引言

依托大模型技术的生成式人工智能快速普及，豆包、文心一言等国产应用深度融入大众日常创作、办公与信息交互场景，在释放技术价值的同时，也催生了一系列新型侵权问题。从模型训练阶段擅自使用受保护作品、非法收集个人信息，到内容生成环节因算法缺陷产生AI幻觉、生成抄袭或诽谤内容，再到用户滥用生成成果引发二次侵权，传统法律规则面临明显挑战。我国虽已出台《生成式人工智能服务管理暂行办法》等规范，但面对生成式 AI 多方参与、算法黑箱、侵权链条复杂的特征，在责任主体划分、归责原则适用、知识产权保护、风险防控等方面仍存在规则模糊、裁判尺度不一等问题。本文梳理相关领域全流程侵权形态与法律适用困境，探索适配我国产业发展与权利保护需求的法律规制路径，力求实现技术创新、权益保障与公共秩序的平衡。

一、生成式人工智能概述

生成式人工智能的飞速发展便捷了信息的获取和梳理，向生成式人工智能提问，得到一份观点清晰逻辑严谨，且可以根据要求生成汇报内容并不断优化的输出。这一技术的快速发展与广泛应用催动了“全民创作”的新时代，与以往技术革新不同，生成式人工智能技术并不致力于促进作品传播，而是极大地便利了内容的创作过程。其优质服务不再需要用户多平台收集整理，而是只需要提出问题与修改意见即可。以收集信息、整合汇总、内容产出为运行完整链条，依托深度学习算法与海量数据训练，实现了从简单问答到复杂内容生成的跨越式发展。其技术架构包含数据采集层、算法处理层与输出交互层，每个层级均存在潜在侵权风险点。生成式人工智能作为虚拟存在搭载于其他物理实体，执行使用者指令双向互动，虽然不具备独立人格但其行动过程中又产生了现实存在的侵权问题，责任由谁承担，权利如何维护，行为如何规制由此制造了一系列司法困境。同时囿于算方法判断的缺陷，生成式人工智能无法保障生成内容绝对真实和准确，其生成过程中容易编造出看似合理实则不存在的内容，随即造成的问题杂糅了生成内容非真实性引发的后果如何承担以及难以认定行为主体对基于编造错误自动生成的侵权内容存在主观过错。当前技术迭代速度已远超法律规范完善进程，借由现有制度对共性问题加以解决只是应急之策，从技术发展角度看生成式人工智能朝着更广泛应用领域、更高精度、更长追溯性方向发展，因此其法律问题亟待提出切实可行的解决方案。

二、生成式人工智能侵权的类型

（一）知识产权

从其运行程序来看，第一环节的信息数据获取，面临数据来源合法性问题。其获取内容获取方式具有广泛性与不透明性的特点。基于生成式人工智能的工作机理可知，只有服务提供商将大量已有的数据资源投入生成式人工智能的大模型训练当中，才能为其产出信息内容提供原材料。且需要持续开放获取渠道的数据，才能保证生成式人工智能生成作品具有时效性。换言之，生成式人工智能形成了一个全知全能且在不断更新的数据库，它的知识理解、迁移和创造能力以这一数据库为基础，通过使用者的互动关键词提取对既有知识元素的统摄与重组，这些知识元素广泛附着或承载于各类具有知识产权的内容之上。以著作权为例，作品一经发表在互联网可被查询即成为人工智能数据库的一部分，服务提供者将其作为原始数据充实生成式智能的统摄范围。但由此引发的法律问题值得思考，将未经许可使用版权作品训练数据行为从法理上来看应当被认定为构成著作权侵权，但若严厉打击其代价将使人工智能的发展步步受阻，每一组数据的使用都需要先获得许可再行使用其流程烦琐显然不符合现实情况。倘若继续允许人工智能企业免费使用版权作品，不仅使人类作者遭受巨大打击，更难以规制自然人的侵权行为，由此造成人工智能享有自然人之上的法律地位不受侵权法规制的情形以及造成诸多社会伦理问题。有学者认为AI学习、创作使用版权作品可以基于合理使用而予以豁免，但其生成内容与原作品实质性相似时，则应承担侵权责任。但这一观点一方面基于技术困境算法问题难以实现，另一方面增加了著作权人的义务。另外，即使著作权人同意其内容作为生成式人工智能的参考，内容一经人工智能捕获即可成为人工智能的输出内容，并可能会进行更改优化但这一过程中作品的著作权人是否知悉同意，以及其改编的权责边界极为模糊，由此在实务过程中引发诸多侵权纠纷。从维权角度来看，不同用户对于技术的使用目的、创作能力和法律素养各不相同，这使得著作权规划需要考虑到不同用户的需求 and 实际情况。同时，用户在使用技术时可能涉及到多种权利关系，如原始素材的著作权、AI模型的使用权等。这些复杂的权利关系需要仔细梳理和平衡，以确保各方利益的合理保护。

