生成式人工智能以其在大模型训练过程中涉及的未经许可便利用他人尚在保护期内的作品^①的行为，向著作权制度提出了训练行为合法化的时代之问，对此，亟待理论研究作出积极回应。在比较法的视野下，随着司法实践的不断探索与立法文本的迭代更新，各国关于人工智能未经许可利用他人作品进行训练行为是否构成侵权的态度逐渐明朗。日本以修改法律规范的方式，肯认了训练行为的“合理使用”性质。美国则借助着灵活的“合理使用”制度，倾向于在司法实践中对大模型未经许可利用他人作品进行训练行为的合法问题作出个案回应。2025年，汤森路透案（Thomson Reuters）的出现，打响了美国法院否认人工智能训练行为构成合理使用抗辩的第一枪。^②在我国，“合理使用说”支持者众多^[1-4]，但近年来主张适用其他化解方案的声音也逐渐响亮，正体现出越来越明显的由“合理使用说”的单一方案向“法定许可说”“默示许可说”，以及“单纯获酬权说”等多元方案转型的趋势。方案转型背后的共性，则是由原本“免费、自由”的利用模式转向“无需许可但应付费”的利用模式，完成对人工智能大模型未经许可利用他人作品的侵权风险化解。有学者从商业性的角度切入，设计了合理使用与法定许可分野制衡的蓝图，将构成合理使用的数据挖掘行为限定于公益性明显强于商业性的情形之中，商业性突出的数据挖掘行为则必须遵循法定许可。^[5]也有学者从许可的角度进一步推进，认为应当构建包括法定许可在内的“模块化许可”机制，应对人工智能训练过程中的版权侵权风险问题。^[6]还有学者提出了准法定许可的制度设计，赋予著作权人以“选择退出”的方式对此问题作出回应的权利。^[7]上述的方案转型传递了一个非常重要的信号：随着人工智能产业的发展，不仅版权产业对付费使用作品进行模型训练有着极高的呼声，理论界也逐渐对此达成了共识，产业发展的不同阶段将在一定程度上影响化解侵权风险的机制选择。未来以“无需许可但应付费”模式引导人工智能大模型利用作品进行训练的合规思路，将变得越来越重要。前述“法定许可”“默示许可”“单纯获酬权”等方案，都可以归类于“无需许可但应付费模式”，而本文则聚焦于在我国已有相应立法与司法实践的“法定许可”方案。

人工智能大模型训练行为合法性危机的实质，决定了以合理使用制度为基础的应对方案，在专门化的规则尚未建立的背景下，其制度优势主要基于化解人工智能未经许可利用他人作品进行训练的纠纷、积累裁判经验需要的零星个案之上，而面对规模逐渐庞大的人工智能产业以及其未来可能引发的大量纠纷，构建专门化的法定许可使用制度才是解决合法性问题的更优方案。^[8]但在将法定许可制度正式用于解决人工智能大模型训练的难题之前，首先需要破除法定许可的制度困境，完成对大模型训练场景下制度规范的专门设计与重新构建。

以个案的意定许可、“分散许可”^①式法定许可思路构建起的传统许可机制，是导致既有法定许可制度因应人工智能训练行为时面临难题的重要原因。通过“集中治理”^②，在立法层面创设人工智能大模型利用“大型作品数据库”^③进行训练的法定许可类型，则是回应这一难题的优化方案。本文的论证也将由此展开，首先，本文将论证法定许可制度治理人工智能训练所引发的侵犯著作权风险的可行性；其次，在此基础上，总结现行法定许可制度在因应人工智能训练行为时存在的“分散许可”现象以及由此引发的制度适用困局；最后，在“集中治理”的路径选择下，充分发挥“大型作品数据库”所具有的体量优势与能力优势，构建法定许可制度的“集体化许可付费标准”，实现对作品的集体化利用与集体化付费，开辟具有中国特色的人工智能大模型未经许可利用他人作品进行训练的合法化新局，回应人工智能产业的发展需求。

促进版权产业发展的重要使命，决定了著作权法应当构建相应的权利限制制度以回应人工智能未经许可利用他人作品进行训练的行为。矫正利益格局失衡的功能导向，确立了法定许可制度因应人工智能未经许可利用他人作品进行训练行为的价值导向与比较优势，明确了法定许可制度而非合理使用制度才是更优的制度选择。

在合规的前提下实现对作品的高效利用，是人工智能产业实践的共同需求。但是，人工智能训练所用数据库中存在海量受著作权保护的作品的现实，导致人工智能的训练主体以常规的意定许可方式，向训练行为所涉著作权人逐一寻求许可的难度极大且不具备经济理性。在此背景下，部分人工智能平台企业将目光投向著作权权利限制制度，期待其未经许可利用他人作品进行训练的行为能够符合著作权权利限制制度的条件而免于构成侵权。遗憾的是，囿于立法者的有限理性以及对法律文本的稳定性要求，我国的《著作权法》尚未将人工智能未经许可利用他人作品进行训练的行为融洽纳入权利限制制度的覆盖范围之中。因而，如何在著作权法中寻求抑或建构相应的权利限制制度以豁免人工智能训练者未经许可利用他人作品进行训练的行为，就成为人工智能产业实践中亟待著作权法回应的现实需求。

