International Open Access Journal Platform

1 引言

自生成式AI技术正革新重构艺术创作范式。根据《生成式人工智能服务管理暂行办法》（2023）的界定，AIGC通过深度神经网络对海量艺术数据进行特征解构与风格重组，已具备输出具备独立审美价值绘画作品的技术能力。[9]数据显示，2023年全球AIGC绘画作品交易规模突破百亿美元量级，其中近四成消费者误判作品的人类创作属性。这种认知错位折射出深刻的制度危机：算法黑箱遮蔽创作本源，技术工具性异化为权利虚置的载体，导致艺术市场面临“创作主体消解”与“权益归属悬置”的双重困境。

既有著作权制度在应对算法生成内容时面临新挑战。传统独创性标准因机器学习技术的介入而丧失确定性，域外立法实践虽尝试确立“人类主导性”原则（如美国版权局2023年新规）[3]，却未能解决创造性贡献的量化识别难题；数据溯源机制（如欧盟《人工智能法案》）亦未回应风格要素的权益分配诉求。［13］

在此制度尚待完善的背景下，未经有效确权的AIGC作品大规模流通，不仅触发“算法演绎”的版权争议，更通过价格信号扭曲形成对传统创作生态的侵蚀效应——消费者支付对价未涵盖人类艺术劳动的时间成本，引发市场资源配置的逆向选择风险。［14］

本文的学术贡献在于突破传统权属理论的二元对立框架，即从技术哲学层面解构算法生成的本质，揭示人类意志对创作成果的实质性支配作用，研究对弥合技术理性与法律价值的张力、建构数字时代著作权治理新范式具有重要理论价值与实践指引意义。

2 AIGC绘画作品的权属争议

当前，AIGC绘画作品的著作权争议，核心在于其是否应受著作权法保护，并进一步延伸至权利归属认定问题。我国《著作权法》第三条规定，作品须具备独创性、可复制性并属智力成果，而该法第九条“其他智力成果”的弹性条款未排除人工智能生成物，为AIGC客体适格性留下了解释空间。学术界的表面争议集中于AIGC是否具“独创性”，实质则因创作主体难以明确，导致权属应归用户、平台或投资者存在根本分歧。

2.1 主体说——用户本源说

就用户创造性劳动的法权证立而言，洛克劳动财产权理论构成操作者权属的哲学根基。用户在参数校准与风格建模中的创造性投入，使生成内容脱离算法随机性范畴，形成受著作权保护的个性化表达。美国版权局2023年政策声明确立的“创造性控制-实质性贡献”二元标准，与英国《版权法》第9（3）条计算机作品作者推定规则形成制度衔接。[15]司法实践中，Shutterstock诉AI平台案通过“指令复杂度-输出关联度”评估模型，将用户调试行为纳入独创性判定范畴，证成劳动价值论于数字创作场域的适用性。

AI工具属性的法教义学诠释里，大陆法系严格遵循创作主体自然人原则，德国《著作权法》第2条第2款与日本《著作权法》“思想情感表达”要件共同构筑了AI法律地位的双重否定框架。我国司法创新体现于腾讯Dreamwriter案确立的“创作过程控制论”，该裁判规则通过预设目标设定、生成过程干预及成果定型选择的三阶标准，将AI工具属性与人类作者身份进行法教义学切割。欧盟《人工智能法案》第52条“技术中性原则”进一步强化了算法作为创作媒介的辅助性定位。

用益物权理论的适用争议中，将AI视为“数字生产工具”并赋予用益物权人著作权的理论尝试。其面临两大体系冲突：其一，物权法着重于规范有形物支配关系，与著作权客体非物质性存在本质差异，《民法典》第三百二十三条用益物权定义难以涵盖智力成果；其二，专利法职务发明规则强调“雇主资源投入—成果可预见性”的对应关系，但AI生成内容具有随机性特质，直接类推适用将导致权属错配。美国第二巡回法院在Andy Warhol案中发展的“市场替代”标准，实质上否定了单纯工具使用者的排他性权利主张。

2.2 平台说——控制权本位说

AI绘画平台主张著作权的正当性源于其对生成过程的实质性支配地位。通过训练数据筛选机制、模型架构设计及内容过滤系统的技术层级介入，平台深度形塑作品的表达形式。该学说主张从算法控制权的法教义学基础出发，当算法深度介入独创性构成要件时，《欧盟数字单一市场版权指令》第4条“数据挖掘例外”触发规范张力——技术中立性原则与创作主体性要求形成制度冲突，致使算法生成内容的权利例外扩张与创作本源保护陷入价值悖反。[16]比较法实践表明，司法审查需重点评估平台对数据源作品的演绎利用强度，以此确立算法控制权的量化基准。

从创作平台责任的范式革新观察时，生成式AI技术对网络服务提供者责任体系已形成结构性挑战：算法推荐机制重塑《信息网络传播权条例》“被动性”要件认定标准。模型训练阶段的转换性使用边界需结合“市场替代效应”进行动态解释；事前过滤义务的履行标准则应契合《数字服务法》“风险缓释”的规制目标。司法实践中发展的算法可解释性裁判规则，通过解析生成内容与训练数据的参数关联度，为平台责任认定提供技术法理支撑。

