汉坤知苑｜人工智能诉讼观察（一）：中美诉讼视野下，作品用于模型训练的著作权边界

作者 | 王焱、俞琳、薛皓成、李明威、赵子璠、张瑀

单位 | 汉坤律师事务所

引言

过去一年多，尤其是近两个月，中美两国的人工智能版权争议几乎同步出现了标志性进展。对于大模型开发者和服务提供者而言，训练数据来源广泛、处理链条复杂，相关争议不仅涉及具体作品的使用，也直接关系到模型研发、产品迭代及服务运营的法律预期。

美国一侧，Anthropic在Bartz v. Anthropic案中于2025年9月就从盗版来源取得并保存图书的相关请求与作者集体达成15亿美元和解，法院已于2026年7月最终批准该和解，该和解被称为“史上规模最大的版权集体诉讼和解”。然而，和解并未终结争议，针对Anthropic的新一轮诉讼接踵而至：2026年1月，Universal Music Publishing Group等出版商继2023年首次起诉后，再就两万余首作品提起诉讼，索赔逾30亿美元；BMG与Round Hill Music随后跟进。2026年8月28日，Sony Music Publishing与Warner Chappell Music联合旗下35家出版实体，在加州北区联邦地区法院起诉Anthropic及其两名创始人，指控其通过BT下载、网络抓取等方式大规模获取数万首歌词与乐谱用于训练Claude模型，并在诉状中称这是“史上规模最大、最公然且仍在持续的知识产权盗窃之一”。

中国一侧，最高人民法院《关于依法审理涉人工智能纠纷案件的意见》于2026年9月7日发布，系统规定了涉人工智能案件的责任认定与举证规则，同时对“未经许可使用他人作品训练大模型应如何定性”这一核心问题审慎留白。在案例方面，爱奇艺诉MiniMax、四名插画师诉Trik AI等直接指向通用模型训练数据合法性的案件已进入诉讼程序，尚无公开实体裁判；“美杜莎”案、杭州“奥特曼”案则已在模型微调场景中作出裁判。

作为全球人工智能产业最为集中、规则演进最受瞩目的两个市场，中美两国的司法走向将在相当程度上影响人工智能企业训练数据使用、法律抗辩与跨境业务的安排。本文围绕“作品用于训练大模型是否构成侵权”这一问题，对两国的规则与司法实践进行比较观察。

一、训练链条的环节分解与权利对应

讨论模型训练的法律评价，首先需要回到训练过程本身。从技术流程看，训练材料通常经历数据获取、建库保存、预处理与模型训练四个环节，最终作用于模型参数。从著作权视角看，每个环节均可能形成作品副本，但涉及的权利类型与法律评价并不相同。判断一项训练活动是否侵权，不能笼统地追问“训练是否合法”，而应逐一考察开发者对作品实施了何种行为、该行为落入哪项专有权利的控制范围。

（图一：训练链条各环节的主要行为与可能涉及的权利）

具体而言，首先，数据获取环节的复制行为最为直观：将网页、电子书、图片下载保存至服务器，或将纸质图书拆除装订、逐页扫描，均形成新的作品副本；若获取过程伴随向公众提供，例如下载的同时对外上传，或将整理后的数据集公开分享，则可能进一步落入信息网络传播权的控制范围。其次，建库保存环节看似只是静态的“存放”，但所存副本的来源及保存目的本身即需要独立评价——Bartz案中，法院即认为，Anthropic从盗版来源下载作品并纳入拟永久保存的中央资料库，不因部分副本后来被用于训练而当然构成合理使用，并决定就该部分请求开庭审理。再次，预处理环节的清洗、去重、格式转换、分词与标注，仍以复制权为主要问题；但若处理过程改变了作品本身的表达，例如将外文作品翻译后用于训练，或对作品进行具有独创性的改写，则可能分别涉及翻译权与改编权。最后，在模型训练环节，复制问题与技术事实深度交织：预训练与微调过程中，系统持续读取、处理训练材料并可能形成缓存、中间副本等，相关复制能否获得豁免，取决于两国不同的权利限制规则；而训练完成后的模型是否“记住”并能够再现作品的受保护表达，则是“美杜莎”案二审判断复制是否成立的关键事实。