明确著作权法的产业法属性，是著作权法精准回应人工智能产业需求前的重要铺垫。长期以来，著作权法被描述为调整文化创作成果这一文化生活中最重要部分的法律^[9]，这不仅奠定了著作权法作为“文化法”的主旋律地位，亦对我国《著作权法》的立法目的、规则设置以及司法实践等方面产生了深远的影响。但是，无论是基于著作权法调控利益的复杂特性，还是著作权法作为法律的共性，都不宜在属性界定的命题上将著作权法与“文化法”画上等号，作出简单的性质确认。从著作权法调控利益的复杂特性上看，若将其完全置于文化法的定位下，难以对复杂多样的著作权法法律关系作出充分回应，如无法回应在补偿性赔偿的基础上演进出惩罚性赔偿制度以遏制“搭便车”等市场行为的合理性，进而引发著作权法部分制度在理解与构建上的理论错位。在法律的共性视角下，著作权法与其他法律制度一样，都存有显性功能之外的隐性功能，这既成为著作权法在具备文化法特性之外，同时具备其他属性特质的法理基础，也成为我们能够对著作权法进行多维度观察、探寻法定许可制度用于治理人工智能训练行为版权侵权风险的重要因素。因此，发掘著作权法的产业法属性，将其融入具体制度的适用与建构之中，就成为著作权法回应人工智能训练合法性难题的重要前置程序。从调整事项上看，著作权法除保护著作权以及促进作品创作与传播的功能之外，还因调控与著作权利用有关的其他事宜而具备调控著作权交易、许可、质押等市场活动，以规范产业合规发展的产业法功能。人工智能利用作品进行训练合法性危机的实质，恰恰是因版权市场失灵所引发的许可难题。^[10]将产业法属性融入著作权法的制度建构与适用中，则是赋能著作权法优化治理人工智能利用作品训练导致的市场失灵问题的重要手段。一些学者意识到了这一点，主张将促进文化产业的发展也明确为著作权法的立法目的之一^[11]，这进一步反映出著作权法实际上是一个具有多重面向的法律制度，为我们借助多维视角对著作权问题进行考察提供了可能。诚如李琛教授所言：“制度的功能是一种事实认定，而不是价值诠释”。^[12]从著作权法调控版权产业、治理版权市场的社会现实出发，发掘并融入著作权法所具备的产业法特性，是分析人工智能大模型未经许可利用他人作品的合规问题的独特视角与重要进路。

促进版权产业发展的产业法目标，决定了著作权法应当构建相应的权利限制制度，为人工智能未经许可利用他人作品进行训练的行为提供可行的合规方案。“促进作品流通利用，鼓励支持人工智能产业发展”是作为“技术之子”的著作权法在人工智能时代所应秉持的基本立场。在这一基本立场下，著作权法在调控人工智能大模型未经许可利用他人作品进行训练的过程中，应在“保护作品创作”与“促进有益于社会主义精神文明事业发展”的基础上，加强实现“促进作品利用与传播”的立法目的；以促进作品利用与流通为导向、实现各方主体互利共赢为目标，完成对因人工智能这一新生事物出现所扰乱的市场格局等利益格局的有效修正。“促进资源流通”与“物尽其用”作为市场运行中的重要目标，其在著作权法场域下则表现为对作品利用与流通的促进，这既决定了允许而非拒绝人工智能大模型利用作品进行训练才是符合著作权法市场导向的正确选择，也凸显了人工智能时代加速释放著作权法“促进作品的利用与传播”这一目的效能的现实必要性。但是，产业健康发展的前提，是各方竞争者在正当竞争中实现正和博弈的互利共赢。因此，在释放著作权法“促进作品的传播与利用”目的效能、实现对人工智能训练作品行为进行合规治理时，必须以著作权法“保护作品创作”的著作权人私权保障与“促进有益于社会主义精神文明事业发展”的公益维护作为逻辑前提。于是，如何优化人工智能大模型训练利用作品所涉利益的分配格局，实现著作权人、社会公众以及产业等多方主体的共赢，成为作为产业法的著作权法所要解决的重点问题。其在现实层面的体现，是著作权法需要回应人工智能产业对权利限制制度介入调控的现实需求；在制度层面的症结，是著作权法定许可制度与合理使用制度的适用选择。

