前沿科技法律观察|从典型案例检视AIGC的法律权益保护要点(下篇)——平台责任边界的界定与竞争利益的司法保护
作者:石钛戈、张沣铭 时间:2025-06-12

 

  //  

本篇将聚焦于平台责任的边界与技术成果的权益保护,以杭州“AI奥特曼图侵权”案为例,探讨AIGC平台在用户利用其服务生成侵权内容时的责任边界;同时,结合北京“AI模型参数侵权”案,分析法院如何突破《著作权法》保护的局限,将模型结构参数纳入“竞争性权益”范畴,确立人工智能技术研发成果在《反不正当竞争法》下的保护路径。

 

最后,我们将结合上下两篇中的典型案例分析与行业实践需求,从AIGC工具使用者、服务提供者、模型开发者以及市场后续参与者等不同主体出发,提出差异化的法律权益保护策略与合规建议。

 

本文上篇可见:从典型案例检视AIGC的法律权益保护要点(上篇)——AIGC著作权认定的司法实践与裁判逻辑

 

一、AIGC领域典型案例的裁判规则解析:平台侵权责任的认定与竞争利益的司法保护

 

在AIGC技术广泛应用的背景下,平台责任的边界与竞争秩序的维护成为司法实践的核心争议焦点。本部分通过剖析杭州“AI奥特曼图侵权”案与北京“AI模型参数侵权”案两大典型案例,揭示AIGC领域中平台侵权责任形态的认定标准与《反不正当竞争法》的适用逻辑。针对AIGC服务提供者因用户行为引发的侵权问题,司法机关正逐步构建“技术可控性与商业获益程度相匹配”的注意义务体系,推动平台责任从传统的“事后删除”被动模式向全流程主动风控转型;而当技术成果不能纳入传统《著作权法》保护范畴时,法院则通过《反不正当竞争法》一般条款对新型权益实施动态保护。两案共同构建了AIGC领域权益保护的双重路径——既通过侵权责任规则约束平台行为,又通过竞争法维护技术创新的市场秩序,为司法裁判与行业合规提供了指引。

 

(一)AIGC平台的侵权责任:以杭州“AI奥特曼图侵权”案[1]为例(浙江省杭州市中级人民法院2024浙01民终10332号)

 

该案是我国首例明确AIGC平台间接侵权责任的典型案例。原告依法享有“奥特曼”系列美术作品的著作权,而被告系某AI生成式平台的运营方,其平台提供“LoRA模型”训练功能,支持用户通过上传图片、选择模型、调整参数等方式进行“图生图”及训练奥特曼LoRA模型,用户可通过其训练的模型生成与奥特曼形象实质性相似的图片,并可将生成的奥特曼形象图片发布至平台,进行分享链接或下载进行传播。原告以被告侵害其信息网络传播权、构成不正当竞争为由,诉请被告停止侵权并赔偿损失。被告则援引“避风港原则”抗辩,主张其仅提供技术工具,未参与内容创作,不应承担责任。

 

一审杭州互联网法院经审理认为,判断生成式人工智能服务提供者是否构成侵权,应结合具体应用场景、具体被诉行为,分层分别界定侵权责任。该案中,法院首先分析了被告平台是否直接实施了侵犯著作权的行为。由于侵权图片和LoRA模型均由用户上传并训练生成,被告未直接参与生成或发布侵权内容,亦无证据证明其与用户共同提供侵权作品。因此,被告未直接实施“信息网络传播行为”,不构成直接侵权。然而,法院进一步探讨了被告是否构成帮助侵权,即平台运营者为AIGC服务提供者,通过用户充值、积分奖励等模式直接获益,依法应对其服务场景下的内容承担合理注意义务。鉴于该平台首页存在大量的与原告作品实质性相似的生成图片及LoRA模型,侵权信息具有明显可识别性,且用户通过叠加侵权LoRA模型可稳定生成侵权内容,平台应预见到技术便利性可能导致的侵权扩散风险。尽管被告在诉讼后采取了屏蔽措施,但其用户协议明确声明不主动审核内容,且未事先设置关键词过滤、版权比对等预防机制,未尽到与其技术能力及商业模式相匹配的注意义务,主观上存在过错,构成对原告信息网络传播权的帮助侵权

