护用户对AIGC的贡献，将从两个方面积极影响用户的行为。第一，提供用户激励。赋权用户将激励更多人更频繁地使用生成式人工智能进行创作类活动。同时，因为受到保护，用户也会更愿意发布和推广其参与生成的AIGC，创造更多的公共价值。此外，由于著作权保护具有一定的门槛要求，这实际上会激励用户在使用生成式人工智能创作过程中付出更多努力，以达到法律保护的门槛要求。相反，如果著作权法不保护用户对AIGC的贡献，人类创作者就可能缺乏积极使用生成式人工智能的动力，用户在创作过程中也不会过多地投入自己的贡献。

第二，应对道德困境。如果AIGC不受著作权保护，用户可能更倾向于隐瞒AI参与的事实，从而诱发更多的冒名行为，以骗取著作权保护。赋权用户有助于缓解这一道德困境。

然而，以上两点都存在一定问题。首先，在提供用户激励方面，至少能从两个角度进行反驳。

第一，著作权保护并不是人类创作者使用生成式AI的激励来源。只要生成式人工智能相较于传统创作“工具”具有“增效降本”的显著优势，并且用户对于AIGC有充足的利用自由，人类创作者生成AIGC的激励就一直存在。在美国，尽管版权局和法院多次拒绝为AIGC提供版权保护，但不少创作者们仍然积极地使用并推广生成式人工智能。还值得一提的是，人类从事创作活动的激励来源一直都很多元。

在当前的流量经济模式下，即使没有与版权相关的收益，用户使用生成式人工智能并积极参与AIGC的生成过程、制作更优质的内容并将其发布传播，这些行为本身都可能为用户带来各种收益。此外，如果以激励用户生成AIGC为由，认为著作权法应当保护用户贡献，那么不保护AIGC同样存在类似的激励机制：AIGC不受保护，意味着市场上存在大量可以免费获取的内容，人们会更少地向人类创作者购买其自主创作的作品，这可能反向激励更多人类创作者成为生成式人工智能的用户。

第二，就算赋权用户能在短期内进一步激励他们使用生成式人工智能，但从长远来看，这可能导致人类创作者使用生成式人工智能的意愿降低。原因如下：在短期内，随着越来越多的创作者转向生成式人工智能的“怀抱”，人类自主创作的作品会大幅减少。如前文所述，这将导致生成式人工智能在后续研发和改进过程中面临严峻的训练数据稀缺问题，进而降低AI模型的质量。鉴于AI模型的优越性能是用户使用生成式人工智能的源动力，从长远来看，赋权用户反而会负面影响用户使用生成式人工智能的意愿。

其次，关于诚信问题，正如我之后将进一步说明的，这完全可以通过其他法律安排加以解决，而不是依靠AIGC的著作权保护来应对。这既不是著作权法的职责，也不应成为著作权法所应承担的功能。

对于第五个问题，我认为，保护用户贡献不一定会积极影响AIGC的内容生态。目前一个很普遍的假设是，保护用户贡献能激励他们生成更多高质量的AIGC。然而，AIGC的质量在很大程度上依赖于AI模型本身的质量，包括训练数据的丰富度、算法架构和算力效率等。尽管用户可以通过使用提示词等方法在后期对AIGC进行调整和优化，但AI模型的质量决定了AIGC的基础水平。

考虑到这一因素，赋权用户可能并不利于高质量AIGC内容的生成。此前也提到，赋予用户AIGC著作权保护，可能降低人类自主创作高质量作品的积极性。这将导致生成式人工智能在后续研发和改进过程中面临严重的训练数据稀缺问题，进而降低AI模型的质量。

对于第六个问题，我提供的方案是，当许多AI厂商选择通过合同将AIGC相关权益给予用户时，法律应当肯定这种安排。如果出现AI厂商将所有AIGC权益归于自己的情况，法院可以审查相关合同是否违反自愿公平原则。当然，关于AIGC权益的合同分配并不等同于任何一方自动获得AIGC的著作权，这是两个不同的问题。但在双方就AIGC的处分产生争议时，确实应将合同约定作为重要的考量因素。

崔国斌：对于第一个问题和第二个问题，要具体情形具体分析。由于AI系统的技术原理复杂多样，留给用户的操作空间也千差万别，同时，用户使用AI时，主观能动性也各自不同，因此，用户与AI系统之间的互动，千变万化，不能一概而论。这里以常见的AI绘画工具为例来说明最为典型的互动模式，为后续评论用户贡献的独创性打好基础。

最为简单的互动情形是，用户输入正向和反向提示词时，进行必要的参数设置，然后等待输出内容。如果用户对内容不满意，则重新输入新的提示词，并进行参数设置。每一轮AI输出都是基于该轮输入的提示词而重新随机输出，而不是建立在对上一轮输出画面选择的基础之上。本人在已发表的论文（《人工智能生成物中用户的独创性贡献》）中将这一互动模式称为“单回合”暗箱模式。

