李春晖：人工智能训练侵犯作品复制权吗？ | 华东政法大学学报202504|专利法|人工智能训练|华东政法大学学报|反不正当竞争法|复制权|李春晖|著作权法

【作者】李春晖（天津大学法学院副教授，法学博士）

【来源】北大法宝法学期刊库《华东政法大学学报》2025年第4期（文末附本期期刊目录）。因篇幅较长，已略去原文注释。

内容提要：关于使用数据训练人工智能（AI）是否侵犯著作权问题，存在否定著作权法可适用性的“釜底抽薪”进路和承认可能侵犯著作权但主张以合理使用为代表的权利限制的“先进后出”进路。前者有利于新技术、新业态发展。复制权系训练用数据著作权保护问题的核心。就AI训练本身而言：（1）其技术本质决定了训练过程不是对作品的复制；（2）AI的伦理地位决定了其学习过程类似自然人，因而不可能是复制；（3）学习过程中的临时复制不在复制权范围内则基本无疑义。就作为AI训练前导的训练数据准备中的复制而言，一方面，其不具有传播目的和效果，不应被解释为著作权法上的复制；另一方面，其实质仍为临时复制。训练数据复制权问题也是整个知识产权法中实施、使用链条各环节独立权能化的表现之一。后者在历史上具有合理性，但随着科技与市场环境的变化，弊端愈来愈明显，知识产权法逻辑应考虑回归民法规则和民事侵权理论。基于以上理由，著作权法不应适用于AI训练对数据的使用，后者应否规制、如何规制，应重新进行利益衡量和价值取舍。这可在著作权法框架下进行，亦可在数据立法框架下解决。

关键词：人工智能训练；数据；著作权；复制权；数据权益

目次一、复制权是人工智能训练用数据著作权问题的核心二、人工智能训练之技术、伦理本质与复制三、训练数据准备中的复制四、更宽广的视野：知识产权权能碎片化之合理性审视五、结论与展望：置之死地而后生

巴黎人工智能行动峰会上，美国拒绝在联合声明上签字，称欧盟对人工智能（AI）的监管过于严格。话音甫落，汤森路透案的法官就给美国政府上了一课，认为被告Ross Intelligence之行为不符合合理使用标准。所幸，该案不涉及生成式AI，但后者也感受到了寒意。与此同时，杭州互联网法院的奥特曼“第二案”也判决平台侵权，二审维持原判。相似的是，其涉及的是调用第三方模型的服务平台和用户投喂的定向训练，不涉及生成式AI开发者本身的训练。这两案让国内外业者无不胆战心惊，尤其是汤森路透案，提示我们有关训练数据著作权问题的争论远未尘埃落定。

与AI有关的著作权问题有训练和应用两个阶段，本文聚焦于前者，但现有论述在某些侧面也会将其与应用阶段相联系，如汤森路透案，本文亦做相应评述。在训练用数据侵权风险方面，当前立法及学术研究似以一面倒的思路占优：在权利基础问题上有意无意采用“利益延伸论”，将著作权保护无条件适用于AI训练用数据，在此基础上寻求包括合理使用和法定许可在内的权利限制，以宽容对待AI技术发展（而汤森路透案甚至否定了合理使用）。这可称为“先进后出”路径。如欧盟《人工智能法》（Artificial Intelligence Act）序言第105段规定，使用文本和数据挖掘（TDM）技术检索、分析训练数据时，应获得权利人授权，除非适用相关版权例外和限制条款。亦有少数学者釜底抽薪，从根本上质疑著作权法的可适用性，但未成气候。立法上完全未有此路径的支持者。

本文拟强化“釜底抽薪”进路的论述，以平衡视听。笔者首先说明采用这一进路对AI技术发展的意义，然后阐明AI训练用作品著作权“保护”最可行的权能基础是复制权，并总结有关训练用作品复制权的现有论述及存在的问题。随后，笔者从三个方面否定作品复制权对AI训练的可适用性：一是关于训练过程本身，从技术和伦理两个角度质疑AI训练过程涉及对训练数据的复制；二是关于训练数据准备，对于不可避免的数据“物理”复制，本文的研究从复制权的解释，以及训练数据预处理的“临时复制”定性入手；三是将复制权问题放在更宽广的知识产权和民法视野下，讨论知识产权实施/使用链条中各环节独立权能化的合理性与不合理性。最终得出结论：AI训练用数据在著作权保护之外，若要加以规制，须重新进行利益衡量和价值取舍。

二

复制权是人工智能训练用数据著作权问题的核心

（一）“釜底抽薪”抑或“先进后出”？

1.人工智能训练用数据著作权问题研究的不同进路

AI训练用数据著作权问题的“釜底抽薪”进路主张将AI训练对数据的使用界定为“非作品使用行为”，从根本上否定著作权法对训练用数据的可适用性。“先进后出”进路则承认著作权法的可适用性，但主张以合理使用、法定许可等制度对著作权加以限制，或建立避风港制度、综合治理机制等，以适应AI发展的需求。

合理使用说认为，为促进智能产业发展，应视TDM为合理使用。为此，学者提出了各种重塑合理使用制度的方案，包括引入美国转换性使用、非表达性使用、非展示性使用（non-display use）、技术性合理使用、机器阅读（与人类阅读相对）等理论，或将合理使用判定由单项行为考察转为整体结果考察，或建议增加合理使用的一般规则。实定法方面，日本著作权法规定了不以享受思想、情感为目的的例外，并列举了基于大规模作品或数据的数据分析，以及不涉及人类感知的作品表达的计算机处理。2019年《欧盟数字单一市场版权指令》则增设了TDM合理使用。美国图书馆版权联盟《著作权与AI基本原则》认为使用作品创建数据训练集合、训练大模型构成合理使用。英国版权法第29A条规定了文本和数据分析目的的复制的例外，但限于非商业性研究。司法实践方面，在一些案件中，我国法院逐渐引入了美国四要素法、转换性使用理论等。虽然在很多情形下出于限制既有合理使用条款的目的，但也有判决认为合理使用不限于《著作权法》列举的具体例外。

法定许可说认为，机器学习对作品的使用具有一定正当性，但在为技术发展提供良好发展环境的同时，应兼顾权利保护，故将机器学习纳入法定许可范畴是更优选项。作为权利限制的一种，法定许可将其视为对合理使用的折中，二者呈互补和过渡的关系。也有学者认为法定许可不可行，原因如集体管理组织运行成本高、确定及定期调整法定许可费很复杂、可能过度剥夺对投资开发生成式AI的激励等。

也有亲著作权人的观点认为，不仅应将著作权法适用于AI训练用数据，而且不应将其纳入合理使用范畴。这一派观点“只进不出”，显然不利于AI产业发展。对此类观点，需在本文结论的基础之上，进一步基于利益衡量和价值取舍来确定究竟是否在新设权利的基础上提供保护，本文暂且不论。而且，与本文主张的“釜底抽薪”进路相比，其与“先进后出”进路实为一类。

2.“釜底抽薪”进路的研究意义

本文基于支持AI训练自由无偿使用数据的立场，证明AI训练对作品的使用不在其著作权范围内，尤其不在复制权范围内。因此，合理使用问题并非关键：反对AI训练对素材自由无偿的使用，反对者需首先证明引入新的知识产权权能的正当性，而不是假定训练素材上存在理所当然的权利而由支持者证明不构成侵权或合理使用的正当性。

质疑者可能认为，有关合理使用（及任何权利限制）的论证与著作权法不适用于训练用数据的论证，在很大程度上可相互支持，因此“釜底抽薪”抑或“先进后出”并无实质区别。但笔者并不同意。

第一，二者有本质的不同：前者涉及权利正当性和范围，涉及“利益延伸原则”与“利益适度原则”的选择；后者涉及对既有权利的限制，要权衡“剥夺已有正当性的权利”的正当性。