二、美国：合理使用四因素框架下的个案演进

美国版权法未针对文本与数据挖掘（text and data mining, TDM）或人工智能训练设置专门例外，《版权法》第一百零七条确立的合理使用制度是训练行为最主要的抗辩出口。该条规定的四项判断因素为：第一，使用的目的和性质，包括使用是否具有商业性质，司法实践中还着重考察被诉使用是否具有不同于原作品的目的或性质，即是否具有“转换性”（transformative）；第二，受版权保护作品的性质，即作品更偏事实性还是创造性；第三，使用部分的数量和实质性，即使用内容的多少以及是否涉及作品核心表达；第四，使用对原作品潜在市场或价值的影响。四项因素须结合案件事实整体权衡，不能孤立适用。

（图二：合理使用四因素及其在三个代表性案件中的适用重点）

2025年以来的三个代表性案件，分别从不同因素切入，逐步勾勒出人工智能训练的合理使用边界。

Thomson Reuters v. ROSS案：人工智能训练并非“免罪符”

该案中，法院在被诉使用与权利人法律检索业务存在直接竞争等背景下，否定了ROSS的合理使用抗辩。ROSS为开发与Westlaw竞争的法律检索工具，通过第三方取得约2.5万份法律问答材料用于训练，其中部分被认定实际复制了Westlaw编辑编写的判例要点摘要（法院认定涉及2,243条）。2025年2月，特拉华联邦地区法院作出被视为美国首例的人工智能训练合理使用实体判断：由于双方服务于同一法律检索市场，被诉使用缺乏足够的转换性目的，第一因素不利于ROSS；其意在开发竞争产品，相关使用可能侵蚀训练数据的潜在许可市场，第四因素同样不利于ROSS。该案经中间上诉程序，第三巡回上诉法院已于2026年9月维持原判。但涉案系统并非生成式人工智能，且被诉使用涉及与权利人直接竞争的法律检索产品，该案否定合理使用的结论不宜直接推及通用大模型训练。

Bartz v. Anthropic案：来源与用途，应分别评价

该案中，法院认定特定大语言模型训练复制构成合理使用，但对盗版来源作品的取得与永久保存另行评价。 2025 年 6 月，加州北区联邦地区法院在首个直接涉及通用大语言模型预训练的判决中，以第一因素的转换性分析为轴心 ，对训练链条作出分环节评价：实际选入训练集并在清洗、分词和训练中形成的复制，系为形成全新模型能力而实施， 具有高度转换性，构成合理使用 ；对合法购入的纸质图书以 “ 销毁纸本、保留数字替代件 ” 方式进行的数字化，亦构成合理使用。但从盗版渠道取得并永久保存于中央资料库的副本，不因后续训练用途而获得庇护—— 后续训练用途的转换性，不能当然使此前的数据取得行为构成合理使用 。此后，双方就盗版图书相关请求达成 15 亿美元的集体诉讼和解 ；上述结论也成为 Sony 、 Warner 等音乐出版商新一轮诉讼直接援引的裁判逻辑。可见，合理使用的分析单位不是 “ 训练 ” 这一笼统概念，而是链条上的每一个具体行为。

Kadrey v. Meta案：市场影响与证据可成“胜负手”

该案中，法院因原告未充分证明训练复制对作品市场的损害，在相关训练复制问题上支持了Meta的合理使用抗辩。在13名作者诉Meta以图书训练Llama模型一案中，法院虽认可训练用途具有较强转换性，第一因素总体有利于Meta，但将分析重心置于第四因素，并区分了三类可能的市场损害：模型直接复现原作品形成市场替代；未经许可训练损害作品的许可市场；模型以极低成本生成大量虽不构成侵权、但与人类作品争夺销量和注意力的内容，造成原作品市场稀释。前两类主张分别因证据不足与循环论证之虞未获支持；第三类被法院认为最值得重视，但原告未能就Llama实际造成的市场影响提交充分实证。法院明确将结论限定于现有证据记录之上——如原告能就市场稀释提出更充分的证据，第四因素的分析可能不同。2026年3月的后续裁定又允许原告追加与BT上传有关的帮助侵权请求，案件仍在推进。