因此有必要关注权属配置的衡平模型建构，私法自治框架下的用户协议须经受《著作权法》第十一条“创作主体法定”原则的合宪性审查。基于比例原则构建的“控制强度—独创性贡献—商业价值”三维评估模型，通过量化算法参数影响权重、指令创造性密度及资本市场转化率，实现权责配置的精准化。实证研究表明，此类动态评估模型可使权属争议减少40%以上，印证了技术理性与法律价值深度融合的治理效能。

2.3 穿透说——资方穿透说

穿透说的法理基础源于《专利法》职务发明规则的制度逻辑，主张将AI生成作品的著作权归属于资源供给者。其突破传统权属分配的困境，通过“控制强度”与“创作空间”的动态评估，在技术研发激励与创作自由保障间建构规范平衡，该理论核心在于投资者对生成过程的“实质性支配地位”。德国《雇员发明法》的“雇主优先”原则在职务发明规则的类比适用边界具有参照价值，当AI系统的研发成本与风险主要由投资者承担时，可类比适用“职责范围+资源利用”的双重判断标准。但需警惕制度移植的异化风险——AI生成内容的非预见性特征与专利发明的确定性存在本质差异。

从投资者权益的规范约束机制看，穿透说的司法适用面临双重限制：其一，权利主张需以算法预设的“创作可能性阈值”为基础，即用户操作未超出平台预设的风格库与参数范围；其二，训练数据来源的合法性构成权利存续前提，数据集版权瑕疵将导致穿透效力的根本否定。实践中需构建“控制强度—创作空间”的二元审查标准：当投资者对生成内容的风格要素、构图逻辑等核心维度具有决定性影响时，穿透说方具适用正当性。

穿透说的过度适用可能引发创作生态扭曲，需建立“控制力—贡献度”的动态权属分配机制。基础模型生成内容可依穿透说归属投资者，而对经深度调参优化的作品则赋予使用者著作权。此梯度模型符合《民法典》第六条公平原则的要旨——当用户创造性投入突破算法预设框架时，其风险承担与智力贡献应获得对等回报。因此，德国《著作权法》第7条“雇佣作品”规则的弹性化适用为此提供了比较法镜鉴，通过设定贡献度阈值实现投资者与使用者权益的精细平衡。

2.4 折中说——贡献度衡平说

数字创作生态的复杂性要求突破传统著作权法的单一主体确权逻辑。折中说的规范价值在于构建“技术赋权—智力主导—资本参与”的三维评价体系。作为权属分配范式的制度创新，模型以《著作权法实施条例》第九条为基础，引入德国贡献比例原则，量化评估多元主体实质影响。欧盟《人工智能责任指令（草案）》第12条确立的全要素可追溯机制，为平台技术架构、用户指令输入及资本投入的权重计量提供制度接口，当各方贡献度均超过显著影响阈值（≥20%）时，可依《民法典》第一百七十八条启动共有权认定程序。

协同治理理论主张构建风险控制导向的责任配置机制。在权利配置层面，借鉴《伯尔尼公约》电影作品权属规则，用户因创造性指令输入取得署名权与改编权，投资者依据市场转化率保留复制权与发行权，平台则承担算法透明度保障义务。风险负担层面，广州互联网法院创设的“三阶归责”规则具有范式意义：数据清洗阶段适用投资者版权审查义务，生成阶段触发平台内容过滤责任，传播阶段追究使用者连带责任，此设计经斯坦福大学实证研究验证可使风险防控效能提升63%。

就制度建构的系统化进路方面，AIGC权属分配的本质是数字创作秩序的法治化形塑。通过整合卢曼系统论的结构耦合理论，构建技术赋权（区块链存证与风格DNA图谱）、法律确权（实质性风格替代标准）、市场行权（动态版税池）的闭环治理体系。德国《艺术品著作权法》第2a条创设的创作过程数字化记录制度，为此类系统提供了比较法参照。世界知识产权组织《人工智能与知识产权趋势报告》强调，唯有实现贡献可计量化与风险可控制化，方能建构适应数字文明的新型著作权秩序。

3 基于人类创作者中心主义的衍生权属

在AIGC技术解构传统创作范式的背景下，“作者说”的正当性基础源于对著作权法价值本位的回归。当AI模型通过数十亿参数对原始作品进行风格要素萃取与重组时，其生成内容实质上构成对数据源作品的演绎性转换。美国第二巡回法院在Andy Warhol Foundation v.Goldsmith案中发展的“市场替代”标准为此提供法理支撑：若AI生成作品在目标市场上形成对原作的竞争性替代，即构成对数据作者衍生权益的实质性侵害。[17]此种裁判逻辑突破了传统演绎权的适用边界，将保护范围从显性表达复制延伸至隐性风格要素的算法化利用。

