AI 浪潮下，知识产权规则如何重构
AI 绘图、AI 音乐、声音复刻、换脸视频等新技术层出不穷，旧有规则正面临严峻考验。与此同时，《人工智能生成合成内容标识办法》已正式实施，最高法正加速推进涉及人工智能与数据产权的司法政策研究，全国人大常委会亦将相关立法纳入预备审议清单。AI 引发的知识产权议题，正从单纯的技术探讨转向制度层面的回应。
表象上这是知识产权的博弈，实质上是在 AI 重塑内容生产模式的进程中，关于投入者、受益者与风险承担者的界定——一整套创新秩序正在被重新定义。
本期议事厅，新华每日电讯智库研究与传播中心诚邀法学界及知识产权领域的四位专家，就 AI 时代知识产权边界的重新划定展开探讨：争议的焦点何在，训练数据的界限如何界定，平台责任能否止步于“工具中立”，以及哪些规则应率先落地实施？
访谈嘉宾：
张平 北京大学法学院教授、北京大学人工智能研究院 AI 安全与治理中心主任
郑宁 中国传媒大学文化产业管理学院法律系教授、文化法治研究中心主任
刘晓春 中国社会科学院大学法学院副教授、互联网法治研究中心主任
周亚平 音乐产业资深从业者、中国音像著作权集体管理协会原副理事长兼总干事
争夺的不仅是版权，更是创新秩序
主持人：公众关注此议题，往往始于具体事件：某张 AI 画作与某位画家风格高度相似，某首 AI 歌曲与某位歌手难以分辨真伪……但这些可见的冲突，是否仅是冰山一角，真正的症结究竟何在？
张平：AI 时代的知识产权之争，表面看是权利归属的博弈，实质是一整套创新秩序正在被重构。传统著作权法的逻辑遵循“创作—授权—收益—再创作”，其前提是权利主体明确、利益流向可追溯。AI 的出现，打破了这一链条的每一个环节——投入方从单一创作者扩展至数据提供者、算力提供者、模型训练者及应用开发者，然而收益却大量流入制度灰色地带。当前制度最显捉襟见肘之处，正是覆盖多方主体的利益分配规则：谁贡献了内容、谁获取了收益、谁承担了成本，法律层面尚属空白。这并非单一法条的缺失，而是整个分配框架的缺位。责任划分不能仅看谁掌握技术，更要看谁从中获益——收益归属，才是界定责任的首要标尺。
主持人：若说制度层面的症结在于利益分配规则失灵，那么在产业一线，最先受到冲击、表现最为直观的问题究竟是什么？
周亚平：音乐领域是最直观的样本。AI 将音乐行业的几类法律痛点具象化：大规模复制版权录音用于训练，构成复制权侵权；高度还原特定歌手的音色与演唱风格，侵害表演者的人格权益；生成内容大量涌入流媒体，直接挤压原创者的市场空间。网上已涌现大量利用知名歌手音色生成的 AI 歌曲，许多听众难辨真假。对产业而言，这并非抽象的法学讨论，而是原创者正逐渐丧失对自身声音形象的控制权。
郑宁：需先厘清一点：当下并非“无法可依”。民法典、著作权法及《互联网信息服务深度合成管理规定》等已划定人格权、著作权、平台责任的基本红线。真正的问题在于执法能力滞后于侵权速度、跨平台协同机制缺失、公众认知存在诸多误区——许多人误以为“非商用即不侵权”“打上 AI 标识即可免责”，这些观点均属错误。但在我看来，尽管训练数据权属与平台运营规则至关重要，当下对普通民众权益冲击最直接的，当属 AI 换脸、声音盗用等人格权侵权行为。此类行为传播门槛低、扩散速度快，对公民人格尊严造成的损害往往不可逆转。
主持人：普通人发现自己的脸或声音被 AI 盗用后，究竟该如何应对？
郑宁：普通权利人最感无力的，并非无法发现侵权，而是在发现之后——不知如何举证、如何追责、如何止损。AI 训练如同“黑箱”，权利人难以证明自己的声音或肖像被用于模型训练。即便投诉成功下架某个账号，侵权内容换个马甲又会在其他平台继续传播，权利人只能陷入“反复维权、反复侵权”的恶性循环。这并非个案，而是系统性困境。
刘晓春：维权难确是事实，但解题方向不应是将所有合规压力强压给单一主体——无论是全推给平台，还是全前置给应用层创新主体，都不利于产业可持续发展。更可行的思路是多方共担：权利人善用通知删除机制，平台提供低成本的侵权核验工具，应用层创新主体就“明知或应知”的侵权情形承担责任。分层分责，方能确保每道防线有人坚守。
郑宁：分层分责虽对，但现实中各方往往相互推诿，均认为自身非首要责任主体，最终导致权利人维权四处碰壁、诉求无处落实。权责如何界定、责任如何划分，必须结合具体场景与实际问题逐一厘清。
训练先管，还是输出先治
主持人：训练数据是当前争议最集中的问题，也是最易被绕开的问题——强调创新者担忧“管得太紧”，强调版权保护者则认为“根源在于侵权”。这一争议的焦点究竟在哪里？
张平：训练端的问题无法回避。若一律要求先授权再训练，一对一谈判几无可能，创新空间将大幅压缩；但若默认可广泛抓取，原创者将在事实上沦为 AI 发展的无偿燃料。合理的路径是在两端之间划定边界，辅以付费补偿机制兜底。可借鉴欧盟的折中思路：为一般性训练数据使用设立默认许可例外，同时允许权利人以机器可读方式主动声明保留权利——既给产业留出合规空间，也为原创者保留行使选择的制度出口。