人工智能大模型背后的商业模式，决定了著作权法应当在产业法视角下回应人工智能训练行为的权利限制制度配置问题。人工智能的效果付费模式开创了新的商业模式^[13]，人工智能大模型的市场价值与受训作品数量之间的正相关关系，导致著作权法的文化法视角难以穿透人工智能利用作品进行训练的行为表象，针对行为本质作出精准的调控。人工智能利用作品进行训练，并非引用并输出特定作品的表达，而是通过对作品数量的堆叠来实现智能的提升。因此人工智能利用作品进行训练的行为，在目的上有别于传统的利用作品进行阅读、学习的表达行为，这也成为部分学者主张对人工智能训练行为版权侵权风险化解的“非表达性使用”理论依据。^[14]但是，不构成表达意义上的作品利用行为并不意味着其将逃离出著作权法的治理范围。正如同为“非表达性使用”的著作权质押行为需要在遵循著作权法制度规范的前提下完成，人工智能大模型训练过程中对作品的“非表达性使用”行为，同样具有受到著作权法调控的现实基础。人工智能大模型对于作品的利用，主要表现为在未经著作权人许可的情况下，利用作品扩充大模型自身的“知识容量”以提升其市场价值。从产业实践观察，无论是源自美国的、非开源的ChatGPT大模型，还是我国自主研发的、开源的DeepSeek大模型，收取API接入费用或token费用都是这些大模型企业营利的一个重要手段。ChatGPT模型自发布至今，已完成了由GPT3.0、GPT3.5到GPT4.0等多代模型的迭代升级；我国自研大模型DeepSeek也同样经历了V2.5、V3以及R1等不同阶段的升级。每一代模型背后所受训的作品数量都存在指数级的差异，这一差异则直接影响使用者以API接入方式调用大模型时支付对价上的差异。例如，使用者在使用8k content的GPT3.5时，计算输出内容时的价格标准为＄0.002/1K tokens；而使用8k content的GPT4.0时，这一价格则上涨为＄0.06/1K tokens；使用32k content的GPT4.0时，为＄0.12/1K tokens；^[15]而DeepSeek-V3与DeepSeek-R1两个模型在标准时段价格的百万tokens输出则分别为8元与16元。^[16]人工智能产业实践中“抛开作品质量谈数量”的价值确定标准，有别于作品的独创性、美感等作品价值的传统判定因素，难以在著作权法的文化法背景下寻求合理的解释，个中缘由，在于人工智能训练行为在作品利用模式上的转变——其所利用的并非作品在传统意义上所表现出的美学与阅读价值，而是作品整合之后所发挥的整体价值。在这样的背景下，从著作权法的文化法背景出发，谈论关于人工智能训练行为侵犯著作权的风险规避，无异于缘木求鱼，难以触及行为背后的真实目的与实质内核。但是，上述人工智能大模型在未经著作权人许可的情况下，利用作品扩充自身的“知识容量”以提升市场价值的行为，又确实构成了对著作权法关于权利配置与保护的分配正义的侵害，需要在著作权法中寻找相应的解决方案。问题解决的关键，就是要回归市场思维，在产业法的性质面向下寻找著作权法中用以实现矫正正义的制度供给，完成对权利侵害与损害的修复。

人工智能大模型训练合规困境的根源主要表现为效率与公平的价值冲突，以协调效率与公平作为价值导向的法定许可制度则成为化解人工智能大模型训练合规困境的重要依托。著作权法面临的保障人工智能大模型训练合规性的困境根源在于，训练行为对作品利用的效率价值追求与分配因训练行为产生的商业效益的公平价值追求之间的冲突。从市场机制的角度考察，合理使用与法定许可制度的相同逻辑在于要求著作权人一方履行相应的容忍义务，将未经许可对他人作品的利用行为予以侵权豁免，以推进对作品利用的合法进行；而二者之间的差异则在于著作权人所应履行的容忍义务的大小有别，其反映出两种制度背后的不同竞争理念。合理使用背后容忍义务的构造以著作权人与使用者之间的零和博弈作为相应的依据，一方受益的背后必然导致相对方的受损，这也成了部分学者主张将合理使用的适用需限定在通过包含了“不得不合理损害著作权人合法权益”要件的三步检验法后方可适用的原因。^[17]法定许可则以消减著作权人与使用者之间关于作品利用的协商成本^[18]、促进交易发生作为制度背后的价值理念，其所蕴含的则是一种正和博弈的竞争观念，宗旨在于促进著作权人与使用者之间的互利共赢。著作权作为一种财产权、绝对权，应以“卡—梅框架”下的财产规则予以保护为常态；而无论合理使用制度还是法定许可制度，作为“卡—梅框架”下的责任规则，在财产权保护的适用上本身即为异类。“权利的限制与例外”的体系定位更是表明，上述制度的适用将对著作权市场中已经建立起来的利益分配格局产生不可忽视的影响，因此对于二者的选择与适用应当慎之又慎。在此背景下，如何更优地矫正因人工智能训练行为背后蕴含的巨大商业效益所扰乱的利益分配格局，就成为制度选择过程中的重要考量因素。实际上，人工智能训练行为背后所蕴含的商业效益增加了可供分配的利益总额，为各方主体提供了在利益分配问题上实现正和博弈的现实基础。因此，选择以协调公平与效率为价值追求的法定许可制度，完成对人工智能大模型未经许可利用他人作品进行训练行为的合法化困境疏解，既能实现保障人工智能产业合规发展、作品有效利用的效率价值追求，也能体现对新增利益合理地二次分配的公正价值追求，成为化解大模型训练合规困境的可行方案。

