引言

2022年11月，美国Open AI发布了一款名为Chat GPT的聊天机器人程序，就此掀起了生成式人工智能的发展热潮，实现了人工智能从理解感知世界到创造生成世界的跃迁。以Chat GPT为首的人工智能产品通过算法和大数据模型，深度学习创造出和人类作品高度相似的文章、图画等原创内容，使计算机从一种人类创作的“辅助工具”逐渐转变为可替代人类创作行为的“自主创作者”，给现行著作权法制度带来了新的挑战。AI并非传统意义上的人类，但其生成内容却在形式和质量上与人类创作作品高度相似。如今，大量未受版权约束的AIGC涌入市场，这不仅冲击了传统作品交易秩序，还可能因权属模糊引发系统性侵权风险，最终导致维权机制失效与司法资源错配。可版权性认定是版权维权的前提条件，是开启维权流程的“第一道门槛”。鉴于当前AI技术已突破“弱人工智能”阶段并向“强人工智能”阶段演进，AIGC可版权性问题急需通过法律手段予以明确，包括对AIGC的独创性认定与主体性界定等关键议题作出规范，以回应数智时代知识产权制度变革的迫切需求。

一、生成式AI的核心技术与工作原理

（一）核心技术

生成对抗网络（Generative Adversarial Networks, GANs）是专门为生成任务设计的深度学习模型，主要由“生成器（Generator，简称G）”和“判别器（Discriminator，简称D）”两个神经网络组成。具体说明如图1所示：

图1中生成器（G）根据所接收的随机噪声向量，通过反卷积神经网络等多层神经网络的运算，输出模仿真实数据的“假样本”，例如假图像、假文本等。其目的在于让这些假样本足够逼真，能够成功“欺骗”判别器。判别器（D）则负责接收生成器产出的“假样本”和来自真实数据集的“真样本”，并利用卷积神经网络等对它们进行识别和分类，尝试判断出生成样本的真实性。两者如同“造假者”与“鉴真师”，通过数千至数万次的“对抗博弈”不断的交替优化自身：判别器通过区分真假数据“倒逼”生成器提升造假能力，生成器通过欺骗判别器“迫使”判别器优化区分能力。最终，当双方达到一个纳什平衡，即判别器已经无法分辨出生成器输出内容是真是假后，训练和优化停止循环，高度逼真的样本就此诞生。从高清人脸图像到风格迥异的艺术作品，这种独特的训练机制让机器能够创造出与人类作品难以区分的全新内容，展现出惊人的创造力。

（二）工作过程

算法模型强大的学习和生成能力使其能够处理极其复杂的开放性指令，成为驱动ChatGPT、DALL·E等明星应用的引擎。然而，这些强大的生成能力要转化为用户手中实用的工具，还离不开一个设计良好的交互和执行过程。用户并非直接调整模型的权重参数，而是通过自然语言指令、提示词或设置参数来启动和控制内容的生成。那么当用户按下“生成”按钮后，生成式人工智能系统内部究竟是如何将一句简单的指令转化为一幅画、一段代码或一篇流畅的文章呢？具体工作过程见图2：

当用户输入一段指令后，系统首先对提示内容进行深度解析，识别其中蕴含的核心意图、风格要求和约束条件，并自动执行上下文隐藏信息的补充或复杂任务的子步骤拆分等预处理工作，以确保后续生成工作的完整性与逻辑性。随后，生成式模型开始工作，通过随机采样或输入特定条件的方式生成新的数据样本。新数据样本经由解码器转换后，一方面要通过模型内部的优化，例如修改文本格式、过滤敏感词或违规内容等；另一方面，还要将初步优化结果提交至用户端进行外部评估，以验证其是否满足用户需求。若用户对输出结果不满意并给出“重试”或“改进”等反馈指令，系统将启动迭代优化机制：在完整记录历史生成轨迹的基础上，结合用户提供的调整提示重启生成循环，直至生成用户满意的结果。

