生成式人工智能涉侵犯著作权罪的入罪边界与规制构造

摘  要：生成式人工智能产业的快速发展，不断催生出新型侵权纠纷与潜在的刑事犯罪风险。传统侵犯著作权罪以“接触+实质性相似”为核心的认定标准面临责任主体界定模糊、主观判断标准失灵及因果关系认定断裂的适用困境。为有效应对上述治理挑战，可构建一套契合算法技术特征的归责路径：一是按照在算法全流程中的参与程度与控制能力分层定责，算法开发者因算法设计缺陷承担无过错责任，服务提供者负数据审查与内容风控过错责任，终端使用者为直接侵权主体承担主要责任，训练数据提供者承担补充责任；二是结合侵权场景，梯度构建“故意——重大过失——一般过失——无过错”四级主观评价体系，并区分刑事与民事责任边界；三是针对因果关系证明难题，确立“检察机关初步举证——举证责任倒置——技术鉴定辅助”的递进式证明机制，明确训练数据留存等义务，旨在为司法机关穿透技术迷障、厘清侵犯著作权罪入罪边界提供检察指引。

关键词：生成式人工智能 算法黑箱 侵犯著作权罪 归责困境 优化路径

全文

生成式人工智能（AIGC）侵权是指算法开发者、服务提供者或终端使用者等在AIGC的数据训练、服务运营或内容输出中，因违反数据合法性义务、未尽合理注意义务或明知侵权仍提供服务，致使他人受法律保护的著作权、人格权或竞争利益遭受侵害的行为。本文以罗某林、姚某渊等侵犯著作权案为切入点，思考生成式人工智能侵权归责的困境与路径，为类案办理提供检察思考。

一、基本案情

2024年3月至7月间，福州市某品电子商务有限公司（以下简称“某品公司”）法定代表人罗某林与姚某渊共谋，在未经权利人许可的情况下，使用他人美术作品制作拼图牟利。姚某渊指使他人使用Stable Diffusion（以下简称“SD”）等开源软件生成侵权图片，罗某林组织某品公司使用生成的侵权图片制作拼图产品，并通过姚某渊在抖音、小红书平台分别开设的两家电商店铺对外销售。经查，罗某林等人销售的多类拼图图样与苏州某图书有限公司及张某、刘某玲等个人享有著作权的美术作品关键元素一致，属于实质相同。截至案发，共售出侵权拼图产品3000余件，非法经营数额共计人民币27万余元。

北京市通州区人民检察院提前介入引导侦查，在海量电子数据（光盘56张、移动硬盘3个，全案电子数据以“T”为单位计算）中甄辨刑事主体，历经四次勘验检查辅助工作，锁定过错责任。同时查明某品公司参与复制发行他人美术作品的犯罪活动体现单位意志，后依法追加单位犯罪。

2025年5月，北京市通州区人民检察院对某品公司及罗某林等4人提起公诉。2025年6月，北京市通州区人民法院经审理认定某品公司犯侵犯著作权罪，判处罚金10万元；罗某林、姚某渊等4人因犯侵犯著作权罪，分别被判处有期徒刑1年6个月至缓刑，并处罚金6万元至2.5万元不等。宣判后，被告单位、各被告人均不上诉，判决已发生法律效力。

二、生成式人工智能侵权类案件的归责困境

在生成式人工智能深度嵌入商业生态的当下，罗某林、姚某渊等侵犯著作权案揭示了侵权行为与刑事规制衔接的新动向：行为人利用AI技术低成本、高效率地窃取他人智力成果，将原创作品转化为廉价的工业复制品牟利，已经成为一种侵权新模式。在此模式下，侵权行为被解构为“前端恶意诱导——中端算法生成——后端商业变现”的完整链条，致使法益侵害结果深深嵌套于代码运行的逻辑之中，打破了传统侵犯著作权罪以“接触+实质性相似”为核心的认定标准。这种“大规模、微型化”的权益剥削，呈现出远超个案损害的隐蔽性与系统性特征。当侵权行为由“自然人主导”异化为“人机协作”，且产生损害后果的过程被隐藏在算法“黑箱”之中时，传统侵权法以“行为人”和“过错”为核心的归责逻辑便陷入了失灵状态。具体到本案及同类案件的刑事司法认定中，这种侵权目的与算法技术的深度融合，主要带来了以下三重归责困境：

