人工智能是新质生产力的重要驱动力，大力推动人工智能产业的发展是我国的国策。现阶段，我国人工智能产业发展尽管存在算力短板，但在算法和数据方面具有后发优势。然而，我国的数据优势尚未得到充分开发和利用，这主要是由于围绕数据的开发和利用过程中存在诸多风险，其中，版权风险便是其中的一个方面。具体而言，人工智能模型训练对版权数据^①的利用是否属于自由范畴存在争议，人工智能生成涉嫌侵权内容亦为其所面临的版权风险之一。另外，后端用户调取、传播、转发阶段亦可能存在版权侵权风险。“训练侧”与“输出侧”两个问题看似独立，实则相互关联，申言之，内容生成阶段的版权侵权往往归因于模型训练阶段对训练数据的不当处理。

有关生成式人工智能，目前现有学术成果多关注其他风险^[1-3]，但一些研究成果关注了版权风险，并对生成式人工智能服务提供者版权注意义务进行了研究。^[4-11]机器学习对训练数据的利用存在“非侵权说”^[12]、“合理使用说”（可分“解释论视角”^[13]和“立法论视角”^[14]）、“法定许可说”（“立法论视角”）^[15]、“强制许可说”（“立法论视角”）^②及“权利补偿金”（“立法论视角”）^[16]等学说。如何妥善处理好版权保护与人工智能产业发展的矛盾和冲突，各种平衡机制尚在探索之中。^[17]片面强调版权保护或者人工智能产业发展均会出现严重失衡^[18]，一概认为机器学习应属自由可能导致道德风险，恐引起“一发不可收拾”的困局。国内外都存在版权人针对机器学习主张权利的情形。在美国，有不少个人和民间组织在向法院提起诉讼，认为OpenAI、Google等抓取互联网内容数据用于训练基础模型这一行为侵犯了版权、互联网用户的权利。^①在我国，四起画师诉某人工智能绘画软件的开发者和运营者模型训练存在版权侵权行为的案件正在审理中。^②同时，国外也存在试图通过一揽子许可的方式来解决合法获取训练数据的案例。^[19]上述案例均说明，在促进人工智能产业发展的同时，不宜忽视版权利益的保护。

人工智能技术的发展带来新的生产关系、法律关系，而相对于科技的快速发展，法律本身具有一定的滞后性。各国的产业发展格局和水平存在差异，导致了不同的政策选择。从世界范围来看，美国与欧盟在相关产业政策的选择上存在差异，主要原因是两者在新科技产业以及内容版权产业的现状不同。相较之下，中国的新科技产业相对发达，强于欧盟，弱于美国，内容版权产业发展势头也较为迅猛，到底是优先保护内容产业还是新科技产业存在政策选择问题。但鉴于两个产业呈现齐头并进的发展态势，我国更应选择兼顾新科技产业发展和传统版权产业促进的应对方案，避免因版权注意义务及责任的不合理配置可能导致的重大利益失衡。在生成式人工智能开发和应用各个阶段的规范尚不明朗时，宜结合“现有”^③法律规范对生成式人工智能服务提供者建构合理的版权注意义务，并以此为抓手推动人工智能版权治理，以求各方利益发展的平衡，最终推动我国人工智能产业的良性发展。

2024年2月，广州互联网法院审理了一起“生成式人工智能服务平台著作权侵权案”^④（下文简称“奥特曼”案），本案是全球首例涉此类问题的判决，也引起了广泛的关注。该案判决虽为生成式人工智能服务提供者版权注意义务的有益探索，但依然存在诸多可进一步研究的空间。

其一，该案拟解决的是著作权问题，然而，所适用的法律规范并非《著作权法》。例如，该案法院对被告“过错”的界定并非基于《著作权法》，而是基于《生成式人工智能服务管理暂行办法》^⑤（下文简称《办法》）认定被告没有依照《办法》建立投诉举报机制、未对潜在风险进行提示、缺乏对生成内容的显著标识，从而认定存在著作权法意义上的“过错”。事实上，《办法》所建构的责任为“网络信息内容生产者责任”，即“履行网络信息安全义务”，并非为版权侵权注意义务而特设，此种司法适用是否给生成式人工智能服务平台设置合理的版权注意义务仍然存在进一步探讨的空间。

其二，该案判决并未明晰责任主体承担责任的正当性。具体而言，该案中被告并非模型提供者，而是以API^①方式接入第三方模型后向用户提供服务的模型使用者。通常，模型使用者^②并未参与相关训练数据的获取工作，难以知晓上游厂商（模型提供者）使用的数据中涵盖了多少涉版权的作品；其亦未参与模型训练，并不存在通过“数字化”形式复制作品的行为。因此，至少从表象上看，让通过API方式接入第三方模型的模型使用者承担版权侵权责任似乎需要进一步说明其正当性。另外，该案判决对用户是否可能由于存在反复输入提示词或不当方式利用而承担责任亦未加说明。