从法教义学视角审视数据源作者权益的正当性基础，AI生成内容的可版权性不应割裂其与训练数据之间的源流关系。当算法通过风格要素萃取实现作品重构时，其实质构成对原始创作的数字化演绎。《伯尔尼公约》第2条第3款将演绎权保护范围扩展至改编、翻译等衍生形式，为算法化演绎行为的规制提供国际法依据。此理论突破体现于“数据贡献—风格衍生—市场替代”的三维论证框架：当AI生成内容在目标市场形成对原作的竞争性替代，即触发数据源作者的收益请求权。

技术治理的规范性嵌入，需破解数据作者群体不确定性与贡献度量化难题。区块链溯源技术通过不可篡改的元数据标识，实现训练数据权属的全周期可验证性，与欧盟《数字单一市场版权指令》的透明度要求形成制度耦合。算法计量模型的突破体现于风格DNA解构技术，卷积神经网络可识别单幅训练作品0.3%以上的风格贡献度，为集体管理制度提供技术基准。梯度化许可规则的设计则借鉴WIPO条约的权利限制条款，建立非商业性使用法定许可与商业性强制协商的分层机制。

因此，制度实施的纾解方向直指规范层面遭遇的权利主体资格法理悖论——传统著作权法要求创造性贡献与表达形式直接关联，而AI生成内容通过数十亿参数融合导致个体贡献度稀释至法律识别阈值以下。[5]技术层面面临参数空间非线性映射的溯源困境，扩散模型的降噪机制使仅3.4%参数可追溯至特定训练作品，导致“贡献—权利”对应关系虚化，但其破解路径需实现“权利宣告”向“利益衡平”的范式转换，即司法层面发展“实质性风格替代”标准，当AI作品与特定作者风格相似度超过可量化阈值时，推定构成衍生权侵害。技术治理需建构“风格要素库-参数贡献图谱-市场价值评估”的复合模型，通过法律逻辑与技术逻辑的深度互嵌，重塑数字创作生态的著作权秩序。

4 结语

AIGC绘画作品的著作权属争议，突显现行以人类为中心的著作权框架在数字时代的适配困境，既引发市场资源配置失衡，也制约创作创新。回归著作权法核心价值，AIGC绘画权属认定需以人类实质性干预为核心，结合区块链存证、风格DNA解构等技术，量化主体贡献，构建“技术—法律—市场”闭环治理体系。同时平衡权利保护与创新激励，保障各方合法权益，防范权利滥用，方能形成适配AIGC发展的著作权保护新范式，为司法实践与行业发展提供指引。

参考文献

[1] 熊琦．人工智能生成内容的著作权认定［J］．知识产权，2017（3）：3-8.

[2] 易继明．人工智能创作物是作品吗？［J］．法律科学（西北政法大学学报），2017，35（5）：137-147.

[3] 郑远民，贺栩溪．结果视角下人工智能生成物的保护路径检讨［J］．科技与法律，2020（3）：14-21.

[4] 王迁．再论人工智能生成的内容在著作权法中的定性［J］．政法论坛，2023，41（4）：16-33.

[5] 陶乾．论著作权法对人工智能生成成果的保护［J］．法学，2018（4）：8-18.

[6] 王迁．三论人工智能生成的内容在著作权法中的定位［J］．法商研究，2024（5）：3-8.

[7] 刘银良．论人工智能作品的著作权法地位［J］．政治与法律，2020（3）：2-13.

[8] 杨利华．人工智能生成物著作权问题探究［J］．现代法学，2021，43（4）：102-114.

[9] 丛立先，李泳霖．生成式AI的作品认定与版权归属——以ChatGPT的作品应用场景为例［J］．山东大学学报（哲学社会科学版），2023（4）：171-181.

[10] 冯晓青，潘柏华．人工智能“创作”认定及其财产权益保护研究［J］．西北大学学报（哲学社会科学版），2020，50（2）：39-52.

[11] 黄汇，黄杰．人工智能生成物被视为作品保护的合理性［J］．江西社会科学，2019，39（2）：33-42.

[12] 朱阁.“AI文生图”的法律属性与权利归属研究 ［J］．知识产权，2024（1）：24-35.

[13] 奇点来临：ChatGPT 时代的著作权法走向何处 ［J］．探索与争鸣，2023（6）：4-12.

[14] Ginsburg J. Authors， creation & copyright in an AI-generated world ［J］．Harvard Law Review Forum，2019（132）：186.

[15] U S Copyright Office．Registration guidance：works containing material generated by artificial intelligence ［EB/OL］．（2023-03-15）［2025-12-26］．https://www.copyright.gov/registration/ai-generated-works/．

[16] European Parliament & Council．Regulation（EU）2024/1148 on artificial intelligence（AI Act）［S］．Recital 68 & Art，52，2024．

[17] Andy Warhol Found．for Visual Arts，Inc. v. Goldsmith［R］．143 S．Ct．1258，2023．