之所以将它称作暗箱模式，是因为在每一轮中，用户的贡献仅仅在于不断向AI暗箱中输入可能很简单也可能非常复杂的提示词，然后被动地等待AI系统随机输出的画面，用户无法事先预见AI输出的具体内容。强调“单回合”是因为用户虽然有可能无数次输入提示词，但是每次都只是在等待AI暗箱的输出结果。

实践中，专业用户会更积极主动地参与AI的创作过程。在AI系统基于用户输入（文本提示词或草图）输出备选图片后，用户从中选定满意的初始图片，然后可以基于AI指令或绘图工具对AI输出的初始图片的局部细节进行反复选择和修改，实质影响最终定稿的图片内容。具体而言，AI用户可能在以下三方面作出贡献：选定AI输出的初始内容；指引并选定AI后续输出的内容；“直接上手”改变AI输出内容。

在AI根据上述提示词输出诸多可能的画面后，用户从中选出较为满意的画面时，用户的选择是个性化的。不过，单项选择这一行为本身，可能无法满足著作权法的独创性要求。当用户的多个单项选择的结果被放在一起构成新的组合时，公众更容易感知到选择者（用户）的表达性贡献。因此，并不奇怪，美国版权局在“黎明的扎里亚”注册案（Zarya案）的决定中也承认，如果用户从人工智能生成物中挑选出一定数量的图片，将它们汇编在一起，则用户可能因为自己的汇编具有独创性，而成为该图片汇编作品的作者。

用户选定AI输出的特定图片后，可以继续利用文字指令或参数设置指引AI对其中的具体的表达元素进行修改。当然，这里的操作空间取决于AI开发者提供的技术可能性。不同AI系统在这一方面会存在很大的差异。有时候，即便是相同的AI系统，也会因为用户所安装的插件的不同，而有很大的功能差异。

不过，到目前为止，市场上领先的AI绘图软件已经许可用户在选定AI生成的图片后，将该内容固定下来，然后对图片中的特定区域的构图、表达要素、色彩、线条等表达细节进行修改。只要用户有足够的时间和精力，这一修改过程可以不断地细化和深入，无穷无尽。在观念上，这很接近传统的“拼贴画”的创作过程：AI用户在很多可以自由选择的“局部屏幕”空间选择AI提供的让人满意的“拼贴”元素，最终导致整个“拼贴画”被具体化，呈现出作者想要表达的思想情感。著作权法承认拼贴画类作品的独创性，因而我们有充分的理由相信，它也会承认AI用户经过多回合的精细选择而获得的整体画面的独创性。

现在，AI绘画系统不仅仅支持用户通过文字或图形指令修改AI输出的特定画面的内容，还支持或融入类似Photoshop软件所具备的绘画功能，许可用户按照自己的构思“直接上手”修改AI输出画面的表达效果。AI与传统绘图软件相互之间的功能融合，无缝衔接，显然代表数字绘画工具的发展方向。在这一背景下，用户在使用此类工具进行创作时，对人工智能生成物作出个性化调整，将是非常自然甚至是不可避免的结果。这也就意味着，用户在最终的AIGC中融入自己的独创性贡献，也是大概率事件。

通过上述分析，我们可以看出，用户取得AIGC著作权的事实基础是，用户在对AI生成内容进行调整和修改过程中，作出了独创性的贡献。在具体个案中，用户是否作出了独创性的贡献，如前所述，并不能一概而论，只能由法官在考察具体创作过程后作出判断。王迁教授和张湖月教授都强调，用户输入相同的提示词后，不同电脑上安装的相同AI系统会输出不同的图片内容；或者，不同的AI系统会输出完全不同的图片内容，进而以此来否认用户可能预见AI输出的图片或者对图片表达作出独创性贡献。

这一实验结果对于反驳本人的主张，并无帮助。这一实验只是说明用户在“单回合”暗箱模式下没有作出独创性贡献，而这是本人原本就主张的结论。如前所述，我们真正的分歧是，在AI系统许可用户以受控方式对选定图片进行线性修改的情况下，用户是否可以作出独创性贡献。上述实验过程显然回避了真正的问题，跟我们的争论没有相关性。

王迁：崔国斌教授认为，此前笔者所提及的实验“只是说明用户在‘单回合’暗箱模式下没有作出独创性贡献”，回避了“在AI系统许可用户以受控方式对选定图片进行线性修改的情况下，用户是否可以作出独创性贡献”的“真正的问题”。其实不然，笔者所主张且通过实验证明的，不仅是在“单回合”模式下，用户无法通过提示词决定人工智能生成的内容，“多回合”模式也是如此。

