AI生成图片的著作权到底属于谁——生成内容可版权性与侵权认定的三个实务判断

#引言：一张AI画的图，为什么会让三拨人吵起来

　　先看一个在内容行业已经不算少见的场景。一家做品牌营销的公司，让员工用生成式AI工具做了一批宣传图，改了十几版提示词和参数才挑出满意的几张，发布到公众号和短视频账号上。过了一阵，公司发现另一家电商店铺把其中一张图裁掉水印后直接挂在自己的商品详情页里。公司想维权，却先卡在了门口的一道问题上——这张图到底算不算受著作权法保护的作品？如果算，著作权是公司的、是操作员工的、还是那个AI工具厂商的？如果不算，那别人拿去用，公司是不是只能吃哑巴亏？

　　同一张图，法务、市场和技术三拨人给出的答案常常截然不同。市场觉得"这是我们做的，当然归我们"；技术觉得"是模型生成的，跟人有什么关系"；法务则隐约记得AI生成物好像不受保护，于是干脆放弃维权。分歧的根源，不在于大家对法律不熟，而在于这类问题恰好横跨了两条原本各自独立的规则线：一条是著作权法上"作品—作者—权利归属"的传统判断，另一条是生成式人工智能这一侧对训练数据来源和内容标识的行政合规要求。

　　需要说明的是，规则这两年确实在补位，而且已经有可援引的落点。深圳南山法院在2019年审结的腾讯Dreamwriter案，是较早认定人工智能生成的文章构成文字作品的生效判决；北京互联网法院在2023年审结的李某诉刘某案，则把"AI文生图"放进了美术作品的框架里，并给出了一套关于独创性和作者认定的判断思路。行政监管这一侧，国家网信办等七部门制定的《生成式人工智能服务管理暂行办法》已于2023年8月15日起施行，其中第七条直接把"训练数据来源"写成了提供者的法定义务。本文不铺行业趋势，只处理三个落地时最容易判错的问题：AI生成的内容能不能算作品；能算作品的话权利归谁；以及训练数据来源、生成物撞车这两类高发风险，责任到底怎么分。

#一、AI生成的内容，能不能算"作品"

#规则：判断的标准不是"AI画的"，而是"有没有人的智力投入"

　　著作权法对"作品"给了一个很明确的门槛：文学、艺术和科学领域内具有独创性并能以一定形式表现的智力成果。落到AI生成内容上，争议从来不是它有没有"形式"，而是它有没有"独创性"和"人的智力成果"这两个内核。

　　北京互联网法院那起AI文生图案，原告用开源软件Stable Diffusion，通过输入提示词生成图片，并以"春风送来了温柔"为名发布在小红书。法院的推理没有停留在"是AI画的就算"或者"是AI画的就不算"，而是拆成两步：一看它是不是独立创作、与既有作品是否存在可识别的差异；二看它的生成过程有没有体现人的个性化选择、判断和安排。原告对人物呈现方式的设计、提示词的选择和排列、参数的设置、对生成结果的筛选与再调整，被认定为"审美选择和个性判断"的体现，因此涉案图片是以线条、色彩构成的、具有审美意义的平面造型艺术作品，属于美术作品。

　　更早的腾讯Dreamwriter案走的是同一条逻辑。南山法院认定，Dreamwriter生成财经文章的过程经历数据服务、触发和写作、智能校验、智能分发四个环节，而数据类型输入、格式处理、触发条件设定、文章框架模板选择、语料设定、智能校验算法模型训练，均由主创团队人员作出选择与安排。法院由此认定，该文章在表现形式和生成过程两个层面都满足文字作品的条件，是原告主持创作的法人作品。判决里还有一句很值得记住的话：人工智能生成物是否构成作品，要个案判断，不能一概而论。

　　换句话说，规则给出的不是"AI生成物一律受保护"或"一律不受保护"的结论，而是一条可操作的判断路径：看人在其中投入了多少可被识别的智力贡献。提示词越具体、对画面元素和布局的描述越明确、对参数的调整越精细、对结果的筛选和再加工越多，越容易抵达"体现个性化表达"这一侧；反之，只输入一句话就用系统默认结果，想主张作品地位就会非常吃力。

