1. 引言
在数字化浪潮席卷全球的当下，人工智能已深度融入各行业，成为推动社会变革的关键力量。人工智能生成内容(Artificial Intelligence Generated Content，下文简称：AIGC)作为人工智能领域的璀璨新星，正以前所未有的速度重塑内容生产格局。从文本创作到图像设计，从音乐谱曲到视频生成，AIGC凭借其强大的数据处理与算法优化能力，能够迅速生成海量多样化的内容产品，满足不同领域、不同层次的需求。然而，AIGC技术的广泛应用，对传统版权规则的适用性与合理性提出了新的挑战，其生成内容的著作权归属问题逐渐浮出水面，引发了各界的广泛关注与深入探讨。
当前，AIGC著作权问题的争议焦点主要集中在两个方面：一是人工智能生成内容是否应被赋予著作权，二是若不赋予著作权，又应如何在法律框架内对其进行合理地规范与保护。这些问题的背后，隐含着“人工智能生成内容的著作权否定论”的核心矛盾，即人工智能生成内容是否构成对传统创作主体性的消解。传统创作主体性强调人类创作者的独特思维、情感表达以及对创作过程的自主掌控，而AIGC的出现似乎在某种程度上颠覆了这一观念。这一矛盾引发了关于创作本质与价值的深刻思考。创作是否仅仅是人类智力活动的专属产物，还是说人工智能的参与也能在某种程度上被视为一种创作形式？如果承认人工智能的创作能力，那么传统著作权法中以人类创作者为核心的权利体系是否需要进行相应调整？这些问题不仅关乎法律条文的适用与解释，更涉及人类对自身创造力、对技术发展的认知与定位。
本文将以DeepSeek模型为例，针对理论界各类学说的争鸣与各国司法实践的差异，在理论和实务层面进行深入探讨人工智能生成物的著作权问题，论证生成式人工智能的不可版权性。
2. 人工智能生成内容的运作过程和基本特点——以DeepSeek为例
随着深度学习和自然语言处理技术的飞速发展，AIGC在众多领域展现出巨大的潜力和应用价值。DeepSeek作为一种新兴的生成式人工智能模型，凭借其独特的技术架构和训练方法，在AIGC领域引起了广泛关注。
2.1. DeepSeek模型中人工智能生成内容的运作过程
DeepSeek大模型是由北京深度求索人工智能基础技术研究有限公司开发的一款大型语言模型。通过自注意力机制捕捉长文本依赖关系，并采用多模态训练框架支持文本、代码、图像等数据的协同处理。其运作过程可分为以下阶段。
2.1.1. 数据储备
DeepSeek的数据储备过程强调数据的多样性和质量，其训练数据涵盖书籍、文章、网页等多种来源，涉及科技、文学、历史、科学等多个主题和领域，为模型提供了丰富的语言知识和信息基础。与ChatGPT和OpenAI等模型相比，DeepSeek在数据收集过程中更加注重数据的精细化筛选和处理，通过多层级版权审核体系对训练数据实施三重过滤，包括自动化筛查、人工审核和溯源验证[1]。同时，DeepSeek构建了数据来源图谱系统，实现训练数据的全生命周期可追溯，进一步保障了数据的合法性和安全性。
2.1.2. 训练学习
DeepSeek采用基于Transformer架构的深度学习模型，通过自注意力机制来分析文本中的单词或字词之间的关系。在训练过程中，分为预训练和微调两个阶段。
在预训练阶段，DeepSeek采用无监督学习的方式，利用大规模的语料库进行训练，学习文本中的语法、语义等语言规律，掌握语言的基本结构和表达方式。与ChatGPT和OpenAI的GPT系列模型相比，DeepSeek的预训练阶段更加注重对语言逻辑和推理能力的培养，通过深层卷积神经网络和变分自编码器等技术，实现了图像生成的多样性和高质量表现。