的确，“对比著名的‘太空歌剧院案’中AI系统最初输出画面与用户最终完成的图片之间的无数细节差异”，我们就能理解经过多次提示词输入之后，“用户利用AI修改画面的技术可能性”。

然而我们还是要问，该案中“无数细节差异”是用户发出的提示词所直接决定的，还是人工智能根据提示词，以自己的算法和所受的数据训练产生的？读者们仍然可以自行动手进行测试：向不同的人工智能输入同一幅图片（注意此时不同的人工智能所处理的图片是相同的），然后连续发出相同的文字提示要求修改，包括“利用文本指令限定局部特征的替换和选择”，经过三次、五次、十次乃至上百次通过发出相同提示词的“修改”之后，观察不同的人工智能根据同一张图片而生成的新图片是否相同。

面对如此不同的新图片，读者同样可以思考上文提出的问题：如果用户针对同一幅图片多次提出修改图片的提示词这一行为属于著作权法意义上的“创作”，为什么同一个“创作”行为能产生如此多不同的“作品”？特别需要指出的是，前文提及的在三台配置不同的电脑上，用同一人工智能生成不同的三套图片（每套含四张图片）的过程正是“多回合”生成。在“单回合”生成第一张图片后，用户面对图片不断修改提示词和参数，又形成了第二、第三和第四张图片。试问哪一次用户对提示词和参数的修改能够决定这一轮人工智能生成的图片？

此外，对于“多回合”生成模式的问题，由于笔者即将发表的文章将对此进行详细讨论，为避免与本文的雷同，此处不再赘述。当然，人工智能技术并不是一成不变的，它还会不断向前发展。然而，生成式人工智能发展的方向，是其越来越“智能”，也就是其自主性越来越强。这就意味着用户的输入越来越不可能直接决定生成式人工智能所产生的内容。

最近，由微软公司投资的OpenAI公司推出的“文生视频”人工智能SORA已经揭示了这一点。文字描述与视频之间的差异，比文字描述与图形之间的差异还要大。人工智能越来越不可能沦为像纸、笔和照相机那样人类创作的消极工具。前文引用的邓思渊的文章《“这图一眼就是AI！”那你能展开讲讲么？》，已经非常清楚地说明了“动口不动手”是不可能创作出美术作品的。这一原理无论是对从无到有生成图片，还是以已有美术作品为基础进行修改，都是成立的。

至于人能不能以人工智能已经生成的内容为基础，动手进行传统意义上的创作，并由此产生源自于本人的表达，从而对其修改后的内容主张著作权，这是一个“1+1=2”的简单问题，属于著作权法上的常识，和这次讨论的内容可谓没有任何关系。因为对此问题的回答当然是肯定的，这与被修改的内容是另一个人所创作的还是人工智能自主生成的，并没有什么关系。因此，对于用户可以通过自己动手修改人工智能生成的图片而形成作品，以及用户可以对人工智能生成的大量图片进行独创性的选择或者编排而形成汇编作品（但注意数量需达到一定门槛）的观点，笔者完全赞同。

只是这与“用户在使用生成式人工智能的过程中是否有可能作出独创性贡献？”等问题没有关系，因为这是在生成式人工智能生成了内容之后，再由用户对这些内容实施的行为。与此同时，以人工智能生成的内容为基础进行修改，或者对人工智能生成的大量内容进行选择或编排，也不是人工智能带来的新现象。

在人工智能技术出现之前，人们当然也能动手对《岩间圣母》进行修改（比如将该宗教题材的名画改成一幅讽刺画），也能对一万幅公有领域的油画进行独创性的选择、编排，从而编成《百幅名画精选》。这其中的著作权法问题，与被修改和汇编的每一幅画是否由人工智能生成又有什么关系呢？

问题的关键在于，人以传统的创作手法修改已有内容时，是以自己的自由意志直接决定了修改后的内容，只要由此形成的新内容与原有内容的区别达到了独创性的要求，就可以认定该修改行为是著作权法意义上的创作行为，此人当然可以主张类似于演绎作品的著作权。

对于第三个问题，我的回答是没有任何影响。显而易见的事实是，承认用户对人工智能生成的内容享有作品的著作权，和用户是否有动力使用人工智能并无关系，否则如何解释在美国不承认人工智能生成的内容是作品（既不是开发者的作品，又不是用户的作品）的情况下，有那么多美国用户愿意为ChatGPT付费？只要生成式人工智能的功能强大，就会有许多用户愿意使用，以获得自己所需要的内容。即使在我国，在“AI文生图”著作权案判决生效之前，用户使用各类生成式人工智能的热情同样高涨。

似乎没有证据显示，缺乏对人工智能生成内容的著作权保护，不通过著作权法“鼓励用户利用AI生成内容”，用户就停止使用或减少使用生成式人工智能了。况且，这场诉讼也不能证明普通用户渴望自己用生成式人工智能生成的内容受到著作权法的保护，或者一旦败诉就决定不再使用生成式人工智能。