#风险：最常见的错判，是把"用了AI"当成结论本身

　　实务里第一类高频错误，是企业在对外维权时完全忽略这条判断路径。要么想当然地认为"AI生成的不受保护"而放弃追责，白白放过侵权者；要么反过来，主张权利时只提交一张成品图，拿不出提示词、参数、迭代记录，到了法庭上无法证明自己的智力投入，作品认定这一关就先输了。

　　第二类错误，出现在合同和采购环节。企业买AI绘画或文案工具时，供应商的用户协议里往往写着"生成内容的权利归用户"或类似表述，法务看到这句话就以为万事大吉。但这句话解决的是企业与工具厂商之间的关系，解决不了"这张图在人机之间到底有没有形成作品"这个前提问题——如果生成内容本身不构成作品，那么所谓"权利归用户"就是一句没有标的的空话。真正决定企业能不能维权的，是它在生成过程中留下了多少能被证明的智力投入。

　　第三类错误则更隐蔽：把"有版权"和"有权AI化使用"混为一谈。这一点在北京互联网法院的判决里被特别点出——对录音制品享有著作权，并不等于享有授权他人把其中的声音进行AI化使用的权利。同类逻辑在图片、形象素材上也成立。企业手里对某张照片、某个角色形象有使用权，不代表就有权把它喂给模型去训练、去生成衍生内容，这是两条需要分别取得授权的权力线。

#实务建议

　　针对这一层，律师能做的动作相当具体。第一，把"生成过程留痕"做成公司内部的硬性动作：提示词文本、参数设置、迭代版本、人工筛选和后期修改的记录，都要有可追溯的存档。这些材料在作品认定环节就是直接证据，事到临头再补是补不出来的。第二，在对外主张权利前，先做一次"独创性体检"：这次生成，人到底做了哪些选择？是单纯一句话触发，还是经过了多轮调整和筛选？做完这个判断，再决定要不要发函、要不要起诉，避免用错策略。第三，在采购AI工具时，不要只看用户协议里那句"权利归用户"，还要在合同里要求供应商说明其训练数据的来源与授权基础，并把生成内容的可商用范围写清楚。

#二、能算作品的话，著作权归谁

#规则：AI 不是作者，"动脑的人"才是

　　权利归属这一层，北京互联网法院的判决把几种主体逐个排除掉，路径很清楚。首先，现行法律框架下，作者限于自然人、法人和非法人组织，人工智能本身无法成为著作权法意义上的作者。其次，模型的设计者也不是作者——他没有创作这张图的意愿，没有预先设定后续生成的具体内容，也没有参与到这张图的生成过程中，他的智力投入体现在"生产创作工具"这件事上。最后，被认定为作者的，是那个始终操控模型、最终选定图片、在此过程中付出了智力劳动的人。

　　腾讯Dreamwriter案则给出了另一条归属路径。因为文章是由原告主持的多团队、多人分工形成的整体智力创作，整体体现的是原告对发布股评综述类文章的需求和意图，法院把它认定为原告主持创作的法人作品，著作权归原告。这说明，当生成活动是在一个组织的主持下、为组织意志服务、由组织承担责任时，权利完全可以落到法人这一侧。

　　把两条判决放在一起，可以得到一个相当稳定的结论：AI既不是作者，也不是权利归属的断点。真正决定权利落在谁手里的，是"谁在生成过程中实施了创作行为"以及"这次生成是不是在某个组织的主持下、体现该组织意志"。前者指向实际操作并作出个性化表达的人，后者指向组织。