大模型公司的市场行为以及大模型训练过程中所体现出的商业性质，既从反面排除了合理使用制度的普遍适用基础，也展现出法定许可制度的比较优势。行为的商业性质作为划分合理使用与法定许可的重要因素，对于制度的选择适用有着极大的影响。关于合理使用制度能否涵盖商业性的作品利用行为，理论研究与司法实践都存在相当大的争议。^[19]即便对于美国法律中容纳商业性使用行为的合理使用制度而言，在商业性质极为明显的情况下，美国法院在进行转换性使用的认定时也会表达明确的反对意见。在判定人工智能未经许可利用他人作品进行训练是否构成合理使用的汤森路透案中，美国特拉华州联邦地区法院就以被告Ross公司训练人工智能的行为与原告存在竞争关系，属于一种商业行为而损害了原告市场为由，否定了被告的合理使用抗辩。^[20]美国版权局在2025年5月发布的一份报告中，则分别围绕销售损失、市场稀释、许可机会损失等方面具体阐释了人工智能训练行为对著作权人市场利益造成侵害的具体情形，旗帜鲜明地指出大模型未经许可利用他人作品进行训练的行为超越了合理使用界限。^①因此，在经济利益明显、普遍失衡的情况下，仍然借助合理使用制度对人工智能利用作品进行训练的行为予以大规模豁免，完成对著作权人容忍义务与大模型企业利用作品进行训练的合法化说理，同样难以自圆其说。故而，面对代表正义的天平在此刻的失衡，在制度的构建与选择适用上，未来需要借助法定许可充当坚实的制度基础，弥补制度空缺。在互利共赢的市场价值导向下，通过法定许可制度规制未经许可大规模利用他人作品进行训练的行为，符合市场逻辑与公平理念，更应成为问题解决的可行方案。

需向著作权人分别支付许可使用费的法定许可中的“分散许可”现象，既徒增了人工智能大模型企业履行法定许可付酬义务前置环节的搜寻成本，也激增了人工智能大模型企业支付法定许可使用费时的付酬成本。法定许可制度在价值界定上的混乱又引发了制度构建的分歧，进一步加大了因“分散许可”现象产生的上述难题的化解难度，共同阻碍着法定许可制度化解人工智能训练侵权风险的效能释放。以下将分别述之。

制度适用过程中呈现“分散许可”特征的现行法定许可制度在因应人工智能大模型的训练行为时，面临着如何寻找海量著作权人和分配因寻找海量著作权人而产生额外成本的问题。如何对上述问题作出回应，关系着具有矫正正义功能的法定许可制度在人工智能产业中的应用是否仍然能够保持制度适用正当性的一贯与连续。矫正正义的理念内核在于，如果一方因他方的侵害而受到损失，则受害方有权从加害方所得之中获得补偿^[21]，以实现实质上的公平。在矫正正义的视野下，法定许可制度作为以“卡—梅框架”^[22]下的责任规则调控作品传播的制度设计，经由许可使用费的支付，完成了在保障作品传播效率的前提下对权利受到侵害的著作权人进行救济补偿，制度的适用彰显矫正正义的价值观。

在人工智能大模型训练的场景下，法定许可制度是否仍然能够发挥固有的矫正正义功能，尤其是如何降低抑或合理分配因寻找海量著作权人而产生的额外成本，成为了规则适用中悬而未决的问题之一。问题的缘起，在于人工智能大模型训练行为与传统的作品利用行为相比，前者在作品利用数量上的指数级增长。诞生于纸媒时代的法定许可制度在传统的适用场景下，主要适用于对单一作品或者少量作品的利用，作品的利用方式与立法者的有限理性决定了现行的法定许可制度在规范设计与运转过程中具有“分散许可”的特征，其重心并不在于解决作品利用过程中可能面临的大规模法定许可问题。但是，人工智能大模型训练往往以海量作品样本作为训练的数据来源，这导致人工智能企业在寻求著作权人许可与谈判时需要付出远超预期的谈判成本与协商成本。^①因此，“分散许可”式的传统法定许可制度在面对人工智能训练行为时难以有效发挥制度功能。如何化解因寻找数量众多且极其分散的著作权人而产生的“经济不理性”难题，合理分配因寻找产生的额外成本，降低法定许可在发挥制度功能时的适用代价，就成为法定许可制度乃至所有许可使用制度在应用于人工智能训练行为时需要直面的重要问题。

如何计算人工智能大模型训练的法定许可使用费，是阻碍着法定许可制度实现的另一个重要问题。许可使用费的计算难题，同样源自人工智能大模型利用作品的海量性特征与“分散许可”逻辑下构建的法定许可制度之间的矛盾。“分散许可”视角下的法定许可制度以作品个体作为计数基准，因此即使设定很低的法定许可报酬标准，但面对人工智能大模型训练作品的海量数据需求时，人工智能大模型企业所需要支付的仍然是天价的报酬。^[23]在这一现实难题的推动下，部分学者展开了关于重新划定许可使用费计算标准的讨论，尝试为人工智能大模型训练行为合法化的法定许可路径寻找个性化解决方案。