对于第四个问题，在回答之前需要强调的是，当我们谈论用户与生成式人工智能的关系能否与雇主—雇员、委托人—受托人（其实质是发包人—承揽人，下同）以及教师-学生之间的关系类比时，我们是从用户的行为是否构成创作，或者说用户的输入相对于最终产生的内容而言是否为思想这个角度进行讨论的。用户与生成式人工智能的关系，与雇主—雇员、委托人—受托人以及教师—学生之间的关系高度类似的是，用户所进行的输入，与雇主向雇员、委托人向受托人以及美术学院的教师向学生发出的创作指示，都不可能直接决定最后形成的内容，而只能影响其主题风格和其中的素材等，只能构成思想。

因此，在上述四种关系中，无论是用户，还是雇主、委托人和美术学院的教师都不是真正意义上的作者。无论接受提示词或指令的是人还是人工智能（即接受者是否具有法律上的主体地位），都不会改变这一点。因为，此处讨论的是发出提示词或指令的行为在著作权法上的定性，这一定性只能根据行为本身的特征来确定。

有国家（如美国）将雇主视为雇佣作品的作者，这是典型的法律拟制，是解决作品版权利益分配的问题，而不是承认雇主实施了创作行为或者雇主是真正的作者，这一点在著作权法的理论中是清清楚楚的。这也就是为什么在“《通向天堂之近路》登记案中”，无论是美国版权局，还是美国联邦法院，都拒绝以美国版权法中“视雇主为雇佣作品作者”的条款为依据，将人工智能生成的内容登记在兼具开发者和用户身份的美国计算机科学家泰勒的名下。委托人可以基于合同取得受托人所创作作品的著作权，但没有哪个国家会承认委托人是著作权法意义上真正的作者。

用户向人工智能输入提示词，由人工智能根据自身的算法和所受的素材训练生成内容，并不是由用户的自由意志决定构成该内容的表达性要素，这与“人与人合作创作的场景”（要求每个人都参与了创作，也就是每个人都通过自己的自由意志决定了构成整体作品的一部分表达）没有可比性。能够作比较的是，美术学院的老师要求全班学生完成绘画。无论发出的指示多么具体、翔实和富有创意，一个班的学生所完成的绘画也不可能相同。这正是因为自然语言不可能精确地被转换为与之相对应的图形，每名学生都可以凭借自己的理解，发挥艺术想象力，在遵循要求的前提之下进行个性化的创作。因此，美术学院的老师也不可能仅凭提出创作要求，就被认定为全班学生所作绘画的作者。

如果认为“保护用户的贡献，可以激励用户使用AI技术生成内容”，因为“如何利用AI大模型生成符合自己需求的内容也是需要花费时间和精力去学习的，如果保护用户的贡献，那么就会有更多的用户去尝试使用AI技术”，那么，是否也应当认为上例中美术学院全班同学根据美术老师具体、细致和富有创意的绘画要求而绘制的每一幅画都是美术老师的作品？因为“保护美术老师的贡献，可以激励美术老师借学生之‘手’画出内容”，“如何让学生画出符合自己需求的内容也是需要花费时间和精力去学习的，如果保护美术老师的贡献，那么就会有更多的美术老师去尝试向学生发出要求”。显然，这样的结论和理由是不能成立的。

崔国斌：王迁教授也承认，“以人工智能已经生成的内容为基础，动手进行传统意义上的创作，并由此产生源自于本人的表达，从而对其修改后的内容主张著作权，这是一个“1+1=2”的简单问题，属于著作权法上的常识”。这看起来是一个皆大欢喜的共识，王教授和本人的主张并无出入。

其实，并非如此。王迁教授所谓“动手进行传统意义上的创作”，很可能并不包含AI系统提供的后续修改行为，比如，利用文本指令限定局部特征的替换和选择（本人所理解的剪贴画式的创作行为）。不然，很难理解，为什么王迁教授会坚持将AI与用户的互动简单类比为雇主与雇员、教师与学生之间的互动，忽视用户使用AI工具行为的技术可能性，强调无论用户经过多少轮的选择，无论对多少局部进行细节选择，都不可能成为独创性表达的贡献者。

在王迁教授看来，在用户与生成式人工智能的互动关系中，“用户所进行的输入，与雇主向雇员、委托人向受托人以及美术学院的教师向学生发出的创作指示，都不可能直接决定最后形成的内容，而只能影响其主题风格和其中的素材等，只能构成思想”。这应该是过于狭窄地理解了“传统意义的创作”，过于简单地理解了AI与用户的互动关系，忽略了用户对于人工智能生成物无数局部进行选择和修改导致用户整体上作出独创性贡献的可能性。用户在选定图片上通过AI指令对多个特定位置细节进行修改或替换，其实已经是在表达意义上作出贡献，而非单纯的抽象思想的输入。