其三，判决中并未阐明生成式人工智能服务提供者对外提供的生成内容是否满足“接触+实质性相似”的版权侵权构成要件。对模型训练阶段是否存在复制版权作品的行为存疑，在将原作“打成碎片”之后所形成的生成物是否构成对原作品的“市场替代”亦存疑。

其四，该案判决对生成式人工智能服务提供者版权注意义务的具体内容、违反该义务的后果及能否适用侵权豁免均未详细阐述。换言之，即便可以通过建立投诉举报机制、进行潜在风险提示，以及进行显著标识等行为来判断其是否满足版权注意义务的要求，但该案判决并未细化注意义务标准的建构，亦未阐明生成式人工智能服务提供者违反注意义务的后果。例如，若认定生成式人工智能服务提供者构成版权侵权，应承担哪些侵权责任？如何停止侵权？如何赔偿损失？从模型中删除相关版权素材是否具有可行性？如何有效避免版权侵权内容生成？再者，若生成式人工智能服务提供者履行了上述注意义务，但仍未避免大模型“生成”同版权作品实质性相似的内容，该生成式人工智能服务提供者是否依然要承担版权侵权责任亦未明确。

除此之外，该案并未区分生成式人工智能“文生图”和类似搜索引擎“提供已有图片”的技术差异问题。生成式人工智能“文生图”这一功能的实现逻辑，本质上是基于自然语言进行的提示词提取和推理，再进行“降噪”和“扩图”。^[20]目前主流的技术方案中，如果只是通过简单的输入自然语言来获得图像，则这种生成基本是单一的、一次性的、高随机性的内容，生成环节不可能存在针对某一特定权利作品的“稳定的”侵权作品传播源，可能并不构成对信息网络传播权的侵犯。^[21]

综上，“奥特曼”案虽然尝试对生成式人工智能服务提供者的注意义务进行司法“续造”^[22]，但留下了诸多疑问：如生成式人工智能服务提供者的定性、责任分配和责任主体、注意义务的标准、是否承担类似于避风港原则的“通知—必要措施”义务即可免责、在何种情形之下适用“红旗原则”、违反注意义务的责任及责任豁免等。

生成式人工智能市场主体大致可以区分为三类：一是基础大模型研发者（如OpenAI，Deepmind），二是面向垂直行业的模型研发者（如Bloomberg，Aidoc），三是面向公众提供内容生成的服务提供者（如OpenAI的产品：ChatGPT）。在人工智能产业中，“服务提供者”这一术语指代的范围相对广泛，既包括应用层的服务提供者，亦包括技术提供者及toB服务提供者（即面向企业赋能大模型能力的服务提供者）。《办法》及“奥特曼”案判决中的“服务提供者”仅针对应用层的服务提供者。生成式人工智能服务提供者不同于网络服务提供者，其更趋近于内容提供者，身份区别于传统的搜索引擎（仅提供信息定位服务，并不进行内容输出），也区别于传统的信息存储服务。应对生成式人工智能带来的版权风险，现行法中网络服务提供者的版权规范虽可借鉴，但难以完全照搬。

生成式人工智能服务提供者作为人工智能产业链直面消费者以及直接参与产品及服务市场竞争的主体，在生产内容合规方面扮演了“守门人”^[23]的角色。由于其对模型是否生成涉嫌侵权内容具有控制力，因此，基于生成式人工智能带来的版权侵权风险，服务提供者应就版权侵权风险的防范^①及可能带来的侵权承担主体责任。所谓“主体责任”，并非从某部法律适用的微观层面探究某平台是否应承担包括版权侵权在内的侵权责任，而是从“问题解决”这一更高层次的视角，从“权、责、利”相一致的基本原则出发，识别应该且可承担责任的主体。在生成式人工智能服务提供的场景中，尽管存在前文所述的各种理论学说，但“主体责任”是从产业有序发展和利益充分平衡的角度适当分配版权保护的义务和责任，以期实现版权治理、监管效能及其他利益目标，从而推动人工智能产业健康、有序发展。事实上，此种路径在其他领域已经实施。例如，在算法推荐技术服务提供的治理中，我国立法即采取了“主体责任”的视角和路径。^②