既有研究所提出的关于法定许可制度应用于人工智能训练行为时的付酬方案，在落地实施的环节仍面临一定的困难。有观点认为，在人工智能大模型利用作品进行训练的付费问题上，可以参照法定许可的费率，以其乘以相对低的系数来确定相应的取酬金额。^[24]但是，究竟应当采取何种法定许可的费率、不同作品类型是否应当采取同一种费率，该类方案并未能提供更为具体的结论。也有观点认为，应当将人工智能利用他人作品生成内容所占的比例作为法定许可付费数额的重要考量因素。^[25]但是，从结果视角考察，人工智能生成的内容在表现形式上已经很难看出作为训练语料的原作品的身影。而且，对于文生图类的人工智能而言，原作品在生成内容中所占的比例，更是难以衡量。因此，如何解决人工智能大模型利用作品进行训练所需许可使用费的计算问题，成为制约人工智能产业发展的疑难问题，同样需要作出回应。

如何界定法定许可的制度价值，是困扰立法者与理论界已久且尚无明确答案的重要问题，既影响着法定许可制度功能的准确定位，也制约着法定许可制度在扩张适用至人工智能训练领域时的效能释放。立法者关于法定许可的制度价值存在着认知模糊困境。在我国《著作权法》第三次修订的过程中，立法者首先在尚未明确指出著作权法定许可制度价值为何的情况下，对法定许可的价值导向和制度功能作出了“基本符合我国国情”的描述；随后，又在两年后的《著作权法（修订草案送审稿）》中将这一结论完全推翻。^[26]此种态度、观念的剧烈转变，反映出立法者在法定许可制度价值上的认知模糊。理论界关于法定许可制度的价值争论，则主要围绕其是否体现了对公共利益维护的价值导向而展开。有学者指出，我国的法定许可制度长期以来被认为是一种主动增进社会公共利益的制度工具^[26]，支持者从法定许可制度具有维护利益平衡、增进言论自由以及鼓励衍生作品创作等功能的角度对其作出了肯定^[27]。反对者则认为，法定许可制度主要是一种务实之举，理论上并无充足的依据，也并不具有维护市场竞争秩序的公共利益因素考量。^[28]

法定许可制度在价值导向上的模糊不清引发了制度构建的分歧，进一步加大了基于“分散许可”现象而产生的法定许可适用难题的化解难度。不同的制度价值导向将会对法定许可制度的具体设计方案产生大相径庭的方向指引，在人工智能大模型训练行为的视角下，则表现为企业所支付的“报酬”在最终流向上的争议：究竟应当归入到单个的著作权人手中，还是应当作为一种对整体社会利益的补偿。在维护公共利益的价值导向下，有学者指出，可以借助补偿金制度的思路，将人工智能大模型企业基于法定许可所缴纳的费用作为一种补偿金，用以补偿因人工智能产业发展而严重受到不利影响的个体著作权人^[29]，以化解法定许可制度运行过程中“向谁付费”的难题。而在维护个体利益的价值导向下，因法定许可制度适用而产生的报酬，则需要完成向个体著作权人的支付，以保障其私人利益的最终实现。此外，法定许可的制度价值导向也将引导不同付费标准的建立。在维护公共利益的规范设计价值导向下，私人利益应当让位于公共利益，双方主体经意思自治所形成的付费标准，也可能因为数额过低或者过高而有损公共利益的实现而被宣告无效。反之，若法定许可制度背后并不蕴含相应的公共利益追求，则交易双方在许可使用费的确定上将拥有更大的自主决定权，以保障作品利用的顺利实现。

大型作品数据库中的海量优质作品能够满足人工智能大模型利用优质作品数据进行训练的需求，已有成熟实践经验的著作权集体管理组织则为大型作品数据库的构建提供了制度雏形，二者将共同构成法定许可“集中治理”模式的现实基础。借助大型作品数据库在寻找权利主体上的便捷优势，能够消减人工智能大模型企业在寻找著作权人时所需承担的高额成本，完成许可使用费向权利人的转付；明确法定许可使用费标准的上限，可以作为应对天价许可使用费难题的有效策略，以及法定许可制度“集中治理”模式有效应对人工智能训练难题的突破路径。

人工智能大模型利用优质作品进行训练的行为导向，为构建集体化法定许可制度，发挥大型作品数据库所具有的作品体量优势与治理能力优势以化解著作权侵权风险提供了可能。在市场逻辑下，人工智能训练并无必要利用所有作品，而是要在经济效益的考量下寻找利用作品的最佳方式。其背后的原因，与人工智能训练的最终目标——模仿人类有着密切关系。人在一生的学习过程中，无法将所有的作品悉数知晓以“训练自身”。因此，以模仿人类为目标的人工智能在总体上也应遵循上述规律，而人工智能的“涌现”现象则证明了这一规律在人工智能领域的适用。“涌现”作为科学术语最早由著名物理学家菲利普·安德森于1972年使用，他认为“涌现”是一种在较小模型中不存在，但会出现于较大模型中的能力。^[30]人工智能的“涌现”现象是指当模型规模达到一定程度时，其性能会表现出非线性的显著提升，在语言理解、生成和推理方面表现出意想不到的能力。^[31]“涌现”临界点的存在，既成为人工智能训练并无必要利用所有作品的重要原因，也是划定协调人工智能产业发展与作品保护的政策倾向的边界点，更使法定许可制度对人工智能利用作品进行训练行为的适用成为可能。当人工智能的训练突破“涌现”临界点之后，作品数量对人工智能训练过程的重要性将不断降低，而作品质量的重要性将不断提升，此时优质而非多样的作品才是人工智能在下一阶段所更加需求的语料。在此情况下，人工智能在训练的过程中则不存在对所有他人作品加以利用的必要，随之而来的，是人工智能在训练时对作品的选择问题。