第二，从根本上否认权利基础，与证明合理使用相比，主客易位，证明责任、证明难度，以及对AI产业的意义殊有不同，前者更有利于AI产业发展。2023年公布施行的《生成式人工智能服务管理暂行办法》简单地强调“尊重知识产权”（第4条）、“使用具有合法来源的数据和基础模型”和“涉及知识产权的，不得侵害他人依法享有的知识产权”（第7条），虽有解释空间，但在“利益延伸原则”惯性思维下，易认定一切数据皆自然而然地在法律保护之下，从而对AI产业高悬达摩克利斯之剑。合理使用、法定许可等权利限制制度不足以缓解其威慑，且有待AI产业一方推动论证其合理性。反之，则需由著作权人或数据“所有”者一方从头论证新设权之合理性，AI产业可有很大的缓冲空间。

第三，合理使用路径远未形成共识。有人认为，生成式AI采用的深度学习技术赋予大模型泛化与记忆能力，难以适用机器学习时代的TDM合理使用例外。另有学者认为，使用音乐作品训练AI无助于著作权制度促进独创性表达的目标，不能将其纳入合理使用范畴。美国学者休斯（Justin Hughes）则认为模型训练中的使用是一种准表达性使用，仍构成侵权。最近的噩耗是前述汤森路透案，可称其为美国首起重大AI版权案。被告Ross Intelligence在构建法律研究搜索引擎时，将Westlaw的注释和批注转化为数值数据，分析法律词汇之间的关系，以此作为其AI训练的数据源。法官认为，Ross Intelligence通过复制Westlaw的内容，意图开发出与Westlaw相竞争的市场替代品，不符合合理使用的标准，且Ross Intelligence的使用直接影响了Westlaw的市场价值，构成侵权。

第四，合理使用仍是有限的，且存在种种限制，不若“釜底抽薪”能彻底解决问题。如欧盟的TDM合理使用，主体限于科学研究目的的研究机构和文化遗产机构，对一般主体的TDM合理使用则有严格限制，且有便捷的“选择退出”机制。

（二）复制权是训练用数据著作权保护最可行的权能基础

著作权一般包括精神权利（发表权、署名权、修改权、保护作品完整权）、复制权、传播权（发行权、出租权、展览权、表演权、放映权、广播权、信息网络传播权等）和演绎权（摄制权、改编权、翻译权、汇编权等）。无论是针对作品的技术措施，还是2025年《反不正当竞争法》刚刚予以规定的对数据的技术管理措施，其本质非著作权或数据权益，本文暂且不论。

AI训练不可能侵犯传播权。因为AI的训练结果是产生AI模型，而不是传播原作品。即使AI应用阶段会产生（并传播）“作品”也是新“作品”而不必然传播原作品；若“生成”并传播了原作品，是仅研究训练阶段的本文之外的问题，暂且略过。不过，有学者认为，出于验证挖掘与学习结果、开展关联合作研究以及帮助开展非相关研究等目的，训练数据的复制件还可能通过信息网络向不特定多数人传播。但这不是AI训练本身必然发生的情形。诸项精神权利的被侵害实际也以传播为前提，因此有关结论与传播权类似。

因此，AI训练的著作权问题主要涉及在准备训练数据时不可避免的物理复制，或至少在读取训练数据的过程中有临时复制行为。激进的观点甚至将机器学习过程本身，也就是对数据的分析、挖掘、学习，也纳入复制范畴。

有观点认为，对训练数据的各种预处理还可能涉及演绎权中的翻译权、改编权、汇编权等。首先，训练数据的预处理可能需要转换训练用作品的自然语言或将其转化为机器语言。但有人认为前者才是真正的翻译，向机器语言的转换不是真正的翻译，而只是向机器传递相同的内容，因此仍属复制。我国2020年《著作权法》新增的数字化复制方式，实际上也是或类似于向机器语言的转化。其次，对训练素材的改写、结构化、标注、解释，可视为改编；对大量作品的分类、整理、汇总等，则构成汇编。不过，有人认为这些操作虽形似翻译、改编、汇编，但并非著作权法意义上面向读者的演绎，而是为了机器学习，本质上仍是复制的一种，或以复制为前提。因此，本文仍将其视为广义复制。

因此，在著作权的精神权利、复制权、演绎权、传播权四大权利中，AI训练对数据的使用，核心是复制权，形似演绎权的，其本质也仍是复制。本文以下两个部分将分别针对AI训练本身，以及训练用数据的准备这两个阶段予以讨论。

当然，著作权法还规定了“应当由著作权人享有的其他权利”，因此将“用于AI训练”或TDM作为著作权一项新权能的道路是畅通的。不过，如果无法从既有权能之内找到依据，而要重新求助于新权能，这仍然属于“釜底抽薪”进路，而非“先进后出”进路。而且，在原有权能之外引入新权能，同样要进行利益衡量，证明新权能的正当性。

（三）有关训练用作品复制权的现有论述及其问题

1.现有论述的分歧焦点

如前所述，很多研究将著作权法适用于AI训练用数据作为理所当然的前提，直接讨论合理使用问题；即使讨论著作权法的适用，也限于明确可能的权能即复制权。采用“釜底抽薪”进路彻底否定著作权法之适用的不多，与之相对，明确论证AI训练侵犯作品复制权（而非仅仅从诸权能中选择复制权）的反方也不多。双方论述的焦点包括以下问题。

（1）对于新的作品使用方式及可能产生的利益，是采用利益延伸原则还是利益适度原则。

按利益延伸原则，著作权人的利益大体应随新的作品使用方式的延伸而延伸。利益适度原则的含义则是著作权法需在激励创作和信息传播、利用之间取得平衡。换言之，前者是一种自然权利论原则，后者则是一种功利主义原则。前者以作者为中心，在严格保护知识产权的背景下容易凸显其方向的正确性而得到无条件赞成；后者则要进行利益衡量和价值取舍，但易为利益团体所左右。

“釜底抽薪”进路反对利益延伸原则，认为具备法律效果的作品利用方式需由法律明确规定，否则第三人无法知晓哪些作品利用行为非法。若著作权人能够禁止立法中并未明示的行为，公众行动自由和获取信息的自由将受到难以预测的打击。但“先进后出”进路认为，利益适度原则通过为著作权建构正当性基础，以论证为了让计算机程序提取作品中的非表达元素而进行的复制行为不构成侵权，不仅违背产权保护基本逻辑，还会破坏复制概念在技术上的一致性，得不偿失。

（2）非作品性使用究竟是何含义，尤其是在AI训练/应用的哪一环节来判断此问题。

“釜底抽薪”进路认为，AI训练对作为数据的作品的复制和使用属于非作品性使用，不是著作权法意义上的复制和使用，不受著作权法规制，更谈不上合理使用。这一概念在不同学者的表达中略有区别，但通常认为作品性使用意味着作者与社会公众交流观点、思想、情感，意味着读者对作品的欣赏。有学者甚至建议《著作权法》明确规定复制权只控制出于欣赏作品的目的而进行的复制行为。

“先进后出”进路在论证合理使用时也使用这一概念，但对其是局限于训练阶段，还是延及应用阶段，学者观点存在不同。在具体表现上，把非作品性使用解读为不涉及作品独创性表达和表达公众化传播的使用，易衍生出严格来看并不合形式逻辑，但仍很有影响的反面解读：若涉及作品独创性表达和表达公众化传播，则属于作品性使用。进一步地，有学者从人工智能生成内容（AIGC）的表达性特征反推认为AI训练阶段也涉及表达性使用，或从AI应用输出内容的相似性反推认为训练阶段复制、使用作品的行为构成侵权。如“技术性合理使用”“非表达性使用”“表达型”“非表达型机器学习”等概念，都把AI应用阶段输出内容考虑在内，或把是否输出内容及输出何种类型的内容考虑在内。这种一体考虑的思维方式，有的是无意为之，有的则是有意强调。后者如涂藤博士提出，应扬弃非表达性使用理论，重构机器学习的著作权侵权判定标准，以公众接触原作品表达的高度盖然性取代“实施复制即侵权”的形式主义理念。这对应于《纽约时报》案中原告的逻辑：原告对ChatGPT-4进行输出测试发现其能在特定提示下几近逐字输出《纽约时报》的文章，基于此认为训练阶段的复制、使用侵权。在Authors Guild v.OpenAI案中，原告认为OpenAI利用原告作品训练模型，旨在输出模仿、总结、解释作者作品的衍生作品，对作者有替代作用。更有甚者，有原告基于AI输出的侵权结果，要求从训练数据库中删除有关侵权素材。在汤森路透案中，尽管法官指出该案并不涉及生成式AI，但该案的逻辑对生成式AI案件仍有影响：训练后的AI用途影响了训练前复制的合法性，并且与原告竞争的概念也可用于普通作者身上，如Guild案。