（一）责任主体界定模糊

生成式人工智能的开发与使用涉及算法开发者、服务提供者、训练数据提供者、终端使用者等多个主体，各主体之间的责任边界模糊，导致侵权发生后“追责无门”或“多头追责”。

1.算法开发者与服务提供者的责任划分不清。算法开发者是指负责模型架构设计、训练流程与权重参数生成，产出“可运行的模型”的主体，解决“模型能怎样生成”的问题；服务提供者是指将模型封装为可交互的生成服务（在线API/Web端/客户端等），面向用户提供入口、计费、内容风控与投诉处置等服务，并以此获得经营收益的主体，决定“模型能用来干什么”的问题。以本案为视角进行推演：若涉案侵权图片的生成并非源于姚某渊等人的恶意指令，而是因SD底层模型存在“系统性偏好”或“固有偏见”，导致输出结果在统计学上显著趋同于他人作品，且终端使用者据此进行营利性活动时，算法开发者与服务提供者之间的责任边界便陷入模糊。一方面，服务提供者多以“技术中立”为由主张免责，辩称算法黑箱的内部运作具有不可预见性与不可控制性，随机生成的侵权结果已超出其合理注意义务范畴；另一方面，算法开发者则往往祭出“开源协议豁免”与“技术合规抗辩”的挡箭牌，主张其提供的底层代码已内置著作权侵权过滤机制，系服务提供者未按规范部署或进行二次改造所致。这种各执一词的抗辩拉锯，使得办案机关深陷海量电子数据的迷宫而难以锁定实质过错方。

2.服务提供者与终端使用者的责任界定困难。终端使用者是指利用模型或服务的自然人或法人，涉及的是“谁来使用模型”的问题。若终端使用者通过输入提示词触发算法生成侵权内容，责任应归于终端使用者还是服务提供者，司法实践面临“行为不法”与“技术中立”的认定困境。一方面，终端使用者往往因其对生成过程的“主导性”而成为首要责任主体，当其故意通过精心设计的提示词诱导AI输出侵权内容时，其行为与侵权结果的发生具有直接因果关系，理应遵循《民法典》第1165条的过错责任原则，承担相应的直接侵权责任。本案中，姚某渊等人主观过错明显，承担责任无可厚非；另一方面，服务提供者并不能当然免责，其责任边界取决于是否履行了“合理注意义务”，若服务提供者未建立有效的安全过滤机制、投诉响应机制，或对已知的模型漏洞置之不理，则可能因存在主观过错而构成帮助侵权，需与终端使用者承担连带责任。但本案中，法院判决并未就SD等开源软件的服务提供者是否履行“合理注意义务”进行论证，使得服务提供者可能在“技术中立”的庇护下逃避应承担的侵权责任。

3.训练数据提供者的责任认定程序缺失。训练数据提供者是指向模型训练提供语料、图像、文本及标注的主体，影响的是“模型从何学习”的问题。训练数据作为算法运行的基础，其获取方式依赖网络爬虫抓取或模糊的第三方采购，导致来源链条复杂、权利归属不明。本案中，张某等权利人的插画作品被SD等开源软件悄然抓取作为训练数据，由于缺乏法定的数据确权与溯源程序，即便该数据构成AI侵权行为的算法基础，训练数据提供者也极易以“主观不明知”为由抗辩逃脱制裁。这种“上游失守、下游背锅”的现状，不仅导致司法实践中责任主体认定的逻辑断裂，更使得著作权法在应对算法时代新型侵权时，因缺乏针对数据输入端的有效规制程序，而陷入保护不力的困境。法院判决并未就SD等开源软件如何抓取张某等权利人作品这一核心环节进行合法性审查，不仅会变相纵容“先侵权、后治理”的数据黑灰产，更会切断侵权链条的溯源路径，导致算法时代的著作权保护在最为关键的前端数据输入层出现规制真空。