三个案件虽有不同结论，但均表明合理使用须结合具体事实判断：商业性质并不当然排除合理使用，数据取得与训练复制应分别评价，相关市场损害亦须结合证据认定。政策层面亦有所回应，但立场并不完全一致：美国版权局2025年5月发布的《版权与人工智能》第三部分（生成式人工智能训练）预发布版，主张结合作品类型、数据来源、模型用途与市场影响逐案判断；2026年9月，美国司法部在In re OpenAI版权诉讼中提交《美国政府利益陈述》，一方面主张将作品用于大语言模型训练通常应构成合理使用，另一方面强调最初取得、训练中的复制与向公众生成输出属于不同使用，必须分别分析，这一分环节评价的思路与Bartz案的分析方法相呼应。

三、中国：从个案探索中逐步成形的裁判规则

中国现行法同样未为文本与数据挖掘或模型训练设置专门例外。《中华人民共和国著作权法》第二十四条以法定情形为基础构建合理使用制度，《生成式人工智能服务管理暂行办法》第七条要求向境内公众提供服务的生成式人工智能服务提供者在训练数据处理活动中使用具有合法来源的数据和基础模型、不得侵害知识产权。2026年9月发布的最高人民法院《关于依法审理涉人工智能纠纷案件的意见》进一步细化了责任认定与举证要求——在人工智能生成内容侵害著作权的纠纷中，开发者提出不侵权抗辩时，需就训练数据来源、训练过程与模型运行方式等提供证据予以佐证；对于未经许可训练作品的定性问题，《意见》审慎地暂作留白，为司法实践预留了探索空间。在此背景下，已公开的裁判率先在模型微调场景中给出了精细的回答。

“美杜莎”案：以“再现”为支点的分环节认定

上海知识产权法院二审判决对训练链条作出分环节分析，认定制作训练图包构成复制权侵权，而LoRA训练本身不必然构成复制。平台用户截取《斗破苍穹》动漫中二十余张“美杜莎”角色图片，经抠图处理后上传平台，训练并发布两款LoRA模型。二审法院以“复制权的本质是再现权”为教义学支点，将链条切分为三段评价：截取图片形成图包，构成复制权侵权；将图包输入模型进行LoRA训练，本身不必然构成复制——LoRA以低秩矩阵学习权重偏移量，模型“记住”的“是一种低秩的统计压缩，而不是原图的编码，这些参数无法拼凑出原图”。仅当用户再次发出指令、模型生成与原作实质性相似的图片时，复制方始完成。这一“再现”标准将技术事实置于裁判核心，也意味着模型结构与训练方式的事实查明，将在此类诉讼中扮演关键角色。

杭州“奥特曼”案：训练行为与平台责任的精细切分

该案区分了用户定向训练与平台提供技术服务的行为，法院并未仅因平台提供训练功能就认定其侵权，而是结合其注意义务判断帮助侵权责任。该案中，涉案LoRA模型由用户上传奥特曼图片、选定基础模型并调整参数后训练形成，平台则提供基础模型、算力与发布渠道。一审杭州互联网法院在确定停止侵权范围时曾对输入端训练作出探索性判断：在无证据证明训练以利用作品独创性表达为目的且未影响作品正常使用或不合理损害权利人利益的情况下，数据训练可被认为构成合理使用。二审虽以当事人上诉范围为限未再评述，但这一论证思路可为后续案件提供参照。该案更具参照意义的规则在于责任切分：定向训练由用户实施，平台不因提供训练功能而当然承担责任，其责任仍取决于对用户发布、传播侵权内容是否尽到与信息管理能力相适应的注意义务；本案平台即因未尽该义务而被认定构成帮助侵权。

Trik AI案、爱奇艺诉MiniMax案：通用模型训练的正面交锋已经展开

四名插画师诉 Trik AI 案中，被告已从生成结果不存在实质性相似、训练构成合理使用、数据具有授权来源三条防线提出抗辩；爱奇艺则主张 MiniMax 及其旗下海螺 AI 产品未经许可使用其视听作品素材进行模型训练 。两案所涉数据来源、作品使用及合理使用等问题，仍有待后续实体裁判明确。