（二）人格权

生成式人工智能以文生文、文生图、文生视频为主要输出形式。其输出形式多样，内容则可以基于用户指令灵活调整，尽管图文本身也许并不会直接造成负面影响但其可能包含的隐喻象征，可以引导观看者的思维方向，在特殊情境下可以造成对他人名誉及人格尊严的恶劣影响，被恶意利用后会成为侵犯他人合法权益的工具。尤其对于公众人物而言其肖像，个人信息获取门槛较低，某些生成式人工智能根据用户指令生成的涉及公众人物的不实图文信息，在网络上快速传播会严重损害该公众人物的名誉权。这些不实信息可能包含虚假的负面评价、恶意编造的丑闻等，使公众对权利人产生错误认知对其社会形象和声誉造成极大破坏由此引发后续问题而人工智能对引申意义不具有敏感性，更不可能在前端阻止生成。人工智能机器人朝着联网化与智能化不断发展，相关隐私数据通过多渠道不断汇聚成一个可被识别和分析的用户行为数据画像。不再是单纯的技术层面数据，而是已经能够反映用户生活状态、消费习惯、行为偏好乃至社会关系网络，从而属于具有高度私密性与敏感性的隐私内容。用户面向生成式人工智能询问的过程，就是在暴露自己日常生活的过程，在算法加持下所记录的相关数据还可能被后台系统再加工或推理预测，以便利用户使用的借口对相关隐私数据的二次使用，危害形式较轻的通过对用户的分析进行相关商品或新闻的推送，危害程度较高的则是盗取用户信息，分析其社交情况等个人隐私进行敲诈或诈骗。目前已有不法分子利用人工智能技术进行所谓AI换脸，声音处理等实施网络诈骗，再度引发公众质疑网络空间信息安全，现有的预防技术多是提醒大家警惕不明来源信息，提高自身防范能力。但就目前发展而言，人类与互联网无法切割，我们不只需要自身的能力来应对风险，更需要法律和技术的进步在网络空间形成一面坚固的盾，有效保障信息安全 and 个人隐私。

三、生成式人工智能侵权的归责原则与责任划分

（一）过错责任与风险责任

生成式人工智能服务虽然在基础数据搭建与内容产出过程中存在技术中立性，但其发展局限性并不能构成免责事由的无限制适用。学界主流观点认为，生成式人工智能侵权认定领域应以过错责任原则作为基本归责依据。行为人主观过错构成责任要件的核心要素，在此情形下需要受害人完成对过错状态的举证工作。服务提供者判断标准的确立应当围绕注意义务违反情况进行考察。若服务提供者未尽到合理的注意义务，如未对明显侵权内容进行过滤或未响应权利人的有效通知，则应承担相应责任。同时，使用者在明知或应知生成内容可能侵权仍继续传播的，亦应按过错程度分担责任。

