从监管AI到裁判AI：最高人民法院24条AI裁判规则的全球比较｜3万字解读

——以责任配置、数据利用与证明机制为中心

研究截止日期：2026年9月9日

最高人民法院《关于依法审理涉人工智能纠纷案件的意见》以既有人格权、侵权、知识产权、合同与证据制度为基础，形成了一套跨部门的裁判框架。本文沿着技术活动、损害形成、责任证明和救济实现的过程，对照中国、美国、欧盟、日本、韩国和新加坡的法律及代表性裁判。研究表明，责任归属取决于行为参与、风险控制与法定归责基础；训练数据取得、训练复制、生成输出与下游决策需要分别判断合法性；实体权利能否实现，还受证据取得、技术解释和救济执行的影响。《意见》第12条处理生成内容侵权的举证问题，第17条衔接既有证明妨碍制度，适用范围均有明确限制。本文据此分析《意见》的整合价值与未决边界，并提出按待证事实组织披露、按风险功能确定禁令范围、按人类贡献审查成果保护的解释路径。

关键词：人工智能；侵权责任；数字人格；训练数据；著作权；证明妨碍；比较法

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，以下简称《意见》）。发布说明所称“首部”，指向最高审判机关发布和横向整合裁判规则这两个特点。此前中国与其他法域已经出现AI裁判，仅凭这一定位尚不足以作出“全球司法领先”的经验判断。《意见》属于最高人民法院以“法发”形式发布的指导性司法文件，兼具司法政策与裁判指导功能；它与立法机关制定的法律以及“法释”字号司法解释处于不同规范层级。法院适用具体规则时，仍须回到《意见》所援引的法律和司法解释。[1]

《意见》提出的问题之所以重要，在于人工智能纠纷具有一种反复出现的结构：权利受损可以在外部观察，损害形成过程却分散于数据供应、基础模型训练、微调、系统集成、服务运营与用户调用之间。受害者能保存一段仿声、一幅近似图片或者一次错误决策，却未必知道何人提供训练材料、谁设置了过滤条件、模型何时更新、哪些记录仍然存在。实体法如果只确认“声音受到保护”或者“缺陷产品应当赔偿”，而没有将这些外部结果转化为可证明的法律事实，救济仍可能落空。

AI监管与民事裁判处理的是相互关联的两组问题。行政规则通常确定风险评估、透明度、数据治理和监督义务；民事裁判则要查明原告的权利基础、被告行为、归责原则、因果关系与救济方式。行政合规材料可以用来判断注意义务、风险可预见性或产品缺陷，但违反监管义务尚需经过侵权构成要件的审查，才能转化为对特定原告的赔偿责任。备案和合规认证同样不能排除民事侵权。[2]

本文的中心命题是：人工智能司法的关键变化，在于把分散的权利基础、技术事实与救济方式连接起来。“AI”可以描述技术，却无法取代既有法律分类。下文先校准六个法域的规范结构，再围绕责任主体、数字人格、数据处理、产品损害、创新投入与成果、技术合同、证据程序七组争议展开比较，最后讨论这套裁判框架的制度增量和边界。24条与正文的对应关系列入附录。

围绕这一命题，本文与三类研究展开对话。Lemley与Casey以“公平学习”讨论非表达性机器学习的合理使用空间，也保留了以复制表达为目的等限制；本文进一步考察资料库、训练和输出利用中的目的分析各自对应哪一次复制。[3] Ginsburg与Budiardjo从构思和执行的关系分析作者资格，指出设计者或使用者的贡献可能与最终作品相距过远；这一问题使人类贡献与特定表达之间的证据联系成为成果保护的重点。[4] Chesney与Citron揭示了深度伪造对隐私、公共信任和制度治理的复合影响；在私人救济层面，还需继续区分原始材料权利、身份利用和生成后的损害。[5] 这些研究分别提供了训练利用、成果归属与数字人格风险的理论起点。本文将三者纳入同一裁判结构，并用2025—2026年的新法源和裁判检验其边界。

一、比较从具体法律问题开始

一国是否制定AI专门法，与其人格权保护、训练版权例外和民事举证规则是否完备，并无简单对应关系。专门监管立法、部门法、行政指南、司法解释和个案判决各有功能与效力。即使都使用“透明”一词，面向公众标识深度合成内容、告知消费者个性化定价、向数据主体解释自动化决策、向法院提交模型运行资料，解决的仍是知情、选择、异议和证明等不同问题。

本文先固定损害场景和请求权，例如未经许可克隆声音并向客户销售；再核对商业使用、可识别性、过错、初步证明和有效通知等责任与程序条件；最后比较停止输出、损害赔偿和资料披露等救济。本文所称制度趋同，只限于这些具体问题上的接近。

判例比较还要控制程序阶段和材料层级。美国法院在驳回动议阶段通常假定充分陈述的事实为真，简易判决则受相应案卷和争点约束。欧盟法院的初步裁决负责解释欧盟法，具体争议仍由成员国法院处理。中国地方生效裁判、入库案例和最高人民法院文件也处于不同层级。日本、韩国的既有数据或人格利益案件若与AI无直接关系，本文只将其作为类比材料。

二、六种制度结构及其可以回答的问题

中国既有部门法已经提供多数请求权基础。《民法典》规定声音保护、人格权禁令、网络侵权和产品责任；《个人信息保护法》规范公开个人信息处理、自动化决策及相应侵权责任；著作权法和反不正当竞争法保护特定作品、商业秘密与竞争秩序。《意见》围绕AI事实细化这些制度接口。北京互联网法院此前已经审理AI仿声与AI生成图片案件，因此《意见》体现的是对既有裁判实践的横向整合。[6]

欧盟采取监管法与私法救济并行的结构。《人工智能法案》（AI Act）建立禁止性规则、高风险义务、通用AI模型义务和透明度制度；AI损害赔偿仍由GDPR、版权指令、新版产品责任指令以及成员国侵权、人格和合同法分别处理。原拟改善AI非合同损害证明条件的《人工智能责任指令》提案已于2025年撤回。[7]

欧盟法还要区分文本生效与条款适用。截至本文截止日，2026年7月27日的AI Act合并文本将附件III高风险系统相关义务的适用日期调整至2027年12月2日，将第6条第1款及附件I相关高风险系统调整至2028年8月2日。新版产品责任指令已经通过，但新制度针对2026年12月9日之后投放市场或投入使用的产品，并须经成员国转化。后文讨论的是已经确定的立法方案及其适用边界。[8]