对此，制度方案的讨论已展开：最高人民法院亓蕾法官撰文从立法论角度提出 “ 宽进严出 ” 的设想 ——输入端为著作权、个人信息和企业数据构建相应的数据合理使用制度，并允许权利人以技术措施限制抓取；输出端则以侵权责任等机制加强风险控制，为规则的最终成形提供了可参照的方向 。学界讨论亦在展开。华东政法大学知识产权学院王迁教授认为，著作权法的基本理论难以为未经许可建立容纳海量作品的训练语料库提供正当性依据， “非表达性使用 ”“ 转换性使用 ”与“选择退出”等源自境外的概念与机制，均难以对此问题提供一劳永逸的解决方案，不宜“一刀切”地认定使用作品训练人工智能构成合理使用，而应在把握中国国情的基础上推进机制改进与权利人权益维护 。

四、制度渊源与射程：两条规则线索的演进及其在人工智能时代的适用边界

上文杭州“奥特曼”案对平台责任的切分，仍在“通知与必要措施”的既有框架内展开。而著作权法因应作品大规模数字化利用的规则演进，并不止于此。回溯相关规则线索的由来与演进，才能看清既有规则在训练端问题上的射程与边界。

第一条线索围绕网络服务提供者的间接侵权责任展开。二十世纪90年代末，搜索引擎与网络平台对作品的抓取、编辑、整理与排序，使“平台应否为用户传播的侵权内容负责”成为著作权法的难题。美国1998年《数字千年版权法》（Digital Millennium Copyright Act，下称“DMCA”）第512条针对不同类型的网络服务设置有条件的责任限制机制，其中“通知与移除”（notice and takedown）是重要制度安排，且原则上不要求服务提供者普遍主动监测用户活动。中国大体沿袭了这一路径：2000年最高人民法院《关于审理涉及计算机网络著作权纠纷案件适用法律若干问题的解释》首设“明知或经确有证据的警告后仍不移除”的责任规则；2006年《信息网络传播权保护条例》以DMCA和欧盟《电子商务指令》为主要参照设立“避风港”条款，并经由《侵权责任法》至《中华人民共和国民法典》第1195条、第1197条延续至今。其间围绕搜索引擎“榜单”是否构成明知的一系列案件，正是这套规则在中国落地的典型样本。

第二条线索围绕服务提供者自身对作品的利用展开，与本文主题更为贴近。同一时期，美国法院对搜索引擎自身抓取、复制并展示缩略图的行为，主要通过合理使用制度予以豁免 ——平台“为他人提供通道”与“自身使用作品”，自始即被分别评价 。 2015 年的“美国作家协会诉谷歌案”判决确立了“为提供关于作品的信息而整体复制作品”的分析路径，成为日后人工智能训练抗辩中引用最多的先例之一 。中国目前尚未针对文本与数据挖掘设置专门例外，但 “十五五”规划纲要已提出“建立人工智能训练数据合理使用制度”，立法层面的回应已在议程之上 。

以这两条线索观察本文讨论的问题，可以发现既有规则对平台自身使用作品与为第三方提供技术服务形成了不同的法律评价路径，这一区分在人工智能场景下仍具有重要意义。

其一，规制对象不同。避风港以区分直接侵权与间接侵权、平台无普遍审查义务为两块基石，其典型场景是“用户上传、平台存储与传播”——平台是他人侵权内容的通道。而模型开发者自行收集作品、建立语料库并实施训练，涉及其自身对作品的使用，应结合著作权专有权利及合理使用等权利限制规则判断；对于平台向用户提供技术服务所涉及的侵权责任，则应依据具体服务行为及相应责任规则另行评价。

其二，责任触发与救济时点不同。“通知与移除”是典型的事后救济：侵权内容处于公开传播状态，权利人可以发现、通知、要求移除，采取必要措施以防止损害进一步扩大。训练行为通常发生于开发者内部环境，与公开传播场景相比，相关行为的发现、证明及救济方式存在差异，仍需结合训练方式与技术事实判断。

需要说明的是，避风港等既有平台责任限制机制并不因人工智能技术发展而当然失去适用价值：对于模型服务层面的平台责任，司法实践仍在“通知与必要措施”框架下展开（如杭州“奥特曼”案对平台责任的切分），学界亦在既有框架内讨论其改造与适用。技术能力的提高并不当然意味着平台须对用户行为承担普遍事前审查义务；开发者自身的训练行为仍应依据专有权利及合理使用等规则独立评价。

