人工智能生成内容（AIGC）的版权归属研究综述

人工智能生成内容（AIGC）的版权归属研究综述一、AIGC版权归属问题的现实缘起随着生成式人工智能技术的快速迭代，AIGC已经从技术演示场景全面渗透到内容生产的各个领域。文字创作领域，大语言模型可以在数秒内生成数千字的行业报告、小说片段甚至学术论文初稿；视觉创作领域，Midjourney、StableDiffusion等工具生成的插画、海报作品已经大量出现在商业宣传、出版印刷等场景；音视频领域，AI生成的配音、虚拟人直播、自动剪辑的短视频内容正在重构内容产业的生产链条。根据中国信通院2026年发布的《生成式人工智能产业发展白皮书》数据，2025年国内AIGC相关市场规模已经突破2800亿元，由AIGC直接或间接参与创作的内容占全网新增内容的比例达到37%，预计2030年这一比例将超过60%。技术的快速普及直接催生了大量版权纠纷。2023年，美国艺术家莎拉·安德森联合另外两名画家起诉StabilityAI、Midjourney等公司，认为其未经许可使用大量艺术家作品训练模型，生成的内容构成对原作品版权的侵犯；2024年，国内某网络文学平台起诉某AI写作工具开发商，称其平台上超过1200部原创小说被用于模型训练，生成的同类作品与原作情节、人物设定高度相似；2025年，某摄影师起诉自媒体账号使用AI生成的与自己摄影作品风格高度近似的图片用于商业宣传，索赔金额超过50万元。这些纠纷的核心争议点最终都指向同一个问题：人工智能生成的内容是否构成著作权法意义上的作品？如果构成作品，其版权应当归属于谁？传统版权制度的制度设计始终围绕“人类创作者”展开。著作权法的诞生初衷是保护人类智力劳动成果，激励创作者产出更多优秀作品。从《安娜法令》确立的作者权利保护原则，到各国版权法普遍将“独创性”“人类智力成果”作为作品构成的核心要件，整个版权体系的逻辑根基都建立在“创作是人类特有行为”这一前提之上。而AIGC的出现打破了这一前提：生成过程中人类的参与度可能极低，部分AIGC内容甚至只需要用户输入几个关键词即可自动生成，整个创作过程的主导者是人工智能模型而非人类。这种生产模式的变革直接导致传统版权归属规则出现适用困境，原有的委托创作、职务创作、合作创作等规则都无法直接套用到AIGC场景中，学术界和司法界都需要重新构建符合技术特性的归属规则体系。二、AIGC作品属性的学术争议讨论AIGC版权归属的前提是明确其是否构成著作权法意义上的作品，学术界围绕这一问题形成了三种主流观点。第一种是否定说，该观点认为AIGC不构成作品，无需赋予版权。持这一观点的学者主要从著作权法的立法本意出发，认为著作权法保护的是人类的智力创作成果，人工智能不具备法律主体资格，其生成内容的过程本质上是对训练数据的统计性拟合，没有体现人类特有的创作意图和个性表达。中国人民大学的刘春田教授在2024年发表的《论著作权法的调整边界》一文中提出，“创作是人类自由意志的体现，人工智能的运行本质上是算法执行的过程，不存在自由意志，因此其生成的内容即使具有独创性的外观，也不属于著作权法保护的作品范畴。”否定说的支持者还认为，赋予AIGC版权会侵蚀公共领域空间，大量AI生成内容被赋予排他性权利会阻碍后续创作，尤其是很多AIGC内容本身就依赖于公共领域的作品训练，若再对其赋予版权相当于对公共利益的二次掠夺。司法实践中也有部分案例支持这一观点，2023年美国版权局驳回了艺术家克里斯蒂娜·卡什塔诺娃为纯AI生成的漫画《ZaryaoftheDawn》申请版权的请求，核心理由就是该作品缺乏人类作者的创作投入。第二种是肯定说，该观点认为AIGC符合作品的构成要件，应当纳入版权保护体系。持这一观点的学者认为，著作权法保护的核心是“独创性表达”而非“创作者的人类身份”，只要AIGC内容具有独创性，能够以有形形式复制，就应当被认定为作品。清华大学的王迁教授在2025年《人工智能生成内容的著作权法地位》一文中指出，“随着技术发展，创作工具的智能化程度不断提升，从打字机到Photoshop再到今天的AI生成工具，本质上都是人类创作的辅助工具，不能因为工具的智能化程度高就否定人类在创作过程中的贡献。”肯定说的支持者进一步提出，否认AIGC的作品属性会打击市场主体投资研发AIGC技术和应用的积极性，不利于数字内容产业的发展。2024年北京互联网法院审理的“AI生成图片著作权侵权案”中，法院认定用户通过输入提示词、调整参数、选择生成结果等方式投入了智力劳动，生成的图片具有独创性，构成作品，应当受到著作权法保护，这一判决被视为国内司法层面肯定AIGC作品属性的标志性案例。