AI系统的知识产权：训练数据、输出、许可

AI系统的知识产权：训练数据、输出、许可本文档提供：训练数据版权风险判定表一张，按来源合法性、使用目的、输出替代性三个变量区分高、中、低风险；中国法下商业训练合规动作清单一份，含合法来源验证、商业训练定性、技术性合规措施三项可执行动作；AI输出可版权性判定表一张，按人类控制程度和贡献可证明性区分“可受保护”“保护范围限于人类贡献”“不受保护”三种结论；开源许可风险对照表一张，含GPL/AGPL的传染性边界、MIT/Apache的宽松条件、开放权重与传统开源的区别；食品企业AI视觉检测知识产权处置案例一个，含训练数据来源补正、输出可版权性判断和开源组件排查三次转折；合同条款审查清单一份，覆盖数据来源保证、输出权属分配、侵权赔偿和许可兼容性四个条款位置；决策规则六条，覆盖来源不合规、商业训练定性错误、输出权属约定空白、开源传染性误判、平台责任边界误读和跨期失效六个分叉点；三套场景操作对照表一张，逐项列出检查项和证据增减。2026-11-08表1目录与定位这一节的标题读完你能拿到什么这一节在全文中的功能一、训练数据：来源合法性是底线，商业训练定性是分水岭训练数据版权风险判定表、中国法下商业训练合规动作清单在数据进入训练管道之前，判断来源是否合规、训练行为在中国法下可能被如何定性二、输出：人类贡献的厚度决定保护的有无和边界AI输出可版权性判定表，按人类控制程度和贡献可证明性分三档对一份具体的AI生成内容，判断能不能主张版权、能主张到什么范围三、许可：开源不等于免费，传染性边界要逐个组件查开源许可风险对照表，含GPL/AGPL、宽松许可、开放权重的区别在引入开源代码、模型权重或数据集之前，判断许可义务是否会传导到自有产品四、合同：四个条款位置把风险锁在纸面上合同条款审查清单，覆盖数据来源保证、输出权属、侵权赔偿、许可兼容性在与供应商、客户或合作方的合同中，找到必须写清楚的四个位置五、六条决策规则：什么条件走哪条路六条“如果—则—如果—则”格式的决策规则覆盖来源不合规、定性错误、权属空白、传染性误判、平台责任误读和跨期失效六、三次判断转折：一条视觉检测线的知识产权处置完整案例，含训练数据来源补正、输出可版权性判断、开源组件排查看三个维度在一个真实食品企业场景里如何依次暴露并处置七、完整版、精简版、极简版各查什么三套场景对照表，逐项列出检查项和证据增减按场景选版本按第一列在正文找对应那节，按第二列判断这节有没有你要的东西，按第三列判断这节是否对应你当前卡住的位置。一、训练数据：来源合法性是底线，商业训练定性是分水岭AI训练数据的版权风险分两层。第一层是来源，第二层是训练行为本身的法律定性。两层的关系有先后：来源不合规，讨论训练行为是否构成合理使用没有意义。来源层的底线在全球司法实践中已经比较清晰。Bartzv.Anthropic案中，美国法院认定使用正版书籍训练模型可以构成合理使用，但Anthropic从盗版网站获取书籍的事实使这一抗辩失效，案件最终以15亿美元和解、销毁盗版数据集结案。法院的立场可以概括为：训练行为本身可能被接受，数据来源的非法性单独触发责任。中国《生成式人工智能服务管理暂行办法》第7条要求训练数据处理活动“使用具有合法来源的数据，不得侵害他人依法享有的知识产权”，这条规定把来源合法性写成了前置义务。实务中“合法来源”的验证需要落到每一批数据上：公开渠道下载的数据，核对下载时的许可声明和平台条款；采购的数据集，核对供应商的权利保证和上游授权链；自行采集的数据，核对采集行为本身是否侵犯他人的复制权或技术保护措施。定性层在中国法下的走向与欧美不同。美国通过判例逐步厘清合理使用的边界，Bartz案和KOSS案的分歧说明结果高度依赖个案事实；欧盟依靠TDM例外，但汉堡高等法院2025年12月的判决确认权利保留必须以机器可读方式表达，自然语言条款不足以阻止TDM例外的适用。中国《著作权法》第24条的合理使用是封闭式列举，大模型训练很难直接归入其中任何一项，司法实践和监管口径正在向“商业训练原则上不构成合理使用”收敛。