生成式人工智能服务提供者的侵权责任问题研究

目次

一、问题的提出 

二、生成式人工智能服务提供者侵权纠纷的司法实践现状

(一)国内外生成式人工智能侵权纠纷的分析

(二)生成式人工智能服务提供者侵权责任认定的实践困境

(三)生成式人工智能服务提供者侵权纠纷的特征厘清

三、生成式人工智能服务提供者的法律性质 

(一)生成式人工智能服务提供者的相关规范

(二)生成式人工智能服务提供者的主体辨析

(三)生成式人工智能服务提供者宜认定为新型网络服务提供者

四、生成式人工智能服务提供者的侵权责任规则完善 

(一)生成式人工智能服务提供者的归责原则

(二)生成式人工智能侵权行为的过错认定

(三)生成式人工智能侵权行为的因果关系

(四)生成式人工智能侵权行为的免责事由

内容提要：在技术加速迭代的背景下，如何科学划定生成式人工智能服务提供者的侵权责任边界，已成为人工智能治理体系构建中的重要法律议题。司法实践中普遍存在主体责任性质不清、归责原则适用不一、注意义务标准模糊以及因果关系证明困难等现实困境。对此，应以我国司法裁判样本为基础，结合域外立法经验与责任理论，厘清生成式人工智能服务提供者的法律地位，将其界定为兼具技术服务与内容供给双重属性的新型网络主体。在此基础上，有必要构建以过错推定原则为核心、分层场景化判断为补充的归责原则，并围绕模型训练、内容生成与输出传播三阶段构建差异化的注意义务标准体系。

关键词：生成式人工智能　服务提供者　侵权责任　过错责任　注意义务

一、问题的提出

《人民法院第六个五年改革纲要(2024—2028年)》指出，“完善涉网络侵权、人工智能、算法和涉数据不正当竞争等新类型案件的裁判规则，促进健全网络综合治理体系。”当前，我国已进入大数据时代，人工智能技术的迅猛发展正在不断推动社会生产方式的深刻变革，成为新一轮科技革命和产业变革的重要驱动力量。人工智能技术在赋能数字经济高质量发展的同时，也带来许多潜在的法律问题，对新时代司法审判工作提出了新的要求。“面对人工智能引发的新型、疑难、复杂案件，如何在新技术背景下明确裁判标准、加强规则指引，推动完善法律制度，是司法工作必须面对的挑战。”

在各种新类型法律纠纷中，生成式人工智能的法律争议具备覆盖面广、影响深远的特征。域外Andersen与Stability AI案，国内李某某与刘某某侵害作品署名权、信息网络传播权纠纷案(以下简称“春风少女侵权案”) ，上海某华文化发展有限公司与广州某AI公司侵权纠纷案(以下简称“广州奥特曼案”)等典型案件均表明，生成式人工智能侵权纠纷已经成为数字法治建设无法回避的实务问题。现阶段此类案件主要分为人格权纠纷和著作权纠纷，多数侵权成果由人工智能算法自主生成。当生成式人工智能侵害第三方合法民事权益时，如何合理地界定服务提供者的侵权责任便成为新时代司法审判的重要课题。为此，本文拟对生成式人工智能服务提供者的侵权责任问题进行解构和研究，旨在为人工智能与司法工作的深度融合提出可行性建议。