在对作品进行选择的过程中，理性的人工智能大模型企业更加倾向于选择著作权信息明确的作品进行训练。在“集中治理”的法定许可模式下，此种选择既能在合规的前提下实现对作品质量的保证，也能够克减算法偏见现象的出现。^[32]人工智能训练集中构成作品的数据面临着来源复杂、类型广泛以及权属不清的现实问题，成为“集中治理”法定许可模式在人工智能训练领域得以适用的基础。从法经济学的视角看，化解人工智能利用作品进行训练合法性危机的关键，在于如何让著作权人与人工智能大模型企业在大模型利用作品进行训练的行为中双双实现“收益大于成本”的愿望。而构建法定许可的“集中治理”模式，以大型作品数据库平台企业介入调控，正是解决这一问题的可行方案。大型作品数据库本身链接着大量著作权人，无需像人工智能大模型企业一样花费高昂成本寻找著作权人；以“法定代替意定”的法定许可模式设计，使人工智能大模型企业无需与著作权人协商便可直接得出“在支付许可使用费的前提下，人工智能可以利用作品进行训练”的肯定性结论，这能够显著降低企业因寻找著作权人、与著作权人协商所需承担的成本。在上述治理模式中，著作权人能够从人工智能大模型企业获得许可使用费，人工智能大模型企业获得了作品利用的保障，大型作品数据库则因其中介身份在促成这场谈判的过程中取得了相应的服务费。在三方主体均能因此获益的情况下，“收益大于成本”的法经济学目标完全具备实现的可能，但具体的路径构造仍需经过充分的讨论。在法定许可集中治理模式下，相较于利用散落于互联网中的零散作品，具有数量大、可溯源、专门化程度高等特点的大型作品数据库，更加适宜成为人工智能大模型训练的“适当养料”。同时，算法偏见作为人工智能训练过程中所需要极力避免的一大问题，对其进行规制的要点之一，是确保算法训练数据透明、标记数据来源，以备后期审查。^[33]因此，利用著作权信息明确的作品进行训练，就成为进行算法备案审查、消除算法偏见的重要一步，而著作权信息明确、质量更优的书籍也成为人工智能大模型企业所能想到的最佳训练材料。^①例如，大语言模型利用包括诸如FreeLaw、PubMed、古登堡图书收藏以及维基百科等诸多的大型作品数据库进行训练；^[34]人工智能企业训练大模型所用数据集中，接近1/3的数据来源于大型作品数据库“影子图书馆”^②，这在证明上述推论的同时，也奠定了人工智能利用大型作品数据库进行训练的法定许可的现实基础。由此可见，在法定许可制度正和博弈的价值预设下，构建大型作品数据库作为人工智能训练的语料来源，完全有可能成为大型作品数据库平台、著作权人以及人工智能大模型企业的共同愿望，进而决定了构建大型作品数据库类法定许可的现实必要性与可行性。

在我国已有较长历史实践的集体管理组织制度，能够为构建“人工智能利用大型作品数据库进行训练”的法定许可类型，施行法定许可制度的“集中治理”模式提供经验借鉴。从概念史的角度考察，“集体管理组织”与“集中许可模式”之间有着十分密切的联系。“集中许可”这一概念的经典定义源自美国纽约南区一份涉及集体管理组织的判决，该判决所阐述的ASCAP与BMI两大组织代表数以万计的出版公司与作者进行版权授权与维权行为，^①即现在所称“集体许可”的经典含义。^[35]在我国，著作权集体管理组织也已经完成了由维权向授权的功能转变，致力于解决大规模许可下权利人和使用人分散所导致的搜寻成本等交易成本高昂的问题。^[36]有观点据此提出，通过集体管理组织进行批量授权，是解决人工智能训练过程中版权语料合法性问题的重要出路。^[37]在我国著作权法定许可效率优先的价值依归下^[8]，人工智能大模型企业因法定许可制度而缴纳的报酬，最终需要完成向广大著作权人的分配，而借助著作权集体管理组织的制度优势，正是实现这一目标的可行途径之一。但是，单纯依靠集体管理制度来实现人工智能训练行为的著作权合规目标，存在重重困难。这是因为，集体管理组织制度的功能实现，需以著作权人加入相应的集体管理组织为前提。但是，著作权集体管理组织类型有限，难以涵盖人工智能训练过程中所利用到的各类作品。域外已经出现部分图像与美术作品的著作权人主张人工智能利用其作品进行训练的行为构成侵权的诉讼，^③而我国现行的集体管理组织类型则无法对这些不属于摄影作品的图片以及美术作品实行相应的集体管理。在以“选择进入”为底层架构的“集体管理组织制度”存在适用困境的背景下，为解决数字环境下的海量作品许可问题，有学者提出了以“选择退出”为底层逻辑所构建起的“延伸性集体管理组织”解决策略。^[38]但是，从立法实践看，短暂存活于《著作权法》第三次修订过程中草案里的“延伸性集体管理组织制度”，并未在最终面世的《著作权法》中得以保留，这一现实从侧面反映出该制度与我国正在形成的著作权市场机制之间存在难以调和的矛盾。^[39]因此，如何将在事实层面行使了著作权集体管理职能、但处于五类法定的著作权集体管理组织之外的组织也认定为著作权集体管理组织，赋予其相应的职责，使其发挥相应的组织功能，在人工智能大模型训练作品的问题上实现协同治理，具有十分重要的意义。有学者指出，要有效发挥著作权集体管理组织的制度功能，必须完成对集体管理组织的“去官方性”与“去唯一性”，允许符合条件者可通过申请设立集体管理组织，进一步提高许可的效率和发挥市场机制的作用。^[40]其中，有效发挥非官方性著作权集体管理组织制度功能的重要前提，是为其配置相应的权利与义务，而新设“大型作品数据库”法定许可制度正是解决这一问题的重要手段。