五、比较视野下的三点观察与展望

第一，两国法院切入问题的分析层级不同，攻防重心各有侧重。美国案件在承认训练过程发生复制的前提下，集中讨论复制能否获得合理使用豁免，争点围绕使用目的、数据来源与市场证据展开；中国现有裁判则首先对训练行为的技术定性作出精细认定，如“美杜莎”案二审以“再现”标准判断复制是否成立，争点聚焦于模型结构与训练方式的技术事实（该案一审及杭州“奥特曼”案一审的认识则有所不同）。这一差异对跨境诉讼策略具有直接影响：在中国法域，技术事实查明与专家辅助可能成为“胜负手”；在美国法域，围绕转换性及市场损害的证据对抗则可能更为关键。两地的应诉策略宜围绕各自的争点重心展开。

第二，训练数据来源的独立评价，两国正在殊途同归。中国由《生成式人工智能服务管理暂行办法》第七条在监管层面确立“合法来源”要求，美国由Bartz案在司法层面明确“训练合法不能洗白盗版取得”。方向一致，落点不同：中国的风险既表现为行政合规风险，也可能直接表现为民事侵权责任（“美杜莎”案中截取图片形成图包即被认定侵害复制权），美国则直接表现为高额赔偿与和解压力。对企业而言，数据取得与后续训练应分别评价：训练用途不能当然使前期取得合法，数据来源存在争议也不当然排除后续训练可能适用的合理使用抗辩。

第三，两国现有判例对应的训练方式不同，裁判结论不宜直接互套。Bartz 案、 Kadrey 案处理的是通用预训练：海量数据、来源广泛，单一作品与最终输出之间联系微弱，争议集中于训练行为本身能否获得豁免； “美杜莎”案、杭州“奥特曼”案处理的是定向微调：特定素材与生成结果的对应关系直接，核心问题在于模型是否再现了作品表达，以及用户训练、发布行为与平台责任如何划分。事实结构不同，法律问题的提法便不同。

（图三：中美训练数据著作权争议的三点观察）

小结与展望：中美现行法均未为训练端设置专门例外，规则供给仍依赖合理使用、合法来源要求与个案裁判。美国一侧，Bartz案的裁判逻辑与司法部利益陈述已将“来源与用途分开评价”推向中心；中国一侧，《生成式人工智能服务管理暂行办法》与最高人民法院《关于依法审理涉人工智能纠纷案件的意见》分别从行政合规与举证责任两端预留空间，爱奇艺诉MiniMax、Trik AI等案件的实体裁判，仍是观察中国规则成形的关键窗口。

结语：企业可以先做的四件事

对持续开展大规模模型训练与跨境业务的企业而言，识别版权风险与准备合法使用依据同样重要。综合中美现有规则与案件，我们建议合规工作至少可以落在四个支点上。其一，将审查前移至训练数据供应链，核查数据来源与授权范围，对明显来自盗版库或绕过技术措施取得的数据设置准入红线——Bartz案的15亿美元和解即凸显了其中的现实风险。其二，分环节留痕，对数据取得、清洗、训练版本与模型评测保留完整记录，这既可支持企业提出合理使用等抗辩、明确责任范围，也有助于回应相关诉讼中的举证要求。其三，对可能稳定再现特定作品的模型尤其是微调模型，在上线前进行复现测试并设置输出控制，这直接对应“美杜莎”案的裁判逻辑。其四，对在中美两地同时运营的企业，两地的诉讼与合规策略需要联动设计，技术说明与市场证据的组织宜兼顾两个法域的审理需要。

目前，相关司法规则仍在逐步明确。美国Sony Music Publishing、Universal Music Publishing Group等对Anthropic提起的新一轮诉讼均在进行之中，中国的爱奇艺诉MiniMax案、Trik AI案尚未见公开实体裁判。这些案件对训练数据使用及合理使用抗辩的判断，值得开展模型研发与跨境运营的企业关注。我们将继续跟进相关司法实践。

本期讨论了作品进入模型的法律边界；当模型输出的内容与既有作品发生重合时，责任又应如何在用户、平台与开发者之间分配？我们将在下一期展开讨论。

注释（上下滑动查看）

1.参见Sony Music Publishing et al. v. Anthropic PBC, No. 5:26-cv-09217 (N.D. Cal. filed Aug. 28, 2026)。截至2026年9月，本案及文中提及的Universal Music Publishing Group、BMG、Round Hill Music等诉Anthropic案件均在审理之中。