二、生成式人工智能服务提供者侵权纠纷的司法实践现状

我国现行法律法规尚未针对生成式人工智能侵权制定统一、明确的裁判准则，这是此类案件司法审理的首要现实困境。

（一）国内外生成式人工智能侵权纠纷的分析

1．国内生成式人工智能侵权纠纷

通过梳理近年来各地基层人民法院生效裁判文书可知，国内生成式人工智能侵权案件呈现出侵权纠纷类型多样、责任主体多元划分、注意义务成为过错裁量核心依据三大特点。

第一，侵权纠纷类型多样。从被侵害权利客体划分，案件分为以著作权纠纷为主的知识产权侵权、AI滥用引发的人格权侵权、算法失控带来的系统性信息安全侵权三类。

以著作权纠纷为主的知识产权侵权，争议焦点为生成式人工智能的可版权性认定和生成内容的改编、复印等行为。就可版权性认定而言，传统版权制度构建立足于主客体二元限定的基本框架，既强调主体是自然人的创造，又要求客体限于保护自然人独创性的外在表达。因此，生成式人工智能输出内容是否具备独创性就成为审判难点。在司法实践中，多数法院以是否融入人类独创性操作作为判定标准，认可满足要件的 AI 生成物构成受保护作品，“春风少女侵权案”即为典型案例。就生成内容的改编、复印而言，生成内容存在多形态侵权行为并存的现象：前端获取数据可能侵犯改编权、复制权和信息网络传播权等相关权利；后端输出的生成内容与他人作品构成“实质性相似”时，则有可能造成对他人著作权的侵犯。例如，上海知识产权法院判决的Y公司与李某及H公司著作权侵权纠纷案便属于后端侵权案件。

多形态引发的人格权侵权以生成式人工智能恶意收集个人信息、丑化肖像、侵犯隐私权等为主。在实践中生成式人工智能在收集个人信息时难以严格贯彻知情同意规则以保障其训练数据来源的正当性和合法性，或利用软件恶搞、丑化自然人肖像。如北京互联网法院判决的廖某与某科技文化有限公司网络侵权责任纠纷案中，被告某科技文化有限公司在未经原告同意的情况下，使用其出镜的系列视频制作换脸模板。法院判决认为，被告处理该信息未经过原告同意，构成对原告个人信息权益的侵害。

系统性信息安全风险侵权案件在当前司法实践中出现较少，但该类型案件亦有可能成为今后生成式人工智能侵权之高发领域。此种侵权主要表现为：利用生成式人工智能技术生成假新闻、假视频等信息引发秩序紊乱，因语言模型的“幻觉”产生的虚假信息传播，以及个人信息的泄露风险等。

第二，侵权责任划分形成三方主体区分规则。在侵权责任的认定上，各地法院逐渐跳出技术平台与用户的二元结构，开始区分人工智能模型开发者、人工智能模型运营者及使用者的三方责任。模型开发者虽然不承担信息安全的主体责任，但若通过应用程序接口对大模型进行二次开发，其既是模型的部署者与使用者，又是新的服务开发与提供者。此时，若出现问题或引发损害，则应配合服务提供者承担相应责任。这种区分尤其体现在模型训练阶段使用他人作品是否侵权、生成阶段输出内容是否构成实质性相似等问题之上。

第三，是否履行注意义务成为重要裁量因素。生成式人工智能侵权分为直接侵权与间接侵权。若服务提供者在数据训练中对受版权保护的作品实施专有权控制的行为，使输出内容与在先作品构成实质性相似，则构成对信息网络传播权的直接侵权。当用户输入侵权提示词，利用中立的人工智能工具生成侵权内容时，平台若未依法履行注意义务，则应构成间接侵权。在目前司法实践中，法院形成了以注意义务为核心的裁量判断模式，即通过客观化服务提供者是否履行了注意义务的过错标准来作为直接侵权或间接侵权的前置判断标准。

概言之，当前生成式人工智能侵权纠纷仍处于个案探索阶段，亟须通过立法或司法解释进一步明确生成式人工智能的法律定性与责任分配规则。

2．域外生成式人工智能侵权纠纷

域外生成式人工智能司法纠纷同样集中于知识产权领域。自2023年起，美国已出现多起代表性诉讼，如Sarah Andersen等艺术家集体起诉Stability AI公司、Getty Images指控Stability AI数据训练案，以及《纽约时报》诉OpenAI和微软大语言模型案。值得注意的是，在生成式人工智能的法律风险规制上，各国和地区基于其技术开放程度与核心价值取向的不同，形成了差异化的治理范式，其中欧盟、美国和英国的治理模式具有典型研究价值，深入研究能为我国人工智能的法律监管提供有益参考。

