图源：视觉中国

今年政府工作报告对发展人工智能作出具体部署。人工智能作为引领未来的战略性技术，在为各行各业赋能的同时，也带来了一系列法律、伦理和社会问题。生成式人工智能的发展和应用，一直是我重点关注的领域。2025年，我就整治不法分子利用生成式人工智能生成谣言、危害网络生态的问题提出了相关建议，今年，我又关注到生成式人工智能的著作权保护问题。

当前，人工智能生成内容能否构成“作品”、权利如何归属，是该领域争议最多的法律问题。根据绝大多数国家的著作权法，作品的作者必须为自然人，纯粹由人工智能自动生成、无人为干预的内容，因其缺乏人的创作思想与个性化表达，难以被认定为著作权法意义上的“作品”。然而，也有很多人工智能生成内容是基于使用者独创性的提示、选择、筛选、修改以及编排而产生的，最终生成内容体现了使用者的独特思想与创作意图，若全然否定这类生成内容的智力成果属性，势必削弱使用者的创作动力，不利于促进人工智能技术的发展和文化产业繁荣。

因此，对于人工智能生成内容的认定和保护，关键在于厘清其中是否存在“人的独创性贡献”。用户输入的提示词越具体、越具创意，其对输出结果的个性化调整越充分，越应主张著作权归属用户。建议在司法实践和政策指引中进一步明确这一标准，同时引导开发者在用户协议中清晰告知人工智能生成内容的权利归属，避免未来引起纠纷；同步推动内容溯源技术的应用，通过数字水印、元数据记录等方式为权属争议提供技术支撑。

与人工智能生成内容的性质界定和权利归属同样棘手的，是人工智能训练数据的版权侵权风险。人工智能模型多依赖海量互联网数据进行训练，其中包含大量受版权保护的作品。未经许可使用这些内容进行模型训练，是否构成侵权，已成为全球范围内的法律焦点。一方面，人工智能训练确实存在“非表达性使用”或“转换性使用”的特征；另一方面，大规模复制行为又可能损害原作品的市场价值。

因此，针对训练数据的版权侵权风险，有必要在著作权法框架下，适时通过立法或司法解释明确人工智能训练数据使用的法律边界。在现行“合理使用”条款难以完全覆盖人工智能训练场景的情况下，探索引入“法定许可”加“报酬请求权”的模式，允许技术开发者在未获逐一授权的情况下使用作品，但须向著作权集体管理组织支付合理费用，再由其分配给权利人，从而既保障数据的可获得性，推动人工智能产业发展，也有效维护权利人的合法经济利益。

图源：视觉中国

今年政府工作报告对发展人工智能作出具体部署。人工智能作为引领未来的战略性技术，在为各行各业赋能的同时，也带来了一系列法律、伦理和社会问题。生成式人工智能的发展和应用，一直是我重点关注的领域。2025年，我就整治不法分子利用生成式人工智能生成谣言、危害网络生态的问题提出了相关建议，今年，我又关注到生成式人工智能的著作权保护问题。

当前，人工智能生成内容能否构成“作品”、权利如何归属，是该领域争议最多的法律问题。根据绝大多数国家的著作权法，作品的作者必须为自然人，纯粹由人工智能自动生成、无人为干预的内容，因其缺乏人的创作思想与个性化表达，难以被认定为著作权法意义上的“作品”。然而，也有很多人工智能生成内容是基于使用者独创性的提示、选择、筛选、修改以及编排而产生的，最终生成内容体现了使用者的独特思想与创作意图，若全然否定这类生成内容的智力成果属性，势必削弱使用者的创作动力，不利于促进人工智能技术的发展和文化产业繁荣。

因此，对于人工智能生成内容的认定和保护，关键在于厘清其中是否存在“人的独创性贡献”。用户输入的提示词越具体、越具创意，其对输出结果的个性化调整越充分，越应主张著作权归属用户。建议在司法实践和政策指引中进一步明确这一标准，同时引导开发者在用户协议中清晰告知人工智能生成内容的权利归属，避免未来引起纠纷；同步推动内容溯源技术的应用，通过数字水印、元数据记录等方式为权属争议提供技术支撑。

