DeepSeek的橫空出世，再一次打開了人們對生成式人工智能（以下簡稱生成式AI）產業發展的想象空間。生成式AI可能影響哪些行業？可能如何影響個人的學習和生活？這是當下很多人都在思考和關心的問題。也是導致DeepSeek經常服務器繁忙的重要原因。

不過，生成式AI方興未艾之際，很多法律糾紛也接踵而至。比如，國際上很多著名的生成式AI企業近兩年頻頻遭遇著作權糾紛。從這些糾紛及法律判決中，我們不僅可以洞悉生成式AI對法律的影響，而且可以分析成熟市場經濟體的法院對生成式AI糾紛的判決思路和態度。這些對于我國AI產業的發展有重要的借鑒意義。

生成式AI著作權糾紛中，原告的訴求與被告的抗辯

如果用專業的語言描述，生成式AI的工作過程基本上包括三個步驟，即訓練數據、交互數據和生成數據。

如果用通俗的語言描述，以上三個步驟大致是這樣的：生成式AI通過輸入海量的數據，對這些數據進行訓練，把訓練后的數據存放在自己的“數據倉庫”里。

然后，生成式AI面對各種用戶，和客戶進行交流。用戶提出問題，生成式AI把問題和自己“數據倉庫”里的數據比對后，通過模型的運行，給用戶輸出答案。

答案可以有各種表現形式。比如，有的答案是音樂，有的答案是圖片，還有的答案是文字。

生成式AI運行過程的三個步驟，都可能產生著作權糾紛。這些著作權糾紛中，原告基本上援引傳統著作權侵權的基本法律要件提出控告。即，被告未經允許使用原告受著作權保護的作品，給原告造成損失。

比如，不久前，印度的亞洲新聞國際通訊社（ANI），向印度德里法院提起針對OpenAI的侵權訴訟。ANI指控OpenAI未經許可使用其新聞內容，侵犯其著作權。ANI請求法院判令OpenAI賠償損失并永久禁止OpenAI使用其內容。

顯然，根據ANI的指控， OpenAI在訓練數據的過程中可能使用了ANI創作的內容。作為一家媒體，ANI及其工作人員在新聞制作過程中搜集了很多信息，經過加工，形成文章或新聞報道。這些文章或新聞報道，成為OpenAI等生成式AI訓練數據的重要來源。

ANI不是起訴OpenAI的第一家媒體。此前，紐約時報以及原始故事媒體（Raw Story Media）等媒體公司，也對OpenAI提起著作權侵權訴訟。

紐約時報指控OpenAI用其發表的文章訓練數據構成侵犯著作權。原始故事媒體和另外一家公司聯合起訴OpenAI。他們起訴的理由稍有不同。他們認為，OpenAI在訓練數據時用了他們的文章等內容，卻“擦掉（scrape）”作者、文章名稱、著作權保護標記等。

還有的原告指控：生成式OpenAI的生成數據，和他們的作品具有著作權法上所規定的“相似”性。因為符合著作權法上的“相似”性，就可以證明被告抄襲或剽竊了原告的作品。

比如，2023年1月，幾位視覺藝術家向Stability AI、Midjourney等四家公司提起集體訴訟，指控被告侵犯其版權。原告認為，這四家公司的人工智能生成作品與他們的原作品極其相似，因而指控被告未經其允許使用其受版權保護的作品，構成侵犯版權。

再比如，2023年7月，一位叫Richard Kadrey的作家起訴Meta公司，指控Meta公司用人工智能生成的內容與其作品極其相似，因而指控后者侵犯其版權和署名權，并損害其作為創造者的名譽。

面對這些指控，作為被告的人工智能公司往往援引著作權法中的“合理使用”原則。如何證明自己的行為構成 “合理使用”，則依據具體的場景有不同的理由。

比如，針對ANI的指控，OpenAI抗辯認為，其使用的數據是公共領域的數據。從公共領域獲取數據并訓練模型，屬于合理使用。

再比如，針對Richard Kadrey指控其剽竊自己的作品，Meta公司抗辯認為，自己的人工智能輸出的作品與原告的作品相似是偶然現象，兩者不存在直接的復制關系，因而不構成侵權。而且，生成式OpenAI創作的作品，在很多方面相對原來的作品都發生轉換性改變（transformative），所以，屬于合理使用。

這里有必要簡單解釋一下轉換性改變。所謂轉換性改變，即對原作品的使用不僅僅是簡單復制或再現，而是通過增加新的表達、意義、目的或功能，使原作品具有新的價值或用途。

此外，還有一個值得注意的問題是，當生成式AI業務跨越國境時，會產生國際訴訟。在國際訴訟中，被告經常援引的另一個抗辯理由是管轄權。

比如，OpenAI就在前述應對ANI的訴訟中提出，OpenAI的服務器不在印度境內，數據加工及使用的行為都不在印度境內。根據侵權法的基本原理，侵權行為地法院對侵權糾紛享有管轄權。印度法院不是侵權行為地法院，因而沒有管轄權。