欧盟对生成式人工智能的法律风险监管秉持着以人为本的监管理念，这在《人工智能时代：确立以人为本的欧洲战略》《人工智能协调计划》等法律文件中均有所体现。同时，欧盟在《人工智能法》中提出了“风险越高，规则越严”的监管逻辑，细化法律风险和责任差异化规则，对高风险的人工智能技术进行重点监管，规范技术应用的透明流程与责任问责机制。这种基于风险划分的监管方式是将抽象的安全性与合法性进行平衡的实践表征。

美国对生成式人工智能形成了“联邦轻监管、州级多样化”的格局。联邦层面为促进AI行业的迅速发展维持着轻监管的态势，以行政监管与自愿承诺为主，依赖“软法”减少行政干预，整体呈现出更明显的市场化特征，以市场和行业为主导。各州为弥补监管空白则加快制定本地化人工智能的法律法规。例如，田纳西州众议院审议通过 HB 2091法案，重点规制未经授权利用人工智能技术使用他人声音、肖像的行为，强化个人权益保护。

英国在生成式人工智能的法律治理体系上区别于欧盟风险等级的监管框架，更关注人工智能的具体应用情境及其影响，采取鼓励创新的治理态度。2025年3月，英国正式提出了《人工智能(监管)法案》，虽仍处于立法审议阶段，但从相关内容中可以窥见其强化透明度的治理范式。

整体来看，全球范围内生成式人工智能司法案例虽然总量有限，但各国立法与司法机构均在产业创新与权利保护之间寻求平衡。

（二）生成式人工智能服务提供者侵权责任认定的实践困境

当前围绕生成式人工智能侵权责任认定的实践困难主要有以下几点：

一是生成式人工智能服务提供者的法律主体地位不明。我国《生成式人工智能服务管理暂行办法》首次在规范性文件中定义该类主体，但服务商兼具技术服务、内容生成双重职能，无法直接归入传统网络技术服务提供者或网络内容服务提供者范畴。譬如，若认定生成式人工智能服务提供者为网络内容服务提供者，则无法在服务性质和实际控制者的法理基础上得到合理解释。因为网络内容服务提供者提供的内容往往由提供者事先根据其服务特性和数据内容生成，生成式人工智能服务提供的内容却是严格依照用户“交互”指令生成。再者，网络内容服务提供者对内容是实际控制者，主导着内容结果的输出，但反观生成式人工智能服务提供者，其输出结果是AI与用户共同“创作”的智慧成果。

二是生成式人工智能侵权责任认定原则的理论分歧。有学者持过错责任原则，立足产业保护立场，基于《民法典》第1165条的普遍适用，认为依照鼓励创新价值取向而言，适用过错责任原则更有利于技术创新，过早施加较重的责任将阻碍技术迭代与应用探索。支持无过错责任原则的观点则立足受害人权益保护与风险分散理论，认为生成式人工智能输出的内容具有不可预测性与大范围传播风险，服务商需要无条件承担损害赔偿责任。这也在一定程度上加剧了归责原则的两难困境。

三是生成式人工智能侵权行为的因果关系难以界定。生成式人工智能的生成内容会因不同用户、不同场所、不同指令等因素而有所差异。这种技术生成的模糊性和难预测性对认定服务提供者侵权责任的法律规则带来挑战。生成式人工智能的结果输出依托于数据训练、算法设计和持续自主学习机制，其是多个技术环节和人机交互行为共同作用的“成果”。这在一定程度上也导致侵权行为的过错与损害在因果关系事实层面上难以追溯和证明。

（三）生成式人工智能服务提供者侵权纠纷的特征厘清

生成式人工智能侵权行为本质上是技术逻辑之于法律规则在数字时代的影响，因为技术层面自动生成产生的不可解释性，要想在法律层面梳理归责原因颇具实践难度。然而，国内外出现的各类案例都离不开侵权责任要件的归责逻辑。所以，当以此为思考路径进一步厘清现有裁判的特点。

就生成式人工智能服务提供者的侵权责任归责判定而言，可以从侵权行为、损害结果及其因果关系进行分析。

首先，在侵权行为上，现有司法实践可划分为两种：一是采取积极作为方式实施的侵权行为；二是未履行法定不作为义务的侵权行为。积极作为的侵权行为是服务提供者处于明知或应知行为危害结果的状态，却仍然故意实施。未履行法定不作为义务的侵权，包含未履行保障数据来源合法性义务、未履行侵权内容及时消除义务、未采取合理措施导致系统漏洞发生泄露等侵权行为。