 

审查维度

法院认定要点

1. 服务性质与营利模式

1. 平台基于开源模型优化应用场景,通过会员充值、积分奖励直接面向用户盈利

2. 鼓励用户发布模型并分享,客观上利用侵权内容引流

2. 侵权事实

1. 奥特曼形象具有高度知名度;

2. 侵权图片及模型封面直接展示于首页推荐位,平台应知侵权风险。

3. 侵权防范可行性

1. 叠加LoRA模型可稳定输出特定的“奥特曼”形象特征(非随机生成);

2. 平台具备通过关键词过滤、模型特征比对等技术手段降低侵权扩散的能力。

4. 预防措施合理性

1. 平台未建立侵权筛查机制,仅事后删除部分内容;

2. 用户协议声明免责不能免除法定义务,证明其怠于履行必要管理义务

(杭州“AI奥特曼图侵权”案中法院认定平台侵权行为的分析层次)

 

作为全国首例AIGC平台间接侵权责任案,该案判决明确了生成式AI服务提供者需根据技术可控性与商业获益程度承担差异化的注意义务,即便是由用户自主上传侵权素材并发布,平台本身未直接参与侵权创作。AIGC服务提供者本身具备通过关键词过滤等技术手段防止用户侵权的能力,因而其须在用户训练数据的输入端、生成结果的输出端同步设置过滤机制,而非仅依赖事后删除,应通过“输入端筛查+输出端过滤”的全流程管控,从“被动避风港”转向“主动风险防控”,以承担与其能力相适应的注意义务

 

(二)以《反不正当竞争法》作为《著作权法》的补充:以北京“AI模型参数侵权”案为例[2](北京知识产权法院(2023)京73民终3802号)

 

对于AIGC有关的权益保护中,《著作权法》并非唯一的法律依据,《反不正当竞争法》也为规制侵权行为提供了重要的法律保护。2025年3月31日,北京知识产权法院终审审结的“AI模型参数侵权”中,法院在对著作权侵权行为和不正当竞争行为进行了深入分析的基础上,通过判决确立了人工智能模型结构和参数在《反不正当竞争法》下的保护路径,从而将人工智能模型结构参数纳入《反不正当竞争法》的保护范畴,具有里程碑意义。

 

该案中,原告科技公司开发了“变身漫画特效”功能,并将其作为短视频APP的核心功能,该功能通过大量用户数据训练而成,具备滤镜和动态贴纸等个性化特效。被告Y技术公司推出了相似的“少女漫画特效”功能,经鉴定其核心参数与原告模型高度相似,存在复制的可能。原告因此以不正当竞争为由起诉被告,要求停止侵权并赔偿损失。

 

法院在审理中首先探讨了“变身漫画成像”是否受《著作权法》保护的问题,主要从独创性表达和人类智力贡献两方面进行分析。法院认为,原告的“变身漫画特效”模型开发过程以及用户使用特效拍摄的行为均非《著作权法》意义上的创作行为,模型的风格化量产属于数据积累工作,训练阶段的技术优化属于创造生成工具的行为,以及用户使用特效拍摄生成阶段的输出结果受限于模型算法与输入内容的高度关联性,无法体现使用者或开发者的思想、情感或独立选择,故不构成受保护的作品,据此认定原告的“变身漫画特效”不属于《著作权法》保护的客体。

 

