人工智能生成内容的著作权归属问题研究

（三）日本：宽松商业化例外模式

日本推行最开放的版权例外政策。其2023 年修订的《著作权法》第30-4 条中表明，允许未经授权使用作品进行 AI 训练，包括商业用途。但设置两项关键限制：不得直接复制原作；生成内容不得与原作形成市场竞争。该模式极大促进 AI 产业发展，但因缺乏对学习对象的保护与补偿机制，遭到了大量反对，并被批评为"制度性剥削"。这也警示我们在接下来的立法过程中要加强对于原创者的保护。

四、基于保护 AI 学习对象的立法创新设计

（一）确权与补偿机制创新

为保障 AI 学习对象权益，我们要突破传统著作权框架，构建新型权益实现机制。

第一，平台具有数据来源披露的义务。可以法条中增设"人工智能训练数据披露条款"，要求开发者向监管机构提交训练数据清单。这样可以确定平台采集的作品内容得到作者许可，从而更好的保护创作者的权益。可借鉴欧盟《人工智能法案》第 28 条，并设定分阶段实施：初期披露主要数据类别；中期公开特定版权作品使用比例；后期实现关键作品溯源。

第二，法律可建立补偿性报酬制度。AI 生成内容正初步挤压原创者的生存空间，使得其收入降低，客户减少。可在法条中增设类似音乐著作权集体管理的"数据使用补偿机制"，从而保证原创者的创作动力。AI 开发者可按训练数据使用量向著作权集体管理组织支付费用，由该组织根据作品使用频率、时长等指标分配报酬。

第三，赋予作者新型权利。首先，训练退出权。原创者应当享有作品是否被使用的决定权，可新增技术使得作品可被标记为禁止AI 抓取；其次是报酬请求权。原创者应可对已使用的作品主张合理补偿，防止作品被滥用。为平衡产业发展，两项权利均应设追溯期，避免过度追溯影响既有商业模式。

法律保障需技术支撑，构建双轨保护体系。

第一，建立区块链存证系统。建立可批量化查阅版权信息的系统模型，在数据采集阶段，将版权信息写入区块链，同时，建立法律制度，要求 AI 平台必须接入此类系统，确保训练数据来源可追溯、使用可量化、版权可结算。

第二，完善作品标识制度。对于原创者作品，设计能禁止 AI 学习的电子水印，使得违规平台无法对其作品进行学习；对于 AI 作品本身，要求系统自动对AI 生成内容添加可见水印，如"AI 生成"等字样字样。

第三，加强合规数据集建设。由国家版权局牵头建设"AI 训练数据开放平台"，整合进入公有领域、知识共享许可及作者授权作品。对使用合规数据集超过 60% 的AI 企业给予税收优惠，引导产业良性发展。

（三）阶梯式保护框架设计

应针对不同类型作品和 AI 应用场景，建立差异化保护标准。

第一，对独创性程度进行分层。对高独创性作品，如艺术品、文学作品等，适用严格保护，AI 训练需事先授权；对低独创性数据，如事实信息、简单图形等，允许法定许可使用。

第二，应用场景需要区分。非商业研究的场景应保留合理使用空间；商业应用领域则强化授权要求。在全球范围内，欧盟的《数字单一市场版权指令》第 4 条已采用此思路，但限定过严，可扩展至教育、科研等公共利益领域。

第三，增加动态调整机制。设立"AI 版权专家委员会"，每两年评估技术发展对版权制度的影响，提出规则调整建议。首次评估应聚焦生成内容对绘画、音乐等创作行业的替代效应，为补偿标准制定提供依据。

五、立法具体过程与步骤

在立法建议框架方面，需要构建三个核心模块。对于确权补偿机制模块，包括数据来源披露义务、法定许可报酬池和创作者特别权利等措施，旨在保障学习对象知情权与获益权，建议在短期内实施。对于技术溯源系统模块，包括涵盖区块链存证、生成内容双标识和合规数据集建设等措施，着力解决数据使用不可控问题，适合中期推进。对应阶梯保护框架模块，包括独创性分层保护、应用场景区分和动态调整机制等措施，目标是实现精准化、差异化保护，需要长期规划实施。

结论

人工智能生成内容的著作权归属争议，本质是技术革命引发的文化生产关系的再调整。本研究突破"开发者-使用者"二元框架，创新性提出以保护AI 学习对象为核心的立法路径，正是回归著作权法"鼓励创作、促进文化传播"的初心。通过比较研究可见，全球主要司法辖区均未系统解决训练数据来源创作者权益保障问题，存在制度空白。

本文提出的三位一体方案——确权补偿机制保障学习对象的经济权利与人格权利；技术溯源系统实现数据使用的可追溯可量化；阶梯保护框架平衡各方利益与产业发展需求——为中国特色 AI 版权制度构建提供新思路。

唯有保障原创作者在人工智能时代的合法权益，才能实现"技术赋能创作而非技术替代创作"的可持续发展愿景，使人类文明在智能浪潮中，焕发新的生机。

项目编号：s202511047098

项目名称：人工智能生成内容的著作权归属问题研究——基于保护 AI 学习对象视角的立法创新

负责人：刘肖潇 指导老师：吴加明