这些论述和实践从训练阶段跨越到应用阶段，结合输出内容的特征来完成训练阶段的法律定性，其中，根本问题在于对非作品性使用的判断应在哪一环节完成。一种选择是，经过预处理的训练数据投喂给模型进行训练之后即可弃，其用途就是训练AI模型，因此非作品性使用的判断时点就在此时。而另一选择是在AI应用阶段进行判断，这就违背了单独考察训练阶段对数据的使用的初始设定，消解了非作品性使用的概念。换言之，这一观点将问题简化为：AI是生成式（表达型）的还是非生成式（非表达型）的，这正是汤森路透案法官提及该案不涉生成式AI时可能隐含的用意。

2.现有研究的缺陷

除以上分歧中需强化或澄清论述之处以外，现有研究总的来说还存在以下缺陷，这些缺陷也是上述分歧产生的原因。

（1）缺乏对AI训练过程的深入技术理解。这导致理解非作品性使用等概念时存在是否及如何考虑AI应用阶段输出内容的偏差，进而导致无法完全独立地考虑训练阶段使用作品的定性，而不得不将其与应用阶段的定性绑定。事实上，从技术角度看，AI训练对数据的使用均属于非表达性使用。应用阶段是否输出及输出什么内容取决于使用者。对此，技术上均已认识到模型的基本算法具有通用性，训练后的模型几乎可用于任何用途。AI模型后期应用的目的确实会反馈至训练阶段的某些设置，但不会实质性影响技术架构。

（2）与对技术缺乏理解相关，现有研究很少深入考虑AI训练阶段复制行为之特征及其与著作权法上“复制”的联系与区别，导致对AI训练是否涉及训练用数据/作品之复制过程产生理解偏差。同时，尽管有的国家和条约将临时复制涵盖在复制中，但很多国家，（包括我国、英国）认为复制权不覆盖临时复制。研究者未充分认识到AI训练过程涉及的所有复制包括训练数据准备过程中的复制皆为临时复制，将临时复制仅限于狭义训练时从读取到分析训练这一过程。“先进后出”论者则往往回避临时复制问题，只说复制，或只说笼统的“使用”。

（3）缺乏知识产权、民法的整体视野。当囿于版权一角，甚至囿于复制权一角时，难免视野有限。有学者论及应回归民事诉讼证明标准，是难得的亮点。

（4）在利益延伸原则笼罩下，混淆了竞争法和著作权法、数据权益与著作权。仍以汤森路透案为例，与其说是版权作品的复制问题，不如说是数据库复制的反不正当竞争问题，其本质是Ross公司利用Westlaw对法律的注释和批注（侧重的是其实质内容而非表达形式），开发与Westlaw相竞争的市场替代品。在此过程中，AI不过是Ross公司整体竞争行为的工具。

二

人工智能训练之技术、伦理本质与复制

（一）人工智能训练之技术原理与复制

1.人工智能训练之技术原理

AI技术的核心是模型。模型的根本含义是指从数据输入到数据输出的模式。既然是模式，则从输入到输出的过程本质上缺乏创造性，因为这一过程是根据既定的技术方式自然而然得到最后的结果。生成式AI生成内容之所以似有一定创造性，是因为其模型足够复杂，有上亿的参数（GPT-3的参数量为1750亿），再加上AI应用使用了计算机（注意非模型本身）对海量素材进行检索和存储，从而在某些侧面看起来不可预测，似乎超越了具体自然人的认知。

AI模型的基本原理脱胎于早期的图像（含文字）、语音等的模式识别技术。其测量各种图像/语音的各种直接特征参数并/或基于此构建间接特征参数，在训练阶段将这些特征参数与图像/语音的预先标记的识别结果对应起来；在识别阶段，对待识别的图像/语音获取同样的特征参数，与训练阶段的特征参数相比较，能够与之匹配的训练阶段特征参数对应的预先标记即为识别结果。在实际操作中，各种参数与标记之间的对应不是绝对精确和单一的，而是概率值。多个参数特征共同决定各种可能标记的最终概率，一般将概率最高者作为最终识别结果。在早期，各种模式识别技术及其改进的重要工作是发现各种直接参数或构建各种间接参数，这需要研究人员不断尝试，甚至碰运气。

神经网络技术的革命性变化和突破，是从早期的发现和构建特征参数的手工、“小农经济”方式，转变为大规模计算分析对象（如图像或音频等）的全方位的、广泛联系的参数。其基本原理是在一定程度上模拟生物神经网络，由互联的人工神经元构成。一个神经元的多个输入经传递函数而产生多个输出（即多个分类结果），输出的数值通常由特定函数转化为分类的概率分布。由于一个神经元受多个输入影响，每一个输入必然有其自身的权重，训练过程就是通过大量数据不断调整这些权重的过程。在AI模型中，可有多层神经网络（输入层、一个或多个隐藏层，以及输出层），上一层神经元的输出作为下一层神经元的输入。每个输入参数不同程度地影响下一层参数，如此交织，直到得到最后一层输出参数的概率结果。一个参数称为一个维度。

以上简介是决策式AI（如识别、判断等）的角度。生成式AI根据输入得到似乎有创造性的输出，似与决策式AI不同，但底层原理是一致的。在训练阶段，生成式AI实际上是要寻找一种普遍联系（数学上体现为联合概率分布）。例如，对文本生成，训练过程就是要找出一个既定文本（可能是一个字、一个词、一个句子，或更长的输入）与其他字、词等的概率联系。在生成阶段，模型基于已有输入判断下一个字词最大概率是什么，然后再下一个字词，以此类推，完成创作。训练阶段的样本集越大，则所寻找的普遍联系越全面和精确，在生成阶段就能生成更完美的文本。

从图像处理领域的卷积神经网络和自然语言处理领域的递归神经网络，到作为BERT和ChatGPT基础的Transformer，神经网络技术基本架构并未出现根本性变化。

由于AI模型有赖于训练数据，可称之为“数据驱动”。当然，实际的AI应用不全是数据驱动的模型，还可能包含基于逻辑规则，如数学运算规则的逻辑驱动。逻辑驱动的基础之一是“知识图谱”。

这样，对AI的训练，就是获得各输入以及各层神经元的各输出向下一层神经元传递的权重，以及传递函数中的“偏置”参数的过程。任何训练素材对AI模型的贡献仅限于此。从模型训练和构建来说，AI模型没有直接复制数据的任何部分，而是对数据做出统计学上的特征表达，最终的输出是对训练数据的近似统计。由于技术上完全没有复制的动作，侵犯著作权法上的复制权自然也就无从说起。这就好比饮食上并不存在吃鱼眼“补”眼睛的效果。相反，一切食物都会被消化为基本的营养成分，包括蛋白质、糖类等，而且这些营养成分中的大分子在被胃肠壁吸收之前已经被消化分解为更为基本的小分子，包括氨基酸、葡萄糖等。