由于技术本身的复杂性和不确定性，带来社会结构和生活方式的根本性变化，生成式人工智能在运行过程中可能产生难以预见的风险。在此情形下，若严格遵循过错责任原则可能导致受害人难以获得充分救济。基于人工智能复杂因果链，多数侵权案件容易出现难以定位过错源头、追溯侵权发生原因等问题。为弥补不足有必要以风险控制能力与收益分配比例为基础辅助填补归责逻辑，形成“风险—收益—责任”的均衡分配模型。面对人工智能技术应用带来的大量“既无法证实、又无法排除的”的潜在威胁，国家需转向风险预防原则，扩张保护职责。基于责任分配的风险收益比例原则，风险共担利益共享。风险治理强调积极预防，生成式人工智能服务提供者掌握核心技术与数据资源，理应对技术应用风险承担相应管控责任；使用者作为内容生成的直接指令方和传播主体，需对自身行为后果负责。辅助过错责任通过设定注意义务门槛避免过度苛责阻碍技术发展，又防止以技术中立为由逃避必要责任。

（二）责任划分

目前学界对于生成式人工智能的侵权行为主要以服务提供者为第一责任人。其作为人工智能模型的训练者，运行指令由其设定。王利明教授认为其注意义务主要包含信息获取中对信息来源的可靠性是否尽到合理审核义务；生成结果是否包含明显侵权的内容；是否遵守相关监管规定；服务提供者在接到权利人通知后是否及时采取必要措施，以防范损害的发生。不同人工智能生成服务所涉及的技术环节存在差异，直接侵权多发生于模型训练和内容生成阶段，而间接侵权则主要集中在内容传播阶段。从直接侵权角度，在模型训练阶段服务提供者使用的训练数据应确保数据来源合法性，保持必要的使用限度，不得利用合理来源从事非法牟利。生成时通过屏蔽敏感词等方式对生成内容进行必要的过滤审查对使用者进行简单规制。如果服务提供者明知或者应知生成的内容可能侵权，却没有采取相应的措施，导致侵权内容得以生成并进入传播环节，那么服务提供者构成间接侵权。在内容传播阶段，若服务提供者为侵权内容的传播提供了平台、技术等支持，使得侵权内容得以广泛传播扩大了侵权后果，也应当承担间接侵权责任，促使服务提供者加强对生成内容的管理和审核，提高其责任意识。

生成式人工智能并不仅仅只依赖于服务提供者最初的算法模型，生成内容的主要过程更依赖于与使用者的信息交互，根据用户指令分析生成并不断校准。因此，生成式人工智能侵权的成立不能忽略对使用者的行为判断。

使用者应遵守使用协议，在合理合法限度内使用生成式人工智能服务，遵守服务提供者设定的使用条款和条件。若使用者故意提供错误的、具有误导性的指令，导致生成的内容侵权，使用者需承担主要责任。使用者使用生成式人工智能生成抹黑造谣污蔑他人形象的相关图文视频是侵犯他人人格权的主要形式，以此为例尽管大数据在图片视频生成时注明AI创作，但使用者仍有多种手段覆盖消除其标注，对于网络空间的一般人而言足以造成混淆，使其陷于错误认识。其次对于一些人工智能由于信息保护而被屏蔽无法获取相关内容但经由使用者手动搜索，将相关内容进行复制“投喂”训练人工智能产出相关内容。上述两种情况下，其输出的结果是否以侵害他人权益为目的，服务提供者对于此类行为不具备知情的现实可能且难以限制，使用者过错明显超过服务提供者，应作为侵权行为主要责任人。生成式人工智能的实质是通过遵循一系列指令而生成内容的算法模型，目前已有的故意、过失与合理注意等标准都难以直接适用，但使用者的主观心态和具体行为仍可以作为主要判定标准。综上所述在确认服务提供者尽到相关的必要注意义务后，应当认定侵权后果是因用户个人导致的，由用户承担主要侵权责任。