美国的相关规则分散在联邦版权法、专利法、消费者执法以及各州侵权、合同、人格商业利用和隐私法中。具体请求权比概括性的国家AI政策更能说明争议如何解决。声音克隆可能无法凭“声音本身的版权”获得救济，却可能落入纽约州人格商业利用条款或合同法；聊天机器人纠纷则可能同时涉及产品责任和言论自由抗辩。引用这些案件时，州法基础和审级都会限定裁判结论的适用范围。[9]

日本于2025年公布《人工知能関連技術の研究開発及び活用の推進に関する法律》（令和7年法律第53号），并于同年9月1日全面实施。该法提供研发、利用、政策协调和风险应对框架，具体私人争议仍由著作权法、个人信息保护法和民法等制度处理。文化厅AI版权文件和经济产业省AI合同清单属于行政解释、指引或实务支持材料。日本制度的比较价值，主要体现在法定训练利用空间和交易风险的预先分配；促进创新的政策取向并未削弱既有人格、隐私和合同约束。[10]

韩国《人工智能发展与信赖基础构建等基本法》于2026年1月22日开始实施，2026年7月21日只是相应修正的施行时间。AI基本法与个人信息保护法、著作权法等部门法同时运作。个人信息保护委员会的公开数据指南和版权委员会的训练合理使用指南反映主管机关对现行法的理解，法律性质仍属行政指导材料。[11]

新加坡同时使用治理框架、部门立法和场景性救济。2021年《版权法》直接规定计算数据分析利用；2025年《在线安全（救济与问责）法》（Online Safety (Relief and Accountability) Act 2025，OSRAA）通过法定侵权与专门救济机制回应在线伤害。该法分阶段实施，自2026年6月29日起先覆盖网络骚扰、人肉搜索、网络跟踪、私密影像滥用和儿童影像滥用五类伤害。法院发布的生成式AI使用指南则专门规范诉讼活动。[12]

— 六法域人工智能裁判框架对照

— 三项核心判断：责任、数据与证明

三、AI造成损害以后：责任如何落到具体主体

（一）先确定请求权，再讨论控制能力

基础模型开发者、微调者、应用集成者和用户只是技术或商业身份，责任仍取决于其具体行为。同一企业可能同时训练模型、制定提示词模板、销售服务和分发内容；同一平台也可能在一项功能中存储用户材料，在另一项功能中主动组织内容生产。《意见》第3条因此要求综合考察应用场景、自主化程度、透明度、潜在风险、预防措施以及使用者的预见和控制能力，用这些事实具体判断过错。[2]

责任分析从受保护权益和被诉行为出发，再确定归责基础并审查构成要件。第3条保留法律规定的无过错责任和过错推定责任，《个人信息保护法》第69条和《民法典》产品责任规则仍按各自条件适用。系统自主性本身也不会触发一项独立的危险责任。控制能力只有转化为具体问题才有法律意义，例如相关主体能否取得授权、预见损害、阻止重复输出、保留记录或通过合理设计降低已知风险。[2]

这一顺序也能保留因果关系的独立判断。企业即使有能力修改模型，该能力仍须与本案损害相关；平台从整体服务获利，也只在符合相应归责条件时对用户行为负责。原告需要建立被诉行为与损害的联系，被告则应说明实际控制的环节和已经采取的措施。行政安全规范可以具体化注意义务，但法院还要考察该规范所防范的风险类型以及违规行为对损害发生的影响。由此形成“行为—能力—损害”的逐项对应。

（二）自动生成与用户诱导：通知规则的两种结构

《意见》第7条区分两种场景。系统自动生成内容侵害名誉、隐私等人格权益时，权利人发出含初步证据和真实身份信息的通知，提供者未及时采取停止生成等必要措施，须对由此造成的损害依法负责。用户以侵权提示词恶意诱导生成时，用户先对自身行为负责；提供者收到通知后仍不采取措施的，依《民法典》第1195条处理。后一场景还涉及损害扩大部分的连带责任。[13]

通知义务从删除既有内容延伸到制止再次生成，回应了生成式服务的技术特点。通知规则只处理相应服务场景：提供者自行实施侵权、参与特定侵权设计或存在事前过错时，仍须依据相应责任基础审查；及时处理通知也不影响此前已经成立的独立侵权。最高法答记者问强调审慎认定并避免要求逐条审查，体现的是对通常服务场景的责任界定。[13]

“必要措施”需要结合具体风险确定。屏蔽姓名可能同时阻断新闻、研究及本人正常使用，只删除历史对话又可能无法防止同一声音或形象继续生成。法院可以考察限制特定角色、输出形式、接口权限或经证实的诱导路径能否控制风险，并评估误伤和替代措施。具体采用何种技术方案，仍由必要性与比例性审查决定。

（三）参与同一链条，各主体仍需分别归责

北京互联网法院“殷某桢仿声案”展示了责任链分析的实际运用。录音提供、模型生成、云平台销售、采购和API调用由不同主体完成。法院确认可识别的合成声音受保护，并按各被告的行为和过错分别处理：提供录音数据的文化公司与实施AI化的软件公司连带赔偿25万元，另外三个主体未承担损害赔偿责任，部分主体仍须赔礼道歉。不同救济由此对应不同的成立条件和功能。[14]

杭州互联网法院“奥特曼LoRA案”进一步把服务类型落实到具体行为。法院围绕涉案作品及模型的浏览、应用、分享、明显侵权信息、会员收益和可采取的过滤措施，认定平台未尽合理注意义务，构成信息网络传播权帮助侵权。该案处理的是特定请求权下的输入、生成和传播行为；关于信息网络传播权的判断，并未解决训练复制在著作权法上的一般定性，也没有将生成服务提供者一概认定为直接侵权人。[15]

二审的审理范围集中于不正当竞争请求。杭州市中级人民法院于2024年12月30日维持原判，并明确不再评述平台用户行为是否构成著作权合理使用。因此，二审维持的是裁判结果，并未重新审查一审涉及的全部版权问题。[15]