2.对人工智能与复制有关的两个误解

在理解了上述技术本质后，即可对现有研究中与AI应用有关的误解做如下澄清：

一是AI应用输出内容的实质性相似不意味着训练阶段存在直接复制。继续以消化食物作类比，如果一个人因为吃了牛肉而增加了体重，而人的肌肉与牛的肌肉在肌肉的意义上高度近似，这并不意味着人直接把牛肉复制到自己身上，而是完全按照自己的DNA组装了新的肌肉组织，其与人在食用阶段到底吃了牛肉还是鱼肉并无关系。一些学者执着于“若AI最终输出的内容与原作品不构成实质性相似，也缺乏输出实质性相似内容的可能性，则前期的机器学习属于‘无人能享受作品的独创性表达’的情形，不构成著作权法意义上的复制”。言下之意，只要有输出相似内容的可能性，即表明存在著作权法意义上的复制。这是对AI原理的误解。生成式AI具体生成何种内容，以及是否采纳之并投入传播，是由使用者而非训练者决定的。针对微软公司开发的“下一个伦勃朗”AI产品创作模仿伦勃朗的独创性的绘画，有学者认为，其显然使用了伦勃朗作品的表达性特征，不然，其如何“理解”伦勃朗作品风格，又如何创作出与伦勃朗作品风格类似的作品？这一论断之想当然，正是不了解AI技术本质的结果。所谓风格，同样是各种表达要素的特定相互关系，而不是直接拷贝特定表达。这种小样本的学习所产生的风格，与大样本的学习没有任何不同，区别就是其局限于特定样本，其输出自然就与这个小样本集的特征（风格）类似。至于在没有直接拷贝的情况下是否保护“风格”，这是“思想与表达”二分法语境下的另一问题。

二是AI输出为何种类型，或者说是决策式AI还是生成式AI，并不从根本上影响AI模型的性质和其训练的技术本质。不存在决策式AI绝不表达性复制作品，而生成式AI就进行了作品的表达性复制这样的结论。相反，两种AI的训练方式是类似的，虽不排除不同用途的模型在一些特点上会有区别或微调。例如，作为ChatGPT之基础的Transformer就具有跨领域的通用性。当用于不同领域不同用途时，除模型结构微调外，更重要的调整是模型前端的预处理和模型后端的应用程序编制。因此，某些研究基于模型的最终用途来对训练阶段的复制是否属于著作权法意义上的复制得出不同结论，是没有根据的（如汤森路透案）。仍用食物的消化类比，人与牛的消化系统有区别但没有本质区别，牛吃了食物只能耕地（非表达性），而人吃了食物却有可能创造出这个食物的绘画作品（表达性），但这并不意味着人对食物进行了表达性吸收。

（二）人工智能学习的本质及其伦理地位之影响

1.人工智能学习与人的学习之相似性

人类不断以工具的特定功能来代替或辅助人的特定工作。以畜力代替人力，以消耗能源的动力装置来放大或代替畜力和人力，以科学规律支撑的机器来代替手工艺，等等。这些代替都是对人之体力的代替。直至计算机被制造出来，出现替代人的智力的趋势，如复杂的数学计算、文字的输入和印刷、试验的模拟等。但传统计算机所代替的，主要是人类“用脑进行的体力劳动”，即仅仅是脑力的重复性工作——计算机只是按照人类设定好的程式工作，但大大提高了效率。

AI本质仍是计算机程序，但志在真正替代人的智力，即不满足于替代“用脑进行的体力劳动”，而要替代真正的脑力劳动。但AI若要像人一样进行创造活动（至少看起来像），其必须掌握创造的素材和规则，不可能无中生有，因此其必须学习。因为人所做的一切都脱离不开人的认知，人类自身若要进行创造活动也必须基于学习的积累。

那么就AI训练过程对训练素材的使用方式和性质而言，同样可以与自然人的学习过程类比，因为AI模拟的就是人自身。那么，机器学习是否构成对训练素材的复制，就类似自然人的学习过程是否构成对学习材料的复制。注意，这里考察的是人的学习、创造的内在过程，并不涉及著作权法合理使用制度中为学习的目的、发生于身体外部的使用包括复制行为。

人学习的本质是认知结构的组织和重新组织，学习过程就是认知过程，也就是人脑通过感觉、知觉、记忆、思维、想象等形式反映客观对象的性质及对象间关系的过程。其中，感觉和知觉是外界信息输入人脑的过程，相当于信息系统输入设备的输入。记忆则是从认知对象（学习材料）到人脑的复制和储存，以备后续提取和使用，是人进一步认知（思维、想象）的基础。这一过程相当于AI为机器学习的目的而将训练数据存储在可用位置。若人类创作者按照其记忆“复制”或以各种方式“洗稿”其记忆的作品，则从输出结果来看构成侵权，但没有人认为人的记忆本身即构成侵权。相对于人类最终的创作来说，记忆本身只是此前的准备和中间过程。

思维是揭示事物本质特征及规律的理性认识过程，或可称之为狭义的学习，相当于AI的挖掘过程。狭义学习包括联结性学习和运算性学习两类。前者是“将同时出现在工作记忆中的若干激活点联结起来而获得经验的学习”。如通过对所记忆的各种素材的“体会”（实际上是有意识和无意识的分析和关联过程），习得对世界的各种认知，如对各种社会、科学、创作规律的认知。这对应AI的学习/训练本身，虽然AI的学习/训练所习得的目前只是各种“记忆素材”之间的概率联系。后者是“在头脑中经过复杂的认知操作而获得经验的学习”。这一过程需基于特定的运算方式或机制，如各种概念、定义、公理、定理、定律，对特定问题的已有论述或已有解决方案等。这大体对应于提供给AI应用的逻辑规则或知识库。目前此类逻辑规则或知识库由人类直接提供给AI应用，AI模型并不需要对此进行学习，因为其数据驱动和概率统计的本质决定了目前其自行学习所获得的规则仍是不稳定的。

想象过程是建立各种记忆素材之间的广泛联系和重新组合记忆素材的过程。想象结果形诸于外，则是创造。想象和创造的基础是“思维”所认知的规律或规则和“记忆”所积累的素材。与之类似，AI应用的输出是基于学习/训练阶段所获得的体现为“模型”的所有维度的权重和概率分布，以及AI应用的数据库和知识图谱。至于创造结果在何种情况下具有独创性/创造性，或构成侵权，已超出本文仅讨论训练阶段的设定。

由此来看，人的学习和创造过程其实也主要是数据驱动——从记忆的各种素材中习得经验和规律（但也有逻辑驱动，即对各种已知规则的直接应用）。AI训练或学习的过程与人类学习过程是完全对应的，若将AI学习过程被视为复制，则人的学习过程同样是复制，这无疑是荒谬的。“AI教父”辛顿（Geoffrey Hinton）教授指出，大模型习得的特征（feature），以及特征间的交互作用，就是理解。这也是人类学习的基本方式，无疑不受著作权法干预，因此机器进行类似的学习就要被著作权法干预没有充分的理由。至于记忆过程，AI应用（而不是模型本身）可能在模型之外具有相应的数据库，但其实也可在创作时临时在网络上检索、提取，就类似人类现今的创作亦可临时从网络搜索其不完全记得住的素材或学习新的素材。人类记忆、背诵等技能的重要性，一方面在于人类的思维（学习、理解）过程要以之为基础，且是一个持续的过程（而不像AI训练在很大程度上是在人类的安排下在短期内“一下子”完成的）；另一方面在于过去的人类缺乏先进的存储和网络设备，必须依靠“肉身”来记忆。但是，AI训练前的数据准备和自然人在学习过程中的记忆，均系对学习素材的中间复制。

由此可见，AI的学习（包括为学习做准备的数据复制）过程与自然人学习、认知过程基本一致。如果这些行为对人来说是一个自然的、理所当然的过程，完全没有人考虑其是否构成“复制”从而侵权，那么对于AI应有完全一致的结论——末端的内容创作和传播才有可能侵权——而且不会追溯到学习之时，只是把学习时的“接触”作为判定侵权成立的构成要件之一。

2.人工智能之伦理地位及其“权利”

但是，上一小节的结论如果转化为“权利”语言——“自然人有学习的权利，因而AI也有学习的权利”，就面临显而易见的主体资格问题：公认AI尚不能在任何意义上成为可与人比拟的主体。一方面，AI尚不具备任何主体意识，不可能成为伦理主体；另一方面，AI并无自然人的意思表示机制和自身财产的支撑，赋予其技术人格不完全具备条件。伦理人格与技术人格之区分尚无明确定义，但在民法体系中可通过如下区别予以界分：一是两者所依赖的人格原型不同；二是两者在立法上被抽象的性质和结果不同；三是两者的价值基础不同。其中，第一方面是最根本的，“伦理性人格针对的人格原型是具有生物性、伦理性和社会性的自然人，并调整基于上述特征而形成的亲属关系和人格权关系。”而技术人格“针对的对象原型则是围绕特定财产形成的社会组织、财团甚至单一的独立财产，并在此上形成了抽象的符号化人格，从而完全脱离了人的生物性形象，进入了彻底非个人化的领域”。