这一判断对食品企业的含义是直接的：用受版权保护的包装设计图、产品摄影、竞品图像做商业目的的模型训练，在中国法下主张合理使用的空间很窄。合规路径有三条：取得授权（成本最高、确定性最强）、使用开源或公有领域数据、用技术手段降低对特定作品的“记忆”和再现。三条路径可以组合，但来源不合规的数据不能通过“技术处理”洗白。表2训练数据版权风险判定表风险变量低风险中风险高风险来源合法性自行采集且采集行为不侵犯他人权利；开源许可明确允许训练；已取得书面授权公开渠道下载，平台条款未明确禁止训练，但权利状态不完全清晰从盗版渠道获取；规避技术保护措施获取；供应商无法提供上游授权链使用目的内部研究、非商业性实验内部商业使用，不直接对外提供生成服务对外提供生成式服务，或训练成果直接嵌入商业产品输出替代性输出与训练数据中的特定作品在表达上差异显著，不构成市场替代输出可能再现特定作品的风格或局部元素，但未形成完整替代输出能够生成与特定作品实质性相似的内容，或直接替代原作品的市场功能综合判定三项低风险或两项低风险加一项中风险，可进入训练，保留来源记录存在中风险项，训练前补充授权核查或技术筛查，输出端加过滤存在任一项高风险，该批数据不进入训练管道中国法下商业训练的合规动作按三步走。第一步，来源验证：建立《训练数据来源登记表》，每一批数据记录来源方式、许可状态、授权文件位置和哈希值；无法验证来源的数据不进入管道。第二步，定性判断：对“商业训练是否可能构成合理使用”做书面评估，评估依据包括训练目的（内部使用还是对外服务）、输出与训练数据的替代关系、使用的数量与实质性程度。评估结论不追求“确定合法”，追求“风险可知、有据可查”。第三步，技术性合规：在数据预处理阶段筛查明确标注“禁止AI训练”的内容（opt-out信号，优先识别机器可读的标记）；在训练和输出阶段通过正则过滤、去重、输出端相似度检测降低“记忆”和再现的风险。二、输出：人类贡献的厚度决定保护的有无和边界AI生成内容能不能受版权保护，中国司法实践在2025—2026年形成了相对可操作的判断线索：看人类在生成过程中的控制程度和贡献的可证明性。全国首例认定AI生成图片不具备独创性的案件中，原告仅输入一次抽象场景提示词，图片完全依赖模型自动生成，法院认定“难以体现原告通过参数调整等对生成图片作出独创性的选择和修改”，图片不属于著作权法保护的作品。苏州中院的“蝴蝶椅”案中，原告无法再现创作过程，也无法提供完整的创作记录来证明自己对布局、比例、色彩等表达要素作出了个性化贡献，同样被认定不构成作品。这些判决指向的规则可以拆成两个层次。第一层，有没有人类贡献：如果人类在生成过程中只做了“输入提示词、点击生成”这一层动作，模型的黑箱决策占据了表达形成的主要部分，输出不构成作品。第二层，人类贡献的边界在哪里：即使输出可以被认定为作品，保护范围通常限于人类贡献的具体表达部分，不延伸到模型自动生成的整体。厦门大学董慧娟在《数字法治》上的分析将这一思路概括为“有限控制”标准——人类控制是AIGC可版权的必要非充分条件，保护范围原则上限于人类贡献的具体表达。对食品企业的操作含义：如果企业用AI生成产品包装设计、营销文案或标签图案，要主张版权，需要留下“人类贡献可证明”的记录。记录的内容包括：生成过程中的提示词迭代历史、参数调整记录、人工修改的草稿和版本、人类在布局、色彩、文字取舍上的决策依据。只保留最终输出文件，在侵权纠纷中很难证明人类贡献的厚度。反过来，如果企业使用AI生成内容的目的只是内部参考或避免侵权，输出不受版权保护反而降低了“被他人主张权利”的风险；但如果企业需要将AI生成内容作为独占资产（如品牌IP形象），就需要在生成过程中投入可记录的人类创作劳动，或者走“AI辅助＋人工实质性修改”的路径，使最终成果的人类贡献部分清晰可辨。