这与凭空输入提示词指令有本质区别。本人在先前发表的论文中，对此有深入的探讨。理解这一点是理解AI创作的关键。很可惜，这一点被很多学者忽视了。对比著名的“太空歌剧院案”中AI系统最初输出画面与用户最终完成的图片之间的无数细节差异，我们就能理解用户利用AI修改画面的技术可能性。显然，该案只是呈现了用户对AI画面的修改可能性的冰山一角。利用同样的创作方式，用户可以成百倍成千倍地改动画面（或者说选定局部然后对AI建议的局部细节进行选择）。学术界应该能够认识到这一可能性，而不能被美国版权局在个案中可能合理的决定蒙蔽双眼，错误地认为著作权法上的常识要求我们否认AI用户作出独创性贡献的可能性。

对于第三个问题，我认为著作权法是否保护用户在使用AI系统过程中的贡献，对于用户的使用习惯会有很大的影响。很多反对AI用户作者地位的意见倾向于认为，此类用户的投入没有门槛，并不具有稀缺性，因此无须产权保护来激励。这其实是很大的误解。AI工具将用户从操纵画笔和调配颜料的繁重工作中解放出来，能在机器学习的基础上随机输出无穷无尽的平庸作品，但是，这些“作品”并不能够取代那些真正表达人类思想的作品。后者的产生依然高度依赖用户的创造性劳动。这些劳动依然是人类社会的稀缺资源，在AI时代依然如此。

在讨论用户创作能力的稀缺性时，很多人将它与AI工具创作能力的稀缺性相混淆。主流的AI系统虽然研发成本高昂，但是，将这些成本平摊到可能随机输出的所有图片上，每张图片或每个作品上所耗费的研发者的资源或者说边际成本非常有限，几乎可以忽略不计。正因为如此，我们反对著作权法保护AI开发者的贡献。

不过，这并不意味着使用AI系统的用户所投入资源或者说用户的创作能力同样缺乏稀缺性。相反，使用这样工具所需要的技术能力和专业艺术判断力，依然是高度稀缺。将人工智能生成物修改成让人满意的图片，依然需要耗费用户实质性的劳动时间和专业判断。比如，美国用户在利用AI创作著名的“太空歌剧院”画作时，就耗费了80多个小时，对该人工智能生成物进行反复调整，最终获得打动评委的金奖作品。用户在单幅作品上付出的精力与AI系统负担的边际成本，完全不能同日而语。

如果著作权法对于AI协助创作作品持歧视态度，则会给AI用户这样的信号：使用AI工具虽然能够节省劳力，但是会使得该作品的可版权性受到损害。因此，专业的创作者会选择远离AI工具，以免自己将来对创作成果寻求著作权保护时遇到困难；或者，干脆隐瞒自己使用AI工具的事实，从而陷入无谓的道德困境中。这一结果违反了著作权法鼓励用户利用各种工具创作新作品的立法初衷。

张湖月教授认为，即便不保护AI用户的独创性贡献，依然会有很多用户会继续使用AI从事创作，因为AI工具本身就起到增效降本的作用。的确，那些原本就无须版权法激励的用户，自然不会在乎自己的成果是否得到版权保护，他们使用AI工具的积极性的确不会受到影响。不过，这部分用户并非著作权法关注的重点。著作权法真正关注的是那些希望自己的创作成果得到版权保护的专业创作者。如果著作权法歧视AI用户，这些高度依赖版权保护的专业创作者，显然会慎重考虑利用AI工具进行创作。从立法政策的角度看，这就意味着原本对社会有利的专业用户的创作动机受到抑制。

张湖月教授还提到，如果AIGC中用户的贡献不受保护，“市场上存在大量可以免费获取的内容，人们会更少地向人类创作者购买其自主创作的作品，这可能反向激励更多人类创作者成为生成式人工智能的用户”。王迁教授也对用户远离AI工具的可能性表示怀疑。随着AI技术的成熟，无论著作权法是否保护AIGC，更多的用户使用AI应该是不可避免的事实。不过，在著作权法歧视AI工具的情况下，那很可能只是越来越多的业余用户的“狂欢”。如前所述，更依赖版权保护的专业作者，他们的创作能力在AI时代依旧是稀缺资源，这才是著作权法关注的重点。

张教授还认为，如果承认用户的独创性贡献，短期会激励更多的人使用AI工具，长期而言会导致“人类自主创作的作品会大幅减少，”进而会导致人类高品质作品数量减少，AI模型品质因此降低，最终导致使用AI工具的用户变少。这一分析的逻辑前提是，专业用户利用AI就不会创作出高品质的艺术作品。