不过，关于伦理主体尚存在另一种可能性。试想民法上未出生的胎儿（《民法典》第16条）甚至胚胎、受精卵的权利，实际上是一种伦理权利，但胎儿甚至受精卵尚非具有主体意识的真正自然人主体。AI与之类比，若其目标就是不断逼近人的特征，其可否享受到类似胎儿在其正式“出生”之前的包括学习权利在内的伦理权利？这种伦理主体地位可从两方面来理解。

（1）人类创造AI，目的是令AI具有似人的能力，因此必须提供让其具备如此能力的环境。一般而言，只要是能够获取的信息，人类就能自由学习，因此AI要拥有与人类等同的成长环境，就也应拥有自由学习的权利。对于自然人获取信息和学习都受到限制的场合（无论是私法上的限制如技术措施，还是公法上的限制如价值观的对齐），AI的控制者自然会受到类似限制，无须在本文语境下讨论。

（2）AI可视为人类智力的延伸，是人脑的辅助工具。在此意义上，AI与自然人构成“人机联合体”，AI可视为自然人人格的延伸或自然人人格的一部分，就好比假牙、义肢已成为身体的一部分而受身体权的保护。自然人拥有自由学习的权利，则作为其一部分的AI同样能自由学习，或就是人自身在学习。因此，在决定是否允许机器阅读、学习作品时（不只是在合理使用的意义上，而是在完全不受著作权法限制的意义上），需认识到其本质是保护人类的学习能力，这并不因人类学习变为人类借助机器学习而改变。

因此，对AI训练数据主张权利，本质在于阻止AI或联合了AI的人自身学习自然人（权利人）所掌握的知识。与其说这是一种权利主张，不如说是一种害怕AI（或掌握AI者）超越自己的“嫉妒”。这正是当前一些原告发起诉讼的动因。Guild案原告明确提及了模仿对作者的替代作用；在《纽约时报》案中，原告认为ChatGPT模仿输入的作品，输出替代《纽约时报》作品的作品，“偷走”用户。然而，人类历史上，技术进步导致人类劳动机会变迁的情况并不鲜见。历史已证明：历史并未因劳动机会被替代者的反对而停顿，也不应停顿。新技术在消灭劳动机会的同时也在创造劳动机会。此时，国家和社会确实要采取治理措施以消弭此类劳动机会变迁而产生的问题，但不是让不同利益群体通过私法上的主张进行权益对决。

因此，AI的学习“权利”就是简单的选择题：我们是否需要AI的发展？更具体地说，人类社会是否希望AI向类人方向发展，最终拥有类人之伦理人格地位，或至少如上述（2）一样的情形，有效地成为自然人的一部分？对此，脑机接口的迅猛发展已经提供了广阔的前景。若答案是肯定的，则不应以任何理由阻碍AI的训练和学习。既不能把任何机器学习过程本身作为著作权法的权能覆盖范围，也不能令学习前的任何临时复制（对应于人脑学习时的记忆过程）或过程性复制成为阻碍。

因此，汤森路透案的实质不在于被告的竞争性目的，而在于该案中AI的伦理地位：若机器只是单一任务超人工具，则不是真正以“类人”为目标。该案中，所谓AI并不从事创造性活动，而只是目标相对单一的决策性活动。在此意义上，笔者结论与汤森路透案结果一致，而与学者有关表达性使用的既有论述不同：愈是做表达性使用的AI，愈有自由学习的“权利”，而非愈受到著作权法的规制。但请注意，这与输出内容是否侵权的问题完全不同。

三

训练数据准备中的复制

（一）视角一：是否有传播目的和效果

AI训练包括线下和线上两种。线下训练需要预先准备训练数据的拷贝，存储在大规模的存储集群中。线上训练一般是已经上线的模型在使用过程中的在线优化。此外，尽管数据库不属于神经网络模型的一部分，但AI提供服务时，还需要如前所述的知识图谱和数据库，数据库中的数据未必完全是训练时所用的数据，但大概率也包括这些数据或其一部分。当然，理论上AI服务提供商未必需要数据库，而可直接借助网络资源。无论如何，至少在准备训练数据集时存在复制行为，实践中则有专门有偿提供AI训练数据集的数据提供商。无论是线上训练还是线下训练，训练进行之时，实际上还存在数据的临时读取和复制，其性质将在下节详述。本部分致力于讨论如何解释著作权法中的复制权，无论AI训练涉及的是永久复制还是临时复制。

1.著作权法中复制权之传播含义的凸显

从著作权法条文之表面文义来看，训练数据预处理中的复制显然构成著作权法上的复制，有可能侵犯复制权。我国《著作权法》规定：“复制权，即以印刷、复印、拓印、录音、录像、翻录、翻拍、数字化等方式将作品制作一份或者多份的权利。”《世界知识产权组织版权条约》关于第1条第4款的议定声明明确指出了复制权适用于数字环境。欧盟《信息社会版权指令》第2条和《日本著作权法》第2条第1款第15项则存在可解释为覆盖数字形式的复制的“任何方式或形式”“其他方法”等用语。

据此，司法实践采“复制即侵权”的立场是自然而然的。在谷歌图书案中，一审法院认为，即便无后续使用或传播行为，单独的复制行为即应向著作权人征得许可。在Walker v. University Books Inc.案及Sega Enterprises Ltd. v. Accolade案中，法院认为法律对复制权的规定并不区分是哪一阶段的复制。循“先进后出”进路的学者即基于这一立场。

然而，正如专利权利要求的解释离不开对比文件或涉嫌侵权产品的对照和提示，法律解释的某些面向要在面临前所未见的挑战之时才会凸显。复制权从著作权法兴起之初的毫无疑问（copyright直译即为“复制权”），到网络时代中间复制或临时复制出现迄今仍存在的争议和分歧，再到AI时代对机器学习是否涉复制权的分歧，根本原因在于旧时代难以想象的新技术、新业态的兴起和繁荣，导致复制手段和目的的双重变迁。

手段上，一方面，从印刷时代到模拟技术时代、数字技术时代、信息网络时代和AI时代，复制出现越来越多的形式；另一方面，复制的技术发展越来越凸显其传播权的本质。复制方式越来越多，所体现的是传播手段越来越多，这既包括复制的变体，如表演、改编、汇编等，又包括新技术手段，如机械表演。最终，在传播手段终不能被复制概念所覆盖时，就出现了完全脱离复制概念的传播权概念，如广播权和信息网络传播权——学术和司法界一度试图以用户屏幕上的“临时复制”来规制信息网络传播行为，或直接以“复制发行”来吸收信息网络传播行为。关于深度链接的争论，服务器标准实际上是固守传统复制发行概念的保守观点，而用户感知标准等非服务器标准，才真正抓住了著作权面向传播的本质。

相应地，在目的上，一方面，随着复制或传播方式越来越脱离传统复制行为，越来越凸显了传播才是目的，复制只是手段。另一方面，技术效应从来不是单向的，技术发展和人类社会、经济生活的变迁既能导致越来越多的传播行为不需要以复制行为或至少传统的复制行为为前提，也能导致越来越多的行为确实包括物理意义上的复制，却与传播无关，而是达到其他目的，AI训练即为此种情形。而且在AI训练中，物理复制虽不可逾越（至少有中间/临时复制），却非技术关键，关键是机器深度学习。

