人工智能（AI）作为引领新一轮科技革命和产业变革的战略核心技术，正在深刻重塑知识生产方式、产业组织形态以及全球创新格局。国务院新闻办公室此前举行新闻发布会介绍2025年知识产权工作进展情况，明确提出完善人工智能等新领域新业态知识产权保护制度。这既体现了问题导向，也彰显了前瞻布局。

传统知识产权制度以“人类创作”为制度原点和价值基准，在面对具备自主学习能力和概率生成机制的智能系统时表现出明显的不适应。人工智能在数据获取、算法运行、内容生成等各环节均面临新的知识产权风险，对产业发展形成了现实制约。

一是AI训练存在较高侵权风险。AI模型的性能依赖大规模、高质量的数据支撑。在“输入”阶段，训练往往涉及对网络作品和海量数据的抓取、复制、整理与分析，现行立法尚未对AI训练行为作出系统回应，实践中可能同时触及著作权侵权、数据不正当利用以及个人信息保护等多重风险。在著作权层面，构建训练数据集通常需要对文本、图片、音视频等作品进行复制、转码和整合。若未经许可且不属于合理使用或法定许可情形，可能侵害复制权、改编权、汇编权等权利。若要求开发者对海量训练数据逐一取得授权不仅成本高昂，且难以实际操作，甚至可能形成进入壁垒。

二是AI生成内容的权利保护机制不明。现行著作权法规定，作品是指文学、艺术和科学领域内具有独创性并能以一定形式表现的智力成果，其核心前提在于人的独创性贡献。但在AI生成内容场景中，人的参与程度却呈现出多样化特征。大部分AIGC内容基于用户提示词输入与算法概率计算生成，人的创造性投入与机器自动运行之间的界限并不总是清晰可辨。司法实践中，个别案件已认可用户在提示词选择、参数设定等方面体现的智力投入，从而赋予其相应的著作权保护，但整体规则仍有待进一步明晰和统一。

三是AI生成内容的知识产权侵权风险。在“输出”阶段，人工智能生成内容与既有作品之间的关系更加复杂。若生成内容与训练数据中的具体作品构成“接触+实质性相似”，则将构成对著作权的侵犯。尤其是在以单一作者作品进行集中训练的场景下，生成结果与原作表达高度相似的可能性较大，侵权风险更加突出。

在新一轮科技竞争加速演进的背景下，完善人工智能等新领域新业态知识产权保护制度，应重点从多方面发力。

确立AI训练的合理使用例外规则。可借鉴有关国家和地区“文本与数据挖掘例外”的制度经验，在修改完善相关配套法规时，对算法在特定条件下复制、分析受保护作品的行为作出明确规定。在保障权利人基本利益、避免替代性传播的前提下，对用于模型训练的技术性复制行为给予合理使用空间，为AI模型研发提供合法、稳定的数据来源。

明确数据合理利用的行为边界。在个人信息保护领域，应在严格遵循合法性、正当性、必要性原则基础上，细化公开数据在模型预训练中的使用规则。在企业数据方面，可继续依托反不正当竞争法框架，对数据抓取与利用行为进行综合衡量。加快推进公共数据分级分类开放，构建高质量数据资源供给体系，为人工智能创新提供制度化支撑。

推动人工智能平台责任规则的与时俱进。在生成式人工智能场景中，内容往往由平台算法直接生成并输出，平台在内容形成与传播过程中具有更强的技术控制能力，简单套用“避风港”规则难以实现权责匹配。在为平台数据训练设置合理使用空间时，应同步强化其风险防控义务，推动责任形态由单纯事后删除向合理事前预防延伸。

人工智能（AI）作为引领新一轮科技革命和产业变革的战略核心技术，正在深刻重塑知识生产方式、产业组织形态以及全球创新格局。国务院新闻办公室此前举行新闻发布会介绍2025年知识产权工作进展情况，明确提出完善人工智能等新领域新业态知识产权保护制度。这既体现了问题导向，也彰显了前瞻布局。

传统知识产权制度以“人类创作”为制度原点和价值基准，在面对具备自主学习能力和概率生成机制的智能系统时表现出明显的不适应。人工智能在数据获取、算法运行、内容生成等各环节均面临新的知识产权风险，对产业发展形成了现实制约。