由此可见，用户只需要提供一条简单的指令，生成式AI就能够独立完成从指令解析、内容生成到优化输出的完整创作链条，动摇了“创作必须是人类心智直接产物”的传统版权根基。这种技术突破使得AI生成内容的可版权性问题迅速走入公众视野，成为学界和司法界竞相关注与研究的焦点议题。

二、AIGC可版权性的理论与实践争议

（一）理论争议

学界关于AIGC可版权性的争论问题主要聚焦于作品独创性以及作者主体性两个方面。针对这两个争议焦点，形成了肯定论、否定论两种最具有代表性的学说。

1. 独创性之争

肯定论者认为生成式人工智能通过模拟人类大脑的运行方式对大量数据进行学习、分析和加工，能够独立创造出人类所无法控制和预料的内容，为公众提供与人类作品等同的价值，在客观上已经具备了最低限度的独创性特征；否定论者主张著作权法旨在保护人类的智力成果，故而独创性必须体现出人类的独特创造。生成式人工智能创作的内容可能具有一定的新颖性，但它的整个“创作”过程是机械的、缺乏灵魂的，无法像人类一样在创作中融入个人的情感、经验和独特见解，因此不能满足独创性的要求。

2. 主体性之争

从创作主体角度，肯定论者认为尽管人工智能本身不是生物学意义上的人类，但是其在创作过程中，人类对人工智能的设计、训练以及指令输入等行为，可以视为创作行为的一部分。例如，程序员通过编写算法为人工智能赋予了创作的能力，用户通过输入特定的提示词来引导人工智能生成内容。这些人类的参与因素使得人工智能生成内容可以被看作是人类创作行为的延伸，从而满足作品主体性的要求。否定论者则强调著作权法的基本理念是人类中心主义，只有人类才能成为著作权主体的唯一适格者。鉴于人工智能在法律层面尚不具备成为民事主体的构成要件，其生成物自然也无法享有版权。

（二）实践分歧

现行法律规定既未明确AIGC可版权性的判定标准，也未针对AIGC侵权行为建立清晰的主体责任划分与归责机制。这种立法滞后性直接导致各级法院在面对AIGC侵权纠纷案件时，出现“同案异判”的现象。其中最具代表性的就是“北京菲林诉百度案”和“Dreamwriter案”。

在“北京菲林诉百度案”中，北京互联网法院认为完全由软件自动生成的报告缺乏自然人直接的创造性智力活动，不构成著作权法意义上的“作品”，因此驳回原告著作权主张。此判决虽然在一定程度上为当时AI技术与法律的冲突提供了解决思路，但明显存有不足之处。本案以“涉案分析报告非自然人创作”为由否定其作品地位，既未能充分考虑技术发展背景下AIGC在创造性方面的提升，也忽视了使用者在提示词设计、参数调整、初始数据选择等环节可能投入的智力劳动。

与之相反，“Dreamwriter案”中深圳市南山区人民法院一审判决支持腾讯主张，认定腾讯利用AI程序“Dreamwriter”自动生成的财经文章构成作品。法院认为，该文章凝结了腾讯主创团队全面的智力投入，符合《著作权法》对文字作品的保护要求，著作权归腾讯所有。此判决突破了对“创作主体”的传统理解，将版权保护的着眼点从内容生成瞬间延伸至开发、训练和运用AI的全过程，为AIGC的版权保护探索出了一条切实可行的司法路径。然而它过于强调对投资者的保护，忽视了在AIGC生成过程中其他参与者的创造性贡献。

综上所述，现有关于AIGC可版权性的认定争议，根源在于对人工智能生成内容独创性判断标准和主体性判断的不同理解，有必要构建统一明确的AIGC版权认定标准，为司法实践提供规范指引。

三、AIGC可版权性认定标准探析

根据我国著作权法及相关实施细则规定，构成作品应满足四项基本要件：领域要件（归属于文学、艺术和科学领域）、形式要件（能以有形形式复制）、主体要件（人类智力成果）和独创性要件。在AIGC版权确权问题中，前两项要件争议较小，关键在于对AIGC是否具备“独创性”和“主体性”作出准确认定。