人工智能产业生态庞大，主体多样，关系多变。基于全球产业实践，欧盟抽象出了模型提供者、模型部署者、模型进口者、模型分销者、用户等参与主体，并基于人工智能系统的技术特点和人工智能产业的发展实情，在《人工智能法案》^③中规定由模型提供者与模型部署者分别承担模型信息披露、数据治理、监管备案、合规评估等行政意义上的法律义务的首要责任与次要责任。虽然欧盟《人工智能法案》所分配的为行政监管意义上的法律义务，但该义务分配的出发点在版权保护尤其是在版权治理方面亦颇值借鉴。

实际应用中，模型的能力与相关主体的控制力共同作用，决定生成内容的质量。所谓模型能力，即模型处理特定任务的能力，该能力由模型开发者与模型部署者共同培植，前者起到决定性作用，后者亦起到关键性作用。此外，剖析生成式人工智能模型的“学习”和“成长”过程，模型提供者主要存在以下几种情况：一是其自身为模型开发者，二是其集成了一个（或多个）大模型的能力对外提供相关服务，三是其通过API接口接入模型，四是其在开源模型基础上将自身所持有数据加以喂养，而后对外提供相关服务。模型的部署方式决定了模型提供者和模型部署者的控制力，因此，内部责任的分配也应基于此加以区分。

具体而言，当部署者通过API接口接入模型时，模型提供者对模型应用的全过程都有着极强的控制力。此种情形之下，模型提供者决定了模型研发的全过程，包括预训练所使用的数据、算法及参数，通过提供微调服务等对模型的风险管理和质量控制形成了把控，此外，还可以分析模型部署者、模型使用者的模型应用情况，并设置访问条件，来应对下游对模型的滥用。最重要的是，模型提供者可以凭借对模型强大的控制力来制定模型商业化的战略。相较之下，当模型部署者基于开源模型进行部署时，模型提供者对模型的控制力虽未明显减弱，但由于模型部署者更直接作用于模型的功能，相对而言其在模型生成内容上具有更大的影响力。另外，当模型部署者通过其持有的数据供养模型，并赋予模型以更强能力的情形之下，模型部署者在模型能力上具有更为实质性的影响力。

不同的模型开发及部署模式对模型最终生成内容的合理责任分配明显产生了影响。从版权治理的视角，当模型提供者对模型能力具有决定性作用时，应由其承担版权侵权的主要责任；当模型部署者对模型能力具有决定性作用时，此时其应承担版权侵权的主要责任。基于此，应由模型开发者与模型部署者承担版权保护的主体责任，再根据实际情况，分别承担首要责任与次要责任。

通过“人工智能+”赋能的应用场景纷繁复杂，在生成式人工智能服务提供过程中，主体的贡献度和利益关系亦较为复杂，从外观来看，均为用户通过生成式人工智能服务提供者所提供的服务进行内容生产。但生成式人工智能服务提供者可能是模型提供者、模型部署者，亦可能是模型使用者，往往存在主体身份混同，其同模型提供者、模型部署者及模型使用者的内部关系他人无法确知。为保证交易安全及公平竞争，他人亦不应有义务对生成式人工智能的全产业链条进行调查。例如，若模型开发者通过购买合法数据包进行数据喂养，在用户并不存在违规行为时，模型仍然生成了涉嫌侵权的内容，可能的原因是数据供给者所供应的数据中存在侵权内容。此时，仅从理论上讲，应当由数据供给者承担版权侵权责任。然而，模型提供者从哪购买的合法数据包他人并不知道。

另外，细化生成式人工智能模型产业链条，虽存在“基础模型—专业模型—服务应用”等多层级的分级体系，不过，由于各层级的参与者之间并不存在泾渭分明的界限，在分级分类视角下对相关主体追责亦存在困难。因此，生成式人工智能服务提供者作为第一责任主体是较为恰当的，若用户利用生成式人工智能服务涉嫌侵犯版权，那么先由“离用户最近的”生成式人工智能服务提供者承担第一责任；至于数据供给者、模型开发者、模型部署者、模型使用者之间如何进行责任分配应属于“内部”问题，而在“外部”的责任承担，应该由生成式人工智能服务提供者来承担责任。服务提供者可在承担“外部”责任之后向其上游供应商追责。

实践中，许多生成式人工智能服务是基于开源大模型的能力。但开源并不意味着免责，在开源模型基础之上训练大模型，若生成版权侵权内容，仍需要追究其侵权责任。此外，在开源模型基础上训练大模型，违反开源协议还可能构成其他侵权或违约。若后端应用（生成式人工智能服务提供者）集成上游开源大模型并基于该开源大模型进行开发及应用，而生成式人工智能生成了侵权内容，该生成式人工智能服务提供者仍应作为第一责任人对外承担责任。

