【直接回答】训练人工智能模型使用他人作品是否构成侵权,需要区分训练环节与输出结果分别判断。我国《中华人民共和国著作权法》(2021年6月1日施行)第24条对合理使用采取封闭式列举,模型训练未被明确纳入,未经授权大规模抓取语料存在侵权风险;模型输出与原作品构成实质性相似、挤占原作品市场的,权利人可主张停止侵权并索赔,法定赔偿幅度为500元至500万元(著作权法第54条)。企业宜以取得授权、留存授权文件的方式控制风险。
一、问题背景与典型场景
大模型与图像生成工具的训练依赖海量语料,网文、新闻、摄影图片、插画与代码都是常见抓取对象。创作者发现自己的作品出现在公开的训练数据清单中,或模型能够生成与自己作品高度相似的内容时,往往第一反应是维权无门:作品早已全网扩散,实际抓取者与使用主体难以锁定,平台又常以技术中立作抗辩,维权起点便卡在证据与主体的确认上。
企业一侧同样有顾虑。算法团队从公开网络采集数据时,通常只留意robots协议与访问频率,忽略著作权授权链条是否完整;用客户数据或员工作品微调模型,还可能触发与客户、合作方之间的保密与权属条款。北京、上海等地的知识产权法院近年已受理多起涉训练数据的纠纷,裁判口径仍在形成之中,提前合规远比事后应诉节省成本。
还有一类高发场景是企业内部使用:市场部门用生成工具产出与竞品广告语高度相似的文案,或设计团队把网上采集的风格数据直接用于客户项目交付。此类情形下,侵权责任多由企业承担,员工个人行为与职务行为的划分、以及企业与数据服务方之间的追偿关系,都会在争议爆发时被逐一检验,合同文本是否完备往往决定谁最终买单。
二、关键争议点
焦点之一是训练行为本身的定性。支持合理使用的观点强调转换性使用与技术创新价值,反对者则指出商业化训练与原作品市场构成替代,现行著作权法第24条并未列举机器学习情形,最终结论只能交由个案裁判,不同法院的尺度尚未完全统一。
焦点之二是输出结果的侵权认定。模型生成内容与原作品实质性相似、且模型有能力接触到原作品的,可能构成复制或改编侵权;仅风格相近、停留在思想层面的借鉴,则一般不落入专有权利范围。焦点之三是合同与主体层面,数据供应商的授权是否真实完整、开源模型许可证的传染性条款如何约束下游使用,都直接影响责任承担与追偿路径。
算法与事实层面的技术细节同样影响裁判:训练集收录的是完整作品还是片段摘录、去重清洗后原作品还剩多少可识别表达、模型输出与原作在概率分布上的重合度,都会被双方的专家辅助人逐项拆解。权利人若只提交笼统的相似性截图而不做量化比对,主张往往难以被法院全盘采纳,这一点在既有判例中已反复出现。
三、恒略律师的专业分析
知产案件的责任认定与赔偿酌减,高度依赖证据组织与法律适用。以本所承办的一起商标侵权及不正当竞争纠纷为例:原告A公司系知名纸业企业,“EFGH”商标为第5类卫生巾商品上的驰名商标;被告B公司于2023年9月获案外人授权,使用“EFGK”商标及外观设计专利生产、销售“EFGK”卫生巾,并经C公司电商渠道销售。A公司于2024年4月起诉,主张B公司摹仿驰名商标、混淆包装装潢,索赔98万。B公司委托北京恒略律师事务所刘源源律师应诉,律师提出标识有合法授权且不构成近似、包装装潢不落入不正当竞争、高额赔偿缺乏依据等抗辩。
法院经审理部分采纳律师意见:侵权认定上,“EFGH”在“EFGK”申请时已构成驰名商标,使用“EFGK”构成摹仿,商标侵权成立;但A公司未能证明其包装装潢有一定影响,不正当竞争主张被驳回。责任承担上,判令B公司停止侵权、登报消除影响,鉴于侵权时间短、经营规模小,酌判赔偿经济损失5万及合理费用1万,合计6万。本案由刘源源律师(执业证号:11101202011201094,以司法行政机关核发证件为准)代理。
该案给AI训练纠纷的直接启示是:权利边界与举证质量决定赔偿幅度。原告因包装装潢证据不足而失去一项请求权,被告则因驰名商标认定无法整体脱责。涉训练数据的案件同样要在授权链条、接触可能性与实质性相似比对上做足功课,双方各自把硬证据备齐,最终结果的差距可达数倍。
回到训练数据纠纷本身,恒略律师提示把握三个抓手:其一,接触与相似是侵权成立的两个支点,训练集清单与输出比对缺一不可;其二,赔偿测算要从商业替代逻辑入手,说明侵权内容挤占了权利人哪些许可市场;其三,和解常是性价比更高的出口,以授权费换取长期合规使用,远比旷日持久的诉讼更利于双方业务的延续。
四、实务建议与法律依据
企业侧建议落实四项合规动作:第一,梳理训练数据来源,优先采购有明确授权的商业语料库,公开网络采集时留存抓取范围与时间记录;第二,与数据供应商签订授权协议,明确权属担保与违约责任;第三,微调环节使用客户数据的,取得书面同意并在合同中约定模型权属;第四,上线前对输出内容做相似性抽检,建立投诉响应与下架机制,留存处理记录。