表3AI输出可版权性判定表判定层次可受保护保护范围限于人类贡献不受保护人类控制程度深度交互、反复调试参数、对表达要素作出具体选择有人类修改和取舍，但模型自动生成部分占比较大仅输入一次提示词，无参数调整和人工修改贡献可证明性提示词迭代记录、参数日志、人工修改版本、决策依据齐全有部分记录，但无法完整再现创作过程仅有最终输出文件，无过程记录典型场景AI辅助＋人工实质性修改的包装设计人类设定框架、模型填充细节的营销图一键生成的参考图、内部头脑风暴素材操作结论可按“人类贡献部分”主张版权，登记时标注AI辅助主张版权时限定在人类修改的部分，避免对整体主张独占不作为独占资产使用；对外发布时标注AI生成，降低误导风险三、许可：开源不等于免费，传染性边界要逐个组件查开源许可的风险落在“义务会不会传导到自有产品”上。不同许可证的传导条件不同，混在一起看容易误判。GPL和AGPL的传染性最强。GPL要求基于GPL代码开发的衍生作品在分发时以GPL开放源代码；AGPL把触发条件扩展到“通过网络提供服务”。最高人民法院在GPL3.0协议效力国内首案中确认GPL协议构成著作权许可合同，违反GPL义务属于合同违约；在网经诉亿邦案中进一步厘清：开发者违反GPL协议的行为是合同义务违反，不影响其独创性作品的著作权本身。对AI系统的含义：如果训练代码、推理服务或数据处理管道中嵌入了GPL/AGPL组件，且产品对外分发或通过网络提供服务，需要逐个组件判断该组件与自有代码之间是“衍生作品”还是“独立组合”。独立组合（通过进程边界、API调用等方式隔离）通常不触发传染性；紧密集成（同一进程内链接、代码混入）可能触发。宽松许可（MIT、Apache2.0）的义务主要是保留版权声明和许可文本，传染性风险低。但“宽松”不等于“无义务”：MIT要求保留原许可声明，Apache2.0额外要求标注修改、包含专利授权条款。AI系统如果使用了MIT许可的模型代码或工具库，删除版权头、不附带许可文本，仍然构成违约。“开放权重”与“传统开源”是两个概念。Llama、DeepSeek等模型的“开放权重”允许下载和使用权重文件，但许可条款通常包含使用限制（如禁止用于某些目的、要求下游遵守可接受使用政策），与传统开源许可证的自由修改和再分发条件不同。企业把开放权重模型嵌入产品时，需要单独审查该模型的许可条款，不能默认“能下载就能自由商用”。表4开源许可风险对照表许可类型传染性条件对AI系统的含义合规动作GPL/AGPL衍生作品分发（GPL）或网络提供服务（AGPL）时，衍生作品需以同许可开源嵌入训练代码、推理服务或管道的GPL组件可能传导到自有代码逐个组件判断“衍生作品”还是“独立组合”；紧密集成的组件隔离或替换MIT/Apache2.0无传染性；保留版权声明和许可文本删除版权头或不附许可文本构成违约在产品文档或许可清单中保留原声明；Apache2.0标注修改开放权重（Llama类、DeepSeek类）按模型许可条款，可能有使用限制和下游义务“可下载”不等于“可自由商用”；使用限制可能传导到产品单独审查模型许可条款，确认使用场景不被排除数据集许可（CCBY、CCBY-NC等）按许可条件，NC（非商业）限制商业使用商业训练使用NC许可数据可能构成违约核对数据集许可的“商业使用”条款；NC数据不进入商业训练四、合同：四个条款位置把风险锁在纸面上AI系统的知识产权风险，有一部分可以通过合同分配，但合同不能把法律上的侵权责任完全转移给没有过错的对方。可操作的条款位置有四个。数据来源保证。在数据采购或模型采购合同中，要求供应商保证其提供的数据和模型“不侵犯第三方知识产权”，并约定违反保证时的赔偿和终止权。保证条款的写法要落到可验证的动作上：供应商承诺已对数据来源做合规审查、已取得必要授权、数据中不包含规避技术保护措施获取的内容。只写“保证合法”而不约定审查义务和违约后果，保证条款的执行力有限。输出权属分配。合同需要写明：使用AI系统产生的输出，其知识产权归属谁；如果输出包含供应商的模型或数据中的权利元素，供应商是否授予企业使用、修改和商业化的许可；企业是否可以对输出主张独占权利。