当模型是应用户要求生成侵权图片时，用户可能因涉嫌诱导侵权而担责。假设上述“奥特曼”案的奥特曼图片及改编图片并非基于简单提示词生成，而是用户输入类似“北互文生图一案”^①中的一百多个描述奥特曼特征的提示词并修改参数生成，遵循北互判决的逻辑，著作权应归属于用户。根据“权责一致”原则（即谁享有权利，谁承担责任），看似应让用户（用户享有著作权）而非人工智能服务提供者承担侵权责任。若用户诱导生成侵权图片且作非法利用或传播，则让用户承担一定的版权侵权责任无可厚非。然而，在人工智能产业生态中，尽管用户通过不当方式诱导人工智能生成侵权内容，但生成式人工智能产业的版权治理重心应在产业参与主体，而非用户。当用户涉嫌诱导生成侵权内容，平台可适用平台规则对其进行相应处罚，处罚措施包括警告、暂停服务、“三振出局”及封禁账号等；若其将侵权内容非法利用或传播，则可按照现行《著作权法》的相关规定对其追究责任。

生成式人工智能服务提供者在版权侵权问题上的归责原则是当前法律领域讨论的热点问题。有关此问题主要有以下几种观点。一是过错责任原则。根据传统的侵权法理论，服务提供者一般按照过错责任原则来确定责任，即如果服务提供者未能履行应有的注意义务，则可能需要承担责任。^[24]二是无过错责任原则。有学者提出，在人工智能生成内容应用场景下，侵权责任体系需要重构，并主张应由人工智能的开发者对人工智能的“自主”生成行为承担严格责任。^[25]三是过错推定责任。有学者提出，生成式人工智能服务提供者侵权采用过错推定责任原则有一定的合理性。^[26]四是替代责任。在某些情况下，服务提供者可能被视为替代责任主体，类似于雇主对雇员的责任，由服务提供者承担侵权责任。^[27]根据生成式人工智能的产业布局、特点及发展现状，生成式人工智能服务提供者对版权侵权承担过错责任更为适宜。

按照《办法》，“生成式人工智能服务”为《办法》的统一表述和术语选择，因为生成式人工智能为服务提供者而非产品提供者，也非技术服务提供者。因此，生成式人工智能致版权侵权责任，应适用过错责任原则。虽《产品责任指令》（Product Liability Directive）^①拟将人工智能纳入到产品责任的范畴，但其主要规范对象是被集成到硬件产品中的软件以及与硬件的功能发挥和安全性有密切联系的软件及数字服务，生成式人工智能服务提供者版权侵权是否亦应适用无过错责任尚存疑问。不同于普通产品，生成式人工智能具有工具属性，提供内容和信息服务仅具参考价值，是否进行生成后的后续利用和传播取决于用户，且较少涉及生命、健康等直接利益，不宜归入产品责任。^[28]另外，至少就目前的人工智能产业发展的实际情况而言，让人工智能服务提供者承担无过错责任或者过错推定责任似乎过于严苛。^[4]在生成式人工智能服务提供者致版权侵权责任适用过错责任原则时，违反注意义务即存在过错，对过错的认定应考虑行为人的主观过错程度、行为人的认知能力、行为的性质、损害后果的严重性、客观环境和条件及行为人是否采取了合理措施预防版权侵权的发生。

注意义务是从预防法学的角度考虑问题，故其成立的标准应从事前预防的角度来判断，即危险是否可预见且可避免，此外，该义务的设定标准及内容应从社会大多数人的利益出发。^[29]一方面，在实践中，部分生成式人工智能已生成涉嫌侵权内容，因此，服务提供者可概括预见版权侵权风险；另一方面，服务提供者可通过一定措施防范和避免（至少在一定程度上）涉嫌侵权内容的生成、传播和利用。综上，与生成式人工智能相关的版权侵权风险是可预见且可避免的。因此，生成式人工智能服务提供者应承担一定的版权注意义务。如何建构注意义务的标准及内容需要考量生成式人工智能产业发展的实际情况。

考量人工智能产业的实况及我国现阶段人工智能产业发展所处的阶段，不宜过高设定生成式人工智能服务提供者的注意义务标准。生成式人工智能服务提供者应就版权治理承担主体责任，加之“避风港原则+红旗标准”对其版权注意义务进行一定程度的“稀释”较为符合现阶段生成式人工智能服务提供者注意义务标准设定的实际情况。