解决法定许可使用费的计算难题，是法定许可制度集中治理模式在人工智能训练行为中的第一个应用场景。使用费的计算标准是法定许可制度需要回应的一个重要问题，借助集体管理组织的制度构思，在法定许可制度集中治理模式的底层架构下，以“数据库”集体标准完成对“作品”个体标准的替换，能够在保障人工智能大模型企业费用支付上限预期的情况下，防止天价使用费的出现。“大型作品数据库”类法定许可的制度要点在于，将法定许可使用费的计算标准，由单件作品乘以作品总数作为人工智能训练过程所可能需要支付的费用总额，转换为对数据库整体的使用费。这种思路虽与对单件作品设定极低的许可使用费具有下限层面的相似性，但二者的差异在于许可使用费的上限是否明确确定。基于人工智能训练使用海量作品的特性，通过预设作品单价下限的方式，难以为不断寻找新作品进行训练的人工智能企业提供所需支付费用的稳定预期，因而更容易引发人工智能大模型企业形成不敢训练、排斥法定许可制度的态度，甚至将本国的人工智能大模型企业推入破产或移至他国发展的两难抉择之中。^[41]但是，若借助“大型作品数据库”类法定许可，规定人工智能企业利用某一数据库进行训练时所需支付的费用总额，完成对于人工智能企业利用数据库进行训练时所需支付费用“上限”的明确，便既能保障人工智能企业在许可使用费开支方面形成稳定预期，也能减少因支付法定许可使用费而对人工智能产业发展所造成的过分打击。

优化企业向著作权人寻求许可以及著作权人向企业表达“选择退出”意愿的路径，是法定许可制度集中治理模式在人工智能训练行为中的第二个应用场景。引导大模型企业利用大型作品数据库进行训练，充分发挥官方的著作权集体管理组织之外的“大型作品数据库”组织的体量优势与能力优势，能够消减寻找权利人的高昂成本，可以作为化解法定许可制度应用于人工智能训练行为时寻找权利主体难题的有效途径。诚然，依托集体管理组织的法定许可制度在适用过程中有可能产生延伸性集体管理的争议，但这种争议背后的不同观点在本质上并不存在不可调和的矛盾。反对设立延伸性集体管理制度的重要理由在于这一制度过分剥夺了著作权人“选择退出”的权利，且难以有效提升对著作权人的权益保障、作品的利用效率。^[42]但实际上，依托大型作品数据库所构建的法定许可“集中治理”模式既能赋予著作权人“选择退出”人工智能训练行为所涉及的作品的权利，也能保证著作权人收取人工智能训练作品所支付的许可使用费的权利。这是因为大型作品数据库相较于单个权利人而言，往往更容易具备表明“选择退出”意愿的技术能力。在对权利人“选择退出”权利保障的具体实现路径上，大型作品数据库可以在与著作权人的许可协议中明确增加一项“是否同意数据库将其作品用作人工智能训练的语料”的条文。如果著作权人拒绝将其作品用作人工智能训练的语料，那么大型作品数据库可以通过技术保护措施明确拒绝人工智能企业爬取该作品以进行训练；若人工智能企业强行破解技术措施以利用该作品进行训练，则构成《著作权法》第49条所禁止的侵权行为。如果著作权人同意将其作品用作人工智能训练的语料，则表明著作权人允许其作品在进入大型作品数据库后成为该数据库法定许可的对象，人工智能大模型企业可以利用该作品进行训练，同时著作权人也能基于其与大型作品数据库之间的许可协议得到相应的报酬。在这样的制度设计下，规避因依托著作权集体管理制度所构建起的法定许可集中治理模式所可能产生的著作权人“选择退出”权利被过分剥夺的风险，具有现实可能性。