因此，基于历史场景下的目的解释，传统著作权法中似无疑义的复制权实非纯粹针对复制的权利，而是针对构成传播之前提的复制的权利。有学者已指出，复制权只是“依附性权利”，单纯的作品复制并不侵权，后续有销售（发行）、表演、展示等传播行为时，才侵犯著作权。即便在Walker v. University Books Inc.案中，法官也强调了无法排除侵权可能性。在传播技术手段逐步发展的历史背景下，复制权的这一本质含义越发彰显。事实上，我国对信息网络传播权单独设权而不是令其从属于复制发行，以及在此过程中否定“临时复制”系“复制”，已充分表明我国主流观点已不知不觉间否定了任何“物理”复制均属著作权法意义上的复制，而将重心放在了“传播”上。

2.训练数据准备并不涉及具有传播目的或效果的复制

在“复制的目的系传播”意义上，AI训练的出现确实令著作权法迎来重大历史节点，这体现于以下几点。

（1）AI训练对数据的核心使用方式是学习/挖掘，而学习/挖掘不是复制，这已在第二部分论证。

（2）AI利用数据进行训练的效果，即使在生成式AI中，也不会直接传播原作品，而仅仅是发掘训练素材各种要素间以数学特征所表达的联系。即使在所谓的定向训练模型中也是如此。

（3）AI训练对数据的学习/挖掘的目的不是传播，而是决策和创造，这既不是对训练用作品的复制，也不是传播。

简言之，AI模型完全是“研磨”或“消化”的机器，其一切输入都会转化为对模型参数的贡献，从而与应用阶段的输出相隔离，不可能构成对训练数据任何部分的直接传播。因此，AI训练用数据的预处理即使确实包含了物理复制的动作，但由于既无传播目的也无传播效果，并不被具有传播含义的“复制权”所覆盖。至于输出内容若构成侵权，则是使用者（包括利用AI模型API接口提供服务的AI应用平台）引导AI创作或选择AI创作内容的责任，而没有任何理由将责任传递到AI模型的开发和训练者。有学者认为，AI对数据的利用需要拆解、重组作品，可能落入复制权的控制范围，完全是对AI模型的误解，有可能将一些AI应用从网络搜索到或者从既有数据库提取到的数据（这些数据中的作品如果被侵权，自然适用著作权法，无须特别讨论），误当作AI模型内在的数据。

这里有必要再提汤森路透案。法官提及该案并不涉及生成式AI，言下之意，若是后者，裁判的逻辑和结论可能有所不同。本文认同这一点，但法官的逻辑其实是反不正当竞争的逻辑（复制大数据用于竞争性目的），被告所利用的并非原告作品表达形式的传播，而是其内容的价值。因此，落实到版权法上的复制并不妥当。

在这方面，有学者区分通用数据集和专门数据集（特定作者、类型或主题等），后者不仅用于训练基础模型，也可用于训练垂类模型。这些学者认为，此类数据集的价值与作品集合的价值产生了重合，因此侵犯著作权人的复制权或汇编权。笔者认为，此类数据集在垂类模型上的价值，跟汤森路透案是一致的，要么用反不正当竞争法来规制而无涉版权问题（非生成式AI），要么从输出端规制版权侵权问题（生成式AI），但都没有必要回到数据训练阶段，增加问题的复杂性。

（二）视角二：训练数据准备中的复制本质上系临时复制

1.训练数据准备中的复制符合临时复制特征

临时复制问题在司法实践中已争论多年。尽管部分国家，如中国认为著作权之复制权不涵盖临时复制，却也有不少国家作出肯定回答，如美国法院。AI训练时的纯粹读取过程中产生的在存储器中的短暂停留，与信息在网络传输过程中的临时复制性质完全相同，毫无疑问属于临时复制，并非著作权法意义上的复制。

然而，一般认为训练数据准备中的复制确定无疑是非临时复制的复制（“永久复制”），因而受著作权法规制。但本文认为，其本质仍为中间复制，或临时复制。现有研究之所以认为训练数据准备中的复制为永久复制，可能因为“临时复制”一词似隐含了转瞬即逝的含义。如在有关深度链接的争论中，有观点认为，有关作品要在用户屏幕上显示，有关信息必然在用户终端的内存中短暂停留。在一些案件中，法院也强调“瞬间”“短暂”的临时复制没有经济价值。

但若使用另一名词“中间复制”，可能就少了些转瞬即逝的意味，而强调复制的非最终性、非目的性。如2001年《欧洲议会和欧盟理事会关于协调信息社会中著作权和相关权若干方面的第2001/29/EC号指令》第5条规定，临时复制的特征中与“短暂性”（transient）相并列的另一种情形是“附随性”（incidental），有三个特征：是一个技术性过程的不可分割的重要部分；唯一的目的是在网络中传输或合法使用作品；不具有独立的经济意义。其实还有第四个特征，即用后可弃，因为其并非最终目的。AI训练数据准备中的复制符合以下四个特征：

第一，训练数据准备中的复制，是AI训练这个技术过程中不可分割的部分。

第二，如此准备的训练数据，其唯一目的是用于AI训练，而AI训练过程本身如前所述并不构成复制，也不为现行著作权法之任何权能所覆盖。即使受著作权法规制，按多数学者的研究也应归入合理使用。无论如何，训练数据准备的复制服务于AI训练，其合法性取决于AI训练本身的合法性。

第三，训练数据的复制不具有独立的经济意义。这实际上是由前两点所决定的。AI模型开发者准备训练数据，其唯一的利益在于训练AI。至于AI开发者或利用模型API接口的AI服务提供者是否会使用训练数据准备期间复制的数据，从而构成可能的侵权，这是AI应用端侵权的另一问题，与训练阶段无关。

第四，训练数据是用后可弃的。训练好的AI模型不需要保留训练数据。至于AI应用平台可能保留训练阶段的部分素材或另行建立数据库，那是另一回事，与训练阶段无关。

但是，当前训练数据复制后在时间上较为长期，在临时复制这个概念上多少有一些反直觉，看起来一点儿都不“临时”。这有两个原因：一是AI训练需要大规模的数据，即使单个数据的抓取、规范化和挖掘、学习可在很短时间内甚至瞬间完成，大规模数据却无法做到。尤其是，训练过程要寻找大规模的数据之间的普遍联系，训练过程可能需要反复读取有关数据；二是在某些情况下，数据还需进行手工或半自动预处理，如格式转换、标注等，从而必然存在时间较长的数据复制状态。但这两点并不能改变训练数据复制的前述四个特征。可以预见，在未来技术和网络环境日趋成熟之后，可能不需要预先数据准备，AI自始即为在线学习，从而仅存在学习时才发生的“真正”的临时复制。

2.数据中间商的存在不改变临时复制性质

数据中间商的存在使问题变得复杂化。由于涉及大规模数据，AI开发者不可能从每一个最终来源获取数据，大量或多数数据来自已有数据集。若AI开发者的数据是从已有数据集免费爬取而来的，前节的解释和前述四个特征仍然满足；而若AI开发者系从第三方购买得到数据集，虽然其通过支出对价而获得了合法性（至少有合理来源），但这一事实至少证明这一复制过程有其独立的经济意义：第三方可通过有关数据营利（进而，有学者对数据集创建者对著作权“侵权内容”的注意义务进行了论述，认为复制构成侵权）。问题在于，这里数据的售卖和独立的经济意义是何含义。

按知识产权法一般原理，在知识产权转移和利用的链条上，源头不合法，则下游一切行为皆不合法。但此结论的前提是中间环节和末端环节的行为皆在有关权能覆盖范围内。假如数据中间商收集、复制和提供数据，以及AI开发者利用数据训练（及不可避免的复制）皆在权能范围内，则AI开发者的行为是否合法，确实取决于数据中间商是否合法取得数据及其有关权利。然而，若AI开发者对无论来源于何处的数据之复制和使用并不在著作权法之权能覆盖范围内，则无论其来源如何，无论数据中间商是否获得“合法授权”，AI开发者的行为皆不构成侵权。

因此，对AI开发者的行为是否构成复制和侵权而言，是否有数据中间商的存在并非关键。反之，AI开发者行为是否合法，反而会影响数据中间商行为的合法性。若前者合法，后者可视为对AI开发者的代理行为，因而其取得和提供数据的行为也是合法的，其售卖数据的合同对价不过是“代工”行为的劳动报酬，而非数据的版权许可费用。同时，“独立的经济意义”未必是指中间复制的过程是否涉及对价，而是指公众是否能够接触、欣赏原作品的表达。从而，在整体的意义上，第三方和AI开发者为准备训练数据而进行的复制，仍系中间复制、临时复制。