有关“变身漫画特效”模型结构和参数是否受到计算机软件著作权的保护,该案判决并未涉及,但将涉案模型结构和参数认定为计算机软件来获得《著作权法》保护存在着障碍:一方面,根据《计算机软件保护条例》,软件著作权保护对象仅限于“计算机程序及其文档”[3]由于模型由计算机软件代码训练、建构而成,与传统软件程序存在本质区别,形成后的模型结构和参数自身并不直接包含计算机软件代码。涉案模型的结构和参数本身既非《计算机软件保护条例》所保护的“代码化指令序列”,也不属于描述程序功能的附属文档;另一方面,《著作权法》仅保护表达而非思想,而模型本质上是反映输入与输出的关系的数学规则与数学关系,属于“思想”而非表达。因此,模型本身以及结构和参数难以获得计算机软件著作权的保护。

 

此外,商业秘密保护路径也存在困难。涉案模型文件随软件分发至用户终端,虽然进行了特定加密设置。然而,由于模型文件可以通过技术手段、反向工程获取,这在一定程度上影响了模型结构和参数的秘密性。因此,通过商业秘密保护规制侵权行为也存在障碍。

 

虽然法院认为“变身漫画成像”不构成《著作权法》保护的客体,但法院突破了既有通过《著作权法》规制侵权行为的框架,通过《反不正当竞争法》的一般条款[4]将“AI模型结构和参数”纳入《反不正当竞争法》保护范畴:在竞争关系的认定上,法院认为原被告均通过APP为用户提供视频和照片拍摄服务,具有直接竞争关系;在违反商业道德的认定上,法院指出,从事人工智能模型研发经营的企业不得未经许可直接使用他人通过数据训练改进而来的模型结构和参数,这是人工智能模型领域公认的商业道德,被告的行为节省了自身研发的时间和成本,打破了原告通过技术投入形成的优势,违反了商业道德,具有不正当性;在合法权益正当性的认定上,原告为研发该模型投入了大量经营资源,且该模型为其带来了创新优势、经营收益和市场利益,应当构成受《反不正当竞争法》保护的竞争利益;在损害后果方面,法院通过技术比对发现,双方模型在整体结构、核心参数的相似度高达91.7%,原被告的产品效果相似,存在较强的替代作用,实质性削弱原告的市场竞争优势。在市场秩序的维护方面,法院认为,被告行为扭曲了模型领域的供求机制和创新机制,若不规制将助长“搭便车”行为,导致市场激励机制失灵,扰乱人工智能领域的竞争秩序。基于以上分析,法院通过《反不正当竞争法》一般条款,对被告的技术抄袭行为进行否定性评价,判定被告的行为构成不正当竞争行为。

 

该案涉及到未经许可直接使用他人通过数据训练获得的模型结构和参数的行为,法院明确指出这种行为违反了人工智能领域的商业道德,并对同类人工智能产品的权益保护提供了重要启示:

 

1. 明确人工智能模型结构和参数的权益属性

 

法院首次将人工智能模型结构与参数纳入《反不正当竞争法》保护范畴,认定其具有“竞争性权益”。尽管此类技术成果无法直接通过《著作权法》保护,但可通过《反不正当竞争法》一般条款补充保护,明确未经许可使用他人训练获得的模型结构和参数属于违反商业道德的不正当竞争行为,为模型及训练数据的权益保护提供了法律路径。

 

2. 合法权益保护的具体化

 

该案裁判强调,《反不正当竞争法》保护的不仅是创新成果本身,还包括由此产生的商业利益和市场优势。为算法、训练数据等与AI技术开发与运营相关的新型权益的保护提供了保护路径,表明法院在人工智能、大数据等领域的案件审理中,愿意灵活适用《反不正当竞争法》的一般条款来维护竞争秩序。

 

3. 推动行业规则与商业道德的规范化

 

该案判决中,法院首次明确了人工智能行业的商业道德准则,即“不得未经许可使用他人通过数据训练改进而来的模型结构和参数”,未经许可直接使用他人的成果,属于“搭便车”行为。这种行为不仅侵害了开发者的合法权益,也削弱了技术创新的动力。该准则有助于对人工智能行业进行规范,通过禁止“搭便车”行为,使行业内的企业可以更加注重技术研发和创新,而不是通过不正当手段获取竞争优势。这种规范有助于保证市场竞争的公平性,维护行业的健康发展。