其一，生成式人工智能服务提供者的版权注意义务并非事前过滤义务。具体而言，生成式人工智能服务提供者可能是模型开发者，更多的是集成大模型在应用端提供服务的民商事主体。当生成式人工智能服务提供者同时亦为模型开发者时，当其在最大诚信原则下力求训练数据来源合法时，但仍生成侵权内容，则只有在版权人发出合格侵权通知的情形之下，服务提供者才有义务采取必要措施防范侵权的继续发生；反之，若版权人并未发出合格侵权通知，则服务提供者主观上并不知道侵权行为的存在，并无过错，则无责任。当服务提供者并非模型开发者时，其更应当受到“避风港规则”的庇护。

其二，生成式人工智能服务提供者的版权注意义务并非被动义务。具体而言，给予生成式人工智能服务提供者以一定程度的“避风港”庇护，并不是鼓励其在版权保护上实施“鸵鸟政策”^[30]。当服务提供者同时是模型开发者的时候，其应尽善良管理人的注意义务去获得合法数据来源；在其可通过技术手段进行一定程度的版权侵权防范时，应在最大诚信原则的指引下，尽量采取可行技术手段避免版权侵权的发生。

其三，生成式人工智能服务提供者版权注意义务的设定应考虑当下的技术条件和其他实际情况。尽管模型开发、部署及应用存在参与主体及利益主体的多元性和复杂性，应采取审慎包容的监管政策，至少现阶段让模型开发、部署及使用等模型能力实质贡献和参与者承担过重负担并不合适。因此，不宜建构生成式人工智能服务提供者的强制性事前过滤义务，但亦不能走向相反极端，放任服务提供者不承担任何版权保护的注意义务。当权利人发出合格的侵权通知时，通过过滤词的设置诚然可以在特定情形之下达到较好的版权保护效果，但并非在任何情形之下都可以达到完全覆盖侵权内容的结果。由于受技术及其他条件的限制和约束，在现有技术条件允许的情形之下，若服务提供者尽到了善良管理人的谨勉义务而仍然生成了少量、个别的侵权内容，不宜认定服务提供者主观上存在过错。另外，服务提供者尽管应采取相应措施防范版权侵权的发生，但不宜过高设定防范的标准。在“奥特曼”案中，法院认为服务提供者的版权侵权防范应该达到用户“正常使用”与奥特曼相关的提示词，不能生成侵权图片的结果。此种界定较为符合现阶段生成式人工智能服务提供者的实际情况。具体而言，若用户并不直接用“奥特曼”这一关键词，而是通过“奥特曼”的描述作为提示词，若人工智能生成了侵权图片，则不宜判定服务提供者主观上存在过错，进而应当承担版权侵权责任。

总之，尽管在当前的环境中，应为生成式人工智能服务提供者设定一定的版权保护义务，但受限于技术条件及其他条件的约束，不宜设定过高的注意义务标准。

人工智能产业发展存在不平衡的状态，不同类型企业的科技能力、经济能力及管理能力等诸方面均存在很大差异，要求所有模型开发者都设置一套事前规则（如过滤规则^[31]）存在合理性及正当性的争议，企图用“一刀切”的方式建构所有人工智能利益相关者应遵守的版权注意义务规范尚不现实。因此，现阶段人工智能服务提供者的注意义务标准只能在较为“抽象”和较为“原则”的层面建构。虽如此，并不意味着生成式人工智能服务提供者在版权保护方面可以不作为，而是应按照“事前预防—事中发现—事后处置”三个阶段尽到谨勉的版权保护注意义务。

一是在“事前”预防阶段，既要履行研发合规义务，又要履行用户监管义务。目前，用于模型训练的数据大概有自采数据、互联网数据及交易数据三种类型。模型训练应最大限度取得合法来源的数据，做到“合法获取”^①[32-33]且存证记录。具体而言：①使用自采语料时，应有采集记录，不应采集他人已明确声明不可采集的语料；②应在遵守robots协议、不破坏他人技术措施和不侵入他人计算机信息系统等合法性的前提下，抓取公有领域的语料进行模型训练；③使用开源语料时，应具有该语料来源的开源授权协议或相关授权文件；④使用商业语料时，应有具备法律效力的交易合同、合作协议等；⑤在终端应用供给语料提升模型能力的情形之下，应就相关权利义务关系作清晰约定；⑥设置语料以及生成内容的知识产权负责人，并建立知识产权管理策略；⑦公开语料中涉及知识产权部分的摘要信息；⑧语料用于训练前，应对语料中的主要知识产权侵权风险进行识别，发现存在知识产权侵权等问题的，服务提供者不应继续使用相关语料进行训练；⑨其他为保证“合法获取”所应采取的必要措施。