输出权属的空白是AI服务合同中的高频漏洞：供应商默认保留对输出的一切权利，企业支付了服务费却无法将生成内容作为自有资产使用。侵权赔偿（IPindemnity）。约定当第三方主张企业的使用行为侵犯其知识产权时，供应商是否承担抗辩和赔偿义务。AI场景下的IPindemnity需要明确覆盖范围：是否覆盖训练数据引起的侵权、是否覆盖输出内容引起的侵权、是否有赔偿上限。供应商通常不愿意覆盖“输出侵权”，因为输出的侵权风险部分取决于企业的使用方式；企业需要在谈判中区分“供应商可控的风险”（训练数据来源、模型本身的权利瑕疵）和“企业可控的风险”（使用方式、输出后的修改）。许可兼容性。如果企业把供应商的模型或代码与自有系统集成，合同需要约定供应商的许可条款不会对企业的自有代码或产品许可造成传染。GPL类许可的组件如果被集成进闭源产品，合同应要求供应商披露组件清单和许可类型，并对传染性风险做出安排（隔离、替换或取得例外许可）。合同条款审查清单条款位置审查问题合格条件不合格时的动作数据来源保证供应商是否保证数据来源合法、不侵犯第三方权利？保证条款包含可验证的审查动作和违反后果要求补充审查义务和赔偿条款；无法补充时评估替换供应商输出权属输出的知识产权归属是否写明？企业是否获得使用、修改、商业化许可？权属和许可范围清晰，企业可以将输出用于预期商业目的谈判补充权属条款；权属无法取得的，评估输出的可替代性侵权赔偿IPindemnity是否覆盖训练数据和模型本身的权利瑕疵？覆盖范围明确，赔偿上限与风险量级匹配要求扩展覆盖范围；供应商拒绝时，在内部风险台账中记录自留风险许可兼容性供应商是否披露组件许可清单？传染性组件是否与自有产品隔离？组件清单可查，传染性风险有隔离或例外安排要求披露清单；无法隔离的组件，评估替换成本或取得例外许可五、六条决策规则：什么条件走哪条路规则一：如果一批训练数据的来源无法验证（无授权文件、无上游许可链、从规避技术保护措施的渠道获取），该批数据不进入训练管道，不以“训练行为可能构成合理使用”为由放行；来源合规的判断先于使用目的和输出替代性的判断。规则二：如果训练目的是对外提供生成式服务或训练成果直接嵌入商业产品，在中国法下做“商业训练不构成合理使用”的书面评估，评估结论写入《训练数据合规评估记录》；评估结论为“风险不可控”的数据替换为授权数据或开源/公有领域数据，不以“技术处理”替代来源合规。规则三：如果企业需要将AI生成内容作为独占资产使用（品牌IP、包装设计、商标图样），生成过程中保留提示词迭代、参数调整和人工修改的完整记录；没有过程记录的AI输出不主张独占权利，按“不受保护或保护范围不明”处理，避免在侵权纠纷中因举证不能而丧失权利基础。规则四：如果自有产品或服务中嵌入开源组件，逐个组件判断许可类型和传染性触发条件；GPL/AGPL组件与自有代码之间通过进程边界或API隔离的，记录隔离方式；紧密集成且无法隔离的，替换组件或取得权利人的例外许可。规则五：如果合同中的输出权属条款空白或供应商保留全部输出权利，在合同签署前谈判补充；无法取得输出权属或商业使用许可的，在内部评估“使用该输出是否值得承担权属不确定性”，不默认输出可以自由使用。规则六：如果训练数据来源、开源组件版本或输出权属合同发生变更，已归档的知识产权评估记录标注“变更日期”，新批次数据、新版本组件或新合同按变更后的条件重新评估；跨期比较合规状态时，注明评估所依据的来源、版本和合同条款。六、三次判断转折：一条视觉检测线的知识产权处置以下案例为示例案例，细节为合理设定。人物用“某食品企业法务与AI治理负责人”。该案例的关键判断分叉集中在训练数据来源的追溯与补正、AI生成包装设计的可版权性判断、以及开源推理组件的传染性排查三处，第四次转折未发生。起点：企业的一条坚果炒货视觉检测线使用外部供应商提供的预训练模型，并用自有产线图像做微调。同时，市场部开始用生成式AI工具产出包装设计初稿。供应商在交付模型时提供了权重文件和推理代码，但没有提供训练数据的来源说明。