http://www.chinalibs.net 2025/5/21
[作者] 谢星辰，宋尧，李可心
[单位] 最高人民法院知识产权司法保护理论研究（湘潭大学）基地
[摘要] 生成式人工智能训练数据作为技术创新的基础性资源，其合规使用对推动算法优化与产业迭代具有战略意义。然而，传统著作权框架下的授权使用、合理使用、法定许可等规则已捉襟见肘，生成式人工智能的海量数据需求与现行著作权制度形成冲突，并演变为制约人工智能产业创新的法律桎梏。 文章通过规范分析与比较，详细阐述了生成式人工智能训练数据使用的著作权困境及原因；基于对美欧日制度实践的批判性考察，提出建构我国生成式人工智能训练数据著作权例外制度的三重路径：一是重构合理使用规则，将“信息分析型使用”纳入豁免范围并确立“无市场冲突”判断标准；二是创新准法定许可制度，通过“公告+异议排除”机制建立弹性授权路径；三是探索著作权集体管理组织路径，构建“默认许可+精准分润”的规模化授权体系。 以消解权利保护与产业发展之间的矛盾，避免制度遏制创新，防止创新侵蚀权利。
生成式人工智能训练数据作为技术创新的基础性资源，其合规使用对推动算法优化与产业迭代具有战略意义。然而，传统著作权框架下的授权使用、合理使用、法定许可等规则已捉襟见肘，生成式人工智能的海量数据需求与现行著作权制度形成冲突，并演变为制约人工智能产业创新的法律桎梏。 文章通过规范分析与比较，详细阐述了生成式人工智能训练数据使用的著作权困境及原因；基于对美欧日制度实践的批判性考察，提出建构我国生成式人工智能训练数据著作权例外制度的三重路径：一是重构合理使用规则，将“信息分析型使用”纳入豁免范围并确立“无市场冲突”判断标准；二是创新准法定许可制度，通过“公告+异议排除”机制建立弹性授权路径；三是探索著作权集体管理组织路径，构建“默认许可+精准分润”的规模化授权体系。 以消解权利保护与产业发展之间的矛盾，避免制度遏制创新，防止创新侵蚀权利。
引用本文:
谢星辰，宋尧，李可心．生成式人工智能训练数据使用的著作权困境及其破解[DB/OL]．[2025-06-14]．http://www.chinalibs.net/ArticleInfo.aspx?id=597011．
温馨提示:
如果您的作品引用了本文，请您发邮件（leisun@chinalibs.net ）告诉我们，我们会给您一个小小的惊喜哟!
——【北京雷速科技有限公司】