#风险：权属真空最容易出现在公司和员工之间

　　最典型的纠纷场景，是员工用公司采购的AI工具做了一批内容，离职后把这些内容或自己积累的提示词、工作流带到了竞品公司。这时企业主张著作权，往往先撞上"这到底是职务作品、法人作品，还是员工个人作品"的问题。按著作权法，职务作品原则上著作权由作者享有、单位在业务范围内优先使用；只有在特定情形下，署名权之外的著作权才归单位。如果企业在日常管理中没有把"这些生成内容是为完成工作任务而创作、由公司承担责任"固定下来，一旦发生争议，"职务作品"和"法人作品"之间的界分就会变得非常被动。

　　第二个风险，来自公司内部对AI工具的"隐性依赖"。员工用个人账号、个人设备上的AI工具产出内容，工作流、提示词、素材都存在个人侧，公司既拿不到过程数据，也说不清权利基础。等到这些内容变成公司的核心营销资产，问题才暴露出来，那时再谈权属就已经晚了。

　　第三个风险是外包和委托创作。企业把整批视觉内容外包给设计公司或MCN，约定"成果归甲方"，但没有说明这些成果是用AI生成的、生成的智力投入如何分配、过程材料是否移交。真出事时，上游到底有没有形成可主张的作品、上游有没有把权利干净地转让出来，都可能变成一笔糊涂账。

#实务建议

　　处理权属，重点是把"事后争论"提前成"事前约定"。第一，用一份简明的工作规则把内部AI创作归口管理起来：使用公司统一采购的、有明确数据与授权说明的工具，账号归公司所有，生成过程和成品统一归档。第二，在劳动合同或专项协议里补上AI创作条款，明确员工在职务范围内使用AI生成的内容属于为完成工作任务所创作、相关权利归属按公司制度处理，同时约定过程材料（提示词、参数、素材）的移交义务。第三，在委托创作、外包合同中，除了常规的成果归属条款，还要增加"AI生成声明"和"过程材料交付"条款，把上游是否使用AI、智力投入如何形成、权利如何转让这几点写实，避免接收一个权利基础不清的成果。

#三、训练数据和生成物撞车，责任怎么分

#规则：训练数据有法定义务，生成物侵权要看"接触加实质性相似"

　　这一层要分成两个方向看，一个是输入端，一个是输出端。

　　输入端，规则已经写得很明确。《生成式人工智能服务管理暂行办法》第七条要求，生成式人工智能服务提供者开展预训练、优化训练等训练数据处理活动时，应当使用具有合法来源的数据和基础模型；涉及知识产权的，不得侵害他人依法享有的知识产权；涉及个人信息的，应当取得个人同意或者符合法律、行政法规规定的其他情形。同一条还要求采取措施提高训练数据质量，增强真实性、准确性、客观性、多样性。这里的关键词是"合法来源"和"不得侵害知识产权"——它把训练数据这一端从过去的技术问题，明确变成了提供者的合规义务。同办法第二十一条则规定了违反后的后果：由有关主管部门依照网络安全法、数据安全法、个人信息保护法等法律、行政法规的规定予以处罚；法律、行政法规没有规定的，可予以警告、通报批评，责令限期改正，拒不改正或者情节严重的，责令暂停提供相关服务。第二十二条还界定了"提供者"的范围，明确包括通过提供可编程接口等方式提供服务的组织和个人——也就是说，靠API转卖模型能力的中间层，同样可能落在这个义务范围内。

　　输出端，也就是生成物与既有作品"撞车"，目前并没有一条专门针对AI的特殊规则，仍然回到著作权侵权的一般判断：权利人需要证明自己对被主张的作品享有权利，且被告存在接触其作品的可能，同时被指控的生成物与权利作品构成实质性相似。AI在其中扮演的角色，更像是让"撞车"的概率变高了——如果模型训练时吸收了大量某位在世艺术家的作品，那么它输出风格高度接近的图片的可能性会显著上升，但最终是否侵权，仍要落到具体个案的两两比对和证据上。

#风险：把"合规义务"和"侵权责任"混为一谈

　　实务里最危险的一种误判，是用"我们只是使用者"来同时回避两件事。企业在采购第三方AI服务后，往往认为训练数据合不合规是供应商的事、生成物侵不侵权是用户的事，于是两头都不管。但监管这一侧的义务是按角色分配的：如果你是向公众提供生成式AI服务的提供者，训练数据来源的合法性是你自己的义务，不能通过采购合同转移给上游；如果你是内容的使用者和发布者，那么生成物撞车导致的侵权后果，首先落到你头上。