（二）主观判断标准失灵

过错责任原则是侵权责任认定的核心，但算法的“黑箱性”导致传统侵权法中主观过错判断标准难以操作，也构成刑事犯罪主观认定的核心障碍，主要体现在以下方面：

1.注意义务的标准边界不明。传统侵权法以“理性人”为基准构建的注意义务体系，在面对算法“黑箱”时显得捉襟见肘。这一困境在中美司法实践中均引发激烈碰撞，如“《纽约时报》诉OpenAI案”中，法院对OpenAI是应承担“主动筛查训练数据”的事前义务，还是仅需履行“通知-删除”的事后义务，至今仍陷于法理拉锯。反观本案，法院认定了终端使用者的刑事责任，并未对SD的算法开发者及服务提供者苛以连带责任。这一裁判结果折射出司法实践中对AI时代“注意义务”标准的认知对立：一方面基于有限注意义务，受制于开源软件输出的随机性与用户的主导性，苛加“事前普遍审查义务”既超出技术能力，亦违背创新规律；另一方面基于严格注意义务，算法开发者与服务提供者处于产业链绝对上游，是技术“危险源”的制造者。若能证明其明知模型存在侵权偏向却未采取防范措施，即构成对最低限度注意义务的违反，应以侵犯著作权罪共犯或帮助信息网络犯罪活动罪追究刑事责任。

2.“主观明知”推定逻辑困难。在民事领域，出于对权利人的倾斜保护，司法实践往往倾向性认为，若服务提供者对于知名IP等高侵权风险作品未建立基础过滤机制，即构成民法上的“应当知道”。然而，这种民事推定逻辑在刑事领域遭遇了“主客观一致”原则的刚性阻击：一种观点认为，消极不作为即构成间接故意。如服务提供者具备技术拦截能力，仍选择“不拦截”或“未建机制”，本质上就是对终端使用者利用提示词提取、模仿受版权保护作品的纵容与默许，特别是在权利人已发出侵权预警或软件平台首页充斥明显侵权内容时，应以侵权犯罪的帮助犯论处；另一种观点则认为，AI的输出具有极强的随机性和瞬时性，推定服务提供者主观明知每一次生成结果是不切实际的。在本案中，实施“复制、发行”实行行为的是姚某渊、罗某林等人，服务提供者既未收到相关警告，也未参与分成，仅凭“未建立审核机制”就推定其具有犯罪的“主观明知”，不仅违背“存疑有利于被告人”的原则，更会因过度扩张刑事责任而扼杀AI创新。因此，侵权犯罪的“明知”必须建立在具体、明确的认知基础上，绝不能由民事上的“应当知道”简单类推而来。

3.算法缺陷的过错归属争议。算法设计缺陷可能导致侵权，此时算法开发者的过错是“故意”还是“过失”？一种观点认为，算法缺陷仅属于民事违约或管理过失，不构成刑事犯罪的主观罪过。本案中，姚某渊等人使用的开源软件是全球通用的技术底座，其底层逻辑就是基于海量数据的概率预测，要求开发者预见到所有可能的输出结果、内置针对中国特定美术作品的过滤码，实属强人所难；另一种观点认为，如果本案算法开发者有能力设置过滤机制却为了节省成本、提升用户体验而不设防，本质上就是对侵权风险的“放任”，应当以侵犯著作权罪的帮助犯追究其刑事责任。本案法院的判决，由于难以判断算法开发者是否尽到“合理研发义务”，最终刻意绕开了算法开发者，这恰恰折射出算法缺陷在刑事归责上的困境。