推理代码中有一个图像预处理模块标注为“GPL-3.0”。第一次转折。法务在审查供应商合同时发现，合同的数据来源保证条款只写了“供应商保证其提供的模型不侵犯第三方知识产权”，没有约定审查义务、赔偿范围和违反保证的后果。追溯供应商的训练数据来源，供应商回复“使用了公开图像数据集和合成数据”，但无法提供数据集的许可清单和上游授权链。按表2的风险判定，来源合法性落在“中风险”区间，使用目的为商业产品嵌入，综合判定需要“补充授权核查或技术筛查”。第一反应是要求供应商补充数据集清单。供应商补充了部分清单，其中两个数据集标注为“研究用途，商业使用需另行授权”。换哪条路：企业不等待供应商解决全部授权问题，先做两件事。一是要求供应商替换或移除“研究用途”数据集重新训练模型，替换后的模型在企业的验证集上复测，精度下降1.2个百分点，在容忍范围内。二是在合同中补充数据来源保证的执行条款：供应商承诺后续模型更新附带数据集许可清单，违反保证导致第三方索赔时承担抗辩和赔偿，赔偿上限设为合同金额的2倍。第二次转折。市场部提交了用生成式AI产出的包装设计初稿，希望作为品牌资产登记版权。法务按表3逐层判断：市场部提供的材料只有最终输出图，没有提示词迭代记录和人工修改版本。设计过程是“输入产品卖点和风格要求，从生成结果中挑选了一张，做了轻微的文字调整”。人类控制程度落在“仅输入提示词、无深度参数调整”区间，贡献可证明性落在“仅有最终输出文件”区间，判定为“不受保护或保护范围不明”。第一反应是“让设计团队重新画一遍再登记”。但重画会丧失AI效率优势，且时间成本高。换哪条路：调整使用方式而非强行主张版权。AI生成初稿作为“内部创意参考”，不作为独占资产登记；设计团队在初稿基础上做实质性的人工修改（布局重构、色彩重新配比、字体替换和原创插画元素的加入），修改过程和决策依据留档。最终对外发布的包装设计以“人工修改后的版本”为基础，人类贡献部分可清晰辨识，登记时以该版本主张版权，AI辅助部分在申请文件中如实说明。第三次转折。技术团队在排查推理代码的许可风险时确认，图像预处理模块以GPL-3.0发布，且以Python模块导入的方式与自有推理代码运行在同一进程中。按表4的传染性条件，同一进程内紧密集成可能构成衍生作品，GPL的开源义务可能传导到自有推理代码。第一反应是“直接删掉GPL模块，自己写一个替代”。评估后发现该模块的功能（图像归一化和通道转换）并不复杂，自研替代的开发周期约两周。换哪条路：自研替代模块，移除GPL组件。替代模块经测试与原有模块的功能一致，推理管道的性能无显著变化。同时建立开源组件准入清单：后续引入任何开源组件前，记录许可证类型、集成方式和传染性判断结论；AGPL和GPL组件默认不进入同一进程，除非完成隔离设计或取得例外许可。终点：最终产出五份记录——训练数据来源补正记录（替换研究用途数据集、替换后精度复测、合同补充保证条款）、AI生成包装设计的使用方式调整记录（AI初稿作为参考、人工修改版本及过程记录、版权登记以人工版本为基础）、开源组件排查与替换记录（GPL模块识别、自研替代、测试结果）、开源组件准入清单（含许可类型和集成方式判断）、合同条款修订记录（数据来源保证、赔偿上限、许可兼容性披露）。视觉检测模型的精度在替换数据后下降1.2个百分点，仍在业务容忍线以上；包装设计以人工修改版本完成版权登记；推理管道中的GPL组件被自研模块替代。表5案例变量表变量案例中的情形变量变化时的处置调整训练数据集的许可状态部分数据集为“研究用途，商业使用需另行授权”如果全部数据集许可清晰，无需替换和重新训练，精度不下降AI生成设计的人类贡献厚度仅输入提示词和挑选结果，过程记录缺失如果有完整的迭代和修改记录，可按“保护范围限于人类贡献”主张部分权利，无需完全放弃AI初稿的版权主张开源组件的集成方式同一进程内紧密集成，传染性风险成立如果通过独立进程或API隔离，传染性风险降低，可保留组件并记录隔离方式供应商对数据来源的配合度补充了部分清单，但未解决全部