第三种是折中说，也称为邻接权保护说，该观点认为AIGC虽然不构成传统意义上的作品，但可以通过邻接权制度进行保护。持这一观点的学者认为，AIGC的生成过程确实缺乏人类创作者的个性表达，无法达到作品所要求的独创性高度，但AIGC的生成需要大量的资金、技术投入，其传播也具有经济价值，应当赋予其类似于录音录像制作者权、版式设计权等邻接权的保护，激励相关主体的投入。中国政法大学的冯晓青教授在2025年《人工智能生成内容的知识产权保护路径选择》一文中提出，“邻接权保护模式既避免了突破传统著作权法的理论根基，又能够为AIGC相关主体提供合理的权利保护，平衡了创作者、投资者和社会公众的利益。”折中说的优势在于其制度弹性，不需要对现有著作权法体系做大幅度修改，只需要通过扩张邻接权的适用范围即可实现对AIGC的保护，但其也面临权利内容界定模糊、保护期限难以确定等问题。三、AIGC版权归属的典型模式梳理在认可AIGC可获得版权保护的前提下，国内外学术界和立法实践围绕版权归属形成了四种具有代表性的模式。第一种是用户归属模式，即AIGC的版权归属于生成内容的用户。这一模式是目前很多国家司法实践中的主流选择，其核心理由是用户是AIGC生成的发起者和最终决策者，用户输入的提示词、调整的参数、对生成结果的筛选和修改都体现了其创作意图，是AIGC内容具有独创性的核心来源。2024年欧盟通过的《人工智能法案》中明确规定，“用户对其输入指令生成的人工智能内容享有财产性权利，除非双方另有约定。”我国2025年公布的《生成式人工智能服务管理暂行办法》中也提到，“用户使用生成式人工智能服务生成的内容，其权利归属按照用户与服务提供者的约定确定；没有约定的，由用户享有。”用户归属模式的优势在于权利归属清晰，便于交易和流转，能够激励普通用户使用AIGC工具进行创作。但该模式也面临争议，部分学者认为如果用户仅输入了极简单的提示词，没有进行任何创造性投入就获得版权，对模型训练者和基础作品的作者不公平。第二种是模型开发者归属模式，即AIGC的版权归属于人工智能模型的开发者。持这一观点的学者认为，AIGC的生成高度依赖于开发者训练的模型，开发者在模型训练过程中投入了大量的资金、技术和人力，收集和整理了海量的训练数据，是AIGC内容能够生成的核心贡献者。美国版权局在2023年发布的《人工智能生成内容版权登记指南》中提到，如果人工智能模型的开发者能够证明其在模型设计和训练过程中体现了足够的创作意图，且生成内容是其预先设计的创作逻辑的产物，开发者可以作为作者申请版权登记。这种模式的优势在于能够激励开发者投入更多资源研发更先进的AIGC技术，但其弊端也很明显：如果所有AIGC内容的版权都归属于开发者，会导致开发者过度垄断内容权益，用户使用AIGC工具生成的内容都需要获得开发者授权，极大地增加了内容传播和使用的成本。第三种是公共领域模式，即AIGC内容在没有明确约定的情况下直接进入公共领域，供公众自由使用。持这一观点的学者认为，AIGC的训练数据大多来源于公共领域或者已有版权作品，其生成内容本身就是对已有作品的组合和再利用，不应当被赋予排他性的版权，否则会违背著作权法鼓励知识传播的立法目的。斯坦福大学法学院的劳伦斯·莱斯格教授在2024年发表的《AI时代的知识共享》一文中提出，“AIGC是整个人类知识积累的产物，其产生的利益也应当由全人类共享，将AIGC内容纳入公共领域是最符合社会整体利益的选择。”公共领域模式能够最大程度降低内容使用成本，促进知识的传播和再利用，但这种模式也会打击企业研发AIGC技术的积极性，尤其是在AIGC技术研发成本仍然很高的当下，完全免费开放可能会导致行业投入不足，最终影响技术的发展。第四种是利益分享模式，即AIGC的版权由用户、模型开发者、训练数据中的原作品作者等多方主体共同享有，按照各自的贡献比例分配权益。持这一观点的学者认为，AIGC的生成是多方主体共同作用的结果：原作品作者提供了训练数据的基础内容，模型开发者通过技术训练实现了内容生成的能力，用户通过输入指令引导了内容生成的方向，三方都对最终生成的内容有贡献，应当共享版权权益。2025年世界知识产权组织发布的《人工智能与知识产权政策报告》中建议，各国可以探索建立AIGC版权收益的多方分配机制，通过集体管理组织实现对原作品作者的权益补偿。利益分享模式理论上最符合公平原则，但实践中面临很多操作层面的困难：如何界定各方的贡献比例？如何联系数量庞大的原作品作者？如何降低利益分配的交易成本？这些问题如果得不到解决，利益分享模式就很难落地实施。四、AIGC版权归属的核心争议焦点目前学术界对AIGC版权归属的争议主要集中在三个核心问题上。第一个争议焦点是人类独创性投入的认定标准。