　　第二个误区，是低估"可识别性"和"接触"这两条线的作用。有些企业以为只要在提示词里加一句"不要模仿某某风格"，或者在生成结果上做点改动，就能切断与在先在世艺术家作品的关系。但侵权判断看的是生成结果与权利作品之间是否构成实质性相似，而不是你在提示词里写了什么。反过来说，也确实存在一种相对安全的路径：使用已声明允许商用、训练数据来源可追溯、且本身对特定风格产出做了限制的工具，比使用来源不明、靠爬取素材训练的模型，风险要低得多。

　　第三个误区，是把行业"共识"当成法律结论。比如"AI生成内容一律不受保护""用AI就是要标注来源否则违法"这类说法，在具体法条和判决里都能找到反例或限定条件。真正可靠的判断，还是要回到法条原文和生效判决的说理，而不是停留在口号。

　　关于内容标识，这里只点一句：生成式AI服务提供者应当按照《互联网信息服务深度合成管理规定》对图片、视频等生成内容进行标识。使用者发布时的主动声明、平台核验元数据等义务，则是另一套更细的规则，值得单独展开，本文不在此处堆叠。

#实务建议

　　对提供AI服务或转卖模型能力的企业，要把训练数据合规做成可审计的流程：数据来源清单、授权文件、使用范围说明、个人信息处理的合法基础，都要留档，因为一旦被监管检查，按第十九条，主管部门有权要求提供者对训练数据来源、规模、类型、标注规则、算法机制机理等作出说明。对使用AI生成内容的企业，则要把重心放在输出侧的风险控制上：优先选用训练数据来源清晰、对高风险风格做了限制的工具；对拟商用的关键视觉素材，在上线前做一次与在先在世艺术家代表作品的相似性排查；在合同里要求工具供应商就其训练数据合法性作出保证，并约定因上游授权问题导致下架的损失分担。

#律师实务建议：给企业的一份落地动作

　　把上面三层收拢，一家正在用或准备用生成式AI做内容的企业，当下至少可以推进这样几件事。其一，建立"AI创作过程档案"制度，把提示词、参数、迭代记录、人工筛选和后期修改都留痕存档，这既是作品认定的证据，也是内部质量管理的基础。其二，把AI创作纳入职务成果管理，用制度或协议明确职务范围内AI生成内容的权利归属，并把过程材料的移交写进去。其三，在采购环节做两件事：一是核对工具的训练数据来源与授权说明，二是把生成内容的可商用范围、上游合规保证和损失分担写进合同。其四，对拟商用的重点素材，在上线前做一次独创性评估和相似性排查，把风险拦在发布之前。其五，为提供或转卖AI能力的业务，单独建立训练数据合规档案，以备监管检查。

#结语

　　围绕AI生成内容的困惑，很多时候不在于技术有多新，而在于它同时踩在了两套规则上：著作权法那一侧问的是"有没有人的智力投入、这份投入体现为谁的行为"，行政监管那一侧问的是"训练数据从哪来、合不合规"。这两套规则各走各的逻辑，谁也不能替代谁。企业真正需要做的，不是记住某一句"AI生成物受不受保护"的口号，而是把生成过程、权利归属和训练数据这三件事，各自放到该放的位置上——在动手创作之前就把留痕、约定和采购审查看成常规动作，比事后维权和应对检查便宜得多。

　　如果您正在评估AI生成内容的权利归属、训练数据来源，或者准备把一批AIGC素材推向市场，建议在发布之前先做一次完整的路径梳理，把过程留痕、权属约定、采购审查和相似性排查一次性理清。

需要就AI生成内容的著作权、训练数据合规或采购协议做针对性梳理？欢迎预约测绘，我们可以帮您把这条链路一次性理清。