但对于在特殊情况下双方作为共同侵权主体则涉及其内部责任分配。若使用者在使用过程中，没有尽到合理的注意义务，对生成的侵权内容没有及时识别并停止传播，也应按照其过错程度承担相应的责任。在服务提供者和使用者都存在过错的情况下，应根据双方的过错大小、行为对侵权结果的影响程度等因素，合理划分双方应承担的责任比例实施责任溯源需要建立透明的记录和监督机制，包括但不限于数据记录、算法训练历史以及操作记录等。使生成式人工智能决策的数据和过程可以被追溯，作为划分责任的事实数据可依据这些透明记录，分析双方行为对侵权后果产生的影响程度以此实现公平合理的责任划分。解决生成式人工智能的法律困境是一个长期而艰巨的任务。我们需要从多个方面入手，不断完善法律法规、加强数据管理、借鉴常规处理办法等，以期逐步解决这一问题。同时，我们也需要保持开放和包容的态度，积极应对AI技术带来的挑战 and 机遇，推动艺术创作的繁荣和发展。现行著作权法应进行修改和完善，以适应时代的要求，为人工智能生成技术方案量身定做精确的规定。

四、生成式人工智能侵权的法律规制与完善建议

（一）类推适用网络侵权的“通知—删除”规则

目前借以网络空间为主要手段的侵权行为，第一处置预案都是由被侵权人告知侵权人停止侵害，删除其发布的相关内容防止影响阻止损害的继续发生，同时联系相关网络服务提供者依据《民法典》第1195条的规定及时采取行动。在收到用户的通知后，网络服务提供者应当采取删除、屏蔽、断开链接等必要措施，以防止损害后果的发生或者扩大。该条所规定的技术手段方式具有开放性，这有利于网络服务提供者采用多种措施防止损害的扩大。再行处置后续侵权责任划分及赔偿。生成式人工智能侵害表现形式以其产出的结果为主，可以适用通知—删除的执行模式降低损害程度。生成式人工智能服务本质上属于网络服务，实际上也是向不特定人提供的，其服务对象是海量的不特定用户，因此也具有公开性的特征适配应用规则。生成式人工智能服务提供者包含在网络服务提供者范围内，可以适用网络侵权的一般规则。

将“通知—删除”规则类推适用于生成式人工智能服务提供者，能够对其形成一定的保护作用。避风港规则的核心功能在于保护网络服务提供者，鼓励互联网发展，促进创新，这一立法目的同样可以缓解生成式人工智能技术所面对的现实困境。使用者的使用方式，技术的“编造”问题，均会对生成式人工智能的输出结果产生影响。在此影响下，若一旦出现侵权问题便直接要求服务提供者承担责任，可能导致其承受过重的责任负担。因此类推适用“通知—删除”规则后，只有在服务提供者收到用户通知后，其才负有采取相关措施防止损害的义务，这既符合生成式人工智能服务的特点，也有利于保护服务提供者的利益，避免其承担不合理的额外责任。

将“通知—删除”规则类推适用于生成式人工智能服务提供者，促使其优化服务加强监管同时保持必要限度。服务提供者在采取措施时，需要平衡权利人的利益和用户的合法权益，避免因过度删除或屏蔽而影响正常的使用和表达等矫枉过正的情形。生成式人工智能生成内容的复杂性和多样性，使得对侵权内容的判断可能存在一定的难度。有必要进一步完善相关的配套机制。建立专门的投诉处理渠道和流程，确保权利人的通知能够及时准确地传达给服务提供者；明确服务提供者在审查和处理侵权通知时的标准和期限，提高处理效率；加强对服务提供者的监督 and 管理，对于未依法履行“通知—删除”义务的服务提供者，依法追究其相应的法律责任。同时，也可以通过技术手段，如开发侵权内容识别算法等，辅助服务提供者更准确地判断和处理侵权内容。