传统版权法中对独创性的认定只需要判断是否是作者独立完成且具有最低限度的创造性即可，但在AIGC场景下，独创性的判断需要区分人类的投入和AI的贡献。什么样的人类投入能够被认定为具有独创性？仅仅输入几个关键词算不算？对生成结果进行简单的筛选和修改算不算？还是需要用户对生成内容进行大幅度的调整，使其体现出明显的个性化特征才算？目前各国的司法实践中对这一标准的认定差异很大：美国版权局要求人类对AI生成内容的修改必须达到“能够体现作者个性表达的程度”才能登记版权；而北京互联网法院在2024年的判例中则认为，用户输入的提示词包含了对画面内容、风格、构图的具体描述，就已经体现了用户的创作意图，符合独创性要求。学术界部分学者认为应当采用较高的独创性标准，避免大量简单生成的AIGC内容被赋予版权，挤占人类创作的生存空间；另一部分学者则认为应当采用较低的标准，只要是用户独立生成且没有抄袭，就应当给予保护，否则会限制AIGC技术的应用场景。第二个争议焦点是算法透明性与版权归属的关系。AIGC的生成过程是一个“黑箱”，用户和原作品作者都无法知道模型在生成内容时具体使用了哪些训练数据，有没有抄袭特定的作品。这种算法不透明性给版权归属的认定带来了很大困难：如果AIGC内容与某个原作品高度相似，如何判断是AI学习后的合理产出还是直接抄袭？如何区分模型开发者的贡献和原作品作者的贡献？部分学者提出应当强制要求AIGC企业公开训练数据来源，建立训练数据的版权授权机制，只有获得授权的训练数据训练出来的模型生成的内容才能被赋予版权；但另一部分学者认为，强制公开训练数据会侵犯企业的商业秘密，而且训练数据的规模动辄数十亿条，逐一获得授权根本不具有可操作性，要求算法透明本质上是扼杀AIGC行业的发展。2025年我国公布的《生成式人工智能服务管理暂行办法》中要求企业“对训练数据的合法性负责”，但没有要求公开训练数据的具体来源，这种折中方式也引发了很多争议，有学者认为这种规定无法有效保护原作品作者的权益，也无法解决AIGC内容的来源合法性问题。第三个争议焦点是版权权利内容的限制。即使认可AIGC可以获得版权，其权利内容也不应当和传统人类作品完全一致。传统版权包含了人身权和财产权两部分，人身权中的署名权、修改权、保护作品完整权具有人身属性，是和创作者的人格紧密相连的，而AIGC没有人格，是否能够享有人身权？目前学术界普遍认为AIGC的版权不应当包含人身权，只需要保护财产权即可，但也有部分学者认为如果用户对AIGC内容投入了足够的创造性劳动，应当赋予用户署名权。此外，AIGC的财产权也应当受到更多限制，比如合理使用的范围应当更宽，保护期限应当更短。部分学者提出AIGC的版权保护期限应当设置为10-15年，远短于传统作品的作者有生之年加50年，因为AIGC内容的迭代速度极快，过长的保护期限没有实际意义，反而会阻碍内容的传播。还有学者提出应当建立AIGC内容的强制许可制度，商业使用需要支付一定的费用，非商业使用则可以免费，平衡各方利益。五、我国AIGC版权归属规则的构建路径结合我国的技术发展阶段和法律体系现状，学术界普遍认为我国应当构建一套具有中国特色的AIGC版权归属规则体系，具体路径可以分为四个层面。第一，在立法层面，应当通过修改著作权法或者出台专门的司法解释，明确AIGC的作品属性和归属原则。首先要明确AIGC的作品认定标准，将“用户的独创性投入”作为核心要件，区分“纯AI自动生成的内容”和“用户参与创作的AIGC内容”，只有后者才能够被认定为作品。其次要明确归属的基本原则，采用“约定优先，用户归属为补充”的规则，用户和AIGC服务提供者有约定的按照约定确定版权归属，没有约定的归属于用户，这种方式既尊重了当事人的意思自治，也符合目前的行业实践。最后要明确权利内容的限制，规定AIGC作品不享有人身权，财产权的保护期限可以设置为20年，自生成之日起计算，合理使用的范围适当扩大，允许为了公共利益目的自由使用部分AIGC内容。第二，在行业层面，应当建立AIGC训练数据的版权集体管理机制。针对训练数据授权难的问题，可以由著作权集体管理组织代表权利人统一和AIGC企业谈判，签订一揽子授权协议，企业支付一定的版权使用费，集体管理组织再将费用分配给相关权利人。这种方式可以大幅降低授权的交易成本，既保护了原作品作者的合法权益，也避免了企业因为逐一获得授权而负担过重。2025年中国文字著作权协会已经和多家AI企业开展了合作试点，探索文字作品训练数据的授权机制，取得了不错的效果。未来还可以进一步扩展到图片、音乐、视频等不同类型的作品，建立覆盖全品类的AIGC训练数据授权体系。第三，在技术层面，应当推广AIGC内容的存证和标识技术。要求AIGC服务提供者对生成的内