2026年9月7日，最高人民法院发布《关于依法审理涉人工智能纠纷案件的意见》（法发〔2026〕10号，同日生效，下称《意见》），全文五个部分24条，覆盖侵权、知识产权、合同、程序规则与审判机制。笔者将按照纠纷发生的场景，逐一检视《意见》在每个场景下解决了什么、未解决什么供读者参考与批评。
讨论《意见》之前，须先为其定性。《意见》的文号是“法发”，属于司法指导性文件，不属于《最高人民法院关于司法解释工作的规定》（法发〔2021〕20号）第6条规定的解释、规定、规则、批复、决定五种司法解释形式。换言之，《意见》不能作为裁判依据在裁判文书中直接援引，其功能是统一裁判思路、引导法律适用，而非创设新的法律规则。
这一定性决定了评价《意见》的基准：它不可能、也不应当突破《民法典》《著作权法》的既有框架去创设新型权利或新型责任，其正当任务是在既有法秩序内“用足用好现有法律规定”，在并存的解释方案中作出选择。因此，下文的分析据此分为两个维度：一是《意见》在解释论上作出选择、从而了断的争议；二是它有意或无意回避、只能留待立法或个案续造的问题。凡以后者苛责《意见》越位的，并不公允；但留白本身是否会造成新的适用困境，则值得逐场景检视。
解决了什么。 《意见》第4条了断了两项争议。一是声音权益：未经同意，使用自然人的声音作为训练语料，模仿其音色、语调和发音风格生成可识别该自然人的合成人声的，构成对声音权益的侵害。这实际上是北京互联网法院“AI声音案”裁判规则的成文化。《民法典》第1023条第2款对声音仅规定“参照适用”肖像权保护的有关规定，而在训练语料场景下何谓“参照”本有疑义，《意见》第4条给出了明确答案。二是死者数字形象：擅自制作、使用死者虚拟数字形象致其姓名、肖像、名誉受侵害的，近亲属可依《民法典》第994条请求行为人承担民事责任，“AI复活逝者”的民事边界就此划定。同场景下，《意见》第5条将以刺探隐私为目的、利用AI追踪分析公开信息获取私密信息的行为认定为隐私权侵害；《意见》第8条则明确了人格权侵害禁令（《民法典》第997条）在AI场景的适用，为受害人提供了止损的程序工具。
未解决什么。 《意见》第4条仅言“未经自然人同意”，但同意的强度不明：声音经一定技术处理，在《个人信息保护法》第28条第1款项下可构成生物识别信息，即敏感个人信息，处理须取得单独同意（第29条）——训练声音语料场景下的“同意”是否须达到单独同意的强度？《意见》未作衔接。更深一层的问题是许可的范围：对声音的人格权许可，是否同时构成对个人信息处理的同意？此点涉及权利竞合，容后专门讨论。
就“AI复活逝者”而言，《意见》第4条只解决了“能否禁止”，没有解决“如何利用”，至少留下三个问题：
其一，近亲属的同意能否替代权利清理？复活逝者同样需要训练素材——生前影像、声音录音、社交账号数据，而这些素材上叠合的权利分属不同主体：影像构成作品的，著作财产权由继承人继承（《著作权法》第10、21条）；死者表演者权中的财产性权利保护期为五十年，死后由继承人行使；录音录像制品另涉及制作者权。近亲属依《民法典》第994条同意复活，仅解决了人格利益层面的合法性，并不当然取得素材上的著作权与邻接权授权——如果配偶同意复活，而影像的著作财产权由子女继承，项目仍可能侵权。换言之，权利竞合在此并未因个人信息规则的退场而消失。