二是“事中”发现阶段，既要履行内容标识义务，又要建立健全投诉、举报机制。生成式人工智能服务提供者应：①建立知识产权问题的投诉举报渠道，在投诉举报渠道中支持第三方就语料使用情况以及相关知识产权情况进行合理查询；②及时根据国家政策以及第三方投诉情况更新知识产权相关策略；③采取关键词、分类模型等方式对使用者输入信息进行检测，对明显诱导生成侵犯知识产权的问题，拒绝回答，使用者多次输入违规问题的，采取暂停提供服务等处置措施。

三是“事后”处置阶段，依据侵权内容的生成原因不同，承担不同的处置义务。生成式人工智能服务提供者须采取一系列措施来应对和解决可能发生的侵权问题，即遵守《著作权法》《著作权法实施条例》等相关法律法规，对侵权行为进行及时有效的制止和纠正。在接到权利人的合格通知后，服务提供者应积极配合，采取必要措施，如删除侵权内容、断开链接等，以减少权利人的损失。服务提供者应采取技术性措施，如关键词过滤及其他可行的措施^①，以阻止人工智能生成与权利人作品构成实质性相似的生成物。服务提供者应持续监测人工智能生成内容的版权风险，并评估处置措施的有效性，以便及时调整和改进。

尽管“避风港规则”是生成式人工智能服务提供者版权保护主体责任的合理内核，但其版权保护的注意义务不应简单照搬“通知—必要措施”，而应是在生成式人工智能的全生命周期和全产业链条都应遵守最大诚信原则，遵循谨勉的善良管理人标准进行版权侵权风险的防范、版权侵权的处置及版权侵权的治理。生成式人工智能服务提供者版权注意义务的核心是“采取合理、有效的侵权预防措施”。^[34]

在生成式人工智能的业态中，非自研模型（生成式人工智能服务提供者使用他人大模型赋能对外提供服务）只关乎“输出侧”，而自研模型（生成式人工智能服务提供者本身就是模型提供者）涉及“训练侧+输出侧”。对于“输出侧”而言，在采用的业务及推广模式一致的情况下，两种服务提供者（非自研模型和自研模型）在注意义务上没有明显区别。其注意义务的主要区别关键在于训练侧（主要表现为对“训练数据”的治理）。为落实监管诉求及采取针对性的版权保护措施，模型生成应具有可解释性。^[35]②模型生成可解释性，建立了模型生成内容与模型这一被监管对象间的可被认识的联结，是开展后续程序和分配责任的重要基础，也是体系化、制度化的技术工程，应当面向多主体制定相应的解释方案，并结合前沿技术手段加以落实以提升模型生成的可信任程度。另外，生成式人工智能服务提供者应履行算法备案义务，按照国家有关规定开展安全评估，并遵照《互联网信息服务算法推荐管理规定》履行算法备案和变更、注销备案手续。^③

为降低前端机器学习及后端生成内容的版权侵权风险，在合理且可行的前提之下，大模型开发者应该进行训练数据的披露。美国众议员向众议院提交了《生成式人工智能版权披露法案》（Generative AI Copyright Disclosure Act）^①，若该法案通过，人工智能公司将被要求披露版权数据的使用情况，否则将面临经济上的处罚。欧盟《人工智能法案》第53.1（c）条^②要求按照规定模版披露生成式人工智能训练数据版权信息摘要并公之于众，即模型提供者将被要求声明是否使用版权数据来训练人工智能。全国网络安全标准化技术委员会发布的《生成式人工智能服务安全基本要求》（全国网络安全标准化技术委员会2024年2月29日发布）第5.2条提到，服务提供者应“公开语料中涉及知识产权部分的摘要信息”。虽上述各种立法（尝试）都在探索训练数据的披露要求和规范，但训练数据披露义务的设定应考虑实际情况。模型训练需要巨量数据，且数据来源多元，要求模型开发者披露所有训练数据不太现实。例如，互联网数据是全网抓取的，披露此类数据无疑存在技术上的困难及可能带来极高的成本。因此，数据披露义务中的披露对象应为训练数据的版权信息摘要。