2.参见17 U.S.C.§§106, 107, U.S. Copyright Office, https://www.copyright.gov/title17/92chap1.html。

3.参见Thomson Reuters Enterprise Centre GmbH v. ROSS Intelligence Inc., No. 1:20-cv-613-SB, Memorandum Opinion (D. Del. Feb. 11, 2025), https://law.justia.com/cases/federal/district-courts/delaware/dedce/1%3A2020cv00613/72109/770/；另参见Memorandum Opinion (D. Del. May 23, 2025), https://docs.justia.com/cases/federal/district-courts/delaware/dedce/1%3A2020cv00613/72109/804（准许就原创性和合理使用问题申请中间上诉并中止地区法院程序）。第三巡回上诉法院于2026年6月11日举行口头辩论，并于2026年9月29日作出判决维持原判；截至本文撰稿时，上诉判决意见暂处封存状态，待当事人提出删节意见后公开。案卷参见https://www.courtlistener.com/docket/70622297/thomson-reuters-enterprise-centre-gmbh-v-ross-intelligence-inc/。

4.关于“转换性”使用的判断框架，参见Andy Warhol Foundation for the Visual Arts, Inc. v. Goldsmith, 598 U.S. 508 (2023), https://www.supremecourt.gov/opinions/22pdf/21-869_87ad.pdf。

5.参见Bartz v. Anthropic PBC, No. C 24-05417 WHA, Order on Fair Use (N.D. Cal. June 23, 2025), https://docs.justia.com/cases/federal/district-courts/california/candce/3%3A2024cv05417/434709/231；另参见Order Granting Final Approval of Class Action Settlement and Judgment, Dkt. No. 680 (N.D. Cal. July 20, 2026), https://storage.courtlistener.com/recap/gov.uscourts.cand.434709/gov.uscourts.cand.434709.680.0.pdf。和解的释放范围不包括未来行为或者基于AI输出的请求。

6.参见Kadrey v. Meta Platforms, Inc., No. 23-cv-03417-VC, Order Denying Plaintiffs’Motion for Partial Summary Judgment and Granting Meta’s Cross-Motion for Partial Summary Judgment (N.D. Cal. June 25, 2025), https://law.justia.com/cases/federal/district-courts/california/candce/3%3A2023cv03417/415175/598/；另参见Order Granting Motion for Leave to File Fourth Amended Complaint; Denying Motion for Class Discovery, Dkt. No. 700 (N.D. Cal. Mar. 25, 2026), https://law.justia.com/cases/federal/district-courts/california/candce/3%3A2023cv03417/415175/700/。

7.参见U.S. Copyright Office, Copyright and Artificial Intelligence, Part 3: Generative AI Training, Pre-Publication Version (May 2025); U.S. Copyright Office AI Initiative, https://www.copyright.gov/ai/。

8.参见Statement of Interest of the United States,In re OpenAI, Inc. Copyright Infringement Litigation, No. 25-md-3143 (S.D.N.Y. Sept. 1, 2026), https://storage.courtlistener.com/recap/gov.uscourts.nysd.640396/gov.uscourts.nysd.640396.1682.0.pdf。

9.参见《中华人民共和国著作权法》第10条、第24条、第25条，国家版权局，https://www.ncac.gov.cn/xxfb/flfg/flfg_532/202103/t20210309_50530.html。

10.参见《生成式人工智能服务管理暂行办法》第2条、第7条，国家互联网信息办公室等七部门，2023年7月13日，https://www.cac.gov.cn/2023-07/13/c_1690898327029107.htm。

11.参见最高人民法院《关于依法审理涉人工智能纠纷案件的意见》（法发〔2026〕10号）第12条，2026年9月7日，https://www.court.gov.cn/zixun/xiangqing/511101.html。

12.参见周加海、司艳丽、秦元明、贾玉慧、张音：《〈最高人民法院关于依法审理涉人工智能纠纷案件的意见〉的理解与适用》，最高人民法院知识产权法庭，2026年9月，https://ipc.court.gov.cn/zh-cn/news/view-6039.html。