 

二、AIGC领域各主体的法律权益保护策略与合规建议

 

从近期AIGC领域典型案例中可以发现,不同主体在法律权益保护中的责任和权利各有侧重,在司法实践中形成的规则也需进一步体系化形成可供不同主体据以实践的权益保护范式。在AIGC领域中,使用者、服务提供者、模型开发者及市场后续参与者因在技术应用中的角色不同和利益诉求差异而面临不同的法律风险与权益诉求。本节将从各主体的视角切入,结合典型案例的裁判规则,逐一讨论各主体适配的法律权益保护要点和合规建议,以帮助相关主体明确自身行为的法律边界。

 

(一)AIGC工具使用者

 

1. 创作过程留痕

 

使用者在使用AIGC工具时,应重视创作过程的记录和保存。这包括但不限于提示词、参数设置、修改记录等证据,以证明自己在创作过程中的独创性智力投入。在北京的“AI文生图”案中,原告通过保存涉案图片生成过程复现视频等证据,成功证明了其对生成图片的“独创性智力投入”。此类证据可佐证使用者通过主动干预形成具有独创性的表达,从而有助于更好地维护自身权益。对于拟用于出版、广告等商用领域的AIGC创作,使用者应考虑进行著作权登记或详细记录创作过程,以便在发生侵权纠纷时,作为权利主张的有力证明。

 

2. 注意输入内容避免侵权

 

使用者在使用AIGC工具生成内容时应避免直接使用涉及他人作品或意图模仿/使用他人作品的提示词或输入内容,以防生成侵权内容,避免存在生成侵权作品的主观故意。

 

如果使用者在利用AIGC服务生成内容时,涉及到使用他人作品或数据(如使用受版权保护的图像),需确保已经获得了权利人的适当授权或许可。在使用过程中,使用者应遵守权利人规定的条款,包括署名要求、用途限制等,从而降低侵权风险。

 

(二)AIGC服务提供者

 

1. 建立输入输出内容审查过滤机制

 

《生成式人工智能服务管理暂行办法》明确规定AIGC服务提供者负有监督和管理平台的职责,并承担内容生产者的责任,因而有必要构建全流程的内容合规体系,通过技术手段与规则设计防范侵权风险。在输入环节,应对用户上传的提示词、图片等进行筛查,识别侵权风险;输出环节需通过图像比对、文本分析等技术动态检测生成内容,发现侵权或违法内容时及时阻断输出或提示用户,防止用户利用AIGC服务进行侵权创作。如平台向用户提供了生成内容展示、分享功能,应对相应的用户内容进行适当的审查,通过设置举报、反馈功能,受理权利人或其他用户的投诉,防止侵权作品的持续扩散传播。

 

2. 通过用户协议明确权属和责任

 

AIGC服务提供者有必要在其用户协议中通过明确条款划定权责边界,实现“权利归属明确化”与“风险责任隔离”。首先,在用户协议中应当要求用户承诺对其输入提示词、训练数据等内容享有合法权利,要求用户承诺“输入内容不包含侵犯第三方合法权益的素材”“不利用平台生成侵权作品”并确保生成内容的创作不侵犯他人合法权益。其次,需对生成内容的版权归属作出清晰约定,包括生成内容的权属归谁所有、用户及平台可使用生成内容的场景、范围和限制等。杭州“AI奥特曼图侵权”案表明,若用户协议仅笼统规定“不得上传违法内容”而未细化知识产权保护要求,平台可能被认定存在过错。因此,条款设计需兼顾权利分配的清晰性与风险防控的可操作性,并配合上述1项所列举的技术防范措施,避免因表述模糊、权责不清导致法律风险的发生。