其次，在损害结果上，因人工智能生成的不确定性和随机性，损害事实的表现形式也会因情境的变化而呈现非确定性的差异。例如，系统的算法逻辑、用户的个性化需求以及人机交互行为等，这些因素共同导致了损害结果的不可预测性，进而使得损害事实难以确定。

最后，针对生成式人工智能侵权行为的因果关系，因为技术层面尚难以解析服务提供者的侵权行为与损害结果之间的内在关系，以至于侵权行为所造成的损害结果难以归责为服务提供者的不适当行为，抑或其他意外因素。

三、生成式人工智能服务提供者的法律性质

目前法律并未赋予人工智能体以法律主体地位，虽存在“有限人格说” “电子奴隶说” “人格拟制说”等多重观点，但就生成式人工智能是否系法律主体这一论述，学界仍持相对否定的态度，即生成式人工智能“工具论”的观点占据主流。随着新技术的完善发展，相关侵权纠纷的不断发生并不因规则制定的讨论而止步，反而在近年来呈现出越发增多的态势。

（一）生成式人工智能服务提供者的相关规范

厘清生成式人工智能服务提供者的法律性质，首先要从现有法律规范出发进行详细剖析。《生成式人工智能服务管理暂行办法》第9条将服务提供者界定为“信息内容生产者”。内容生产的前提是使用者输入相应的信息请求或提示词，此时服务提供者作为网络信息内容的生产者，应依法承担责任。而第22条规定似乎将其定义为一种特殊的“网络服务提供者”，这里的“网络服务提供者”与《信息网络传播权保护条例》第14条的规定有所不同：前者须承担所生成信息内容合法性与正当性的审核责任；后者在网络信息交流和传播中所发挥的作用更类似于中介平台，仅提供信息存储服务。与此同时，《互联网信息服务深度合成管理规定》指出，深度合成技术是一种制作文本、图像、音频、视频等网络信息的技术，其服务提供者作为深度合成的高级形态，自然落入该定义之中，故在规范上也被初步定性为“网络服务提供者”。

当下生成式人工智能服务提供者的私法义务在法律法规中尚未有明文规定，而《生成式人工智能服务管理暂行办法》作为公法，是为方便对生成式人工智能服务提供者实施监管而创设的一个类似于信息内容生产者的宏观角色标签，承担着内容源头与平台治理的双重责任。但是，这一标签既易混淆平台监管的履行义务，也无法直接套用于侵权行为的法律责任认定。如表1所示，违反相关规范仅涉及警告、罚款、暂停服务等行政责任，不会涉及民事赔偿、过错认定、归责原则等私法领域问题。然而要想准确认定生成式人工智能服务提供者的侵权责任，首先需要界定生成式人工智能服务提供者在私法上的性质。因此，在探讨生成式人工智能服务提供者的私法责任时，需要完成从公法描述性概念到私法规范性定性问题的论证转折。

（二）生成式人工智能服务提供者的主体辨析

现有研究对于人工智能服务提供者法律性质的界定尚未达成共识。

与搜索链接服务提供者相比，二者在依据用户指令反馈结果方面存在功能的相似性，区别在于：生成式人工智能服务提供者可以通过数据生成内容，搜索链接服务提供者仅能提供信息来源指引，并没有自主生成内容的能力，不参与内容创造，也不控制第三方内容。具体而言，生成式人工智能服务提供者可以对内容的生成过程产生潜在的控制力和引导力，并且可以通过算法设计或训练数据来干预输出结果，故而属于集技术支持与内容生成于一体的服务提供者，因此不宜将其直接归类为搜索链接服务提供者。

与基础模型提供者相比，若其仅负责模型研发而不参与服务运营或不直接面向用户提供内容生成服务，则也不能归类为生成式人工智能服务提供者。生成式人工智能服务提供者虽可身兼数职，但其法律地位的成立关键在于是否对外提供可交互的内容生成服务。因此，生成式人工智能服务提供者不可等同于基础模型提供者，其服务范畴远超后者。