13.参见上海市金山区人民法院（2025）沪0116民初2354号与上海知识产权法院（2025）沪73民终1189号；另参见《用AI“复刻”美杜莎动漫角色，算侵权吗？上海首例人工智能大模型著作权侵权案二审宣判！》，来源：上海高院，2026年4月29日（二审），转载于知识产权律师网：https://www.ciplawyer.cn/articles/159022.html；另参见刘军华：《上海首例AI大模型著作权侵权案“美杜莎”案审理心得》，《法律适用》，2026年9月18日，https://www.ciplawyer.cn/articles/159706.html。

14.参见杭州互联网法院（2024）浙0192民初1587号与杭州市中级人民法院（2024）浙01民终10332号；另参见《全国法院知识产权案件法律适用问题年度报告（2024）摘要》第29项“生成式人工智能服务提供者的侵权责任认定”，最高人民法院，https://www.court.gov.cn/zixun/xiangqing/462901.html。

15.参见王健：《AI时代 知识产权司法迎来新挑战》，《民主与法制》周刊2025年第25期，https://ipc.court.gov.cn/zh-cn/news/view-4513.html（介绍四位插画师起诉Trik AI及爱奇艺诉MiniMax/海螺AI案的争议与当时程序状态）。截至20269月，本文未检索到可供核验的公开实体裁判文书。

16.参见亓蕾：《人工智能训练数据的法律风险与制度供给》，最高人民法院知识产权法庭，2025年，https://ipc.court.gov.cn/zh-cn/news/view-5030.html。文中明确从“立法论视角”提出“宽进严出”的制度设计。

17.王迁：《生成式人工智能著作权争议的法治回应》，载《中国法治》2026年第4期。该文并援引American Geophysical Union v. Texaco案指出，大规模内部复制行为对作品市场造成实质性影响的，不属于合理使用。

18.王迁：《著作权侵权平台责任的关键问题及其化解：过错认定与必要措施》，载《中外法学》2026年第3期。关于“通知与移除”机制的立法史与平台责任两块基石（区分直接侵权与间接侵权、平台无普遍审查义务）的系统梳理，参见该文第一、二部分。

19.王迁教授2005年即提出区分“空白搜索框”与“榜单”的观点——后者因包含服务提供者的编辑、整理与排序，可推定其应当知道被链接内容侵权；该观点后为北京市高级人民法院在“泛亚诉百度案”判决中采纳，并在“十一大唱片公司诉雅虎案”“新传在线诉土豆网案”等判决中体现。参见王迁：《著作权侵权平台责任的关键问题及其化解：过错认定与必要措施》，前引注。

20.SeeKelly v. Arriba Soft Corp., 336 F.3d 811 (9th Cir. 2003);Field v. Google Inc., 412 F. Supp. 2d 1106 (D. Nev. 2006);Perfect 10, Inc. v. Amazon.com, Inc., 508 F.3d 1146 (9th Cir. 2007).另参见王迁：《网络环境中的著作权保护研究》，法律出版社2011年版。

21.SeeAuthors Guild v. Google, Inc., 804 F.3d 202 (2d Cir. 2015).

22.参见《中华人民共和国国民经济和社会发展第十五个五年规划纲要》（2026年3月）：“完善数据标准体系和质量管理体系，加快建设人工智能语料库……建立人工智能训练数据合理使用制度。”关于域外文本与数据挖掘例外，参见日本《著作权法》第30条之4（前身为2009年《著作权法》第47条之7的“非欣赏性利用”例外，2018年修正整合）；Directive (EU) 2019/790, Arts. 3-4；Singapore Copyright Act 2021, s. 244。英国知识产权局2022年6月曾提议引入不附权利人保留的宽泛文本与数据挖掘例外，因创意产业强烈反对，于2023年2月宣布不再推进。

23.参见本文第三部分杭州“奥特曼”案相关讨论；王迁：《生成式人工智能著作权争议的法治回应》，前引注。

联系作者

王焱

汉坤律师事务所

知识产权部 合伙人

yan.wang@hankunlaw.com

俞琳

汉坤律师事务所

知识产权部

lin.yu@hankunlaw.com

薛皓成

汉坤律师事务所

知识产权部

haocheng.xue@hankunlaw.com

李明威

汉坤律师事务所

知识产权部

mingwei.li@hankunlaw.com

赵子璠

汉坤律师事务所

知识产权部

zifan.zhao@hankunlaw.com

张瑀

汉坤律师事务所

知识产权部

yu.zhang@hankunlaw.com

（本文仅代表作者观点，不代表知产力立场）

编辑 | 不醒