（三）因果关系认定断裂

传统侵权的因果关系采用“条件说”或“相当因果关系说”，但生成式人工智能侵权中，由于算法运算的复杂性与不确定性，因果关系呈现“多环节断裂”特征。

1.训练数据与侵权结果的因果关联存疑。训练数据包含海量信息，侵权生成内容可能与其中某一数据存在关联。一种观点认为，训练数据的使用与最终生成内容的侵权之间，不存在刑法上的直接因果关系。AI通过海量训练数据提炼出“参数”和“权重”，这是一个抽象的思想提炼过程，如果不能证明生成内容是对原作品“独创性表达”的实质性再现，就不能认定因果关系成立。本案中，生成的侵权图片可能是算法根据提示词随机组合像素的结果，而非对原作品的“复制”。另一种观点认为，如果训练数据提供者使用了未经授权的版权数据进行训练，那么由此产生的一切商业性输出都应被视为侵权，且应推定存在因果关系。本案判决认定生成的图片与权利人作品实质相同，就可以反推训练数据中必然包含了这些作品，从而认定训练数据与侵权结果存在因果关系，进而追究训练数据提供者的责任。这两种相互角力的责任僵局给客观上因果关系的认定带来困难。

2.算法运算的“黑箱”导致因果链条断裂。算法运算过程涉及复杂的数学模型与参数调整，外部主体无法知晓生成内容的具体形成过程，无法证明算法设计与侵权结果之间存在直接的引起与被引起的关系。在本案中，罗某林等人利用SD生成与权利人美术作品“关键元素实质相同”的图片，表面上似乎只是简单的“复制”行为，实则掩盖了算法内部极其复杂的非线性运算过程。从技术原理上看，侵权图片的生成并非对训练数据的直接调取或镜像复制，而是算法在数以亿计的参数权重中进行概率预测与特征重组的结果。由于“黑箱”阻隔，司法机关、鉴定机构等外部主体根本无法透视算法内部的具体决策路径，侵权内容究竟是算法因“数据投喂”而自发产生的，还是终端使用者通过恶意提示词诱导算法生成的，实践中难以排除合理怀疑。

3.多主体叠加导致因果关系复杂化。由于算法开发者、服务提供者、终端使用者等各主体行为对侵权结果的贡献度缺乏量化标准，因果关系的认定难以精准。本案中，我们可以将这种复杂性具象化：当侵权拼图流入市场，究竟是谁的行为“贡献”了主要的法益侵害？一种观点认为，多方行为共同导致侵权结果，若SD没有生成高精度图片的特性，姚某渊等人便无法低成本实施犯罪。若姚某渊等人没有恶意的诱导，算法也不会自动输出侵权内容。应认定各主体之间均有过错，构成共同犯罪，承担连带责任；另一种观点认为，刑法上的因果关系必须是具体的、直接的，必须严格切割各环节的因果力，坚持“谁行为，谁负责”。算法开发者、服务提供者未尽审查义务等“不作为”与侵权结果之间相隔了无数个不确定的终端使用者行为，因果关系应当予以中断，法院的判决肯定这一观点。

三、关于生成式人工智能侵权归责的路径思考

面对上述侵权归责困境，传统“一刀切”的责任认定思路已无法满足当前的司法实践需求。本文从“各主体如何划分责任、过错程度如何评价、因果关系如何认定”三方面进行路径优化，为厘清入罪边界和规制构造提供检察指引。