其二，《民法典》第994条是防御性条款，其请求权内容是停止侵害、赔礼道歉、消除影响、赔偿损失，并不包含积极的商业化利用授权。由此产生的灰区是：近亲属能否“授权”他人商业化复活逝者并收取对价？该对价既非人格权许可费，也非严格意义上的遗产；死者生前明确反对被“复活”而近亲属仍予授权的，其他近亲属亦无明确的请求权基础予以制止。这一问题涉及到对《民法典》第992、993条的解释方案，即死者人格遗存的经济利益是否属于《民法典》第992条的不得继承的人格权；是否依《民法典》第993条反面解释，得出禁止死者近亲属许可人格利益的结论。《意见》对此未置一词。
其三，生前数字人的死后收益归属。自然人生前创建或授权他人创建自己的数字分身并投入商业运营（如数字人直播带货），死后数字人继续产生收益的，收益归谁？可能的分析路径是拆解：数字人形象构成作品的，著作财产权作为遗产继承（《民法典》第1122条）；许可合同项下的债权同样可继承，但合同是否因当事人死亡而终止，须视合同约定及合同性质而定，但在合同到期之后是否可由死者近亲属延期，则会回到前述第二个问题的讨论。
解决了什么。 《意见》第6条规定：为模型训练，在合理范围内处理个人自行公开的或者其他已经合法公开的个人信息，且个人未明确拒绝的，一般不认定为侵害个人信息权益的行为；对个人权益有重大影响的，应当依照法律规定取得个人同意。这一条解决了产业界最大的合规悬念：公开信息能否用于训练？答案是原则可以、但受“合理范围”限制。《个人信息保护法》第27条虽允许在合理范围内处理已合法公开的个人信息，但“合理范围”为何，此前无任何官方细化；《意见》第6条将认定因素具体化为三项：处理目的与模型功能的必要性和适当性；所涉信息的类型、敏感程度及对个人权益的潜在影响；个人公开信息时的场景及可合理预期的使用范围。
值得一提的是《意见》第5条与第6条的对照：同样是对已公开信息的AI处理，为模型训练而处理且在合理范围内的，一般不侵权（《意见》第6条）；以刺探隐私为目的追踪分析、获取私密信息的，则构成隐私权侵害（《意见》第5条）。两条规则的分野不在信息是否公开，而在处理的目的与范围——这一区分是本场景下《意见》最具技术含量的规则设计。
未解决什么。 其一，输入端的著作权问题悬置：训练使用他人作品是否构成侵权，《意见》未置一词；《意见》第12条要求开发者就不侵权抗辩提供训练数据来源等材料，暗示法院将在个案中审查输入端，但审查标准是什么、是否承认某种文本数据挖掘（TDM）例外，付之阙如。其二，“个人未明确拒绝”在技术上如何实现（即opt-out机制如何搭建），《意见》未作规定，只能留待行业实践。
解决了什么。 生成内容侵害他人人格权时，服务提供者承担何种责任？此前有三种路径竞争：直接侵权责任（生成即侵权）、产品责任（生成内容是缺陷产品）、网络服务提供者的通知—删除规则；广州互联网法院“奥特曼案”在著作权场景下曾选择让提供者直接担责。《意见》第7条在人格权领域明确选择了第三条路径：生成内容侵权，经权利人通知，提供者未及时采取停止生成侵权内容等必要措施的，方对损害承担侵权责任；恶意输入侵权提示词的用户直接担责，提供者经通知未采取停止生成、屏蔽生成指令等措施的，依《民法典》第1195条与该用户承担相应责任。换言之，《意见》拒绝了“生成即侵权”的直接责任论，将生成式服务提供者安顿在网络服务提供者的传统框架之内。笔者认为这一选择符合技术中立原则，也与生成内容的不可完全预测性相称。
著作权一侧，《意见》第12条对开发者、提供者、使用者采综合因素考量（服务类型、行业特点、训练数据来源、各方参与度、必要措施、获利情况）与分层归责，并要求开发者就不侵权抗辩提供训练数据来源、训练过程记录、模型运行模式以及科学理论依据予以佐证。这一举证安排最值得肯定：训练数据的信息完全由开发者控制，若依“谁主张、谁举证”由权利人证明训练来源及利用方式，无异于要求权利人徒手打开黑箱；将提供材料的责任配置给提出抗辩的开发者，实为证明责任的法定调整，与《意见》第17条的证明妨碍规则前后呼应。