（二）分层规制

当前，我国法治建设进程中法律知识已逐步实现广泛普及。在社会公众层面，知识产权保护问题已形成基础性认识，原始内容发布者可自主设定转载权限分级制，具体表现为禁止人工智能抓取、允许抓取但禁止转载改编以及开放转载等多层级管控模式。对于不允许转载的相关内容设置特殊标识，让使用者明晰著作权边界。既可以分级约束生成式人工智能问题，也在推动群众进行知识产权相关实践，进一步助力普法建设工作在日常生活中学法用法。实质性篡改原始生成内容并主动扩大传播范围的行为人，当其行为导致损害后果显著恶化时，较之普通使用者应当承担更为严厉的责任承担机制。建立版权补偿金与数据共享池的机制，参考欧盟《数字单一市场版权指令》的相关规定，构建“法定许可+利益共享”的平衡路径。在侵权纠纷发生后，版权所有者能够获得合理的补偿，使用者也能在合法范围内便捷地获取和使用内容平衡版权保护与数据共享的需要。同时推动公共数据池的建设，由政府主导构建开放版权作品数据库，企业可以无偿使用其中的作品训练其非营利性的模型，以政府公信力为背书以促进许可制度与知识普惠制度的平衡，提高对于网络信息安全的信心有效激发创新活力。

对使用者引入评分机制，参考失信名单等现有制度。相对而言各大人工智能平台登录信息发布平台操作均已完备，能够通过生成记录发布记录追溯到相关责任人，由此根据其所造成的侵权责任扣除其信誉积分以此警示规范使用者轻微的不合理行为，累计较高的负分则可以对接相关行政处罚，提高对人工智能输出端的约束管理，人工智能平台不会是法治建设的漏网之鱼，更不会成为侵犯他人合法权益的便捷工具。算法透明度制度的实施是提升算法公正性和可解释性的关键。除了对开发商实施数据层面的监管外，还应强制要求开发经营者对其算法进行透明度管理，对涉及用户权益的算法决策进行伦理评估，公开评估结果。此外，平台还需定期复审其运营的数字人技术，加强平台监管，确保持续符合数据合规要求，并评估算法的透明度和可解释性，防止算法歧视。这种分层归责模式既避免了技术中立原则的滥用，也防止了责任承担的失衡，从而为法治建设 and 知识产权保护提供更加坚实的保障。

参考文献：

1. [1] 张凌寒,于琳.生成式人工智能价值链上的侵权责任划分[J].北京行政学院学报,2025(05):72-83.
2. [2] 高阳.人工智能训练数据侵犯著作权行为规制[J].中国出版,2024(15):12-18.
3. [3] 刘宪权.人工智能时代公民隐私权的刑法保护[J].法学家,2025(05):15-26+190-191.
4. [4] 冯晓青,沈韵.生成式人工智能服务提供者著作权侵权责任认定[J].法治研究,2025(01):46-58.
5. [5] 林洹民.人工智能侵权的过错责任[J].法学研究,2025,47(05):113-133.
6. [6] 王利明,包丁裕睿.论“通知”规则在生成式人工智能作品侵权中的类推适用[J].比较法研究,2025(04):1-13.
7. [7] 王利明.生成式人工智能侵权的归责原则与过错认定[J].中国法律评论,2025(04):15-30.
8. [8] 邓建鹏,赵治松.生成式人工智能的法律规制：以侵权法为视角[J].东北师大学报(哲学社会科学版),2025(03):95-104.
9. [9] 梁远高.论人工智能大模型训练数据风险的分层规制[J].郑州大学学报(哲学社会科学版),2025,58(03):61-67+144.
10. [10] 张新宝,卞龙.论生成式人工智能服务提供者的过错推定责任[J].北方法学,2025,19(05):5-19.
11. [11] 李雅男.生成式人工智能的法律定位与侵权归责路径[J].比较法研究,2025(03):69-84.
12. [12] 杨立新,黄露.人工智能绘画工具应用的侵权风险与民法规制立场[J].河南财经政法大学学报,2024,39(05):31-44.
13. [13] 杨斌.人工智能侵权免责事由的利益衡量与规则更新[J].上海师范大学学报(哲学社会科学版),2025,54(03):47-58.
14. [14] 李兰英,白雅楠.新质生产力视域下生成式人工智能的刑事风险及归责路径[J].厦门大学学报(哲学社会科学版),2025,75(05):47-59.