（一）根据各主体对算法全流程的参与程度与控制能力，明确其责任划分

一是算法开发者与服务提供者作为核心责任主体，负有最高的合规义务。算法开发者掌握算法的核心技术和底层逻辑，应对算法设计缺陷导致的侵权结果承担无过错责任；服务提供者对训练数据合法性与生成内容的合规性承担过错责任，具体包括：（1）对训练数据的合法性尽到合理审查义务，如服务提供者是否建立了数据来源的准入机制、是否针对知名IP、权利人已预警作品履行了特别注意义务、是否保留了数据清洗、筛选、剔除的全流程记录等；（2）建立输出内容的监测与处理机制，如服务提供者是否构建“实时识别——自动拦截/标记——溯源水印——人工复核”的动态闭环，以在技术可行范围内最大限度阻断侵权内容扩散；（3）在收到侵权通知后及时采取必要措施，如服务提供者是否在收到侵权通知或发现输出侵权内容后及时修正训练数据或调整算法参数防止损害扩大等。本案司法机关虽未追究SD的算法开发者、服务提供者的刑事责任，但若查实算法开发者未在代码层面设置著作权侵权过滤机制，服务提供者未设置相应的内容风控与投诉处置程序等，二者在民事层面仍难逃侵权责任。

二是终端使用者作为主要责任主体，是侵权意图的最终发起者。若其故意输入特定提示词诱导输出，或将生成内容用于商业生产，应承担直接侵权责任。本案中，姚某渊等人正是典型的直接正犯，其指使他人利用SD软件生成与权利人作品“关键元素一致”的图样，交由罗某林控制的某品公司进行规模化生产，并由姚某渊在抖音、小红书平台分别开设的两家电商店铺对外销售，形成“前端恶意诱导——中端算法生成——后端商业变现”的完整侵权链条。

三是训练数据提供者作为补充责任主体。本案中SD之所以能精准输出侵权图样，根源在于训练数据池中包含了张某、刘某玲等人的原创美术作品，虽然训练数据提供者隐身于云端，但若能查实其明知权利瑕疵仍向SD等开源软件投喂数据，应当承担补充责任。

本案中，罗某林等人作为终端使用者，不仅“明知”SD生成的内容系对张某、刘某玲等人原创美术作品的实质性复制，已经构成民事侵权行为，更“明知”未经许可将此类图片用于拼图生产销售系违法犯罪行为，却仍积极追求非法牟利的结果，在主观上表现为直接故意且以营利为目的；最终，非法经营数额高达27万余元，违法所得数额较大。罗某林等人的行为完全符合《刑法》第217条规定的以营利为目的，未经著作权人许可，复制发行其作品，情节严重或违法所得数额较大的主客观构成要件，检察机关据此认定其构成侵犯著作权罪具备正当性基础。

（二）结合侵权的场景与主体类型，差异化认定各主体的过错程度

一是故意责任：指行为人明知其行为必然或可能发生侵权后果，仍积极追求或放任该结果的发生。在算法场景下，体现为“恶意诱导”与“技术合谋”。如算法开发者故意设计“去除水印”“模仿特定画家风格”等侵权功能模块，若未与特定终端使用者建立犯罪共谋，则其“故意”设计的对象是技术功能而非具体侵权行为，主观上因缺乏针对特定法益的犯罪故意，仅应承担民事侵权责任；若算法开发者基于上述行为，以营销方式向侵权群体定向推广，如宣传“可一键仿某画家”，则其主观应从“技术中立的明知”转化为“以侵权为目的的教唆/帮助故意”，应与终端使用者构成共同犯罪；服务提供者明知训练数据集包含大量盗版资源仍执意运行，若对下游侵权形成“实质性、支配性”帮助作用，如收到具体侵权通知后仍不阻断或直接与终端使用者存在意思联络，则构成犯罪行为的帮助犯，训练数据提供者若以营利为目的，明知是侵权复制品仍向他人提供，如出售盗版数据集，违法所得数额巨大，可能单独构成销售侵权复制品罪；用户作为终端使用者，故意输入侵权提示词引导算法生成侵权内容，如本案中姚某渊等人，其行为链条客观上完整覆盖了侵犯著作权罪的实行行为，主观上明知特定作品受保护仍积极追求侵权结果，属于直接故意，故应作为主犯承担刑事责任。