但若数据中间商取得数据还有其他目的和用途，问题会进一步复杂化。其他目的和用途可能包括：（1）提供给其他（而不限于当前）AI开发者使用；（2）提供给其他非AI开发者使用；（3）用于与数据来源者相竞争的用途。按现行《反不正当竞争法》，第（3）种情形已构成不正当竞争。汤森路透案被告虽非数据商而是AI开发者自己，但笔者认为其（在中国法语境下）构成不正当竞争的原理与此类似。第（1）（2）种情形性质相同，数据中间商借此营利的话，按照《反不正当竞争法》对经营者与竞争关系越来越宽泛的解释，数据中间商仍可能构成不正当竞争。但这是非版权法视角。在版权法的意义上，与前述一对一供应的情形没有本质区别，只是供应链更精细的分工。

有反对者认为，数据挖掘与机器学习通过提取作品电子复制件中的事实、思想、数据能够获利，具有制作电子复制件的市场需求与支付意愿。这一产业现实表明，作品电子复制件尽管未被社会公众欣赏，却也具有独立的经济利用价值，创作者、制作者对这些复制件寻求经济回报并非无序扩张利益。这一看法除存在机器学习并不提取事实、思想之类的错误外，其实是把临时复制所依附的最终用途的意义反馈回临时复制上。这是循环论证，如此便不存在任何合法的临时/中间复制了，因为对所有临时/中间复制都可适用该逻辑。

四

更宽广的视野：知识产权权能碎片化之合理性审视

（一）知识产权权能设置的历史合理性

版权法上相对于传播权独立存在的复制权并非孤例。如前所述，对复制的规制，其根本目的是规制随之而来的传播。在商标法、专利法领域存在类似情形。如专利产品制造行为要进一步进展到销售、使用才会真正产生侵害权利人市场利益的后果，但《专利法》仍规制对专利产品未经许可的制造行为，以及同样尚未产生实际损害后果的“许诺销售”行为。在《商标法》中，被规制的伪造、擅自制造注册商标标识本身不足以侵害注册商标专用权人之权益，此类商标标识要经过销售（另一项权能），而后在同一种或者类似商品上使用，并销售使用了它的相关商品时，才真正侵害注册商标专用权人之权益。

这种情形源于知识产权及其客体的特点给侵权责任构成要件带来的不同。在涉及有形客体的绝对权（如物权）侵权中，权利、义务、对它们的侵害和违反、损害后果及因果关系均十分明确。另外，由于权利和义务十分清晰，具有社会典型公开性，过错的确定也并不难，甚至在某些情形下倾向于推定过错。但知识产权客体具有非实体性，其权利范围由法律限定，具体权利实例的范围则由非实体的文字表达来限定，即保护范围存在于“第三世界”，本质上是对生产活动的控制。因此，与具有有形客体的绝对权相比有以下不同。

第一，权利基础具有非直观性和不确定性，体现为在侵权诉讼中，需先确定权利的有效性及解释其范围。对著作权就需要考察作品之独创性是如何体现的。

第二，权利是否被侵害具有非直观性和不确定性。其并非如物权那样，侵权行为直接作用于客体物而易被识别，而要将涉嫌侵权产品与“第三世界”构建的“产品”相比较。知识产权的独立侵权行为（infringement）概念，正是基于这一意义。

第三，违反义务的行为也就是侵权行为具有更明显的阶段性。在物权中，例如，一个物的损毁，从加害到损害后果发生可能只要一个动作就能完成。但是，例如对于著作权，在复制作品之外还需要有发行作品的动作才能让作品真正被读者欣赏，其间还可能存在中间商的销售行为等。

第四，更容易产生侵权行为与损害后果的时空分离，从而令因果关系难以判断。例如，从作品的发行，到原被告双方在市场上的行为，再反馈到双方的收益或损失。若存在中间商则更为复杂。正因如此，知识产权损害赔偿的计算除权利人真正受到的损失之外，经常以其他的方式，包括侵权嫌疑人获利、许可费等方式予以代替。

第五，由于以上特点，涉嫌侵权者的过错亦不容易判断。相较而言，更容易存在某些行为人无过错的情况，典型例如合法来源抗辩。

本文所讨论的复制权与传播权问题，正是侵权行为阶段性在著作权法上的体现。由于从复制/制造涉嫌侵权产品到产品出现于市场，再到使用者真正获益或权利人真正受损存在较为漫长的链条，知识产权立法就倾向于将这些阶段性行为均视为infringement，本质上是民事侵权理论中对侵权危险的提前排除。一般情况下，营利性主体如企业若制造了专利产品，若伪造、擅自制造了注册商标标识，即可合理推知其下一步动作就是将专利产品付诸使用或销售，或将商标标识用于商品上并进行销售获利。在这种情况下，没有必要等待实际侵害结果发生再来予以司法救济，否则实为对司法资源的浪费，原被告双方亦会承受更多损失。专利法中的“许诺销售”权能，其消除侵权危险的本质尤为明显。

但知识产权作为私权，不可能完全脱离民法基本原则。尽管阶段性的“侵权”行为一般来说至少需要承担停止侵权的责任（这其实属于绝对权请求权范畴），但对损害赔偿责任而言，毫无疑问仍需证明损害、因果关系和过错。合法来源抗辩就是虽存在侵权，但行为人对侵权和损害的发生没有过错的情况。一些针对阶段性行为（因此权利人尚未受损）仍设置损害赔偿责任的情况，接近于以民事赔偿形式对侵权人的惩罚，仍服务于及时制止侵权损害危险和威慑未来侵权行为的目的。

（二）实施/使用链条各环节独立权能化之现实不合理性

虽有以上合理性，但知识产权实施/使用各环节独立权能化已愈来愈表现出现实的不合理性。对著作权法中复制权之地位的重新评估，可放在这一整体背景下。具体而言，基于以下原因，对于复制权及知识产权法中的其他类似预防性权能，都应适当重新考虑其地位或考虑对其缺陷的缓和措施。

1.利益延伸原则不符合知识产权法定原则并导致利益失衡

利益延伸原则以自然权利论也就是洛克的财产权劳动理论为基础，在证明知识产权正当性方面备受青睐，但似有过度之嫌。一方面，信息本就是流动的。自古以来，人们就通过信息的流动和对流动的信息的学习来取得个体与集体的进步，以及知识的传播和传承，这也是一种自然权利。另一方面，“控制”或“支配”是人与人之间就财产发生关系时的最自然的手段。“先占即控制是自然权利的来源，劳动是权利归属的依据。”确然存在自然权利性质的知识产权，但以人的自然力控制（但为法律所承认）为限，比如，有的学者提及的尊重著作权人采取有效接触控制措施保护作品的行为。除此之外，则是借法律之力予以支配的法定权利，信息客体上可以设置哪些知识产权及权能范围等，须由法律明文规定。

若认为凡投入劳动者即有权享有其利益，将知识产权的保护范围随利益无限延伸，则会过度控制信息和技术的传播，无论在国内市场上还是国际市场上，都将产生固化“技术阶层”的效果。当“利益延伸论”深入骨髓时，一种典型表现是万事可求《反不正当竞争法》一般条款，令各知识产权专门法立法时对利益的衡量付诸东流。汤森路透案的裁判，名为保护作品复制权，实际上是反不正当竞争的裁判思路（若在中国法语境下）。新技术、新业态不断迸发的时期，定然也是各种前所未有的利益雨后春笋般兴起的时期，既然是新出现的利益，就应当尊重利益产生时的自然状态，若要额外予以规制，就应进行谨慎的利益衡量。子弹必须多飞一会儿，才能给新技术、新业态留下适当的发展空间，而非把新技术、新业态对利益的变动当作天生的敌人予以防微杜渐。