与网络内容服务提供者相比，网络内容服务提供者对所上传或发布的信息具有完全控制力，而生成式人工智能服务提供者受模型不确定性和生成随机性的影响，无法实现对输出内容的精确控制，仅能通过算法设计、数据清洗和输出过滤等手段实施一定程度的导向干预。此外，生成式人工智能服务高度依赖用户交互指令，实时动态调整输出内容。

总而言之，生成式人工智能服务提供者具有控制手段上的技术性、内容输出上的不确定性以及服务模式上的交互性，其既不同于传统意义上的网络服务提供者，也区别于搜索链接提供者或基础模型提供者。

（三）生成式人工智能服务提供者宜认定为新型网络服务提供者

本文认为生成式人工智能服务提供者应认定为新型网络服务提供者。根据《生成式人工智能服务管理暂行办法》第9条，生成式人工智能服务提供者应依法承担网络信息内容生产者责任。这意味着该类主体为信息内容生产者，其义务当然区别于传统网络服务提供者，应被视为新型网络服务提供者。具言之，此类新型服务提供者可借助算法与用户指令动态生成内容，其服务模式具有交互性和非完全可控性，既不同于直接上传或发布信息的网络内容服务提供者，也不同于仅提供技术支持而不参与内容生成的基础模型提供者，更不同于仅提供信息索引、不具备内容控制能力的搜索链接服务提供者。尽管其在多数场景中依托网络提供服务，符合网络服务提供者的外在形式，但其基于用户指令实时生成内容的行为，使其兼具技术服务和内容生成的双重属性。所以，不宜简单将生成式人工智能服务提供者归类为纯粹的内容服务提供者或技术服务提供者，而应当将其认定为介于内容服务提供者和技术服务提供者之间的新型网络服务提供者，并在侵权责任的认定中结合技术特征与控制能力来具体分析。

然而，本文对于是否应针对生成式人工智能专门设立一种新的网络服务提供者类型仍持保留意见。生成式人工智能服务提供者具备内容提供与技术服务的双重属性，虽为其审判实务带来挑战，但纵观我国现有法律规范，也足以满足对其进行法律规制的现实需求。再论之，我国现行规范性文件，如《互联网信息服务管理办法》《生成式人工智能服务管理暂行办法》等，已足以为生成式人工智能平台提供规范性依据。在此背景下，不宜再通过修订法律重新定义生成式人工智能服务提供者的法律定位。

四、生成式人工智能服务提供者的侵权责任规则完善

生成式人工智能服务提供者的侵权责任认定是人工智能治理在私法领域的重要组成部分。面向实践需求，侵权责任规则的完善无法依赖于单一归责原则的简单套用，而是需要对归责原则的规范基础与过错认定的详细解剖、因果链条的技术性解析以及责任豁免的合理边界进行系统化的探讨。

（一）生成式人工智能服务提供者的归责原则

明确归责原则是处理生成式人工智能侵权责任问题的前提，目前学界存在“一般侵权观”和“严格责任观”两派立场。 “一般侵权观”主张适用过错责任原则，认为服务提供者本质上仍属于服务提供者，其行为未完全脱离传统侵权责任框架。在“一般侵权观”中又细致划分为适用一般过错责任还是过错推定责任。也有学者指出，生成式人工智能本质上属于产品，其服务提供者应当承担产品责任。

1．生成式人工智能服务提供者承担严格责任之否定

严格责任的理论主要基于危险理论、损害预防和保护弱势受害人等。在危险理论中，持有危险的特定物品、特定设施或经营具有危险的特定活动之人，在危险实现致侵害他人权益时，应就所造成的损害承担赔偿责任，赔偿义务人对损害的发生不以具有故意或过失为前提。在危险理论下，生成式人工智能被视为无法预期和评估损害可能性的危害体，这种风险隐藏在与用户进行交互的过程中，当这种高度危险损害他人权益时可无条件适用严格责任。然而，依据我国《民法典》中对适用无过错责任的相关风险衡量，生成式人工智能虽具有难预测性，但相较于高度危险的判定，其损害高度严重性难以与前几种风险相提并论，并且市面上常见的生成式人工智能产品属于典型的信息交互型人工智能，严重损害程度较低。