二是重大过失责任：指违反一个理性谨慎的技术主体在同等情形下应当达到的最低注意标准。在算法场景下，各主体的重大过失责任应依据其对风险的控制力与可预见性进行界定。如算法开发者未对算法进行必要的侵权风险测试，属于技术缺陷的制造者，应承担民事侵权责任与技术合规责任；服务提供者未建立基本的侵权监测机制，因“应当知道”侵权而未采取必要措施，对扩大的损失部分与用户承担民事侵权责任。若其提供的服务被明确用于大规模侵权且拒不整改，可能触犯拒不履行信息网络安全管理义务罪；训练数据提供者未对数据权属进行基本审核，应承担民事侵权责任。本案中，姚某渊、罗某林等终端使用者为故意，不再论述，若在假设情境中，终端使用者因重大管理过失，如未建立内部审核流程，任由员工随意使用AI生成侵权图片并销售，虽不构成侵犯著作权罪，但需因重大过失，承担民事侵权责任。

三是一般过失责任：指主体违反了最低限度的合规义务。在算法场景下，体现为因技术局限、认知盲区或经验判断偏差，仍未阻止侵权结果发生。如算法开发者在研发中已尽基本测试义务，但仍存在细微缺陷，通常不直接对下游具体侵权承担连带责任，但若同一缺陷反复引发同类侵权且开发者知情后拒绝修补，则从前述“重大过失责任”；服务提供者已设置了关键词过滤、相似度阈值、投诉受理通道等合理框架，但因生成内容的海量性与黑箱随机性导致个别侵权内容未被拦截，属于注意义务履行瑕疵，应承担一定的民事侵权责任；训练数据提供者已建立来源核验与剔除流程，但因数据规模与匿名化处理导致个别权利人作品混入，应在民事上承担停止提供、协助溯源与分担合理补偿等责任；终端使用者若发现结果侵权后仍继续筛选、使用、销售，过失已转化为明知后的放任，刑事责任由此激活；但若终端使用者善意生成、发现相似后立即停用/删除且未投入商业流通，仅构成一般过失，不产生刑事责任，在民事上承担停止侵害、销毁生成物等轻量级责任。

四是无过错：指主体已尽到全部合理注意义务，侵权仍不可避免。如服务提供者在收到侵权通知前，已通过现有技术手段对生成内容进行审核，但未能发现侵权；算法开发者因现有技术水平限制，无法预见算法的侵权风险。无过错情况下，主体不承担侵权责任，但可能需承担公平责任，如给予权利人适当补偿。

（三）针对侵权因果关系证明困难的问题，构建“举证责任倒置+技术鉴定”的认定机制

一是权利人完成初步举证责任，若侵权行为达到刑事追诉标准，则由检察机关完成初步举证责任，即证明权利人对原作品享有合法权益、算法生成内容与其作品构成实质相似，且被告参与了算法开发、服务提供或终端使用等环节，证明标准达到“高度盖然性”即可，无需揭示算法内部的具体运算逻辑。

二是举证责任随即倒置给侵权主体，由其证明自身行为与损害结果之间不存在因果关系或具备免责事由，如服务提供者需证明其训练数据未包含权利作品或未利用该技术生成涉案内容，终端使用者需证明提示词设计与侵权结果无关联；为保障举证可行性，应强制要求服务提供者履行训练数据来源记录与生成日志留存义务，期限不少于3年。

三是引入专业技术鉴定作为破解因果关系谜题的关键辅助，由法院委托独立第三方机构对“输入——运算——输出”全过程进行技术解构，重点鉴定生成内容与权利作品的实质性相似度、训练数据与生成结果的关联度等。正如本案中，检察机关通过对海量电子数据开展四次勘验检查，并借助鉴定机构对比颜色参数、线条弧度及核心要素，成功穿透了技术迷雾，确证了姚某渊等人利用SD软件生成的拼图图样与权利人作品在“关键元素上实质相同”，为因果关系的司法认定提供了无可辩驳的技术支撑。