生成式人工智能服务提供者须建立完善的投诉机制与畅通的投诉渠道。根据《办法》，提供者应当建立以下机制和渠道。一是投诉举报机制。提供者应当建立健全的投诉、举报机制，确保用户在使用服务过程中遇到问题时可以方便地提出投诉或举报。二是便捷的投诉入口。提供者应在其服务平台上设置明显的投诉、举报入口，使用户能够轻松找到并使用这些功能。三是处理流程和反馈时限。提供者应公布详细的投诉处理流程和预期的反馈时限，让用户了解投诉处理的步骤和时间框架。四是及时受理与处理。提供者在接到投诉或举报后，应当及时受理并进行处理，确保用户的问题能够得到迅速响应和解决。五是反馈处理结果。处理完毕后，提供者应将结果反馈给投诉或举报的用户，保持透明度，让用户了解问题处理的实情。六是保护用户隐私。在处理投诉和举报的过程中，服务提供者应保护用户的隐私和个人信息安全，不得泄露或非法使用用户的个人信息。七是持续改进服务。服务提供者应根据用户反馈持续优化投诉处理流程和服务质量，提升用户满意度。八是记录保存。服务提供者应保存投诉和举报的记录，以备内部审查和监管机构检查。上述措施为针对保护合法权益及维护服务秩序的普遍性措施，当然适用于版权保护。通过上述措施，服务提供者能够更好地维护用户权益，提升服务水平，促进行业的健康发展。涉及版权保护，服务提供者应该建立健全投诉举报机制，权利人可以通过该机制来保护其版权。接到权利人合格的侵权通知之后，服务提供者应该及时采取技术条件允许的必要措施应对版权侵权行为的发生及扩大。

服务提供者应当按照《互联网信息服务深度合成管理规定》及《人工智能生成合成内容标识办法》等规范对图片、视频等生成内容进行标识。经标识之后，权利人可以明确内容由特定人工智能生成，进而采取更具有针对性和更为有效的维权措施。标识可分为显著标识、显式标识、非显著标识及隐式标识。其中，显著标识是可感知度较高的显式标识，显式标识包括了显著标识和非显著的显式标识（也即可感知度较低的显式标识），而隐式标识属于非显著标识的一种。要求“添加不影响用户使用的标识”并不意味着服务提供者仅能添加隐性标识或隐式标识，其还可以添加可感知度较低的显式标识或显性标识。进行适当的内容标识不仅是服务提供者落实行政责任的要求，亦是落实版权保护责任的必须。

生成式人工智能的一个重要特点在于，用户向系统提供的信息会影响到机器学习，从而影响到系统对外输出的自动生成内容。用户对系统的不当诱导行为、恶意调教输出（如OpenAI案^①）、违法喂养信息（如垫图）都会导致系统对外输出含有侵权内容的信息。生成式人工智能服务提供者应建立规范的用户规范。一是要提示潜在风险。服务提供者应通过用户协议、服务协议、弹窗或其他方式提示用户版权侵权风险。二是要在用户服务协议中与用户约定关于版权问题识别的责任与义务。从合规的视角，可在用户协议中约定人工智能生成物版权归属，适当降低服务提供者的版权侵权风险。目前主流生成式人工智能服务中对版权归属主要分三类：约定版权归属平台，授权用户使用；约定版权归属用户，授权平台使用；仅声明平台不主张输出内容所有权。仅从降低服务提供者侵权风险的角度出发，宜采取“用户享有版权+开发者获得授权”的方式，也可以约定平台不主张内容权利。三是生成式人工智能服务提供者既要防范自身的侵权风险，又要防范用户的侵权行为。例如，对于明显诱导生成版权内容的输入，或者直接拒绝生成，或拒绝生成但提供合法的访问路径（类似于“跳转”），或屏蔽关键词后进行输出。

当直接侵权行为由用户实施时，服务提供者往往因权利人通知后未采取必要措施或者对于知道/应当知道侵权内容未采取必要措施，而可能承担连带责任。对此，服务提供者一方面应当加强“事前”预防，另一方面应当及时履行“事后”处置义务。具体而言，为防止用户实施侵权行为，服务提供者应当事前采取技术、管理等措施，积极履行内容审核、身份认证、提示警告等义务。当发生侵权事件后，应当及时采取必要措施，包括但不限于“删除、屏蔽、断开链接”等。对于存在较大版权侵权风险的行为，可参考《生成式人工智能服务管理暂行办法》及《深度合成管理规定》^②暂停信息更新、用户账号注册或者其他相关服务等。

《人工智能责任指令》（Artificial Intelligence Liability Directive）（欧盟委员会于2022年9月28日提案）拟就人工智能产品或服务使用过程中可能产生的侵权纠纷的证明难题，减少对实体法的依赖，确立更多有利于消费者侵权主张的证据规则，如被告承担证据披露义务。此种证据披露义务的规范，在版权领域具有一定的借鉴意义。具体而言，就权利人和生成式人工智能服务提供者而言，版权侵权的证据往往“偏在于”生成式人工智能服务提供者一方，因此，在版权侵权诉讼中，服务提供者应承担适当的证据披露义务。即当生成内容涉嫌侵权时，服务提供者应在最大诚信原则及技术条件允许的情况之下，尽量向法院呈现其所能够呈现的训练数据，否则可能承担证据妨害的不利后果。