2.实施/使用链条各环节独立权能化与民事侵权理论相龃龉

如前所述，当复制等价于传播，或复制是传播的必经之路而复制亦别无他用之时，复制就意味着传播和侵权的高度盖然性，对复制行为的规制也就符合民事侵权理论，是对侵权危险的预先排除。

然而，随着技术、经济、市场和信息利用方式的发展，复制不再等于传播时，继续单独规制便不再符合民事侵权理论。中国和欧洲不规制中间复制或临时复制即为一例。在AI训练中，训练数据准备阶段的复制的后续是训练（机器学习），但后者并非著作权权能所涵盖，因而没有传播的后果，不会有侵害著作权的后果。没有侵权危险，便没有必要规制复制行为。因此，在合理使用条款中，复制也往往与其他允许合理使用的权能成对出现。如在课堂教学或科学研究中，对于教学科研人员使用的少量复制，强调了不得出版发行。反之，对于超出合理范围的大量复制，以及非科研教学单位（如公司）的复制并提供给员工使用的行为，必然存在提供给最终使用者（如员工）的行为，这就构成发行。

但论及复制的“传播”目的或效果时，易出现一种似是而非的理论：看所训练的AI模型是否表达型的，即是否为生成式AI。若是，便具有传播危险，从而反馈到训练阶段，认为训练数据准备中的复制是著作权法意义上的复制。这一理论的错误之处在于不了解AI原理，让训练数据准备阶段的复制跨越太远的距离来到了AI应用阶段。如前所述，训练数据准备中的数据拷贝仅存在于训练之前，训练之后可弃，而且并没有被“复制”到模型中，因此无论是决策式AI还是生成式AI，其输出（和传播）的并非训练阶段数据的直接拷贝。而若AI确实生成了实质性相似的作品，则按著作权法一般原理处理即可，与训练阶段无关。唯一的难点在于，若非使用者接触过被侵权作品并有意引导和选择［包括AI应用在网络上或在应用数据库（注意并不必然是训练用数据）中对被侵权作品的接触］，可能需要推定AI对原作的接触。

3.实施/使用链条各环节独立权能化导致多种弊端

通常认为，由于知识产权各部门法对实施、使用等各环节独立设置了相应权能，在供应链或价值链上就各环节进行独立许可是自然的，但受权利用尽原则的制约。一般存在两种情况：在上游环节得到许可的情况下，下游环节因权利用尽原则而合法；在上游环节未得许可而非法的情况下，下游环节也应承担侵权责任，除非成立合法来源抗辩。这一看似无懈可击的法律安排，在实践中已出现漏洞或滥用情况。

一是多重许可。尽管存在权利用尽原则和合法来源抗辩，但是现实中诸多权利人对链条中各环节进行多重许可，牟取许可费。原因有二：其一，各环节要核实上游环节的权利许可状态有时存在一定难度；其二，出于谨慎，被许可人往往选择就范。这使权利人获得不应有的超额利益。在专利法当中，还存在针对同一发明内核构建不同层次的独立权利要求从而规避权利用尽原则的情况。在著作权法当中，针对不同类型的作品、不同阶段的作品（各种衍生途径）、不同类型的权利，存在比专利法更为繁杂琐碎的权能划分。针对不同对象的各种许可或许在法律表面上是独立的、不交叉的，但针对同一作品内核，事实上也是一种多重许可，给被许可人带来守法上的成本和过多的经济成本。

二是选择性诉讼。一些原告利用多环节独立权能化的特点设置侵权圈套。在一些案例中，电商平台上的商户（其实际上与权利人合作）销售雕塑，而所谓的著作权人诉各买家侵犯展览权，却不诉卖家的复制、生产和销售行为。尽管这些案件中被告看似可进行合法来源抗辩，但存在各种限制：其一，现行《著作权法》规定的合法来源抗辩情形有限；其二，买家的低价购买（或许是商户故意设置了低价）阻断了“合法来源”。另外一些情况下，原告意图在上游环节不知晓的情况下，在与下游环节的诉讼中赢得胜利（下游环节可能因利益不大而疏于应对），从而获取对上游环节的优势。

又如，对所谓专利间接侵权、帮助侵权，同样基于权能的独立性，原告可选择起诉行为链条中的任何人，而不必都起诉。当其起诉直接侵权人时，被告往往对权利的细节包括上游环节的自有知识产权和可能的现有技术抗辩等并不清楚，往往处于不利地位。而当起诉上游而不起诉下游（例如，因为下游是原被告的共同客户）时，我们有理由质疑：真正对市场利益的损害在下游，权利人不起诉是不是也是一种默示许可？总之，上述例子尽管不总是指向对上游环节权能化的反对，但宏观来看，是链条中多环节独立权能化带来的弊端。

4.小结：回归民事侵权理论

知识产权的法定权利性质决定了需时时做好利益平衡，并非理所当然保护权利人所有可见的利益，不然必会阻滞信息的流动和科技文化事业的顺畅发展。尤其是在新的科技和市场环境下，自然人独立以及借助工具进行的创造/创作呈爆炸性增长，新颖的经营模式和新的利益增长点也都层出不穷。在此情况下，要牢记尚未确认或重新分配的新兴利益，在其自然控制者手中就是合理的，其确认或重新分配需进行利益衡量后立法。在此基础上，须回归民事侵权理论，行为规制、责任承担均须满足侵权责任构成要件。除极少数情况下的自力控制知识产权（如商业秘密、技术措施）之外，权利基础，也就是受损害的市场权益的来源，必须直接来自法定知识产权本身，而非具有复合性的知识产权“客体”中的非法定知识产权层面；损害后果须是合法的市场权益的损失，既非前述尚未确认或重新分配的新兴利益，亦非仅对存在于“第三世界”的知识产权的越界。

五

结论与展望：置之死地而后生

一方面，AI的技术原理和伦理地位决定了AI训练无论如何都不存在“复制”。另一方面，文义解释须受历史解释、目的解释的制约，复制权的根本目的是传播权，训练数据准备中的复制既没有传播目的或效果，又可解释为临时复制/中间复制，因此不是著作权法意义上的复制。放大视野，权能碎片化现象不仅存在于著作权法，也存在于整个知识产权法，实施/使用各环节独立权能化的历史合理性已经在新技术、新业态环境下受到挑战，须在一定程度上弱化知识产权中包括复制权在内的预防性权能，回归民事侵权理论。

这些问题在AI训练中引发热烈讨论和司法争议，凸显了革命性的技术需要革命性的制度。直截了当的办法，是直接承认旧制度（著作权法）已不适应新生产力（AI）。但这并不意味着对AI训练数据问题撒手不管——若立法者和利益攸关方认为AI训练数据问题需要规制，则可进行充分的利益衡量，基于价值取舍而重新立法/修法。途径可以是对特定行为予以行为法规制，或在其实并不新的客体（数据）的新层次的利益（用于AI训练）上设权——既可在著作权法中设置新的权能，亦可在其他法律中设置新的权利，如数据立法，以概括性考虑和一并解决所有训练数据，而不仅仅是有版权保护的作品用于AI训练的问题（注意这未必是与大数据有关的权益，而可能是分立数据上的权益）。否则，强人（著作权法）所难，未必达到效果，却会导致法律体系内部的龃龉和混乱。当然，这需要专文另外讨论，笔者只是指出这一路径更为合理，但并非对利益衡量的最终结果（是否立法或修法）做出结论。在尘埃落定之前，不妨让子弹多飞一会儿，给新技术、新业态足够的空间和宽容，才更加有利于科学、技术、经济、社会、国家和人类的进步。或者，解铃还须系铃人，技术引发的问题留待持续发展的技术本身去解决，可能是更为有效的治理方法。

-向上滑动，查看完整目录-

《华东政法大学学报》2025年第4期目录

【专题研讨：为数字法学辩护】

1.走出法学的“马法悖论”：数字法学的反思之反思

李学尧（6）

2.数字法学的理论范式及独立性

罗有成（19）

3.数字安全价值的生成逻辑及其法治保障

郑智航（32）

【数字法治】

4.人工智能训练侵犯作品复制权吗？

李春晖（46）