四、当AI可以复制一个人：人格利益与作品权益如何分开

（一）“数字人格”概括的是既有人格利益的交叠

本文所称“数字人格”，用于概括姓名、肖像、声音、名誉和隐私等既有人格利益在数字复制场景中的交叠。《民法典》第1019条禁止以信息技术手段伪造等方式侵害肖像权，第1023条第2款规定声音参照肖像权保护，第994条规定死者人格利益的保护及请求主体。《意见》第4条在这些规范基础上，对特定生成行为作了类型化处理。[16]

这些规则均有明确边界。虚拟数字形象须能够识别到特定自然人，声音保护要求生成声音具有可识别性，名誉损害还须联系社会评价的降低。某类声线、职业口吻或一般艺术风格的相似，通常不足以指向特定个人。合理使用、新闻报道等例外仍按各项人格权规则审查。逝者人格利益则由法律规定的近亲属等主体请求保护，其范围不应扩张为对逝者形象的永久商业独占。[16]

这类纠纷至少要分清三个对象：原始照片或录音中的作品及相关权利；照片、录音所指向的自然人人格利益；模型生成内容造成的虚假言论、误认代言或者隐私侵害。摄影者许可使用照片不当然包含被摄者的肖像许可；录音权利人处分录音亦不当然有权许可他人持续生成配音演员未曾说过的话。授权对象、用途、期限、再许可及输出场景，必须分别识别。

（二）中美声音克隆案件：权利分层比“保护声音”更有解释力

“殷某桢案”中，法院既考察合成声音的音色、语调和发音风格能否联系到原告，也审查录音数据授权书是否由本人签署。录音制品权利没有当然包含对原告声音进行AI化使用的权限，争议的核心因此落在授权人是否有权处分相应声音利益。法院采用一般公众或相关领域公众的可识别标准，保护范围也不限于全民熟知的明星声音。[14]

美国纽约南区联邦地区法院2025年7月10日的 Lehrman v. Lovo 意见与此形成有意义的对照。配音演员主张，被告通过Fiverr取得被限制用于研究或内部使用的录音，随后将其声音克隆用于商业服务。法院在驳回动议阶段允许纽约州《民权法》第50、51条请求、合同请求和部分消费者保护请求继续进行；同时区分Sage原始录音被实际使用的版权请求、基于训练复制的请求，以及针对声音模仿本身的版权请求。声音身份与既有录音不是同一版权客体，模拟声音也不必然复制了原录音中固定的声音。[17]

法院当时处理的是驳回动议，只判断起诉所述事实能否支持请求继续审理，并未作出侵权或赔偿的最终认定。训练相关版权请求获准修改，也没有确认合理使用抗辩成立。中美两案共同说明，录音合同、固定表达和人格身份可以分别提供保护依据。由于程序阶段不同，两案也不适合直接比较赔偿强弱。

2026年5月27日，Lovo提交第7章破产通知，法院随后中止本案并暂停有关会议和期限。程序停留在这一阶段，2025年意见中获准继续审理的请求尚未转化为实体责任或赔偿结论。[17]

日本“Pink Lady案”提供了另一条观察路径。最高裁判所2012年2月2日判决以姓名、肖像等的顾客吸引力为中心，分析专门利用该吸引力的商业使用何时可能侵权，并认定涉案报道使用照片没有达到这一标准。该案虽发生在照片报道场景，其对生成式AI争议的启示仍在于商业利用目的和表达场景的作用。[18]

（三）标识、停止与赔偿各自解决什么问题

欧盟AI Act第50条关于合成内容和深度伪造的透明度义务，主要用于降低受众对内容真实性的误认。内容标识、人格授权和侵权责任各有适用条件：标注“AI生成”不会补足肖像或声音许可，也不会当然消除诽谤、隐私或成员国人格法责任；获得商业许可后，适用的标识义务仍可能存在。美国版权局2024年数字复制报告建议建立专门联邦保护，也反映出固定作品版权与身份复制之间的制度间隙。[19]

《意见》第8条与《民法典》第997条相衔接，在违法人格侵害正在或即将发生、迟延制止将造成难以弥补损害时，可以采取禁令。法院除评估最终赔偿外，还要考虑损害能否持续生成、快速扩散以及是否难以撤回。禁令范围应与风险相称。例如，争议只涉及声音库中的特定音色时，停止该项服务通常比关闭整个模型更符合比例。[20]

由此形成的救济结构中，授权规则控制身份利用的入口，通知和禁令制止持续生成，损害赔偿回应已经发生的损失，消除影响或赔礼道歉处理特定人格损害。法院需要根据侵害阶段和损害类型组合这些措施。

五、公开数据进入模型后的分段审查

（一）取得、训练、推断和决策是四个法律问题

同一条公开信息进入模型后，可能经历抓取、长期保存、组合训练、属性推断，并最终用于授信、招聘或价格决策。技术流程虽然连续，各环节的法律依据却不相同。信息公开后仍受个人信息保护；个人信息处理具有合法依据，也未必涵盖照片、文章或数据库中的著作权；数据供应商的商业利益同样有其权利边界。

《意见》第6条沿用《个人信息保护法》第13条第1款第6项、第27条的制度基础：在合理范围处理个人自行公开或其他合法公开的信息，且个人未明确拒绝，一般不认定侵害个人信息权益；对个人权益具有重大影响的，应依法取得同意。法院仍须逐项判断信息是否属于合法公开、处理是否处于合理范围、个人是否明确拒绝以及处理是否具有重大影响。网页可见只解决其中一个事实问题。[21]

第6条从处理目的与模型功能的必要性、适当性，信息类型与敏感程度，权益影响和原始公开场景中的合理预期等方面具体化“合理范围”。公开履历供潜在雇主查阅，与用其训练可供任意用户推断个人性格、健康或家庭关系的工具，具有不同的用途和风险。法院需要依据实际处理过程判断是否超出范围，“科研”或“通用模型”等标签本身没有决定作用。

敏感个人信息还受《个人信息保护法》第28、29条约束，包括特定目的、充分必要、严格保护以及适用情形下的单独同意。即使处理公开信息无需重新取得普通同意，告知、目的限制、安全保障和个人权利等义务仍可能适用。因此，第6条提供的是有条件的处理路径，并非公开数据训练的概括免责。[21]