损害分散理论是指相比于受害人而言，生成式人工智能的服务提供者更能采取风险分散措施将损失降至最低。服务提供者通过承担相应侵权责任能维护绝大多数使用者的利益。实则不然，因为当所有生成式人工智能均适用无过错原则，服务提供者需要采取的安全费用和技术保障经费将会远超于过错责任的承担。当保障支出占据主要费用，服务提供者会变相采用保险或产品涨价的方式预防风险，这无疑在某种程度上会放弃提高产品或服务的安全性。换言之，严格责任使参与者外部损害转换为服务提供者的内部成本，但这种正外部性必然不能全部回流给参与者。且当下我国生成式人工智能服务提供者侵权案例多发生于个人信息利用和版权纠纷，并未出现大规模损害风险，过度责任分配可能会让中小企业陷入责任困境。

保护弱势受害人原则是指在生成式人工智能侵权场景下，用户作为受害人、弱势者相较于提供者企业而言似乎更为无辜，理应得到救济。然而，在保护弱势受害人原则下，若生成式人工智能服务提供者的确无过错，这种无过错责任的承担自然也剥夺了其自证清白的权利与机会。同理可得，生成式人工智能服务提供者也不宜适用产品责任。虽然《生成式人工智能服务管理暂行办法》第9条参照了产品质量法中的生产者责任来认定服务提供者的责任，但细看我国《产品质量法》第2条规定，会发现生成式人工智能提供的是一种服务而非产品。在产品质量法中，责任承担者应是最有能力控制产品风险的主体，但在生成式人工智能的场景下，很难判定服务提供者行为与产品风险之间的直接联系。

2．生成式人工智能服务提供者宜承担过错责任

生成式人工智能服务提供者宜采“一般侵权观”，原因主要有以下几点：

一是生成式人工智能引发的侵权形态本质上未超出信息内容侵权范畴，在法理上与既有网络侵权、著作权侵权等侵权类型具备延续性和关联度，我国《民法典》第1165条第1款和第2款的过错责任原则规定已足够为处理相关纠纷提供基本依据。在司法实践中，部分法院亦倾向于以过错责任为认定标准，通过审查服务提供者是否违反注意义务来判断其是否构成帮助侵权。如果脱离现有侵权责任归责的适用框架，贸然引入无过错责任原则，无疑带来更大冲击。

二是过错责任原则更有利于协调当事人权益保护与技术行为自由之间的平衡。生成式人工智能技术尚处于发展初期，算法模型的输出内容存在不可预测性和“幻觉”等固有局限。如果适用无过错责任，服务提供者须对算法模型的一切生成内容承担绝对责任。这不仅超出合理注意义务的法律限度，也会抑制科技企业的创新积极性，尤其不利于中小型科技公司与开源项目的持续性发展。

进一步来说，应细化适用过错推定原则。因为一般过错责任原则需要明确“何为过错”，即是否存在“有作为义务而不作为”所推定的注意义务，其核心功能是作为判断行为人是否存在过错的一个外在标准。也正是因为注意义务的存在，导致受害人可能会在过错要素的证明上面临较大举证困难，所以一般过错责任原则无法保障受害人顺利获得救济。此时，过错推定原则能够弥补举证不能的缺陷，只要受害人能证明自身合法权益因被告的损害行为而受到实际侵害，便可以从损害事实出发推定加害人具有主观过错。反之，如果被告未证明或不能证明自己没有过错，则需承担相应的侵权责任。这种举证责任的分配，更有利于受害人且符合公平原则。当前，数据模型的出现导致侵权行为与服务提供者行为之间的因果关系呈现出断裂形态，因果关系的模糊性难以准确定位服务提供者“应知”的要件基准，这种不可预见的风险分配在适用过错推定原则时自然转移给了服务提供者，矫正了双方的“武器不平等”状态。