这一前提显然不存在。终极意义上，AI系统和过去画笔、照相机、Photoshop软件一样，只是创作工具。著作权法始终要求只有用户在利用这些工具时作出独创性贡献，才能获得著作权法保护。著作权法保护并激励用户从事艺术创作，并没有抑制用户利用各种工具寻求艺术极致的动力。过去，创作工具的多样化和进步，并没有导致艺术创作水准的下降。因此，没有理由相信，AI工具的普及会导致人类艺术的堕落。

关于著作权法歧视AI工具会导致“无谓的道德困境”问题，张教授认为：“这完全可以通过其他法律安排加以解决，而不是依靠AIGC的著作权保护来应对。这既不是著作权法的职责，也不应成为著作权法所应承担的功能。”这里的关键词是“无谓”，本人认为，著作权法歧视AI用户，凭空制造了这种道德困境，却并没有实现有实质意义的公共政策。同时，著作权法或其他法律的确可以规定强制性的披露义务，本人在后文也主张如此，但这并不意味着著作权法迫使更多的人面对这一道德困境，无谓地增加社会成本，是合理的选择。

对于第五个问题，从公共政策角度看，著作权法保护独创性较低的AI创作作品，并不会比著作权法保护较低独创性的摄影作品或视听作品带来更明显的负面影响。用户利用AI创作作品后，著作权法并不当然保护该AI输出的所有内容。相反，用户只能对自己作出独创性贡献的部分主张权利，比如，用户对特定表达要素所作的个性化调整，而不能将保护延伸到AI自身随机输出的表达细节。这就像在拍摄对象为客观事物时，摄影师不能禁止他人独立拍摄类似内容的照片或绘制类似内容的画作一样。

实际上，在使用相对复杂的AI系统进行创作时，只要后来者不直接使用他人在先创作的图片，一不小心侵害在先用户著作权的可能性几乎为零。即便后来者借用在先用户创作过程中的“提示词”，主流AI系统生成与在先作品构成侵权意义上的类似作品的可能性也很小。这是因为主流AI系统学习的图片数量庞大，创作过程中带有随机输出的变量，同时用户每一环节的选择和改变，对于创作结果有巨大影响。因此，不同用户使用同样的AI系统独立创作出的作品，都不会受到在先使用该AI系统的用户的著作权的影响，即便后来输出的作品中出现了类似的表达细节。

对于第六个问题，依据前面的分析，现有著作权法就可以保护AIGC中用户可能的独创性贡献，并不需要在著作权法之外“另起炉灶”。有部分学者可能会认为，用户在AIGC中的贡献满足不了普通作品独创性的要求，因而建议在邻接权或反不正当竞争法的框架下来保护用户贡献。

本人认为，著作权法上的独创性要求并不高，专业用户对单纯AI生成物的修改，很容易就满足该要求，没有必要在著作权路径之外，开辟新的保护路径去提供实质类似的保护。与AIGC类似，著作权法对于摄影作品的保护就采用普通的独创性标准，并未提供邻接权途径来不具备独创性的摄影作品。到目前为止，主流意见并不认为需要改变这一做法。因此，我们没有理由认为，对于用户在AIGC中的独创性贡献，需要在著作权之外寻求替代性的保护机制。

朱阁：仅从著作权法路径的角度考虑，可以通过司法个案的累积形成AIGC这类客体的独创性标准，在目前，我们没有看出需要在AIGC这类客体上提高独创性标准的现实需要，我认为，按照不高于现有的作品类别的独创性标准即可，同时考虑到AI技术的发展趋势和发展速度，我们可以前瞻性地讨论一下，是否可以给AIGC这类客体进一步降低独创性标准，以使得AIGC相关权益尽可能地归属于人。比如，AIGC构成作品的规则是否可以表述为：人参与且由AI生成的内容与在先作品存在可以识别的差异性，这一标准实际上类似于司法实践中对于摄影作品的判断标准。

当然，还有一些前提的基础问题的讨论，需要理论界充分考虑，比如AIGC是否需要保护，如果保护的话，最佳路径是什么。站在司法实务者的角度，我认为，现行的法律体系下，著作权法为AIGC提供了比较完整、明确的保护框架，著作权法本身是建立在对权利人、使用者、社会公众利益充分考量之上的，其权利保护与限制的认定规则可以满足利益平衡的需要，兼具明确性与灵活性。

王迁：至少在目前，没有看出用著作权法保护生成式人工智能生成内容的必要性。非物质成果的本质是信息，而信息一旦公开就会自由流动，这是信息的本质属性。知识产权法为了鼓励、刺激更多的人投身于作品创作的活动，而将特定的信息即符合法定要求的作品从公有领域中提取出来，赋予专有权利加以保护，这属于特例，必须有充分的公共政策上的理由。利用生成式人工智能获得相应内容的成本是如此之低，并不需要法律赋予专有权利进行鼓励和刺激。否则，反而会引起“跑马圈地”，对大量生成式人工智能生成的内容予以保护，从而引起公地悲剧。