（二）中韩的可利用路径与欧盟的合法利益审查

韩国最高法院2016年8月17日“Lawnb公开个人信息案”是有用的前史。法律信息网站从公开来源汇集法学教授的照片、姓名、职业和履历并提供付费服务。法院确认公开信息仍属于个人信息，但要求结合信息性质、公开方式、公开目的、处理形态及利益衡量，判断再利用是否处于客观上可以认可的同意范围；营利目的本身不足以使处理违法。该案推翻并发回针对Lawnb的不利部分，但它不是AI训练判决，其针对公共职业信息的判断不能无条件扩展至全量网络数据。[22]

韩国个人信息保护委员会2024年公开数据指南进一步讨论了AI开发中的正当利益处理基础。韩国法要求处理者利益相对于信息主体权利达到法定的优势条件，并审查必要性和保障措施，制度结构与中国的公开信息合理范围规则不同。结合2016年判决可以看出，韩国允许在一定条件下再利用公开信息，但由此形成的民事责任标准与中国并不相同。[23]

GDPR第6条列有多种处理依据，同意只是其中之一；合法利益在满足条件时也可能适用，特殊类别数据还须符合第9条。欧洲数据保护委员会第28/2024号意见要求，处理者提出具体、现实且合法的利益，证明处理必要性，并衡量对数据主体的影响及其合理预期。信息在网上公开会影响合理预期，却不会免除合法性分析。模型是否匿名也须具体评估：训练阶段使用过个人数据，未必使模型始终属于个人数据；参数化本身也不足以证明匿名，仍要考察能否通过提取或查询识别个人。[24]

中国为合法公开信息在合理范围内的处理提供了明确路径，并通过《意见》将其具体用于训练。欧盟和韩国也通过合法利益等制度提供有条件的利用空间，但法定结构、举证内容和权利保障不同。判断制度差异时，需要同时考察特殊数据、处理规模、退出权和下游用途，单看是否重新取得同意容易失真。

（三）推断改变了保护对象，决策改变了损害方式

《意见》第5条针对以刺探隐私为目的，分析电话号码、账号、社交媒体等公开信息，获取私密信息，或进一步泄露、公开和侵扰生活安宁的行为。碎片信息分别公开，并不会使聚合后产生的私密信息一并公开。该条仍以刺探目的、具体行为和人格利益为构成边界；一般商业画像、合法研究与针对特定自然人的“开盒”，应结合目的和后果区分。[25]

下游自动化决策可能在信息未被公开传播时，直接改变个人的交易机会。《个人信息保护法》第24条要求自动化决策透明、公平、公正，禁止不合理差别待遇，并赋予个人对重大影响决定的说明请求权和拒绝权。《意见》第10条将消费偏好、支付意愿、支付能力、浏览记录、诚信和商业伦理纳入审查。法院还需判断交易差异是否实质损害消费者权益，以及差异理由是否正当、充分并符合非歧视要求。[26]

例如，面向所有消费者的透明时段优惠，与根据某个人的急迫程度秘密抬价，具有不同的正当化条件。具体案件仍需查明是否属于同一商品、实际交易条件如何、消费者画像从何而来以及损失是否发生。利用AI仿冒名人带货时，惩罚性赔偿还要符合《消费者权益保护法》第55条所规定的欺诈要件。

欧盟消费者权利指令第6条第1款第ea项规定个性化定价告知义务，GDPR以及消费者和反歧视规则还可能规制价格形成过程及其效果。欧盟法院在 SCHUFA 案中认为，自动生成的信用评分如果对第三人建立、履行或终止合同关系的决定具有决定性作用，评分本身可能落入GDPR第22条。该案处理的是评分与最终决定分处不同企业时的权利保障，并未全面禁止评分或算法辅助。[27]

在美国，个性化定价风险仍由禁止不公平或欺骗性商业行为等既有规则承接。FTC于2026年8月提出的政策声明，旨在说明这些一般规则可能如何适用于个性化定价；截至本文截止日，该文件仍处于征求意见阶段，尚未增加新的法定义务。中美差异应依据现行法律及实际执法判断，拟议文本只反映可能的政策方向。[28]

（四）数据权益的保护范围取决于具体权利基础

《意见》第16条保护合法取得数据所形成的相应权益，并依作品、商业秘密、不正当竞争和垄断行为分别处理。具有独创性选择或编排的数据集合，可能作为汇编表达受到保护；满足秘密性、价值性和保密要求的数据，可以适用商业秘密规则；其他数据利用行为则要结合不正当竞争法的构成要件判断。投入劳动本身不会产生覆盖全部数据的所有权，合法取得数据后仍须遵守个人信息和版权规则。[29]

数据争议由两组问题构成：权利人可以阻止哪些不当获取或利用，取得者又可以把数据用于何种目的。投资事实影响前一问题，却不能无限扩大排他范围；数据已经公开会影响后一问题，但用途仍受具体法律条件约束。

六、模型能否进入产品责任及其缺陷判断

（一）中国保留实物入口，同时改变缺陷判断的事实内容

《意见》第9条依《产品质量法》的产品定义，处理以实物为载体的AI产品；最高法答记者问进一步明确，无实物载体的AI服务不适用这一产品责任接口。智能机器人、配备AI系统的车辆与单独提供的模型API、云端问答服务因此适用不同的责任路径。纯软件服务即使不适用第9条，仍可能承担合同、一般过错侵权、个人信息或特定权益责任。[30]

进入产品责任后，法院要判断产品是否存在危及人身、财产安全的不合理危险。第9条列举自主学习、更新、用户控制、用途和安全标准等因素，并强调如实说明适用场景、固有限制和可预见风险。软件持续升级使缺陷分析需要覆盖相关版本；符合安全标准只是综合判断因素，一次预测失败也未必构成法律上的缺陷。最终仍须联系产品用途、风险、合理安全期待和具体损害。[30]

用户控制能力需要结合实际场景判断。界面上存在关闭按钮，与用户在事故时能够理解风险并及时接管，并非同一事实。产品如果将复杂系统宣传为高度可靠的替代判断工具，又以笼统免责声明把错误全部归于用户，法院应在缺陷、警示、因果关系和消费者误导中分别评价这种落差。

（二）欧盟扩大产品定义，赔偿仍受构成要件限制

欧盟第2024/2853号产品责任指令明确将软件纳入产品，无论软件存储于设备、通过网络获取、经云端访问或以SaaS方式提供。欧盟由此把纯软件纳入产品责任入口，中国《意见》则保留实物载体要求。[31]