（二）生成式人工智能侵权行为的过错认定

在传统过错理论体系中，“主观过错说”认为，应当根据行为人的主观心理状态来认定过错标准，包含故意和过失两种情形。“客观过错说”认为，过错的判断标准应予以客观化，即行为人未尽到一般人所能尽的注意义务。现代侵权法理论普遍采纳后者的客观过错理论。在客观过错下，生成式人工智能侵权行为的过错认定以违反注意义务为标准，以此来科学判断服务提供者的侵权行为。聚焦我国现有法律体系，《民法典》《信息网络传播权保护条例》《生成式人工智能服务管理暂行办法》等相关法律法规对平台注意义务均有涉及，在司法实践中部分法院也对服务提供者的注意义务进行考察。只有先阐明注意义务，才得以打通服务提供者违反注意义务构成过错的逻辑链条。

1．生成式人工智能服务提供者的注意义务判定

注意义务是一种为避免造成损害结果而加以合理审查的法定责任，包含客观判定因素和主观判定因素。

在客观层面，要重点考量服务提供者对于生成内容可能引发的各类侵权风险是否具备符合行业标准的预见能力，预见行为可能产生的危害后果。例如，“广州奥特曼案”中被告经营的网站并未建立相关投诉举报机制，使得权利人难以通过投诉举报机制来保护其著作权。其中，未设定投诉举报机制的行为导致难以维权是自然可以预见的危害结果。当然，服务提供者或许会辩称，人工智能极强的自主性让算法运行程序无法被精准预测，其所造成的损害结果不可预见。这种开发风险的抗辩理由不能成立，原因在于，无法被精准预测是一种具体预见能力，注意义务的存在仅要求服务提供者具备概括预见能力，不需要以特定损害的可预见性作为要件构成。

在主观层面，注意义务的认定可引入“一般理性人”标准，即在生成式人工智能各细分领域中，以具备同等技术水平、专业素养与行业经验的同业服务提供者为参照，判定主体应当恪守的审慎准则。适用该标准时，必须严格区分市场主体在产业链中的定位：一类是掌控核心算法与训练数据的基础模型研发者，一类是面向具体业务场景完成模型调优的垂直领域部署者，还有一类是侧重接口开放与用户交互的应用层服务商。不同主体对模型的掌控能力、风险研判水平及技术处置权限各不相同，对应的主观注意义务标准也应差异化设定。

2．生成式人工智能服务提供者的注意义务审查

服务提供者侵权行为的过错认定以违反注意义务为标准，判断服务提供者是否尽到了合理的注意义务。当前法院主要采取两种方法予以审查：一是以现有规范性文件和行业标准核实是否履行规定的注意义务；二是以动态系统论为核心，综合考量各种因素来判断服务提供者是否存在过错。本文认为，二者并非对立冲突的关系，而是可以结合进行综合判断，把生成式人工智能在技术运行上划分为三个阶段。这三个阶段需立足于技术特性与法律规制的交互维度，从动态风险防控的角度进行分层设计。

首先，前置性学习训练及人工标注辅助算法的模型构建阶段是服务提供者可控性最强、义务最明确的环节。服务提供者作为该阶段“最廉价的成本规避者”，负责收集语料、清洗数据，模型预训练、微调优化等任务。此阶段应当履行合理注意义务，避免使用侵权信息或非法爬取数据。服务提供者重点需要完善算法和信息语料的审查义务，不仅要对算法的开发者和提供者的主体资格、信誉进行详细审核，在数据模型上线前进行安全性和合法性测试，还要依据《网络安全技术生成式人工智能服务安全基本要求》审查数据来源、数据内容、数据标注安全，并对存在风险的语料开展规范标注，确保数据来源合法、授权清晰，尽量从源头避免或减少错误信息和侵权内容的生成。

其次，在输入数据进行算法处理与用户交互阶段，核心活动主要包含接收用户输入提示词、调用模型进行推理、实时生成初步内容等。用户输入的不确定性，可能导致人工智能对于数据的控制力减弱。因此，该阶段与用户“交互”时需明确注意义务，对用户输入敏感、偏激、抄袭等侵权性恶意诱导行为应拒绝输出，并给予相关法律风险的提示。生成过程中要明确内容的合理标识和风险提示，在用户输入提示语或指令之前，应在页面或应用程序浮窗展示提示信息，对生成内容存在错误、偏见、虚构的提前动态告知，防止生成内容被滥用或误用。