总之，智力投入的方式和形式也许是无穷无尽的，但著作权法保护的智力成果是有限的。笔者想再次强调一点，否认人工智能生成的内容是作品，与认定独创性是“有无”还是“程度”的问题，以及独创性需要达到何种程度的问题毫无关系。讨论独创性的前提，是用户通过输入关键词决定了人工智能生成的内容。脱离了这个前提去讨论独创性或者一切与著作权保护有关的其他问题，无论使用何种术语，如“智力贡献”“智力投入”“个性化选择与判断”“与众不同”等都是没有意义的。

一个显而易见但也经常被忽略的事实是：并非普天之下能反映智力投入的东西都能受到著作权法的保护。美国作为人工智能产业最为发达的国家，迄今为止也没有对生成式人工智能生成的内容提供版权保护。然而，如前所述，这既没有阻碍对人工智能产业的投资和人工智能技术的研发，也没有熄灭用户利用人工智能的热情。在这种情况下，又有什么必要去创造一种专有权利，为人工智能生成的内容提供保护呢？

张湖月：从立法政策角度看，为AIGC提供著作权保护的前提是，如果不提供这种保护，将从技术生产端或者用户消费端打击（高质量）AIGC的持续生成。然而，正如前文所述，这个假设本身是要画一个大问号的。同时，在通过其他著作权相关权利保护AIGC时，也需要考虑“是否有必要”以及“制度成本是否远超规制收益”等问题。

不少支持为AIGC设定著作权保护的学者指出，如果不保护AIGC，或者设定较弱的保护机制，将进一步加剧“人们隐瞒AI参与”的诚信问题。但是，赋予AIGC著作权并不是解决这一问题的最佳方案，我们应该寻求更直接、更具针对性的法律安排。例如，针对AIGC虚假申报版权的行为，张金平教授建议改革我国的作品登记制度，包括提供作品登记的激励、明确恶意虚假陈述的法律责任以及转向积极的实质审查等。对于更普遍的市场混淆问题，可以通过立法明确开发者和用户在传播AIGC时与著作权法意义上的作品相区别的义务，并对故意不标注的行为设定必要的法律责任。

总之，诚信与混淆问题是各方都非常关注的担忧，如何实现AIGC的有效识别也涉及多个法律和技术领域；正因如此，我国针对生成式AI的行政规定才提出了相关的标识要求。在这一问题的治理上，著作权法可能是一个既不适配又成本很高的法律路径。

关于未来法律制度设计，我和杨颂教授的论文提出了三点建议。

第一，未来制度设计应当遵循灵活敏捷的原则，充分考虑不同地区、行业以及应用场景的独特环境因素，包括AI训练数据的稀缺程度、AI模型的发展水平和市场竞争格局等方面的差异。任何“一刀切”的做法都可能导致意料之外的负面后果。在监管模式选择上，我国应当慎重立法，避免采用类似欧盟的立法模式。尽管我国并非普通法系国家，但法官仍可以在个案中做出灵活的指导。

第二，一个容易被学界忽略的问题是，未来制度设计应充分关注“AI训练合理使用”与“AIGC著作权保护”之间的互动关系。在我国著作权法下，虽然合理使用的适用范围非常狭窄，但实际上，现有大模型的训练基本遵循合理使用思路，很少向著作权人支付费用。在这种情况下，再对AIGC实施著作权保护，将进一步削弱人类自主创作的积极性，从而导致高质量训练数据的稀缺。从长远来看，这种做法可能对我国大模型的发展不利，同时也会导致社会福利降低。

第三，未来法律制度设计应充分考虑我国的政策目标和优先事项。例如，我国可能优先关注AI产业的发展壮大；相反，欧盟由于没有强大的AI产业，更注重保障消费者和内容创作者。这些政策偏好的差异将直接影响各国最佳监管决策的选择。此外，在参考欧盟做法时，需要特别强调一点。作为一个“超国家机构”，欧盟成立的根本宗旨是建立统一的欧洲市场。为实现此政策目标，欧盟主要依靠统一各成员国的法律。然而，这种统一的法律制度也缺乏灵活性，在很多情况下不利于AI的发展。因此，我国在借鉴欧盟的立法经验时需要特别谨慎。

崔国斌：首先，在用户贡献独创性判断的类型化标准方面，用户在不同类型的AIGC上所作出的独创性贡献的表现不尽相同，未来司法可以通过判例提供具体的指引。比如，对于AI系统输出的文学类作品，法院应当明确要求，用户至少要对作品中的相对细致的人物性格、人物关系、故事情节、篇章结构安排等表达内容作出自己的独创性贡献，而不能仅仅是提出问题或提示词；对于AI系统输出的绘画作品，则应当要求用户至少要对特定作品中的布局、比例、视角、构图要素、色彩或线条之类的表达要素作出个性化的选择，而不能仅仅是提出正反提示词，进行参数设置等。

