涉人工智能及算法技术秘密侵权纠纷案件中举证责任转移的适用

日前，最高人民法院知识产权法庭审结了上诉人甲公司与被上诉人乙公司、张某、王某、李某、黄某侵害技术秘密纠纷一案，改判认定乙公司等五被诉侵权人实施了针对甲公司涉案技术秘密的共同侵权行为并需承担相应侵权责任。该案系法庭审结的首例涉视觉识别领域人工智能及算法技术秘密侵权纠纷案件，较好诠释了如何在该领域适用2019年修正的反不正当竞争法第三十二条第二款关于举证责任转移的规定。

甲公司致力于开发一款指尖识别及点读单词的产品“某英语阅读伴侣”，即用手指指点书本上的文字并快速实现识别和翻译。甲公司主张，其在2019年4月前就已形成相关商业秘密，包括指尖识别技术相关代码构成的算法及图片数据库。张某曾是甲公司股东之一并担任公司CTO。李某、王某、黄某亦系甲公司前员工，均从事“指尖识别”项目相关的技术开发工作且能够接触到涉案技术信息。2019年3月张某从甲公司离职，于同年5月下旬设立乙公司，李某、王某、黄某此后相继从甲公司离职并入职乙公司，成为乙公司的股东或技术骨干。甲公司主张，张某、李某、王某、黄某未经许可，向乙公司披露并允许使用甲公司的涉案商业秘密，乙公司利用该商业秘密为其他公司提供技术支持，其他公司继而推出带有指尖识别及点读单词功能的产品。据此，甲公司向法院起诉请求判令乙公司、张某、李某、王某、黄某立即停止侵害涉案商业秘密并连带赔偿甲公司经济损失（含合理费用）100万元。

一审法院经审理认为，甲公司提供的在案证据不能合理表明其主张的技术信息被侵害。据此作出一审判决，驳回甲公司的诉讼请求。甲公司不服，向最高人民法院提起上诉。

最高人民法院二审审理认为，甲公司提供的证据已经合理表明涉案商业秘密被五被诉侵权人侵害。首先，乙公司在2019年10月14日的公司主页中，明确将甲公司研发的“某英语阅读伴侣”产品作为“桌面交互技术平台”的主要产品加以介绍，并强调了该产品使用了AI算法的指尖定位技术。其次，在甲公司基于与本案基本相同的事实第一次起诉乙公司后又撤诉的案件中，根据乙公司的答辩情况，被诉侵权产品与甲公司的“某英语阅读伴侣”产品使用的都是“手指识别及跟踪”技术。再次，将被诉侵权产品与甲公司的“某英语阅读伴侣””产品进行对比演示，在借助手指进行测试与不借助手指进行测试的场景下，两产品均展现出的识别、输出及拼读能力几乎相同。复次，从乙公司成立（2019年5月21日）至其合作伙伴的产品显示“从无到有”具备手指定位及识别功能（2019年7月4日），期间时长未超过两个月。最后，张某、王某、李某、黄某在甲公司上班时，均是指尖识别项目组的成员，均有机会接触到涉案秘点的相关技术信息。

五被诉侵权人提交的证据不足以证明其未实施侵害甲公司涉案技术秘密的侵权行为。首先，按照乙公司的说法，被诉侵权技术的最初来源主要是乙公司从各种开源渠道收集相关开源代码。但如何将这些从不同渠道获取的开源代码加以整合形成一个初始模型，并通过后期大量训练进一步形成性能完善的模型，既是研发中的关键环节，也是研发中的核心难点。从不同的开源渠道获取与指甲盖识别技术相关的开源代码，直至面向市场推出一款可以投入商业性使用的产品，其间无疑仍需完成大量的适配、整合和打磨工作。以甲公司在本案中作为商业秘密主张的“手指指尖识别技术”为例，从构思讨论到最终上线成品的研发过程历时一年五个月有余。反观乙公司，从成立到给其商业合作伙伴提供能够实现“手指定位及识别”功能的技术，历时未超过两个月。在如此之短的研发周期或者说用如此之快的研发进度，从无到有推出一款具有人工智能视觉识别和定位功能的产品，有违日常经验法则。其次，无论是甲公司作为技术秘密加以主张保护的“手指指尖识别”技术，还是乙公司的被诉侵权技术，都不可避免涉及识别手指、定位手指、识别手指指向的文本、正确理解文本内容、作出应答等流程动作。前述系列“动作”实际是由人工智能参与完成，而欲让一款“人工智能”产品具备类似人类的视觉感知、辨识、理解、回应等能力，无疑需要前期对该“人工智能”模型进行高频次和高强度的训练，例如训练如何识别手指。没有数据的“投喂”，人工智能模型将无法有效工作。人工智能模型被“投喂”的数据越丰富、数据规模越大、数据质量越高，则自我学习和泛化的能力就越强，展现的认知水平和处理能力就越好。在缺乏足够的“投喂”数据助力人工智能模型进行强化学习训练的情况下，仅靠从不同开源渠道获得的开源代码，乙公司就可以在如此短的时间内（2019年5月至2019年7月）协助其商业合作伙伴优某某推出一款不同于双方合作前优某某产品原有功能、具有“手指识别和点读”新功能，且自称“完全不同”于甲公司“指尖识别和定位”技术之“指甲盖”技术的新产品，显然不符合常理。再次，通常而言，人工智能模型的知识和能力源自对其训练的数据，对模型的训练过程就是让其学会将输入的数据映射到具体的标签，模型的能力严格受限于训练数据所定义的任务边界。人工智能模型不会凭空获得识别未经训练类别的能力。模型输出结果的质量，从根本上说，取决于输入模型的训练数据的类型、规模和质量。根据甲公司产品与被诉侵权产品同时面对同一测试者和同一本测试素材时的比对演示视频，结合二审进一步查明的事实，在隐藏手指指甲盖测试场景下，显示由乙公司提供技术的被诉侵权产品仍能顺利识别、触发定位并能正确拼读和输出相关单词，这一事实恰恰表明乙公司关于被诉侵权技术采用的是“指甲盖识别”技术的说法缺乏说服力。最后，“某英语阅读伴侣”系带有摄像装置的柱状产品，客观上存在用户在使用过程中将该柱状产品随意挪动摆放的可能性，故该产品在使用时后台需要作调整角度的工作以收集样本。而被诉侵权产品为平板型产品，其使用特性基本不需要产品在后台调整角度，乙公司亦陈述其技术没有调整角度的功能，但根据其产品测试结果，被诉侵权产品在调整角度的情况（即平板与用户存在角度的非正常使用习惯的情境下）亦可以识别单词。基于以上分析，应认定甲公司关于乙公司等五被诉侵权人实施了侵害涉案商业秘密的主张成立。据此撤销一审判决，改判五被诉侵权人停止披露、使用、允许他人使用涉案商业秘密，销毁承载涉案商业秘密的载体并承担50万元的连带赔偿责任。

本案对如何适用2019年修正的反不正当竞争法第三十二条第二款，在处理技术秘密侵权纠纷中如何分配举证责任进行了较为深入的分析说理，对人工智能及算法技术秘密案件的审理具有一定的参考意义。

【附件】（2023）最高法知民终1503号判决书原文