（一）独创性判断标准之选择

目前关于AIGC独创性的认定标准主要有两种：“独创性客观说”和“独创性主观说”。英美法系主导的“独创性客观说”采取结果主义判断标准，强调当AIGC是作者独立完成，且内容已经具备最低限度的创造性时，无论创作者是否为人类或是否存在主观创造意图，该内容均可被认定为满足作品独创性要件。而大陆法系的“独创性主观说”则以作者人格理论为基石，主张作品必须体现作者的人格特征与情感表达，非人类创作内容不应获得版权保护。

我国著作权法的立法目的始终围绕着“激励创作”与“促进公共福祉”的双重目标展开，其保护核心应当是“作品”内容本身所带来的价值而非其创作过程。因此对于人工智能生成内容独创性的认定标准采取“独创性客观说”，即“作者独立完成+最低限度的创造性”更为合适。依据思想/表达二分法，著作权始终强调版权保护的是思想的表达形式而非思想本身。李晓宇学者指出，作品个性的有无只会影响其质量高低，因此作品是否由“人”创作、创作内容中是否融入了作者的个性与创作意图等，固然可以作为评判作品独创性的参考因素之一，但并非构成独创性的必然条件。故对AIGC独创性的认定标准应从“以作者为中心”转向“以作品为中心”，从主观评判创作“高度”转向客观检验创造“有无”，重点检验生成内容本身是否独立完成并在客观上呈现出最低限度的创造性。

况且，“独创性主观说”要求以作品是否融入了作者的个性来作为独创性判断标准，在司法实践中具有一定的局限性。首先，要证实作者的心理状态与创作初衷极为困难，尤其是在作者已故或未留存创作记录时，法官不得不依赖对涉案作品的主观解读进行反推，此举极易造成“同案异判”。其次，人工智能作为基于算法运行的程序，不可能具备人类意识和情感。若强行采用该标准，必然会将所有AIGC排除在著作权的保护范围之外。若AIGC沦为“无主物”流入公共领域，势必导致“无人所有，人人可滥用”的混乱局面，从根本上瓦解版权制度激励创新的核心功能。因此，将独创性判断标准回归于客观的作品本身，通过“实质性相似”比对检验创新性更为妥当。

从生成式人工智能的工作原理来看，其生成内容显然能够满足“独创性客观标准”。以Chat GPT为例，其运行可分为训练与生成两个阶段：在训练阶段，模型通过海量文本数据学习词语间的语义关联、语法规则及逻辑结构，构建出一个能够量化语言合理性的概率分布模型；当用户输入提示后，Chat GPT开始提取输入文本中的关键信息并将其拆解为离散的词元（Token），随后通过自注意力机制分析这些词元之间的关联与高频搭配模式；在生成阶段，概率分布模型基于上下文随机采样选出概率最高的词元作为首个输出，并将其纳入新上下文后重新预测下一个词元，此过程迭代进行直至满足终止条件。最终，生成的词元序列经微调优化后，输出符合人类语言习惯的完整文本。（见图3）

显然，上述整个创作过程无论从形式上还是从结果上来看均绝非是对既有数据的简单复制与拼凑，充分体现了其输出的独立性与最低限度创造性。

（二）主体性判断标准之改变

主客一体化的独创性理论须以具有作者身份的主体性因素作为其成立前提。这自然引发对身为创作者的人工智能能否成为法律主体、AIGC是否满足作品主体性要求的思考。人工智能主体论学说认为人工智能已经逐渐展现出了同人类相媲美的自主学习和创新能力，故应当赋予人工智能法律主体地位或者仿照法人制度将其拟制为“作者”。人类主体论学说则认为应当拥护人本主义理念，坚决主张只有自然人才能成为唯一作者，人工智能只能被视为是人类进行创作的辅助工具。

结合现存理论与实践证明，人类主体论学说更为合理。从法律秩序上来看，只有认可人类创作的作品才符合现有著作权法的构建逻辑。现有的著作权法律体系是在人类长期的创作实践中发展和完善起来的，以人类作为著作权主体是构建整个著作权法律体系的基石。如果轻易打破这一基石，赋予人工智能法律主体地位，将会给整个著作权法秩序造成极大的混乱与失衡。其次，从责任承担上来看，法律主体地位的授予必然是为了更好的解决一系列法律问题。可是从现有技术来看，人工智能本身尚不具备自我认知能力，根本无法意识到自己享有何种权利以及应该承担何种义务。在此种情况下若将人工智能拟制为“作者”，则当其生成内容构成侵权或造成损害时，该“作者”既不能实际行使权利，也无法独自承担民事责任或履行赔偿义务，这种拟制的意义需要进一步探究。