新指令的赔偿仍限于缺陷产品造成的特定损害，包括死亡、人身损害（含医学认可的心理健康损害）、一定范围的财产损坏和非专业用途数据损坏。受害者原则上仍须证明缺陷、损害和因果关系；符合第10条规定时，才适用相应的可反驳推定。模型的一般错误回答和纯粹经济损失并未因此全部纳入产品责任。[31]

非商业活动中开发或供应的自由开源软件被排除在指令范围外，商业产品整合开源组件时仍需承担相应责任。中国第13条则在既有侵权制度内，结合参与方式、许可、措施和披露，对免费提供部分代码模块者给予适当责任豁免。两种规则分别处理指令适用范围和具体参与者减责，主体与法律效果均有差异。[32]

（三）美国聊天机器人案件：诉讼入口与实体责任之间

在 Garcia v. Character Technologies 中，原告就未成年人死亡提出产品责任等请求。佛罗里达中区联邦地区法院在2025年5月的驳回动议阶段允许相关请求继续，认为当时尚不能以聊天机器人不属于产品或言论自由抗辩排除全部责任。法院特别关注软件设计和交互功能，纯软件的责任分类由此进入州法个案审查。[33]

2025年命令只解决请求能否继续审理。2026年1月7日，法院在获悉当事人解决争议后作出第244号命令，将案件以不妨碍再次起诉的方式驳回并关闭，同时设置90日的最终命令提交或恢复审理期限；该期限后来获得延长。6月11日第273号命令在处理律师留置权事项时回顾了这一过程。案件最终通过和解退出实体审理，没有形成关于产品缺陷和死亡因果关系的裁判结论。[34]

该案提示中国法关注交付形态造成的责任入口差异。相同交互功能安装在实体陪伴机器人中，可能适用第9条；作为独立应用提供时，则要寻找其他请求权。两种形态若产生相近风险却对应显著不同的证明成本，现有区分就需要进一步论证。产品概念是否扩张，仍应由立法或其他适格规范作出选择。

（四）自动驾驶同时连接事故归责、产品缺陷和数据控制

《意见》第11条保留《民法典》和道路交通安全法的事故赔偿体系，并允许受害人就车辆缺陷另循产品责任请求救济。辅助驾驶车辆的缺陷与驾驶人过错共同造成损害时，责任依《民法典》第1172条等规定确定，具体份额取决于各行为对损害的作用。系统属于自动驾驶还是辅助驾驶，也要根据实际能力、使用条件、接管要求和驾驶人行为判断。[35]

同条允许法院要求生产者、销售者或运营者等数据控制方，在必要范围内提交真实、完整的事件记录。系统状态、接管提示、用户输入和版本信息，有助于区分驾驶人过错、产品缺陷及各自原因力。法院应围绕事故待证事实确定提交范围，通常无须开放全部源代码；事故责任认定书、日志、鉴定意见和宣传材料也应按各自证明对象使用。

七、创新使用了什么、产生了什么：版权、开源与发明的连续而分立的审查

（一）训练侵权、输出侵权和输出可版权性应当分别设问

最高法答记者问明确说明，《意见》暂未规定未经许可使用他人作品训练模型的定性，也暂未规定AI生成内容的可版权性。第12条处理生成内容侵害著作权时的责任认定，要求考虑服务类型、行业特点、数据来源、参与程度、必要措施和获利状况。训练复制的合法性以及训练版权诉讼的举证规则，仍须依据相应实体法和证据制度判断。[36]

训练复制、输出侵权和输出可版权性需要分别判断。训练复制获得许可后，特定输出仍可能侵害在先作品；输出未使用受保护的相似表达，也无法反推此前取得和复制作品合法；输出未达到作品构成要求，相关利用仍可能涉及人格、秘密或消费者权益。版权分析应先确定争议对象，再讨论权项、被诉行为和抗辩。

（二）美国三项训练裁判：目的相似，法律评价仍取决于复制行为和证据

美国《版权法》第107条考察使用目的与性质、作品性质、使用数量与实质性以及潜在市场影响。AI训练诉讼的分歧集中在被诉使用如何界定、相关市场如何识别以及现有证据能否支持各项主张。[37]

Bartz v. Anthropic 的2025年6月23日意见分别分析训练使用与中央资料库的建立、保留。法院在当时的案卷上肯定训练使用具有高度转换性，也单独评价了购买纸质书后为替代性存储而进行的数字化；从盗版来源取得并保留作品的资料库行为则受到不同处理。可见，训练目的与作品取得方式分别影响合理使用判断。[38]

2026年7月20日，法院批准15亿美元集体和解并作出相应判决。和解解决的是特定作品、请求和期间内的争议，其金额也只在该案范围内有意义。这一后续更能说明，不同复制行为的切分会直接改变诉讼范围和处理结果。[39]

Kadrey v. Meta 的2025年6月25日简易判决则在该案记录上支持被告的合理使用抗辩，并指出原告缺少足以支撑市场损害理论的证据。法院同时注意到，大量竞争性输出可能影响作品市场，分析不应局限于能否逐字复现原作。市场稀释是否发生、是否与被诉训练相关，仍要由案件证据证明。版权市场分析因此需要区分原作替代、训练许可市场和竞争性生成内容的影响。[40]

Thomson Reuters v. ROSS Intelligence 的2025年2月11日意见否定了相关使用的合理使用抗辩。争议涉及使用Westlaw原创编辑提要等材料建立竞争性法律检索工具，其中公共领域裁判文书、原创编辑内容、非生成式检索工具和通用生成模型具有不同的事实与法律意义。法院对功能替代、使用目的和市场关系的分析，说明这些因素会改变合理使用评价。[41]

三案分别处理了不同的复制行为和证据记录。Bartz 区分训练使用与资料库复制，Kadrey 受原告市场损害证据的限制，ROSS 则涉及原创编辑内容和竞争性法律检索产品。比较时需要对应复制环节、作品来源、受保护表达、工具功能和市场证据，裁判差异也由这些事实共同解释。

（三）欧盟、日本、新加坡和韩国：训练例外的结构不同

欧盟《数字单一市场版权指令》第3条为研究组织和文化遗产机构的科学研究文本与数据挖掘设置例外，第4条规定一般文本与数据挖掘例外。后一规则以合法访问和权利人是否适当保留权利等条件为核心，在线内容的权利保留可以通过机器可读方式实现。两条在受益主体、用途和权利保留方面各有条件。AI Act第53条则要求通用AI模型提供者建立版权合规政策、识别权利保留并公布训练内容摘要，它本身不提供复制授权。[42]