未解决什么。 其一，AIGC本身的可版权性与权属被完全回避：《意见》第12条只处理“生成内容侵害他人著作权”，对生成内容是否构成作品、权利归属于谁，只字未提。这是全文最大的留白。回避的理由可以理解——可版权性涉及《著作权法》独创性概念的根本立场，司法政策性文件不宜越位——但回避的代价同样清楚：涉AIGC的权属安排、许可链条、侵权比对的客体基础仍处于不确定状态，内容产业的商业安排只能继续在个案风险中运行。其二，避风港规则的生成式适配不完整：反通知规则（《民法典》第1196条）未提及，被屏蔽提示词的用户如何救济，不明；错误通知的责任（《民法典》第1195条第3款）未提及；“停止生成侵权内容”在技术上意味着输出过滤，过滤的强度与误判成本由谁承担，《意见》留白。
解决了什么。 《意见》第9条将以实物为载体的AI产品纳入产品责任，并把缺陷认定的重心放在说明警示义务上：重点审查生产者、销售者是否就产品的适用场景、固有局限及可预见风险进行了真实的说明和明确的警示。这一设计颇为务实——AI产品的“不合理危险”往往难以用传统制造缺陷或设计缺陷的框架涵摄，警示缺陷提供了更具操作性的入口。
《意见》第10条为“大数据杀熟”提供了明确的侵权救济路径，并将“不合理的差别待遇”的认定细化为三层考量：是否对消费者的知情权、自主选择权、公平交易权造成实质性限制或损害；是否基于消费偏好、支付意愿、支付能力、浏览记录等信息形成针对个人的交易条件；差别待遇的理由是否正当、充分、非歧视。“仿冒名人带货”构成欺诈的，明确支持《消费者权益保护法》第55条的惩罚性赔偿。
《意见》第11条对自动驾驶及辅助驾驶事故确立分层规则：交通事故损害赔偿依《民法典》与道路交通安全法；因产品缺陷致害的，依《民法典》第七编第四章承担产品责任；车辆缺陷与驾驶人过错结合导致同一损害的，依《民法典》第1172条承担按份责任；生产者、销售者就自动化等级、智能程度作虚假或者引人误解的宣传的，另应依法承担民事责任。同时，法院可以要求数据控制方在必要范围内提供真实、完整的自动驾驶、辅助驾驶事件记录数据。辅助驾驶事故中“人车责任如何切分”这一核心争议，由此有了答案。
未解决什么。 《意见》第9条将产品责任限定于“以实物为载体”的AI产品，这是对《产品质量法》第2条第2款“产品”定义的忠实适用，作为司法文件不便突破；但由此形成的格局是：搭载于车辆的自动驾驶系统致损适用产品责任（无过错），而功能上同样嵌入决策链条的SaaS风控系统、纯软件医疗诊断AI致损，只能回到《意见》第3条的过错责任——同样的算法风险、不同的归责待遇，纯软件的规则真空只能留待立法填补（欧盟《产品责任指令》2024年修订已将软件明确纳入“产品”范围，可供参照）。
解决了什么。 这一场景下的五条规则，共同构成“为创新者减负”的一侧。