 

3. 强化内容管理与审核

 

在内容管理与审核方面,AIGC服务提供者应建立严格的内容审核机制,如采取上述1项所述的技术措施,对生成的内容进行实时监控和过滤,定期将模型数据集含有版权作品和个人信息的情况进行风险评估,并对模型可能出现的AI“幻觉”和自动生成侵权内容的问题予以调试和优化,采取必要的技术措施对模型运行过程中可能涉及的风险因素予以排除,以避免生成相关侵权生成内容。

 

根据《人工智能生成合成内容标识办法》和GB45438—2025《网络安全技术人工智能生成合成内容标识方法》的要求,AIGC服务提供者还应对生成内容进行明确“由AI生成”的标注,避免误导用户和公众。包括对生成合成内容添加显式标识,并且在生成合成内容的文件元数据中添加隐式标识,隐式标识包含生成合成内容属性信息、服务提供者名称或者编码、内容编号、传播平台信息等信息,确保不可篡改。若用户导出内容,服务提供者需确保文件保留显式标识,并通过数字水印等技术实现隐式标识的完整性,确保可追溯至初始生成链路,以响应权利人或其他用户的投诉等权利诉求,并在用户服务协议中明确说明生成合成内容标识的方法、样式等规范内容,并提示用户仔细阅读并理解相关的标识管理要求。

 

(三)模型开发者以及市场后续参与者

 

1. 合法获取与使用模型

 

模型开发者及市场后续参与者在获取和使用AIGC模型时,需严格遵循《反不正当竞争法》及司法实践确立的规则,确保权利来源的合法性,直接复制他人模型的结构、参数或训练数据可能构成不正当竞争。开发者应优先选择自主研发或通过合法授权获取模型,例如通过签订技术转让协议、购买商业模型许可等方式,而不得直接复制他人成果。

 

在使用开源模型时,则需深入了解其许可证条款,根据具体场景选择合规路径,避免忽视许可证条款而触发法律纠纷。

 

为强化自身权益保护,开发者宜注重模型的原创性开发。实践中,可通过建立技术壁垒,完整记录模型研发过程,形成研发轨迹证据链;在模型架构、训练数据等方面增加创新性改进,例如通过微调开源模型适配特定领域数据,形成差异化设计,从而降低被指控技术具有相似性的风险

 

2. 审查模型与数据来源的合法性

 

模型开发者及市场参与者需对模型供应商及数据来源进行合法性审查,以防范知识产权、隐私权及个人信息权益等法律风险。首先,在选择AI模型供应商或数据库运营商时,须通过尽职调查核查其资质,包括数据来源合法性、授权文件及过往纠纷记录,确保训练数据无侵犯版权、个人信息或商业秘密风险。其次,对数据来源的审查需贯穿模型开发全周期,使用存在权利瑕疵的数据进行模型训练,可能构成侵权,也可能被视为“搭便车”行为,而构成不正当竞争行为。最后,通过合法渠道购买数据集时,需在服务合同中设置严格的责任分配条款,要求供应商承诺“提供的模型及数据集不侵犯任何第三方权利”,并约定纠纷时的赔偿责任。同时,可附加“审计权条款”,定期核查供应商数据源的合法性。

 

3. 关注模型本身的知识产权保护

 

在AIGC领域,对模型本身的知识产权保护至关重要,这不仅涉及模型的核心竞争力,也是维护企业合法权益的关键。著作权登记是模型开发者确立权利归属的基础手段。根据《计算机软件保护条例》,模型的架构设计、源代码、接口协议以及技术设计文档等可独立创作的表达形式可作为软件作品登记。在实践中,小米公司对其“基于大模型的知识问答系统”完成软件著作权登记,通过软件著作权登记的方式强化了对其技术方案的权利保护。

 