日本《著作权法》第30条之4为不以享受作品所表达思想或感情为目的的利用提供法定空间，其中包括信息分析，同时保留不得不当损害著作权人利益的限制。文化厅2024年文件进一步讨论训练、生成和混合目的。“非享受目的”需要结合具体利用行为判断，作品进入机器处理流程并不会自动满足这一条件。[43]

新加坡2021年《版权法》第243、244条规定计算数据分析，其中包括以作品为示例改进计算机程序功能。相关例外受合法访问、用途和复制件使用等条件约束，并须结合第187条关于合同排除例外的规则理解；违反网站条款是否构成不合法访问，仍要结合具体条款和行为判断。法律部2026年8月26日关于AI与知识产权的咨询文件讨论了现有例外及后续制度选择，其内容仍处于咨询阶段。[44]

韩国版权委员会2026年2月发布训练合理使用指南，以《著作权法》第35条之5的多因素框架为基础。该指南属于行政指导材料，并未新增无条件的训练例外。韩国与美国虽然都采用多因素分析，法院传统、证据规则和市场认定仍有差异。[45]

各法域的训练制度把不确定性放在不同位置：有的限定受益主体，有的允许权利人保留权利，有的围绕利用目的设置例外，有的采用逐因素合理使用。比较这些制度，需要观察由谁说明关键事实、合同或技术标记能否形成可预期边界，以及例外是否延伸到输出阶段。

（四）第12条的证据要求：输出侵权中的内部事实说明

《意见》第12条规定，开发者提出不侵权抗辩时，应当提供训练数据来源、过程记录、运行模式和科学理论依据等佐证。权利人仍需先对内容由被诉AI生成、与权利作品构成实质相似等初步事实举证。条文对开发者列出具体内部资料要求，对提供者则保留权利人的相应举证责任，形成了分层的证明结构。[46]

内部资料用于辨明可归责的技术行为和相应抗辩。某部作品出现在训练资料中，尚不足以证明所有输出侵权；开发者关于模型统计运行、不存储完整原作的说明，也需要接受证据审查。法院应将内部资料与特定输出、受保护表达和责任主体联系起来。争议若只涉及训练复制，则依相应实体法和一般证据制度处理。

（五）开源减责保护的是特定参与方式

第13条要求综合许可类型、权利限制、安全合规和披露程度，对开源开发者、提供者给予适当责任豁免。免费提供部分代码模块并说明功能和安全风险的，法院可以认定其不对他人使用造成的侵权承担责任。这项规则针对特定参与方式，开源模型、权重发布者和以“社区”命名的商业服务仍须分别判断。[32]

下游责任减免不会清除上游权利。未经许可复制他人代码或作品，随后免费开放仍不能补足授权；许可协议中的署名、使用条件和其他有效义务也继续存在。下游商业集成者决定用途、修改模型、提供接口并向用户收费，其控制和获利结构与无偿提供局部通用模块者不同，应当独立评价。第13条在限制责任无限上溯的同时，也要求商业集成者承担与其参与程度相称的风险。

（六）成果保护需要三项独立审查

北京互联网法院在2023年11月27日“李某诉刘某AI图片案”中，根据原告选择模型、设置提示词和参数、反复调整及最终选定等过程，认定案涉图片体现了人类智力投入和个性化表达。作品认定取决于这些具体创作事实。主张权利的人需要说明其选择如何进入最终表达，单纯投入时间或启动生成程序通常不足以完成证明。[47]

美国 Thaler v. Perlmutter 以申请人申报作品由机器自主生成、没有人类作者为事实前提。哥伦比亚特区巡回上诉法院2025年3月18日确认美国版权法的人类作者要求，最高法院于2026年3月2日拒绝受理调卷复审申请。该案没有判断AI辅助创作中的人类控制需要达到何种程度。北京AI图片案则有具体的人类选择和调整事实，两案回答的并非同一个事实问题。[48]

专利方面，《意见》第14条要求依次审查技术方案是否属于可专利客体、自然人是否对发明实质性特点作出创造性贡献、说明书是否达到充分公开标准。三项审查彼此独立：确定发明人后仍需判断方案能否获得专利，充分公开也无法补足发明人资格。[49]

日本知识产权高等裁判所2025年1月30日DABUS案判决（令和6年〔行コ〕第10006号），维持了将AI列为发明人的申请处理。韩国DABUS诉讼的一审为首尔行政法院2022구합89524号，二审为首尔高等法院2023누52088号，两审也维持主管机关的处理。两国裁判均以自然人为现行专利制度中的发明人主体；对于人机协作中的人类贡献门槛，这些案件尚未给出普遍标准。[50]

美国专利商标局于2025年11月26日撤回2024年AI辅助发明人指引，重新强调对人类发明人适用既有统一标准。中日韩美目前都以自然人为发明人主体，但人类运用AI时的贡献评价仍须分别考察创造性贡献、构思和证据要求。[51]

八、AI项目未达预期：技术风险如何与违约分离

（一）“合理努力”与明确合同承诺

《意见》第15条要求根据合同约定，并结合AI研发特点和开发方是否尽到合理努力，认定技术开发、转让、许可、咨询、服务合同中的违约责任。合同明确约定准确率、可部署系统、合法授权或服务可用性时，这些内容可能构成独立的结果义务。模型训练具有不确定性，只会影响与研发风险有关的判断，不会当然改变明确承诺。[52]

《民法典》第858条对技术开发合同中无法克服的技术困难，先按约定分配风险；约定不明且依法仍无法确定的，由当事人合理分担。发现风险的一方还应及时通知并采取措施减少损失。该条适用于特定技术开发风险，数据来源违法、未投入约定资源、未按约测试或隐瞒失败结果等可归责行为仍按违约规则处理。研发失败需要结合原因判断，研发风险本身不构成一般免责。[52]

审理此类争议时，应先确定未实现的是探索目标还是保证指标，再查明失败源于无法克服的技术困难还是约定措施未执行。数据、算力和接口等协作条件，以及风险显现后的通知与减损措施，也会影响履行评价、因果关系和损失范围。