与人工智能生成内容的性质界定和权利归属同样棘手的，是人工智能训练数据的版权侵权风险。人工智能模型多依赖海量互联网数据进行训练，其中包含大量受版权保护的作品。未经许可使用这些内容进行模型训练，是否构成侵权，已成为全球范围内的法律焦点。一方面，人工智能训练确实存在“非表达性使用”或“转换性使用”的特征；另一方面，大规模复制行为又可能损害原作品的市场价值。

因此，针对训练数据的版权侵权风险，有必要在著作权法框架下，适时通过立法或司法解释明确人工智能训练数据使用的法律边界。在现行“合理使用”条款难以完全覆盖人工智能训练场景的情况下，探索引入“法定许可”加“报酬请求权”的模式，允许技术开发者在未获逐一授权的情况下使用作品，但须向著作权集体管理组织支付合理费用，再由其分配给权利人，从而既保障数据的可获得性，推动人工智能产业发展，也有效维护权利人的合法经济利益。

图源：视觉中国

今年政府工作报告对发展人工智能作出具体部署。人工智能作为引领未来的战略性技术，在为各行各业赋能的同时，也带来了一系列法律、伦理和社会问题。生成式人工智能的发展和应用，一直是我重点关注的领域。2025年，我就整治不法分子利用生成式人工智能生成谣言、危害网络生态的问题提出了相关建议，今年，我又关注到生成式人工智能的著作权保护问题。

当前，人工智能生成内容能否构成“作品”、权利如何归属，是该领域争议最多的法律问题。根据绝大多数国家的著作权法，作品的作者必须为自然人，纯粹由人工智能自动生成、无人为干预的内容，因其缺乏人的创作思想与个性化表达，难以被认定为著作权法意义上的“作品”。然而，也有很多人工智能生成内容是基于使用者独创性的提示、选择、筛选、修改以及编排而产生的，最终生成内容体现了使用者的独特思想与创作意图，若全然否定这类生成内容的智力成果属性，势必削弱使用者的创作动力，不利于促进人工智能技术的发展和文化产业繁荣。

因此，对于人工智能生成内容的认定和保护，关键在于厘清其中是否存在“人的独创性贡献”。用户输入的提示词越具体、越具创意，其对输出结果的个性化调整越充分，越应主张著作权归属用户。建议在司法实践和政策指引中进一步明确这一标准，同时引导开发者在用户协议中清晰告知人工智能生成内容的权利归属，避免未来引起纠纷；同步推动内容溯源技术的应用，通过数字水印、元数据记录等方式为权属争议提供技术支撑。

与人工智能生成内容的性质界定和权利归属同样棘手的，是人工智能训练数据的版权侵权风险。人工智能模型多依赖海量互联网数据进行训练，其中包含大量受版权保护的作品。未经许可使用这些内容进行模型训练，是否构成侵权，已成为全球范围内的法律焦点。一方面，人工智能训练确实存在“非表达性使用”或“转换性使用”的特征；另一方面，大规模复制行为又可能损害原作品的市场价值。

因此，针对训练数据的版权侵权风险，有必要在著作权法框架下，适时通过立法或司法解释明确人工智能训练数据使用的法律边界。在现行“合理使用”条款难以完全覆盖人工智能训练场景的情况下，探索引入“法定许可”加“报酬请求权”的模式，允许技术开发者在未获逐一授权的情况下使用作品，但须向著作权集体管理组织支付合理费用，再由其分配给权利人，从而既保障数据的可获得性，推动人工智能产业发展，也有效维护权利人的合法经济利益。

图源：视觉中国

今年政府工作报告对发展人工智能作出具体部署。人工智能作为引领未来的战略性技术，在为各行各业赋能的同时，也带来了一系列法律、伦理和社会问题。生成式人工智能的发展和应用，一直是我重点关注的领域。2025年，我就整治不法分子利用生成式人工智能生成谣言、危害网络生态的问题提出了相关建议，今年，我又关注到生成式人工智能的著作权保护问题。

当前，人工智能生成内容能否构成“作品”、权利如何归属，是该领域争议最多的法律问题。根据绝大多数国家的著作权法，作品的作者必须为自然人，纯粹由人工智能自动生成、无人为干预的内容，因其缺乏人的创作思想与个性化表达，难以被认定为著作权法意义上的“作品”。然而，也有很多人工智能生成内容是基于使用者独创性的提示、选择、筛选、修改以及编排而产生的，最终生成内容体现了使用者的独特思想与创作意图，若全然否定这类生成内容的智力成果属性，势必削弱使用者的创作动力，不利于促进人工智能技术的发展和文化产业繁荣。