当然，如果用户直接利用软件系统的绘画功能，修改绘画作品中的色彩和线条，著作权法承认其独创性贡献的可能性就更大了。这就像用户对AI输出的文字作品中的文字进行修改，更可能作出独创性贡献一样。显然，在不同类型的作品中，用户可能的贡献不同，具备独创性的可能性也不同。这里无法提供统一的判断标准，只能由法官结合相关领域的创作实践进行个案判断。

其次，在侵权判断的具体规则方面，著作权法只保护AIGC中用户的独创性贡献，因此在侵权案件中，只有被告抄袭了用户贡献的独创性表达，才可能侵害用户的著作权。众所周知，AIGC中的很多表达细节由AI系统输出，而非直接源自用户。理论上，如果被告只是拷贝了源自AI的表达细节，而未抄袭用户贡献的内容，则并不侵害著作权。不过，如果公众仅仅看到AI输出的文本或画面，而不了解背后的创作过程，则很多时候并不确切知道其中哪些内容源自用户，哪些源自AI系统的输出。

如果法律保护用户的独创性的贡献，但无法将它与AI系统的贡献分开，则很可能出现这样的局面：用户轻易就宣称AIGC大部分内容都来自自己的独创性贡献，进而主张著作权保护，公众并不能判断用户的主张是否属实。这很可能导致法律保护了原本并不需要保护的作品内容。

为了减少可能的恶意诉讼，立法者可以出台管制规则，要求AI系统对输出成果添加数字水印或采用其他技术措施，使得事后识别AI输出作品的属性变得更容易。同时，立法规定AI使用者隐瞒其使用AI的事实的法律后果。比如，强制规定用户不得隐瞒其使用AI的情况，否则即便用户作出独创性贡献，其著作权侵权主张也得不到法院的支持；必要时，追究其恶意诉讼的法律责任，甚至可以考虑要求其承担行政责任或刑事责任（欺诈）。

再者，在AIGC著作权侵权举证责任的分配方面，在具体的个案中，在用户并不隐瞒使用AI工具的情况下，用户可以就自己的独创性贡献主张权利，有义务说明其创作的思路、输入指令的内容、对图片的选择和修改过程等，并提供相应的证据。原则上，结合诉争图片的具体内容，用户的表述合理可信，并能够支持其独创性主张时，法院就可以采纳。当然，必要时，法院也可以要求用户提供其AI客户端上存储的关于创作过程的记录作为佐证。

可以预见，如果AI创作作品的权属争议大量出现，这一领域的技术也会随之发展。专业的AI创作工具很容易就配备强大的创作过程记录程序，记录用户使用该工具创作特定作品的中间过程，并在客户端永久保留以备法院或相关机构查询。因此，我们有合理理由相信，随着软件技术的持续进步，未来在个案中确认用户的具体贡献，应该不是问题。相应地，在个案中，法院也就很容易将著作权保护限制在用户独创性贡献的范围内。

最后，在AIGC著作权侵权损害赔偿计算的标准方面，确认用户就AIGC享有的著作权被侵犯后，法院在确定损害赔偿数额时，应充分考虑AIGC自身的特点，尽可能采用合理的许可费标准，避免过度偏离这一标准，判决过高的赔偿数额，从而不当激励用户滥诉。在这一方面，人民法院实际上已经积累了一些经验。过去，部分法院关于图片侵权案件判决的损害赔偿数额过高，导致很多“职业维权”的案件涌向法院。法院调整损害赔偿数额后，“专业维权”的图片机构刻意诉讼的积极性大大降低。

当然，即便很多用户对AIGC提出著作权主张，对社会而言，可能也没有想象的那么大的威胁。实际上，著作权法的独创性要求原本就很低。现实中，网络上充斥着大量的低独创性的照片和视频内容。在部分恶意维权的专业图片机构出现之前，这些照片和视频的著作权人并没有对公众造成太多的困扰。在AI工具普及后，如果公众意识到随意使用来历不明的图片，很可能招致侵权诉讼，则很可能选择自己直接使用AI工具来生成图片，以降低侵权风险。

因此，即便市场上充斥着AI生成的图片，也不会真正对公众造成实质的困扰。当然，恶意维权的专业机构是最大的变数。它们的确有可能利用AI生成大量的图片，然后通过搜索引擎或社交媒体四处传播，在公众不小心使用其图片后又“恶意维权”，就像它们过去可能随便给公共领域的图片打上水印然后维权一样。这的确会将诸多公众卷入诉讼，从而增加社会的成本。不过，如前所述，应对这些专业机构的挑战，并不困难。追究它们恶意诉讼的法律责任，降低侵权损害赔偿的数额是有效的政策选项。中

点击上图即可购买

2024年《中国法律评论》（全六册）