生成式AI著作權糾紛中，法院的判決思路和態度

面對生成式AI著作權糾紛，總體上，法院傾向于保護技術創新，防止過于頻繁的訴訟成本妨礙生成式AI的發展。

比如，在原始故事媒體（Raw Story Media）公司訴OpenAI案件中，原告認為，OpenAI用于訓練數據的很多來源于互聯網上的數據。而這些互聯網上的數據中就有來自原告的文章、新聞報道等。

原告指控，OpenAI在訓練數據的過程中，把這些文章、新聞報道中的作者名字、文章標題、著作權信息等刪掉，裝進訓練模型。最后，在生成的數據中沒有作者名字、文章標題、著作權信息等，類似于傳統著作權侵權中的洗稿、剽竊等行為。

根據以上事實，原告請求法院判令被告賠償損失，停止侵權。

法院的推理是，原告必須證明其受到的損害是具體的，而不是抽象的。原告只是指控被告在訓練數據中把這些文章、新聞報道中的作者名字、文章標題、著作權信息等刪掉，但沒有拿出證據證明其遭受了具體的損失。

法院認為，如果某一指控沒有建立在具體的損失之上，則原告是沒有起訴資格的（standing）。

法官進一步論證，原告沒有資格提起損害賠償訴訟，更沒有資格要求被告停止侵權。

筆者以為，法官在本案中的判決思路及其法律態度是，通過判決抑制可能對生成式AI發起的濫訴。即，原告拿不出證據證明有確切的損害，僅泛泛地指控被告的行為損害了自己的著作權。

如果法官不這樣判，我們可以設想，會有更多的企業，尤其是個人，聲稱生成式AI公司未經許可使用了自己的作品，要求損害賠償。這樣的訴訟成本不僅是生成式人工智能產業所無法承受的，也給司法造成太多的負擔。

在其他類似的訴訟中，比如Richard Kadrey起訴Meta公司的案件中，法官也做出了對被告有利的判決。

生成式AI帶來的技術創新如何與法律博弈？

生成式AI不僅對著作權等傳統知識產權帶來法律上的挑戰，實際上，其影響超越了法律本身，也對傳統的市場模式帶來沖擊。

比如，前述紐約時報訴OpenAI和微軟侵犯著作權的案件中，原告不僅指控被告侵犯著作權，而且指出，被告不僅使用了紐約時報上受版權法保護的內容，而且，其侵權行為還導致大量的紐約時報讀者流失。這些讀者不再訪問紐約時報的線上渠道，轉而閱讀OpenAI輸出的內容。

也就是說，生成式AI的出現，對傳統的媒體市場格局也帶來深刻的影響。

即便法律解決了知識產權歸屬問題，生成式AI的創作行為也給市場交易及其利益分配帶來新的挑戰。這從本文前面案例中很多原告的指控可以看出來。

比如，即便生成式AI合理使用了其他公司或個人的數據，合理使用的結果是，數據的創造者和所有人原來享有的市場份額被蠶食，市場份額重新分配。

這就給傳統媒體帶來不公平，甚至遭遇生存危機：自己的數據被生成式人工智能利用（即便是合理利用）后，生成更受市場歡迎的數據（內容），自己的客戶（讀者）被分流走，失去了市場份額。

顯然，生成式AI帶來的法律沖擊背后是市場交易模式的沖擊。如果法律不能解決這種市場交易模式的沖擊，合理分配生成式AI與其數據來源主體之間的市場利益分配，沒有人會有動力創造第一手數據。

如果立法或者司法判決僅僅停留在法律“保護誰”這個傳統思維上，而不是考慮生成式AI給市場格局帶來的變動，保護創新的立法或司法判決最終可能破壞生成式AI發展所賴以存在的優質的“數據生態”。

設想，傳統媒體中的調查記者要花費成本調查市場，分析市場，形成第一手信息，并從中獲得回報。如果人工智能在此基礎上加工，形成更便于消費者使用的信息。如果法律不能解決生成式人工智能和第一手信息所有者之間的市場分配問題，則誰會有激勵調查市場、分析市場，形成第一手有價值的信息？沒有第一手的有價值的信息，生成式人工智能的優質數據來源何在？信息市場的正常生態如何維護？

筆者以為，在肯定生成式AI帶來的社會效益（如信息普惠、創作民主化），鼓勵技術創新的同時，立法和司法還應該從“維護優質數據生態”這個更高的視野和更大的“社會收益（social benefit）”視角，思考法律與技術創新之間的博弈。

限于篇幅，本文只提出宏觀的思路，即法律應該鼓勵傳統媒體業態等原始數據所有者或創造者與生成式AI之間自由交易。通過自由交易尋找最優的資源配置安排，形成帕累托改進效應。即，原始數據的所有者或創造者和生成式AI之間通過合作，創造價值增量，讓每個參與人的境遇都能從生成式人工智能的運營中變得更好。這樣，更多的市場主體（個人）有激勵創造更優質的數據，生成式AI受益于更優質的訓練數據，產出更優質的產品，形成良性循環，在全社會范圍內形成優質的數據生態。

（作者王佐發為西南科大法學院副教授）