周亚平：音乐产业的实践表明，一对一授权对海量训练数据而言无异于灾难。更可行的路径应是集体管理——平台向集体管理组织支付年度一揽子许可费，一次性覆盖成千上万首作品，权利人按数据比例分润。此举可降低交易成本，使中小权利人无需单独谈判也能获得补偿。音集协主张将集体管理职能延伸至 AI 训练场景，实现“一站式收取和转付”。但训练数据是整个生成式 AI 的地基：若模型侵权使用海量数据训练，后续所有输出均不具备合法性。缺乏合法授权，模型本身就是“污染源”，后续的输出、声音克隆、传播行为，都可能被追溯为衍生侵权。
刘晓春：从治理的可操作性来看，我认为输出端应当优先突破。训练数据的合理使用认定，国际上尚未形成统一共识；而输出端的侵权事实更为直观——直接再现他人作品、未经授权将生成内容商业化传播，对权利人的损害更易量化。优先治理输出端，能以更低成本实现更高治理效能，同时为训练端的合规模式探索留出缓冲空间。
主持人：周亚平先生认为，训练端若不先理顺，模型本身便带着“原罪”；刘晓春教授则担忧，若将成本全转嫁给训练端，中小创新者将失去出场机会。这两种代价，究竟该先避免哪一种？
周亚平：若源头长期无序，原创者将率先出局——一旦创作者失去对自身作品被学习、被复制的控制权，且其输出的内容无法对原创者进行合理补偿，整个内容产业的经济秩序都将被颠覆。
刘晓春：我理解周老师对训练端的担忧。但若将全链条合规义务前置到训练端，尤其压给中小开发者和初创团队，他们往往难以承担全流程知识产权核验的成本。此举未必能提升治理效能，反而可能削弱应用层创新的活力。
张平：此问题需分开看待。肖像权、声音权属人格权益，具有绝对性，可引入算法透明度原则，将举证责任适度转移至平台和模型方；而版权纠纷属财产性私权，以输出结果判断侵权即可，不必强制要求平台公开训练数据。两类纠纷的保护力度应有所区分，采取一刀切的处理方式，既可能压制创新，也可能保护失当。
平台仅是工具，还是责任主体
主持人：平台和模型方常称，自己仅提供工具，责任在用户。这一说法，如今是否依然成立？
周亚平：这一说法已过时。平台早已深度介入内容生产全链条与收益分配，不能仍停留在“被动工具箱”的位置。美国唱片业协会起诉 Suno（全球头部 AI 音乐生成平台）和 Udio（AI 作曲/人声生成公司）的核心指控，正是平台主动复制数百万首版权录音用于训练——这是平台在产品开发阶段的系统性选择，而非用户行为。平台不能一边依靠侵权训练数据获益，一边将侵权风险全部推给用户与创作者。
郑宁：认定平台责任的关键标准，应是“明知或应知侵权而未采取必要措施”。杭州互联网法院审理的涉 AI“奥特曼案”中，平台因未合理预防用户生成与特定形象实质性相似的内容，被认定承担帮助侵权责任。这一裁判确立的可追责性底线，应在后续司法实践中延续并强化。更重要的是，平台责任不能只有原则而无刻度，还应遵循分类定责、过错归责和比例原则——谁的技术控制力更强、盈利规模更大，谁就应承担更高的注意义务。
张平：平台责任应分层配置。责任分配应以收益归属为核心、技术控制为补充：主体从 AI 产业链获益越高，风险抵御能力越强，相应承担的合规义务也就越重。具体而言，基座模型开发者对知名形象生成、声音合成等典型高风险场景，应履行更高的事前预防义务；平台承担内容分发环节的透明度与投诉处置义务；应用层开发者则应就其可控范围内承担合规义务。头部平台承担更高合规责任，也要为中小创新主体预留合理空间。
主持人：平台不能免责，但责任过重会不会形成合规壁垒，反而扼杀创新？这个尺度如何把握？哪些底线无论如何不能突破？
刘晓春：这种张力确实存在。基础模型格局大体成形，应用层创新将成为接下来最关键的增长点。过急出台严苛规则会形成合规壁垒，令大量中小开发者望而却步。应坚持问题导向、分类施策：对明确、紧迫、危害突出的风险，加强治理、严格追责；对具有探索性、非恶意的问题，保持制度弹性，建立容错纠错机制。“包容审慎”并非对侵权的放任，而是为尚未形成定论且技术与商业模式仍在迭代的领域保留试错空间。
张平：底线之上允许弹性，底线之下不可退让。有三条底线无论如何不能突破：一是原创作品的基础权利——凡实质性利用原创表达、对原作品市场形成替代效应的行为，都应受法律约束；二是肖像权、声音权等人身权益，不因技术效率而让步；三是源头侵权的可追责性必须守住——利用 AI 进行的侵权行为，无论发生在哪个阶段，都应当被追究。
规则落地，先补哪一块
主持人：规则缺位、执行乏力、行业自律不足，这三个问题并存。若只能先补一块，各位会把票投给哪里？
张平：最应优先落地的，是可实操的收益分配机制。这不能停留在原则层面，必须转化为具体工具：税收手段可对 AI 训练和生成环节设立特定税目，用于反哺原创者；补偿金制度可参照私人复制补偿金的经验，对特定训练数据使用设立法定补偿；版税基金可由平台和模型方共同出资，用于结算分散权利人的对价。训练数据使用规则和利用 AI 技术自动生成内容的权利属性，则必须在著作权法修订中明确回应，不宜长期停留于司法个案。平台义务边界则可交由司法实践和行业自律逐步探索完善。
郑宁：我的票投在技术溯源和跨平台协同处置机制上。首先，应明确过错推定原则：权利人完成初步举证后，由平台和模型方披露训练数据