其一，归责原则之争的了断。涉AI侵权应采何种归责原则，是过去两年学界争论最激烈的问题：无过错责任说主张类比高度危险责任，过错推定说主张以“算法黑箱”为由由开发者自证无过错，过错责任说则认为AI只是工具、无须特别安排。《意见》第3条一锤定音：法律没有明确规定适用无过错责任或者过错推定责任的，依《民法典》第1165条第1款采过错责任。笔者认为这一选择是正确的：AI应用场景高度异质，从美颜滤镜到自动驾驶，风险天差地别，一刀切的无过错责任将使低风险场景承担过度威慑成本；“算法黑箱”并非有无问题而是程度问题，开发者的信息披露完全可以通过举证规则实现，无须在归责原则上动手术。值得注意的是，《意见》第3条列举的过错考量因素（应用场景、自主化程度、技术与信息透明度、预防措施及其技术可能性、使用者的预见与控制能力），实质是将过错认定客观化、清单化：过错责任虽仍是名义归责原则，判断基准却已被引向客观注意义务，这已是侵权责任法的发展趋势。
其二，《意见》第13条首次在司法文件中确立开源软件提供者的责任豁免：以免费开源方式提供涉AI软件研发所需的代码模块、并公开说明其功能和安全风险，他人使用该模块导致侵权的，可以认定开源软件开发者、提供者不承担侵权责任。开源大模型与开源代码模块是当前AI产业的基础设施，若让无偿的开源贡献者为下游使用者的侵权行为负责，无异于惩罚技术的公共供给。
其三，《意见》第14条明确AI本身不能作为发明人——自然人使用AI完成发明创造、对实质性特点作出创造性贡献的，认定该自然人为发明人，与国家知识产权局在DABUS系列申请中的立场一致，终结了学界关于“AI发明人”的讨论；“黑箱式”说明书（只描述输入输出、不公开实现路径）则无法满足“本领域普通技术人员能够实现”的公开充分要求，对AI专利撰写构成硬约束。
其四，《意见》第16条对数据权益作分层保护：构成汇编作品的依著作权法，构成商业秘密的依反不正当竞争法，不构成商业秘密的适用该法第13条（2025年修订新增的数据专条）；并明确虚构干扰数据、恶意标注数据、对抗样本攻击等损害AI运行安全行为的责任。
未解决什么。 其一，开源协议传染性条款的影响，比如，AI开发主体对具有传染性的开源模型进行两次开发并分发，其在分发时采取闭源方式。这一闭源分发方式显然违反了传染性条款强制开源的要求，但在此情况下，开发主体是否仍然可适用《意见》第13条，不承担侵权责任？其二，有偿开源服务提供者的影响，开源早已作为一种商业模式，比如，开源软件提供者提供开源软件是免费的，但会以咨询服务等方式，向用户提供有偿的开源软件筛选或推荐服务，在此情况下，开源软件提供者是否仍然可适用《意见》第13条，不承担侵权责任？
程序部分篇幅不大，但笔者认为《意见》第17条是整个《意见》中对诉讼实务影响最大的一条。该条确立了两项杠杆：一是当事人因客观原因不能自行收集证据的，可申请法院调查收集，必要时法院可依职权调查收集；二是控制书证、电子数据的当事人无正当理由拒不提交，对方主张该证据内容不利于控制人的，法院可以认定该主张成立——即证明妨碍的推定规则。《意见》第18条对不同类型证据明确了差异化审查重点：大数据分析报告类证据，重点审查原始数据来源、清洗规则及分析方法的科学性；区块链存证类证据，重点审查上链前数据的真实性及技术平台的可靠性。《意见》第19条规定，诉讼文书、案例检索报告等如系AI生成，提交前应核实真实性、准确性，并对使用AI辅助情况作出说明——AI辅助诉讼的披露义务由此明确。
《意见》第3条的过错责任与第17条的证明妨碍推定相搭配，构成“实体从宽、程序从严”的整体结构：归责原则上不加重开发者的责任，但通过程序杠杆迫使其打开黑箱。但是，这一结构能否真正解决举证困境，笔者持保留态度：书证提出命令以申请人具体指明书证名称及待证事实为前提，受害人连黑箱里有什么都不知道，如何具体指明？换言之，程序杠杆能缓解、但不能消除过错责任与信息不对称之间的结构性张力。笔者个人认为，未来对医疗AI、金融风控AI等高风险场景，仍应通过特别法确立过错推定乃至无过错责任，《意见》采过错责任为原则并不排斥这一立法方向。