需强调的是，人工智能缺乏法律人格并不直接意味着其生成内容必然不符合著作权法上的“主体性”要求。因为现阶段人工智能的生成过程还无法彻底摆脱人类的干预。若仅以AI不具备主体资格为由彻底否定其生成物的可保护性，那么实质上就等于完全无视了人类在整个创作成果中所付出的创造性劳动。鉴于此，有必要转变将“主体性”等同于“自然人直接创作”的传统认定逻辑，转而借鉴“额头流汗”原则，依据人类在人工智能生成过程中所投入的智力活动的性质与程度，来判断该生成内容是否具有创作主体性。具体而言，当某一生成内容主要是由人类主导创作并完成，AI仅承担起草、润色等辅助性工作，或者该内容是由人类与AI共同创作完成时，便满足作品所要求的主体性要素。反之，若用户仅输入简单指令，随后直接对AI生成的内容进行复制使用，那么此内容就因创作过程缺乏人类的实质性智力投入而不符合作品主体性要求，不具有可版权性。

四、AIGC版权保护规则构建

近年来，生成式人工智能层出不穷的版权侵权风险促使监管部门加速立法进程。2025年国务院办公厅已将“人工智能健康发展立法”列入年度重点任务，在此背景下，构建一套统一明确的AIGC版权保护规则已刻不容缓。

（一）立法层面——明确AIGC版权认定标准

其一，制定《人工智能生成作品版权认定指南》，明确AIGC可版权性的判定三要件，即“独立完成+最低限度创造性+人类实质性智力投入”。并对核心要件作出立法释义：“独立完成”要求AIGC排除对既有作品的复制、拼接或轻微修改；“最低限度创造性”要求生成内容与公有领域或在先作品相比存有可被感知的创新之处；“人类实质性智力投入”则需列举具体情形，包括但不限于精细化提示词设计、训练数据的针对性筛选与标注、生成过程中的多轮优化等，避免“简单指令即构成贡献”的泛化认定。

其二，必须规范AIGC的合理使用规则和标识义务。若AIGC仅被应用于个人学习、公益宣传、新闻评论等非营利性领域，且不会对版权所有者的利益造成损害，那么这类使用行为可被认定为合理使用，使用者无需承担由此产生的侵权责任。不过需要强调的是，所有由AI生成的作品在投入使用时，都必须在显著位置标注内容来源于相应的生成工具，以保障公众知情权。

（二）司法层面——建立“三步检验法”版权审查规则

司法实践中，针对AIGC独创性认定的模糊性问题，需建立标准化的“三步检验法”审查流程以实现司法裁判尺度的统一。第一步“独立性检验”需排除“非原创性生成”情形。法院应要求当事人提交AIGC的完整生成轨迹证据，并借助技术鉴定手段采用“实质性相似+接触可能性”标准与公有领域内容和在先受保护作品进行对比。若AIGC与在先作品在表达结构、核心创意、风格特征等方面高度重合，且生成主体存在接触该作品的可能性，则直接否定其独立性。第二步“创造性检验”需结合AIGC的作品类型采用不同标准。如事实性内容要求体现出“信息整合的独特逻辑”或“分析视角的创新性”，艺术性内容则需展现出一定的风格融合或意境创新。同时，创造性的判断应坚持“客观标准”，仅以生成内容本身的表达特征为依据，不考量生成主体的主观意图。第三步“人类贡献检验”采用“实质影响测试”判断人类投入与生成结果之间的关联性。法院需审查以下要素：一是提示词的具体程度，区分“概括性指令”与“精细化指令”；二是参与环节的深度，判断人类是否介入生成后的迭代优化；三是贡献的不可替代性，若移除人类投入后AI无法生成相似质量或特征的内容，则可认定构成“人类实质性智力投入”。