生成式人工智能服务提供者违反版权保护的注意义务时主观上存在过错，应对版权侵权行为的后果承担责任。一是，生成式人工智能服务提供者知道或应当知道版权侵权行为时应该停止侵权。在服务提供者收到权利人合格的侵权通知之后应及时采取停止生成、停止传输、消除等处置措施，采取模型优化训练等措施进行整改。此外，服务提供者发现用户利用生成式人工智能服务从事侵权活动的，应依法依约采取警示、限制功能，暂停或者终止向其提供服务等处置措施，保存有关记录。上述停止及防范侵权扩大的措施应该达到在现有技术条件约束之下的“必要性”程度。例如，在“奥特曼”案的情形中，当服务提供者收到权利人发出的合格侵权通知时应停止侵权，并采取关键词过滤等措施以达到用户“正常使用”与奥特曼相关的提示词不能生成与案涉奥特曼作品实质性相似的照片的效果。二是，生成式人工智能服务提供者应当在一定情形之下承担赔偿责任。根据《办法》，生成式人工智能服务提供者在提供服务时应尽合理注意义务，尊重知识产权。^①当服务提供者主观上存在过错，应对版权侵权承担赔偿责任。若用户仅利用生成式人工智能服务生成侵权内容，并未作侵权使用，此时，并不存在损害，服务提供者不应承担赔偿责任。然而，若用户利用生成式人工智能服务生成侵权内容并作侵权使用，此侵权使用所导致的后果应由服务提供者承担。三是，服务提供者所承担损害赔偿应按照权利人所受损失或者侵权人所获利益等损害赔偿数额确定的一般标准进行衡量。另外，假定模型训练确实非法使用了版权数据，但若无法停止侵权，建议以赔偿责任代替停止侵权责任。

生成式人工智能服务提供者的若干监管规范尚不明朗，但其发展又不得不面对版权保护的现实问题。然而，至少在现阶段，强求生成式人工智能服务提供者在版权保护方面做到尽善尽美不太现实。因此，在考虑不同主体的合规成本和必要的技术原理及行业实践，也考虑到相关市场主体对于上述义务履行中的控制力（如针对某些数据、技术的控制程度等），若以善良管理人的标准进行衡量，生成式人工智能服务提供者在遵循最大诚信原则尽到谨勉的注意义务的情形之下，即便存在涉嫌侵犯版权的行为，也应在停止侵权的情形之下免除赔偿责任。^②例如，服务提供者若通过合法渠道购买了数据包，但数据包中仍然包含侵权资料，可豁免除停止侵权之外的版权侵权责任。又如，机器确实并未学习过某图片，结果生成了具有实质性相似的图片^③，此种情形可适用独立创作抗辩^[36]。

中国、美国是人工智能产业竞争中两个主要的角逐者，美国对生成式人工智能产业发展持鼓励和促进的态度，以灵活监管模式应对生成式人工智能挑战。2023年10月30日，拜登政府签署了首项对人工智能技术具有约束力的人工智能监管行政命令《关于安全、可靠和可信的人工智能的总统行政命令》，其在多个方面均对人工智能安全提出了新标准。现阶段，美国人工智能监管侧重点在于梳理“现有”法律如何适用于人工智能技术，而非颁布和应用新的、专门针对人工智能的法律。美国在新技术新领域治理方面、最常采用的仍然是行业自律与部门监管、司法诉讼，以灵活、宽松的治理方式保证不损害技术与市场创新。

相较而言，我国无论在人工智能立法还是司法上似乎都走在世界前列。尽管《人工智能法》已经成为人大可预案的法案，但市场失灵和市场无序之时，法律才粉墨登场，规则不能成为产业发展的“绊脚石”。意图通过合规将版权侵权风险降低至零几乎不可能，需通过“算力伙伴”“算法伙伴”“数据伙伴”及“应用伙伴”等合作模式的创新，以及通过协议来解决潜在的问题。为促进人工智能产业的大力发展，我国各地也在尝试通过“算力券补贴”的方式促进算力发展、通过各种举措推动数据基础设施的发展、实施“监管沙盒”政策进行监管实验。鉴于目前数据短缺已经严重制约了我国人工智能产业的发展，宜通过建立数据平台的方式加强数据供给。虽本文探索建构生成式人工智能服务提供者的版权注意义务，但相关规范更像是“软法”规范，不宜过度解读。相反，应该在尊重和保护版权的大前提下，通过“现有”法律规范的分析和适用，配以辅助性举措，最大限度地实现版权保护与人工智能产业发展的利益平衡。能够通过技术解决的通过技术路径解题，另可探索建立后端生成物自动比对系统：若生成内容构成对版权作品的侵权，则采用技术手段阻止其进一步传播和利用。