保障著作权人获取许可使用费，是法定许可制度集中治理模式在人工智能训练行为中的第三个应用场景。法定许可制度集中治理模式能够进一步保障著作权人获取许可使用费的能力。从现实基础考察，已经有许多对作品进行统一管理、集中许可、批量维权的“类著作权集体管理组织”，它们虽然并不是真正意义上的著作权集体管理组织，但却行使着类似于该组织的权利。^[43]例如，“中国知网向秘塔人工智能发送侵权律师函”“视觉中国维权”等事件其实就已经展现出，诸如中国知网、视觉中国等大型作品数据库的运营企业，实际上履行着极其类似著作权集体管理组织的职责。因此，创设人工智能大模型利用大型作品数据库的法定许可类型，引导人工智能大模型企业选择类似于知网、视觉中国等对作品进行集中管理的组织支付许可使用费，具有现实上的可行性。不仅如此，将中国知网、视觉中国等大型作品数据库的运营企业确定为法定许可的费用收取主体，还有助于保障著作权人获酬权的实现。相较于分散的著作权人独立维权而言，中国知网、视觉中国等平台企业具有与人工智能大模型企业更为旗鼓相当的经济实力与维权能力，也更有能力设置相应的技术措施保障获酬权的实现。

在信息披露义务的配合下，对大模型训练数据的合法性进行确认与溯源，是法定许可制度集中治理模式在人工智能训练行为中的第四个应用场景。随着人工智能产业的不断发展，确认人工智能大模型企业在未来利用数据进行训练的合法性，是法定许可制度集中治理模式的典型应用场景。各类大模型已经利用海量作品进行训练并被产业广泛部署的既定事实，决定了对于大模型训练数据进行合法性的溯源，是法定许可制度集中治理模式需要解决的遗留问题。通过对人工智能大模型企业施加数据披露义务，引导其以向著作权人支付许可使用费的方式实现对大模型训练数据合法性的确认与溯源，是法定许可制度集中治理模式展开应用、解决上述问题的具体路径。透明度原则作为人工智能治理体系中的重要部分^[44]，大模型企业对其训练数据来源的披露义务是透明度原则在治理人工智能大模型训练行为中的重要体现，有必要在立法中加以明确。当履行了训练数据的披露义务后，大型作品数据库便能够依据上述信息实现对著作权人身份的匹配，完成许可使用费的转付以及著作权人“选择—退出”意愿的转达，以在法定许可制度集中治理模式下完成对训练数据合法性的确认与溯源。在制度的具体适用上，对于大模型训练已经利用的作品，可以通过支付许可使用费的方式完成对训练数据合法性的溯源，补全作品利用环节中因未取得许可而缺失的合法性要件。对于大模型训练未来要利用的作品，则需要综合考量著作权人的退出意愿和大模型企业对许可使用费的支付情况，在著作权人尚未表明拒绝大模型继续利用其作品进行训练的退出意愿背景下，以大模型企业支付许可使用费作为确认训练数据合法性的对价。上述法定许可制度集中治理模式能够引导大模型进行规范性训练，使其符合《生成式人工智能服务管理暂行办法》第七条规定的“使用具有合法来源的数据”进行预训练的要求。

概言之，法定许可制度“集中治理”模式的本质，在于借助大型作品数据库等作品集体管理平台对其管理的已经取得合法利用权源的作品积累，消减由人工智能大模型企业在寻找著作权人时所需承担的高额成本，完成将大模型训练行为是否构成法定许可的判定标准由“是否针对涉及的每个作品上的著作权均成立法定许可”向“是否与所利用作品的数据库之间成立法定许可”的转变，因而能够成为化解法定许可制度因应人工智能训练行为现实难题的可行制度选择。数字时代下，上述许可协议多以数字化格式条款的形式呈现，而技术保护措施的设置，则可以依托预先设定好的程序在作品入库时进行直接适用。因此，在经济学的分析视角下，这种做法并不会显著增加大型作品数据库的运行成本，反而能够大幅消减人工智能大模型企业对著作权人的搜寻成本和著作权人的维权成本，具有经济理性。由此可见，大型作品数据库法定许可的“集中治理”模式既能够保障著作权人决定其作品是否用作人工智能训练语料的自由，也能化解法定许可制度在适用过程中所面临的寻找著作权人以及报酬分配的难题。

在训练中以数据方式被使用的作品，是人工智能大模型得以运行的基础；降低作品的获取成本和消减未经许可使用作品的侵权风险，则是人工智能大模型持续发展的命脉；而以效率为价值导向的法定许可制度，正是契合产业发展需求的最佳方案。坚持法定许可制度的效率本位与市场理念，在未来修法时新设“大型作品数据库”法定许可规则，是使人工智能大模型未经许可利用他人作品训练合法化的底层逻辑。考虑到大模型使用作品进行训练的特殊性，针对人工智能大模型企业设定关于作品利用情况的信息披露义务，完善许可使用费的计算标准，是以法定许可制度优化人工智能大模型训练的重要保障。在“大型作品数据库”法定许可的制度设定下，能够开辟人工智能大模型训练侵权治理的新格局，有效应对法定许可制度适用过程中的寻找著作权人难题与额外成本分配问题，完成对法定许可制度适用于大模型训练领域困局的破与立，构建具有中国特色的人工智能大模型训练合法性化解方案。