在微调阶段，DeepSeek根据特定的任务需求，进一步优化模型的参数和性能。例如，在文本生成任务中，模型会根据给定的提示或指令，学习如何生成符合要求的文本。微调过程中，DeepSeek会调整其参数，以更好地适应特定任务的特点和要求，提高生成文本的质量和相关性。此外，DeepSeek还采用了强化学习技术，通过自我进化和自我优化，不断提升模型的推理能力和生成质量[2]。例如，DeepSeek-R1-Zero在训练过程中完全不依赖监督微调，而是通过强化学习，让模型自己探索推理规律，从而学会了复杂的推理能力。
2.1.3. 结果输出
生成式人工智能技术在遵循用户指令并创造内容方面具有典型应用。DeepSeek在此方面展现出其独到之处：它能够识别并处理以自然语言表述的指令或提示，并以类似的自然语言形式产生输出，其表达与人类极为接近。当用户输入一个提示或指令时，DeepSeek会根据其学习到的知识和语言模式，生成相应的文本内容。生成的文本在语言表达上自然流畅，逻辑结构清晰，与人类的写作方式相似。生成文本后，DeepSeek还会对文本进行优化调整。它会检查文本的连贯性、逻辑性等，对不合理的部分进行修改。同时，它还会根据用户的反馈，不断优化生成文本的质量，以满足用户的需求和期望。此外，DeepSeek不仅支持文本输入，还支持多模态输入，如图像和音频等。这使得DeepSeek能够处理更加复杂和多样的输入任务，进一步拓宽了其应用场景。例如，在图像描述生成、音频文本转换等领域，DeepSeek都表现出色，能够根据图像或音频内容生成相应的文本描述，为用户提供更丰富的交互体验。
2.2. 人工智能生成内容的基本特点
从形式和内容的辩证法框架上进行双重考察，或可深入认识人工智能生成内容的基本特征。形式上，生成式人工智能在外观上与人类创作的作品极为相似，难以区分。然而在内容上，这些人工智能系统并不具备创作动机，其产出通常局限于对人类逻辑的模仿，未能实现真正的创造性。尽管这些系统能够遵循人类的表达模式，但它们生成的内容主要是基于对语言模式的学习与再现，而非源自深层次的思想情感或原创性思维。
2.2.1. 形式上高度拟人化
现阶段对于人工智能而言，其发展轨迹显示出越来越接近人类的趋势，尤其在生成式人工智能的形式变化上表现得尤为明显。DeepSeek生成的文本在语言表达上具有高度的拟人化特征。它能够使用丰富的词汇和多样的句式来表达观点，使文本具有可读性和吸引力。例如，在生成一篇文章时，DeepSeek可以根据主题和语境，灵活运用各种修辞手法和表达方式，使文章生动形象、富有感染力。同时，DeepSeek生成的文本在逻辑结构上也非常清晰，能够按照一定的逻辑顺序组织内容，使读者能够轻松理解文本的主旨和要点，与人类的写作方式高度相似。
同时，这也引发了一个进一步的问题：既然DeepSeek生成的内容在外观上与人类作品高度相似，那么这些内容是否可以被视为作品？如果著作权的认定基于表现形式，那么DeepSeek生成的内容似乎可以被认定为具有著作权的作品。笔者认为，尽管DeepSeek生成的内容在形式上可能与人类创作相似，但其生成过程缺乏人类的创造性思维和情感投入。此外，著作权法旨在保护人类智力劳动的成果，而DeepSeek作为一种算法模型，其生成内容的过程与传统意义上的创作活动存在本质区别，后文也将就此展开详细论述。
2.2.2. 内容上模拟思维逻辑