（三）权属分配层面——健全约定优先与多元分配机制

我国现行《著作权法》《专利法》因固守“人类作者”概念，导致AIGC在权属上存在法律真空。为破解这一僵局，可在《人工智能生成作品版权认定指南》中健全AIGC版权多元分配机制，具体内容如下：

一般规则下，AIGC版权应由人工智能所有者与使用者共享。但此处的使用者对创作内容必须具有实质性贡献，否则著作权归所有者独享。当所有者和使用者共享版权时，其权利的行使可参照《著作权法》第14条合作作品规则，需协商一致并按贡献度合理分配收益。需强调，为了促进作品的创作和传播，在司法实践中对于合作作者之间贡献比例的判断一定要秉持个案分析并采用适度标准，避免过严或过宽。

例外规则遵循“意思自治”原则，开发者、使用者和所有者等主体之间可通过用户条款、合同约定、授权协议等灵活约定AIGC的著作权归属及相关权利义务。投资者与开发者不享有版权，因为他们对AI系统的贡献属于技术研发与资本投入范畴，其权益已经能够在专利法和商法中通过“有限股权”方式得到充分保障：投资者可协议约定持有“收益性股权”（非表决权）按项目盈利比例分红，其风险也能由股权投资机制承担；开发者则能通过技术入股、专利授权等方式将前期智力成果转化为可预期的现金流，故无需再依靠著作权的额外赋予来实现补偿激励。

五、结语

生成式人工智能的出现将AIGC可版权性问题推向法治前沿，给现行著作权法带来了前所未有的挑战。未来随着人工智能技术的持续进步，AIGC的质量还会实现跨越式提升。其在文化、艺术、传媒等领域的广泛应用，将进一步凸显著作权问题的复杂性与紧迫性。为此，必须要不断的审视并完善现有著作权法体系，加快制定一套系统完备的AIGC版权保护规则。这一举措既为人工智能时代的著作权保护筑牢坚实、科学的理论与制度根基，更是推动人工智能产业与知识产权制度在数智时代实现良性协同发展的关键支撑。

参考文献：

1. [1] 王雨. AIGC的可版权性与制度建构[J]. 贵州社会科学, 2024(02):58-67.
2. [2] 王泽. 论人工智能生成内容的不可版权性[D]. 景德镇陶瓷大学, 2025.
3. [3] 陈军, 朱赛赛. 人工智能生成物可版权性探究[J]. 河南科技大学学报(社会科学版), 2024, 42(03):63-70.
4. [4] 王迁. 再论人工智能生成的内容在著作权法中的定性[J]. 政法论坛, 2023, 41(04):16-33.
5. [5] 方芷格. 人工智能生成内容的独创性主观标准之建构——以“创作工具说”为中心[C]//上海市法学会. 《智慧法治》集刊2024年第1卷——2024年世界人工智能大会法治论坛文集. 山东大学法学院(威海)法律方法与立法学研究中心;, 2024.
6. [6] 吴汉东. 论人工智能生成内容的可版权性：实务、法理与制度[J]. 中国法律评论, 2024(03):113-129.
7. [7] 李谢标. 人工智能生成物版权保护路径探析[J]. 中国出版, 2024(05):49-55.
8. [8] 庄诗岳, 辛谏. 生成式智能出版：可版权性与著作权归属[J]. 编辑之友, 2024(03):96-104.
9. [9] 张婷, 高海玲. 人工智能生成物的著作权法规制探究[J]. 广东技术师范大学学报, 2022, 43(04):89-95.
10. [10] 金晓华, 王宇辉. 人工智能生成物的可版权性探析与审查规则构建[J]. 公民与法(审判版), 2025(05):10-20.
11. [11] 邓文. 以ChatGPT为代表的生成式AI内容的可版权性研究[J]. 政治与法律, 2023(09):84-97.
12. [12] 谭世强. 人工智能生成物著作权制度适用：争议回应及选择[J]. 太原师范学院学报(社会科学版), 2025, 24(01):1-6.