（二）用可以验证的交付条件减少事后争议

日本经济产业省2025年发布AI利用与开发合同清单，帮助当事人在交易前分配利益和风险。它与中国第15条的事后裁判指引可以相互参照，但在日本仍属于实务支持材料。[53]

AI项目合同可以围绕四类可验证事项组织。任务与测试条款应说明样本来源、测试集隔离、场景分布、指标计算和不适用范围；版本与交付条款应锁定模型、参数、接口依赖及升级后的复验；资源与协作条款应分配数据提供、授权和客户配合义务；失败与退出条款则应约定阶段验收、风险通知、补救期限、费用结算、数据返还和日志保存。这些条款能够把“合理努力”和“达到指标”转化为可证明的履约事实。

例如，合同只写“准确率达到95%”，却没有说明分母、样本类别、人工复核和拒答的计算方式，双方就可能对同一系统得出完全不同的履约结论。法院可以先解释约定的评价对象，再通过适当测试还原履约事实，无须先解决全部模型原理。合同越便于验证，后续证据披露的成本也越低。

九、权利如何被证明：从技术不透明走向可审查事实

（一）第17条对既有证明工具的场景化运用

《意见》第17条集中列出AI案件可用的证明工具，包括诉讼引导、申请法院调查取证、必要时依职权调查、证据保全、控制证据者无正当理由拒不提交时的不利认定，以及专业人员辅助查明事实。《最高人民法院关于民事诉讼证据的若干规定》第95条已有证明妨碍规则，知识产权证据规定也对证据提交及妨碍作出具体安排。第17条的作用，是把这些既有工具接入AI纠纷。[54]

证据提交义务、证明责任分配和证明妨碍后果各有条件。法院责令被告提交日志，只影响相关待证事项；被告拒绝提交时，不利认定的范围也应与该项证据的证明能力相对应。裁判需要说明证据内容、控制事实、相关性、拒绝理由和拟认定事项之间的联系。技术复杂性会增加这些工具的必要性，但不会改变其适用条件。

AI证据可以按“待证事实”组织。查明某一输出来源，可先调取相应会话和模型版本；查明收到通知后的处理情况，可调取工单、策略变更和复测记录；查明某类作品是否进入特定训练流程，可考察数据目录、处理记录、相应样本或可审计说明。现有资料不足以解决争点时，再扩大到更敏感的技术材料。这样的递进安排兼顾证明需要与披露比例，也应给权利人留下有效质证的空间。

（二）证据披露与商业秘密保护如何兼顾

现行制度已经为证据披露中的保密提供基础。《最高人民法院关于知识产权民事诉讼证据的若干规定》第26条允许通过协议、承诺或裁定确定保密义务，并在必要时限制接触人员；商业秘密司法解释第21条也要求在证据保全、交换、质证、鉴定和庭审中采取保密措施。下一步重点在于使这些工具适配模型参数、训练语料和多方个人信息。[55]

具体安排可以包括限定接触人员和用途、分层提交、现场查验、去除无关信息，以及由专业人员辅助解释。商业秘密保护仍应保留有效质证。即使原始材料只能由特定人员接触，当事人也应能够了解待证命题、分析方法、数据范围、限制条件和结论之间的推理，并有机会提出实质异议。

欧盟新版产品责任指令第9条同样要求证据披露符合必要性和比例性，并保护商业秘密；第10条则根据未履行披露义务、违反安全要求、明显故障或证明面临过度技术困难等不同条件，设置可反驳推定。推定仍以缺陷产品和指令规定的损害为适用范围。中国第17条横向适用于AI纠纷，两项制度的覆盖范围并不相同。[56]

Dun & Bradstreet Austria 案进一步提出了解释的质量标准。欧盟法院2025年2月27日解释GDPR第15条第1款第h项，要求说明实际采用的程序、原则以及个人数据如何用于自动化决定，使个人能够理解并提出异议。单纯交付算法未必构成充分、可理解的说明；涉及第三人数据或商业秘密时，由主管机关或法院进行衡量。该案所体现的核心区别，是技术资料可见与法律事实可理解之间的差异。[57]

美国《联邦民事诉讼规则》第26条规定相关性、比例性和保护令，第34条处理文件与电子信息的提供，第37条处理不配合及一定条件下电子信息灭失的后果。这些一般规则可以用于AI争议，数据规模、商业秘密和模型解释等问题仍需在个案中处理。比较不同制度时，证据能否实际取得和使用，比条文是否出现“人工智能”更重要。[58]

（三）生成结果作为证据：证明一次输出与证明一般能力不同

《意见》第18条要求审查电子数据生成、收集、存储和传输的真实性与完整性，并分别规定大数据报告、区块链存证和AI生成侵权证据的审查重点。区块链可以证明记录在特定时间后是否发生变化，上链前的内容仍需核实；大数据报告要审查来源、清洗和方法；生成图片截图通常只能证明特定条件下的一次输出。[59]

生成实验可能用于证明一次输出、同类输出的可重复性，或服务持续产生相关内容的机制和风险。一次有效记录通常只能支持第一个命题。反复输入极端提示并只保留成功样本，会削弱对发生概率和一般能力的推断；诱导性提示仍可能用于证明过滤措施能否被绕过、风险是否可预见或系统是否具备特定生成能力。证明力取决于取证方法与待证命题是否匹配。

取证时应尽量保存测试日期、模型与接口版本、完整上下文、提示词、参数、全部运行结果、样本选取方式和环境限制。商业接口无法固定随机性或版本时，应如实说明可重复性的边界。“无法字节级重现”只影响证明力，不等同于证据虚假。版权争议还要区分技术相似度与法律上的实质相似：算法指标可以辅助定位共同特征，受保护表达、思想、公共领域元素和合理使用仍由法院判断。[60]

（四）诉讼参与人使用AI：核验义务与说明义务有别

《意见》第19条分别处理两类行为：利用AI制造虚假证据、实施虚假诉讼，以及提交AI生成的诉讼文书、案例检索报告等材料。前一类制裁以相应违法构成为前提；后一类要求提交人核验法律、司法解释和案例的真实性、准确性，并说明AI辅助情况。一般引注错误与虚假诉讼仍须根据主观状态和行为性质区分。[61]

新加坡法院《法院使用者生成式AI工具使用指南》自2024年10月1日起施行，要求法院使用者核验材料并避免虚假内容；除非法院另有指示，原则上无须主动声明AI使用。中国第19条则设有默认说明要求，两者对材料真实性的要求并无根本差异。[62]