专利保护也是保护AI大模型知识产权的重要途径。当底层算法与特定技术问题结合并产生实际效果时,可以获得专利保护。例如,支付宝申请的“基于大模型的金融风险评估方法”发明专利,通过将大模型与金融风控场景结合,保护了数据特征提取及风险评分生成的算法流程;而Deepseek申请的“一种人工智能模型训练数据集的构建方法”发明专利,则针对大模型的数据序列索引技术获得保护。通过专利保护能够为开发者提供有效的知识产权保障,同时增强其技术竞争力。

 

此外,商业秘密保护也是确保模型研发成果安全的重要方法。商业秘密保护适用于模型研发过程中积累的非公知技术信息,包括模型的架构设计、训练方法、优化策略、参数调优策略、数据清洗规则、模型蒸馏方法等等,均可通过保密协议、访问权限控制及加密技术进行保护,从而将相关技术成果纳入商业秘密的保护范围。

 

4. 与模型有关的数据权益保护

 

除了模型本身,与模型有关的数据的保护同样重要。独创性编排的数据库可同时主张著作权保护,符合秘密性要求的数据集合可纳入商业秘密范畴,而数据处理方法若具备技术效果还可申请专利,将数据与算法同步纳入著作权保护范围。

 

目前,各地也在探索数据知识产权登记制度,为与模型开发密切相关的训练数据、参数权重数据等进行保护提供了新的路径。在北京、上海等多个省市已制定相应的规定并开展了数据知识产权登记试点,允许符合条件的数据集合通过登记获得法律保护。一般而言,数据知识产权登记的核心条件要求数据集合需满足依法依规获取、经过规则处理且具有实用价值等条件,具体体现为数据来源具有合法性,符合《数据安全法》《个人信息保护法》等规定,处理过程包含清洗、脱敏等提升数据质量的加工行为,并能应用于金融风控、医疗诊断等实际场景创造经济或社会效益。在地方试点实践中,对这些条件的具体要求存在差异。北京、上海、山东、江苏等试点地区强调“智力成果属性”,要求数据处理体现创新性劳动,北京、山东、湖北等地则要求登记数据“未公开”;上海特别关注“实质性加工与创新性劳动”,需提交技术说明与应用场景分析,并且各地普遍要求登记的数据或数据集合通过了数据存证或公证。

 

数据知识产权登记并不等同于法律意义上的确权,其核心功能更多是辅助权益主张。部分地区如江苏、湖北等地将登记证书视为数据权益的“初步证明”或“初步凭证”,且湖北进一步赋予其公示效力并规定未经登记的权利不得对抗善意第三人。总体而言,登记的核心作用更偏向于增强权益主张的可信度和提升交易中的公示公信力,权利最终认定仍依赖个案中法院对数据来源合法性、加工独创性等实质要件的司法审查。

 

此外,模型训练数据往往包含了大量的诸如个人信息、商业秘密等敏感信息,也要求开发者采取严格的保护措施,不仅限于数据加密、访问控制、去标识化/匿名化等数据脱敏等技术手段,也需要建立相应的管理制度,如数据访问审批流程、数据使用规范、管理规定等,以确保数据的合法合规使用,避免发生训练数据被非法获取或滥用的风险。

 

 注释 

[1]一审杭州互联网法院(2024)浙0192民初1587号民事判决书、二审浙江省杭州市中级人民法院(2024)浙01民终10332号民事裁决书:

https://mp.weixin.qq.com/s/ZgqsKlCToaQb9QW_JHwi0g。

[2]北京知识产权法院(2023)京73民终3802号民事判决书:

https://mp.weixin.qq.com/s/0ryGs8-97p0sObhjwpl-jg。

[3]即《计算机软件保护条例》第二条,本条例所称计算机软件,是指计算机程序及其有关文档。

[4]即《反不正当竞争法》第二条,经营者在生产经营活动中,应当遵循自愿、平等、公平、诚信的原则,遵守法律和商业道德。

 

 

微信公众号 ×

使用“扫一扫”即可添加关注