最后，是在内容输出与社会应用阶段，重点关注内容的社会化后果，服务提供者需通过标识、过滤、投诉响应等机制履行事后注意义务。在接到合格侵权通知后，服务提供者负有及时处理义务，采取删除、屏蔽、断开链接等措施阻止侵权内容的传播，同时，对重复侵权用户采取警告、限权或封号等处罚措施。此外，服务提供者还需履行内容事后修正义务，可参考《生成式人工智能服务管理暂行办法》第15条，根据用户反馈或监管要求，对生成模型进行动态优化与参数调整，避免相似侵权内容的复现。

（三）生成式人工智能侵权行为的因果关系

生成式人工智能的算法模型具备自主性，这种自主性也是使得侵权责任归责的因果关系受到影响的核心因素。因果关系作为连接服务提供者行为与损害结果的桥梁，可以从事实与法律双重维度进行剖析。

1．生成式人工智能侵权行为的事实因果关系

事实因果关系侧重于行为与损害之间的客观联系，即服务提供者的作为或不作为是否直接导致了权益侵害的发生。生成式人工智能的侵权往往源于多环节的技术流程，服务提供者若在语料处理阶段未能有效筛选或过滤虚假、侵权信息，导致模型学习并输出有害内容，数据处理行为与损害后果之间便形成了直接的事实因果链。同样，在输出环节，若服务提供者未实施必要的审查机制或内容标识措施，致使虚假信息传播并造成实际损害，其疏忽行为亦与损害结果密切相关。事实因果关系的存在并不必然引发法律责任，需进一步考察法律因果关系，即服务提供者的行为是否在法律上被认定为损害发生的近因。

2．生成式人工智能侵权行为的法律因果关系

法律因果关系的判断需融入政策考量与价值平衡，尤其是在技术密集型领域，服务提供者是否尽到合理的注意义务成为关键：若其行为符合行业技术标准且已采取所有可行预防措施，则法律可能否定因果关系的成立；反之，若其未履行基本的安全保障义务，如未对明显侵权内容进行过滤或未响应权利人的通知，则其行为和侵权后果之间可被认定具有法律上的因果关系。

（四）生成式人工智能侵权行为的免责事由

免责事由的适用是平衡技术创新与风险防控的重要机制。为了避免服务提供者负担过重的责任，除不可抗力、自甘风险、第三人过错等一般免责事由外，也需要允许服务提供者将“现有技术标准”作为抗辩事由之一。原因在于，技术发展日新月异，现有技术标准存在滞后性发展的问题，即使通过法律规范进行规制，也难以确保所有新型风险和危害都能被模型设计者预知。依托概率模型自主生成的无效、虚假内容，并非服务提供者主观意志所致。若其已按照行业通用技术规范履行防范义务，则可依据现有技术标准主张免责。但该技术局限不能成为绝对免责的依据，在司法实践中需结合案件事实审慎甄别、综合裁量。

再言之，在数据驱动创新的时代背景下，数据利用与共享是创新的必然之举。生成式模型的持续运转，有赖于不间断的数据供给与挖掘。在常态化抓取网络数据的过程中，难免触及受著作权、个人信息相关法律保护的内容，这是数据采集环节难以规避的客观现实。但是，不能因为这些数据“公开可得”就允许模型任意抓取后进行商业化利用，即“公开数据不等于公共产品”， 服务提供者未经用户明示同意不得擅自抓取数据用于他途。在司法实践中，若服务提供者并没有采取破坏技术保护的措施获取信息，并且能够及时通过删除、屏蔽、断开链接等必要措施弥补损害，法官可结合侵权行为形态、损害后果大小、事后补救举措等多项要素综合研判、审慎裁量。诚然，现阶段要求生成式人工智能服务提供者在版权保护层面做到面面俱到并不现实，但推动技术创新发展，亦不应以牺牲数据安全为代价。