美国第九巡回上诉法院2026年6月3日 Lnu v. Blanche 意见处理了虚构案例、错误引文和歪曲真实裁判等问题，强调签署律师仍对所提交法源的真实性和准确性负责。核验工作除了确认案件存在，还要检查引文是否出自该案、原文能否支持相关命题，以及程序阶段和裁判范围是否准确。该案说明了AI辅助研究中的职业责任，但没有建立全美统一的AI披露制度。[63]

比较法写作同样需要核对材料性质。规范全文、判决摘要、诉状、咨询文件和拒绝受理决定分别能够证明不同事项。脚注应让读者看到论证所依据的原文、程序阶段和效力状态。

十、从个案救济到规则形成：第20—24条的位置

第20条将利用AI实施的诈骗、诽谤、侵犯个人信息等行为纳入既有犯罪构成，并专门提及通过配件逃避辅助驾驶监测、造成事故且构成犯罪的情形。AI仍是行为工具，定罪须符合罪刑法定和具体主客观要件。第21条主要涉及多元解纷、先行调解以及部门、行业和专家协作；专业事实查明则由第17条直接规定。[64]

第22条通过提级管辖、案例库和审判监督指导促进裁判统一，24条的具体含义仍将在后续案件中展开。第23条以司法建议和部门协作，将法院发现的重复性技术风险反馈给监管与行业治理，同时保留当事人的证明和程序权利。第24条规定国际司法交流合作，尚未建立以训练地、服务地或损害地为连接点的专门管辖及法律适用规则。[64]

这些规定构成裁判框架的运行条件：个案暴露问题，专业程序查明事实，上级法院和案例机制形成可复用标准，监管与行业再回应重复风险。稳定规则的形成还取决于后续裁判能否充分公开事实、证明方法和责任边界。

十一、应当怎样评价《意见》的创新

《意见》首先使主体责任与具体参与环节相衔接。第3、7、12、13条要求考察行为、措施、参与和控制，开发者、平台与用户的名称本身并不决定责任等级。控制能力用于具体化义务和归责，法院还须说明该能力能够防止何种损害，以及为何由该主体承担相应成本。

其次，《意见》将持续生成纳入救济对象。第4、7、8条连接侵害识别、服务措施和人格禁令。生成模型在删除一个输出后仍可能产生同类内容，因此救济需要针对相关内容、身份特征、具体功能或服务范围作出精确限定，并说明义务履行如何检查。

再次，《意见》把不同数据环节接回各自的法律基础。第5、6、10、16条分别处理公开信息再利用、隐私推断、自动化差别待遇和合法数据利益。处理目的、主体、输出或风险发生变化时，需要重新确定适用规范，前一环节的许可或例外不会自动传递。

最后，《意见》把事实可见性纳入权利实现过程。第11、12、17、18、19条连接事件记录、内部资料、证明妨碍、生成实验和诉讼材料核验，提高了现有制度处理AI争议的可操作性。实际效果取决于法院能否提出明确的证据要求，以及相关材料能否支持有理由、可复核的裁判。

“人工智能司法裁判架构”在本文中是一个解释性概念，用于概括权利基础、责任条件、证明机制和救济执行之间的组织关系。它的价值在于帮助识别规则缺口和责任转移，并据此提出可检验的解释方案。

十二、仍待回答的问题

训练版权与生成内容可版权性仍未由《意见》统一回答。已有个案受具体权项、人类贡献和商业模式限制。今后的裁判需要进一步区分训练复制、检索增强、微调、模型输出与权利人市场，并说明哪些人类行为体现了对具体表达的创作。

纯软件是否进入产品责任仍是一项立法选择。欧盟新指令与中国实物载体规则采取了不同路径。评价是否扩张产品概念，需要同时考虑损害范围、证明成本、更新控制和开源边界，否则严格责任可能与实际风险控制脱节。

黑箱程序仍需要细化可理解披露和有效质证。现有制度已经提供保密与证明妨碍工具，难点集中在版本流动、分布式训练、第三方数据和无法完全重现的模型行为。相应规则需要明确资料类型、访问方式、解释责任和反证机会。

智能体自主交易与跨境纠纷也缺少专门规则，现阶段仍要依靠合同法、代理法和电子交易制度。新加坡上诉法院 Quoine v. B2C2 在确定性算法交易中讨论了合同与错误问题，可以帮助分析程序由谁设置、相关认识在何时形成。生成式自主代理还涉及越权调用工具、动态形成交易条件，以及训练和损害分处不同法域等问题，须分别判断意思表示归属、权限、风险承担、管辖和法律适用。[65]

《意见》的主要贡献，是在既有法律之内把技术参与、损害后果和证明材料组织成能够进入诉讼的法律问题。一般过错、法定严格责任、通知处理、独立侵权、公开信息利用、训练例外、开源责任和合同承诺由此各自回到相应构成要件，权利保护与责任限度也更容易识别。

六个法域更适合围绕具体问题比较。数字人格保护在授权对象和救济方式上有所接近，权利基础仍有差异；训练利用形成了多种附条件路径；纯软件的产品责任入口正在分化；证据制度共同面对材料可得性、可理解性与保密之间的协调。判例则用具体事实和程序条件检验这些制度命题。

从监管AI走向裁判AI，意味着把已有规范落实为明确的请求权、可审查的证据、适当的责任范围和可执行的救济。下一阶段的关键，在于后续裁判能否持续说明这些法律连接成立的事实与条件。

本表按争议功能选取17组案件，不是穷尽式判例统计。同一案件的不同审级和后续命令归入同一组。表中的“司法材料”包括法院文书全文、法院公布的案例要旨，以及明确标示的政府诉讼记录；公开转载的法院文书与官方原站分别注明。未取得后续裁判的案件，仅确认表列决定及其程序阶段。“类比”不表示法院已将原有规则适用于生成式AI。

A1　美国：版权、数字人格与AI产品责任

A2　中国、日本和韩国：直接AI案件与明确标示的类比案件

A3　欧盟与新加坡：自动化决策、解释与交易

本表替代对不同国家作A/B/C等级判断的制度矩阵。它记录规则功能、论证位置与需要查明的事实，不对整体制度“先进程度”赋分。条号按《意见》原文各编号简称。[1]