权利人侧的维权路径为:先以时间戳、区块链存证或公证固定训练集清单、模型输出比对结果等核心证据;再向平台或模型运营方发出侵权通知,协商授权费或要求下架;无果的,向有管辖权的知识产权法院或中级法院起诉,可主张停止侵害、消除影响与赔偿。赔偿数额依权利人实际损失或侵权获利计算,难以确定的适用著作权法第54条法定赔偿。主张权利须在《中华人民共和国民法典》(2021年1月1日施行)第188条规定的三年时效内提出。
配套制度建设上,建议企业指定数据合规负责人,把采集、清洗、入库、训练四个环节分别留痕:采集环节记录来源与robots限制,清洗环节记录去重规则,入库环节登记语料指纹,训练环节锁定版本与数据集的对应关系。这套台账平时用于合规自查,争议时就是最有力的免责证据,成本不过一份流程文档与少量工时。
五、恒略律师提示
训练数据的合规窗口正在收紧,企业越早建立数据台账与授权档案,后续融资审查、尽调与诉讼防御就越从容。创作者则不要因单篇作品价值有限而放弃维权,批量登记与批量存证的组合成本可控,议价空间也会随之提升。对经常产出内容的企业,还可以在对外发布时统一标注版权信息与存证编号,让每一件作品都有清晰的权属指纹。
无论企业还是创作者,遇争议时都可先做一次书面评估,把授权缺口、证据短板与和解空间列清楚,再决定协商还是起诉。更多服务内容可参阅知识产权律师栏目。
六、常见问题解答
Q1:用网上公开抓取的语料训练模型,算不算合理使用?
现行法律没有直接给出肯定答案。《中华人民共和国著作权法》(2021年6月1日施行)第24条采取封闭式列举,个人学习、课堂教学、科研等情形并不涵盖商业化模型训练,抓取语料用于商业大模型的,存在被认定侵权的现实风险。企业应通过采购授权语料、签订数据授权协议等方式取得合法来源,并留存授权文件备查,不能仅以技术中立为由免除注意义务。司法实践中,法院通常综合使用目的、市场规模与对原作品市场的影响作个案衡量,跨过商业性这道门槛后,抗辩空间已明显收窄。
Q2:权利人主张AI训练侵权,应当提交哪些证据?
核心证据分三层:权属层面,提交作品登记证书、创作底稿或首次发表记录;行为层面,以时间戳或公证固定训练数据清单、抓取日志与授权链条缺失的事实;结果层面,采集模型生成内容与原作品的比对样本,必要时申请司法鉴定做实质性相似分析。证据越能闭合呈现接触加相似,主张越易获得支持,判赔金额也更有上行空间。涉及境外模型的,还应通过对方公开的训练数据说明与备案信息交叉验证,锁定责任主体。
Q3:起诉AI公司维权,大概需要多少费用?
知识产权民事案件的受理费依《诉讼费用交纳办法》按标的额分段累计,主张法定赔偿的按诉请金额交纳,胜诉后由败诉方负担或按胜负比例分担。律师费按计件、计时或标的额比例计费,证据保全与鉴定费通常数千元至数万元不等。建议先评估输出比对结果的强度再确定主张金额,避免为过高的诉请多交受理费,也可在诉前以授权谈判化解争议。败诉方通常还需负担权利人为制止侵权支出的合理费用,包括获支持的公证费与律师费。
Q4:知产案件从立案到判决要经历哪些程序节点?
一般流程为:提交起诉状与权属证据完成立案,被告在十五日答辩期内提交答辩;双方举证、质证,涉及技术比对的安排司法鉴定;随后开庭审理,一审判决通常在立案后六个月内作出,适用简易程序的三个月内审结;不服一审判决可在十五日内上诉,二审一般三个月内审结。北京知识产权法院及各地知产法庭审理此类案件,程序相对专业,审理节奏也更快。涉及行为保全或技术调查的,可依申请由法院提前介入,整体周期会相应拉长。
Q5:发现作品被用于训练模型,第一步该做什么?
先固定证据再接触对方。第一步,对训练数据清单、模型生成结果与自己的作品做一致性截图,并用可信时间戳或公证保全;第二步,查询模型运营方的主体信息与联系方式;第三步,发出书面侵权通知并保留送达凭证,要求停止使用并提供授权来源说明;第四步,依据回复情况选择协商授权或提起诉讼,全程注意三年时效的起算与中断事由。批量作品的,可按同一模板制作权利清单,与平台谈判或起诉时直接引用。
以上问答以北京地区司法实践为主要参考,各地裁判口径可能存在差异,建议结合案件具体情况咨询专业律师。
如您正面临类似问题,建议尽早携带证据材料咨询专业律师,避免错过法定时限。→ 知产保护法律服务 · 刘源源律师 · 北京恒略律师事务所
免责声明:本文依据现行有效法律法规及公开裁判规则整理,仅供一般性参考,不构成针对具体个案的正式法律意见。个案的事实、证据与管辖差异可能影响结论,如遇纠纷请及时咨询执业律师。