一是AI训练存在较高侵权风险。AI模型的性能依赖大规模、高质量的数据支撑。在“输入”阶段，训练往往涉及对网络作品和海量数据的抓取、复制、整理与分析，现行立法尚未对AI训练行为作出系统回应，实践中可能同时触及著作权侵权、数据不正当利用以及个人信息保护等多重风险。在著作权层面，构建训练数据集通常需要对文本、图片、音视频等作品进行复制、转码和整合。若未经许可且不属于合理使用或法定许可情形，可能侵害复制权、改编权、汇编权等权利。若要求开发者对海量训练数据逐一取得授权不仅成本高昂，且难以实际操作，甚至可能形成进入壁垒。

二是AI生成内容的权利保护机制不明。现行著作权法规定，作品是指文学、艺术和科学领域内具有独创性并能以一定形式表现的智力成果，其核心前提在于人的独创性贡献。但在AI生成内容场景中，人的参与程度却呈现出多样化特征。大部分AIGC内容基于用户提示词输入与算法概率计算生成，人的创造性投入与机器自动运行之间的界限并不总是清晰可辨。司法实践中，个别案件已认可用户在提示词选择、参数设定等方面体现的智力投入，从而赋予其相应的著作权保护，但整体规则仍有待进一步明晰和统一。

三是AI生成内容的知识产权侵权风险。在“输出”阶段，人工智能生成内容与既有作品之间的关系更加复杂。若生成内容与训练数据中的具体作品构成“接触+实质性相似”，则将构成对著作权的侵犯。尤其是在以单一作者作品进行集中训练的场景下，生成结果与原作表达高度相似的可能性较大，侵权风险更加突出。

在新一轮科技竞争加速演进的背景下，完善人工智能等新领域新业态知识产权保护制度，应重点从多方面发力。

确立AI训练的合理使用例外规则。可借鉴有关国家和地区“文本与数据挖掘例外”的制度经验，在修改完善相关配套法规时，对算法在特定条件下复制、分析受保护作品的行为作出明确规定。在保障权利人基本利益、避免替代性传播的前提下，对用于模型训练的技术性复制行为给予合理使用空间，为AI模型研发提供合法、稳定的数据来源。

明确数据合理利用的行为边界。在个人信息保护领域，应在严格遵循合法性、正当性、必要性原则基础上，细化公开数据在模型预训练中的使用规则。在企业数据方面，可继续依托反不正当竞争法框架，对数据抓取与利用行为进行综合衡量。加快推进公共数据分级分类开放，构建高质量数据资源供给体系，为人工智能创新提供制度化支撑。

推动人工智能平台责任规则的与时俱进。在生成式人工智能场景中，内容往往由平台算法直接生成并输出，平台在内容形成与传播过程中具有更强的技术控制能力，简单套用“避风港”规则难以实现权责匹配。在为平台数据训练设置合理使用空间时，应同步强化其风险防控义务，推动责任形态由单纯事后删除向合理事前预防延伸。

人工智能（AI）作为引领新一轮科技革命和产业变革的战略核心技术，正在深刻重塑知识生产方式、产业组织形态以及全球创新格局。国务院新闻办公室此前举行新闻发布会介绍2025年知识产权工作进展情况，明确提出完善人工智能等新领域新业态知识产权保护制度。这既体现了问题导向，也彰显了前瞻布局。

传统知识产权制度以“人类创作”为制度原点和价值基准，在面对具备自主学习能力和概率生成机制的智能系统时表现出明显的不适应。人工智能在数据获取、算法运行、内容生成等各环节均面临新的知识产权风险，对产业发展形成了现实制约。

一是AI训练存在较高侵权风险。AI模型的性能依赖大规模、高质量的数据支撑。在“输入”阶段，训练往往涉及对网络作品和海量数据的抓取、复制、整理与分析，现行立法尚未对AI训练行为作出系统回应，实践中可能同时触及著作权侵权、数据不正当利用以及个人信息保护等多重风险。在著作权层面，构建训练数据集通常需要对文本、图片、音视频等作品进行复制、转码和整合。若未经许可且不属于合理使用或法定许可情形，可能侵害复制权、改编权、汇编权等权利。若要求开发者对海量训练数据逐一取得授权不仅成本高昂，且难以实际操作，甚至可能形成进入壁垒。

二是AI生成内容的权利保护机制不明。现行著作权法规定，作品是指文学、艺术和科学领域内具有独创性并能以一定形式表现的智力成果，其核心前提在于人的独创性贡献。但在AI生成内容场景中，人的参与程度却呈现出多样化特征。大部分AIGC内容基于用户提示词输入与算法概率计算生成，人的创造性投入与机器自动运行之间的界限并不总是清晰可辨。司法实践中，个别案件已认可用户在提示词选择、参数设定等方面体现的智力投入，从而赋予其相应的著作权保护，但整体规则仍有待进一步明晰和统一。