因此，对于人工智能生成内容的认定和保护，关键在于厘清其中是否存在“人的独创性贡献”。用户输入的提示词越具体、越具创意，其对输出结果的个性化调整越充分，越应主张著作权归属用户。建议在司法实践和政策指引中进一步明确这一标准，同时引导开发者在用户协议中清晰告知人工智能生成内容的权利归属，避免未来引起纠纷；同步推动内容溯源技术的应用，通过数字水印、元数据记录等方式为权属争议提供技术支撑。

与人工智能生成内容的性质界定和权利归属同样棘手的，是人工智能训练数据的版权侵权风险。人工智能模型多依赖海量互联网数据进行训练，其中包含大量受版权保护的作品。未经许可使用这些内容进行模型训练，是否构成侵权，已成为全球范围内的法律焦点。一方面，人工智能训练确实存在“非表达性使用”或“转换性使用”的特征；另一方面，大规模复制行为又可能损害原作品的市场价值。

因此，针对训练数据的版权侵权风险，有必要在著作权法框架下，适时通过立法或司法解释明确人工智能训练数据使用的法律边界。在现行“合理使用”条款难以完全覆盖人工智能训练场景的情况下，探索引入“法定许可”加“报酬请求权”的模式，允许技术开发者在未获逐一授权的情况下使用作品，但须向著作权集体管理组织支付合理费用，再由其分配给权利人，从而既保障数据的可获得性，推动人工智能产业发展，也有效维护权利人的合法经济利益。

图源：视觉中国

今年政府工作报告对发展人工智能作出具体部署。人工智能作为引领未来的战略性技术，在为各行各业赋能的同时，也带来了一系列法律、伦理和社会问题。生成式人工智能的发展和应用，一直是我重点关注的领域。2025年，我就整治不法分子利用生成式人工智能生成谣言、危害网络生态的问题提出了相关建议，今年，我又关注到生成式人工智能的著作权保护问题。

当前，人工智能生成内容能否构成“作品”、权利如何归属，是该领域争议最多的法律问题。根据绝大多数国家的著作权法，作品的作者必须为自然人，纯粹由人工智能自动生成、无人为干预的内容，因其缺乏人的创作思想与个性化表达，难以被认定为著作权法意义上的“作品”。然而，也有很多人工智能生成内容是基于使用者独创性的提示、选择、筛选、修改以及编排而产生的，最终生成内容体现了使用者的独特思想与创作意图，若全然否定这类生成内容的智力成果属性，势必削弱使用者的创作动力，不利于促进人工智能技术的发展和文化产业繁荣。

因此，对于人工智能生成内容的认定和保护，关键在于厘清其中是否存在“人的独创性贡献”。用户输入的提示词越具体、越具创意，其对输出结果的个性化调整越充分，越应主张著作权归属用户。建议在司法实践和政策指引中进一步明确这一标准，同时引导开发者在用户协议中清晰告知人工智能生成内容的权利归属，避免未来引起纠纷；同步推动内容溯源技术的应用，通过数字水印、元数据记录等方式为权属争议提供技术支撑。

与人工智能生成内容的性质界定和权利归属同样棘手的，是人工智能训练数据的版权侵权风险。人工智能模型多依赖海量互联网数据进行训练，其中包含大量受版权保护的作品。未经许可使用这些内容进行模型训练，是否构成侵权，已成为全球范围内的法律焦点。一方面，人工智能训练确实存在“非表达性使用”或“转换性使用”的特征；另一方面，大规模复制行为又可能损害原作品的市场价值。

因此，针对训练数据的版权侵权风险，有必要在著作权法框架下，适时通过立法或司法解释明确人工智能训练数据使用的法律边界。在现行“合理使用”条款难以完全覆盖人工智能训练场景的情况下，探索引入“法定许可”加“报酬请求权”的模式，允许技术开发者在未获逐一授权的情况下使用作品，但须向著作权集体管理组织支付合理费用，再由其分配给权利人，从而既保障数据的可获得性，推动人工智能产业发展，也有效维护权利人的合法经济利益。