前述分析还遗留一个贯穿性的问题，值得专门讨论：同一客体上往往叠合多重权利，一重权利上的许可，能否及于另一重权利？
以声音为例。声音具有双重属性：一面是人格标识，受《民法典》第1023条第2款参照肖像权的保护；一面是生物识别信息，即《个人信息保护法》第28条第1款项下的敏感个人信息。由此产生的问题是：权利人将其声音许可他人用于广告配音、有声读物等商业用途（人格权许可），该许可是否同时构成对被许可人将该声音用于模型训练的同意（个人信息处理）？
笔者认为答案是否定的，理由有二。其一，二者的规范目的不同：人格权许可解决的是人格标识商业化使用的对价与范围，其范围依合同约定确定，依《民法典》第1021条，当事人对许可使用条款的理解有争议的，应当作出有利于人格权人的解释；个人信息处理的同意解决的是处理行为的合法性基础，依《个人信息保护法》第14条应当由个人在充分知情的前提下自愿、明确作出，处理敏感个人信息更须取得单独同意（第29条）。许可合同未明确约定训练用途的，被许可人不能仅凭人格权许可取得将声音素材用于模型训练的权限。其二，反向亦不能推定：个人信息层面的单独同意，仅使“处理”合法，并不当然构成人格标识商业化使用的许可——同意以声音训练模型，不等于许可将合成声音用于广告。换言之，两重权利上的授权各自独立、缺一不可，AI企业取得声音素材时应取得“双重授权”。
更重要的是《意见》两条规则之间的规范落差。依《意见》第6条，为模型训练在合理范围内处理已合法公开的个人信息且个人未明确拒绝的，一般不侵害个人信息权益；但依《意见》第4条，以该自然人的声音作为训练语料生成可识别的合成人声，未经同意即侵害声音权益。这意味着：同一条已公开的声音数据，在个人信息层面可能因落入“合理范围”而合法，在人格权层面仍因未经同意而侵权——《意见》第6条的“合理范围”安全港并不能渡到第4条。在此须注意的是，《意见》第4条中“利用人工智能处理自然人的姓名、肖像等，生成可识别该自然人的虚拟数字形象并使用、公开”，这是作为证明行为人侵害自然人“姓名权、肖像权等人格权益”的方式；《意见》第4条并未支持，只要输出结果不侵权，则使用自然人的姓名、肖像亦不侵权。因此，《意见》第4、6条规则之间没有过渡条款，企业在个人信息层面合规，仍可能在人格权层面败诉。
肖像的情形完全相同：面部识别信息同样属敏感个人信息，已公开的照片可以依《意见》第6条进入训练数据，但生成可识别的数字形象仍须《意见》第4条项下的同意。至于死者数字形象，个人信息规则确已退场（死者非个人信息主体），但如前所述，素材上的著作权与邻接权竞合并未消失，且《民法典》第994条的防御性结构无法为商业化利用提供授权基础——竞合问题在此只是换了形态，并未减少。
笔者认为，这一竞合问题的解决方向，是在未来的司法解释或案例指导中明确两条规则的关系：《意见》第6条解决的是个人信息处理的合法性，第4条解决的是人格标识利用的合法性，二者并行不悖、分别判断；人格权许可的范围依《民法典》第1021条作有利于人格权人的解释，未明确约定训练用途的，不及于训练。在此之前，实务上唯一稳妥的做法是双重授权、逐项列明用途。
欢迎添加微信，获取《中国人工智能法规及政策汇编》
-
未成年人专门隐私政策的迷思 -
重磅发布 | 最高院《关于依法审理涉人工智能纠纷案件的意见》 -
42款医疗健康应用被通报｜医疗App个保合规该怎么做？ -
ChatGPT报警后：谁有权审判你的对话框？