三是AI生成内容的知识产权侵权风险。在“输出”阶段，人工智能生成内容与既有作品之间的关系更加复杂。若生成内容与训练数据中的具体作品构成“接触+实质性相似”，则将构成对著作权的侵犯。尤其是在以单一作者作品进行集中训练的场景下，生成结果与原作表达高度相似的可能性较大，侵权风险更加突出。

在新一轮科技竞争加速演进的背景下，完善人工智能等新领域新业态知识产权保护制度，应重点从多方面发力。

确立AI训练的合理使用例外规则。可借鉴有关国家和地区“文本与数据挖掘例外”的制度经验，在修改完善相关配套法规时，对算法在特定条件下复制、分析受保护作品的行为作出明确规定。在保障权利人基本利益、避免替代性传播的前提下，对用于模型训练的技术性复制行为给予合理使用空间，为AI模型研发提供合法、稳定的数据来源。

明确数据合理利用的行为边界。在个人信息保护领域，应在严格遵循合法性、正当性、必要性原则基础上，细化公开数据在模型预训练中的使用规则。在企业数据方面，可继续依托反不正当竞争法框架，对数据抓取与利用行为进行综合衡量。加快推进公共数据分级分类开放，构建高质量数据资源供给体系，为人工智能创新提供制度化支撑。

推动人工智能平台责任规则的与时俱进。在生成式人工智能场景中，内容往往由平台算法直接生成并输出，平台在内容形成与传播过程中具有更强的技术控制能力，简单套用“避风港”规则难以实现权责匹配。在为平台数据训练设置合理使用空间时，应同步强化其风险防控义务，推动责任形态由单纯事后删除向合理事前预防延伸。

人工智能（AI）作为引领新一轮科技革命和产业变革的战略核心技术，正在深刻重塑知识生产方式、产业组织形态以及全球创新格局。国务院新闻办公室此前举行新闻发布会介绍2025年知识产权工作进展情况，明确提出完善人工智能等新领域新业态知识产权保护制度。这既体现了问题导向，也彰显了前瞻布局。

传统知识产权制度以“人类创作”为制度原点和价值基准，在面对具备自主学习能力和概率生成机制的智能系统时表现出明显的不适应。人工智能在数据获取、算法运行、内容生成等各环节均面临新的知识产权风险，对产业发展形成了现实制约。

一是AI训练存在较高侵权风险。AI模型的性能依赖大规模、高质量的数据支撑。在“输入”阶段，训练往往涉及对网络作品和海量数据的抓取、复制、整理与分析，现行立法尚未对AI训练行为作出系统回应，实践中可能同时触及著作权侵权、数据不正当利用以及个人信息保护等多重风险。在著作权层面，构建训练数据集通常需要对文本、图片、音视频等作品进行复制、转码和整合。若未经许可且不属于合理使用或法定许可情形，可能侵害复制权、改编权、汇编权等权利。若要求开发者对海量训练数据逐一取得授权不仅成本高昂，且难以实际操作，甚至可能形成进入壁垒。

二是AI生成内容的权利保护机制不明。现行著作权法规定，作品是指文学、艺术和科学领域内具有独创性并能以一定形式表现的智力成果，其核心前提在于人的独创性贡献。但在AI生成内容场景中，人的参与程度却呈现出多样化特征。大部分AIGC内容基于用户提示词输入与算法概率计算生成，人的创造性投入与机器自动运行之间的界限并不总是清晰可辨。司法实践中，个别案件已认可用户在提示词选择、参数设定等方面体现的智力投入，从而赋予其相应的著作权保护，但整体规则仍有待进一步明晰和统一。

三是AI生成内容的知识产权侵权风险。在“输出”阶段，人工智能生成内容与既有作品之间的关系更加复杂。若生成内容与训练数据中的具体作品构成“接触+实质性相似”，则将构成对著作权的侵犯。尤其是在以单一作者作品进行集中训练的场景下，生成结果与原作表达高度相似的可能性较大，侵权风险更加突出。

在新一轮科技竞争加速演进的背景下，完善人工智能等新领域新业态知识产权保护制度，应重点从多方面发力。

确立AI训练的合理使用例外规则。可借鉴有关国家和地区“文本与数据挖掘例外”的制度经验，在修改完善相关配套法规时，对算法在特定条件下复制、分析受保护作品的行为作出明确规定。在保障权利人基本利益、避免替代性传播的前提下，对用于模型训练的技术性复制行为给予合理使用空间，为AI模型研发提供合法、稳定的数据来源。

明确数据合理利用的行为边界。在个人信息保护领域，应在严格遵循合法性、正当性、必要性原则基础上，细化公开数据在模型预训练中的使用规则。在企业数据方面，可继续依托反不正当竞争法框架，对数据抓取与利用行为进行综合衡量。加快推进公共数据分级分类开放，构建高质量数据资源供给体系，为人工智能创新提供制度化支撑。

推动人工智能平台责任规则的与时俱进。在生成式人工智能场景中，内容往往由平台算法直接生成并输出，平台在内容形成与传播过程中具有更强的技术控制能力，简单套用“避风港”规则难以实现权责匹配。在为平台数据训练设置合理使用空间时，应同步强化其风险防控义务，推动责任形态由单纯事后删除向合理事前预防延伸。

人工智能（AI）作为引领新一轮科技革命和产业变革的战略核心技术，正在深刻重塑知识生产方式、产业组织形态以及全球创新格局。国务院新闻办公室此前举行新闻发布会介绍2025年知识产权工作进展情况，明确提出完善人工智能等新领域新业态知识产权保护制度。这既体现了问题导向，也彰显了前瞻布局。

传统知识产权制度以“人类创作”为制度原点和价值基准，在面对具备自主学习能力和概率生成机制的智能系统时表现出明显的不适应。人工智能在数据获取、算法运行、内容生成等各环节均面临新的知识产权风险，对产业发展形成了现实制约。

一是AI训练存在较高侵权风险。AI模型的性能依赖大规模、高质量的数据支撑。在“输入”阶段，训练往往涉及对网络作品和海量数据的抓取、复制、整理与分析，现行立法尚未对AI训练行为作出系统回应，实践中可能同时触及著作权侵权、数据不正当利用以及个人信息保护等多重风险。在著作权层面，构建训练数据集通常需要对文本、图片、音视频等作品进行复制、转码和整合。若未经许可且不属于合理使用或法定许可情形，可能侵害复制权、改编权、汇编权等权利。若要求开发者对海量训练数据逐一取得授权不仅成本高昂，且难以实际操作，甚至可能形成进入壁垒。

二是AI生成内容的权利保护机制不明。现行著作权法规定，作品是指文学、艺术和科学领域内具有独创性并能以一定形式表现的智力成果，其核心前提在于人的独创性贡献。但在AI生成内容场景中，人的参与程度却呈现出多样化特征。大部分AIGC内容基于用户提示词输入与算法概率计算生成，人的创造性投入与机器自动运行之间的界限并不总是清晰可辨。司法实践中，个别案件已认可用户在提示词选择、参数设定等方面体现的智力投入，从而赋予其相应的著作权保护，但整体规则仍有待进一步明晰和统一。

三是AI生成内容的知识产权侵权风险。在“输出”阶段，人工智能生成内容与既有作品之间的关系更加复杂。若生成内容与训练数据中的具体作品构成“接触+实质性相似”，则将构成对著作权的侵犯。尤其是在以单一作者作品进行集中训练的场景下，生成结果与原作表达高度相似的可能性较大，侵权风险更加突出。

在新一轮科技竞争加速演进的背景下，完善人工智能等新领域新业态知识产权保护制度，应重点从多方面发力。

确立AI训练的合理使用例外规则。可借鉴有关国家和地区“文本与数据挖掘例外”的制度经验，在修改完善相关配套法规时，对算法在特定条件下复制、分析受保护作品的行为作出明确规定。在保障权利人基本利益、避免替代性传播的前提下，对用于模型训练的技术性复制行为给予合理使用空间，为AI模型研发提供合法、稳定的数据来源。

明确数据合理利用的行为边界。在个人信息保护领域，应在严格遵循合法性、正当性、必要性原则基础上，细化公开数据在模型预训练中的使用规则。在企业数据方面，可继续依托反不正当竞争法框架，对数据抓取与利用行为进行综合衡量。加快推进公共数据分级分类开放，构建高质量数据资源供给体系，为人工智能创新提供制度化支撑。

推动人工智能平台责任规则的与时俱进。在生成式人工智能场景中，内容往往由平台算法直接生成并输出，平台在内容形成与传播过程中具有更强的技术控制能力，简单套用“避风港”规则难以实现权责匹配。在为平台数据训练设置合理使用空间时，应同步强化其风险防控义务，推动责任形态由单纯事后删除向合理事前预防延伸。