DeepSeek的生成内容是基于其学习到的数据和语言模式，对人类思维逻辑进行模拟。它通过对大量文本的学习，掌握了人类的思维逻辑和表达方式，能够生成看似有逻辑的内容。就DeepSeek的生成物而言，它无疑是该生成式人工智能独立创生的产物，但是这样的产物是否具有著作权法意义上“创造”的高度，却难以给出正面的答复。正如上文所述的生成式人工智能运作过程中，作为代表的DeepSeek在海量数据中所学习到的是人类表达中的一些语言规律和逻辑范式，并运用规律或范式生成人类明示和未明示的内容，在人类指今模糊的领域，DeepSeek无疑享有自主选择的空间，但从学习到输出整个运行过程，DeepSeek既不自觉，也无自知。人类在学习的过程中也会掌握规律性的技巧，比如语词之间的逻辑关联、组合形式等等，但人所享有的创作意图和思想情感，是DeepSeek所不可能拥有的。离开人类的指令，以DeepSeek为代表的生成式人工智能无法自发地创作；而对制作活动的无知觉，也注定了其生成物的内容中不存在意图表达的创作目的和思想感情。除了形式意义上的表达技巧，DeepSeek的学习目的也在于对人类思维逻辑的模拟，这种模拟更像是一种静态的复刻，形成了一种逻辑的模板而并非能完全自主的有机整体。虽然机器的表达已不那么僵硬，但仍是算法无意识运行的产物，难请是一种运用思想的创作。
根据我国《著作权法》第三条的规定，作品之所以被认定为作品，其内容的独创性是至关重要的条件。作品独创性的评判通常基于两个标准：一为是否独立创作；二为是否展现了智力劳动，符合《著作权法》所定义的“智力成果”。DeepSeek所独立生成的文本内容是否满足著作权法对“创造性”的要求，在学术界中仍存在争议。在生成式人工智能的框架下，DeepSeek通过分析庞大的数据集，学习并掌握了人类语言表达的规律与逻辑结构，进而生成文本。尽管在人类指令不明确时，DeepSeek表现出一定的自主性，但其生成过程仍缺乏自我意识和认知能力。
与人类在学习中掌握的语言技巧，例如词汇间的逻辑关系和组合方式不同，人类创作中的意图和情感表达是DeepSeek所不具备的。DeepSeek不能在缺乏人类指令的情况下自主创作，其生成的文本缺乏有意识地表达和情感投入。DeepSeek的学习目的在于模拟人类的思维逻辑，这种模拟更多是一种静态的复制，形成了逻辑模板，而非一个能够完全自主运作的实体。尽管DeepSeek的文本生成技术已使其表达显得自然流畅，但这些文本仍然是算法无意识运行的结果，难以被认定为真正意义上的创造性思维。
3. 实在法与比较法视角下人工智能生成内容的著作权法定位
探讨人工智能生成内容的著作权保护问题，可从不同国家的实在法入手。总体来看，欧洲和美国倾向于以人类为著作权主体，不承认AI作品的著作权。相对地，英国等普通法系国家通过特别立法，为计算机生成作品的创作者提供版权保护。
3.1. 欧盟对人工智能生成内容著作权的立场
在欧盟及其成员国法律体系中，著作权法明确排除了人工智能作为法定著作权主体的可能性。尽管“作者”的概念在法律上尚未详细定义，但司法实践始终坚守以人类为中心的著作权原则。欧洲议会通过的《著作权及相关权利指令》依据《伯尔尼公约》规定，作品的著作权归属于创作者终身及其去世后七十年。此外，欧洲议会强调，鉴于原创性与创作者个性的紧密联系，人工智能及机器人之独立创作不宜纳入著作权法保护范围[3]。此外，在诸如“Painer诉Standard VerlagsGmbH案”等案例中，欧盟法院也反复确认了著作权法仅适用于人类创作的作品[4]。针对人工智能自动生成内容的版权问题，用户很难被认定为版权所有者。在人工智能自动生成作品的情况下，用户的参与通常仅限于提供指令或提示。在此过程中，AI独立创作文本或图像，而用户并未进行实质性的原创性工作。著作权法权威学者Hugenholtz和Quint指出，在自动生成的内容中，除用户提示外，鲜见人类创造性选择，故此类输出非著作权法所定义的“作品”[5]。同时，AI的设计者和相关企业同样难以成为作品的著作权持有者。人工智能设计者虽因原创性贡献可能享有著作权，或其代码、算法符合专利标准可获专利，但是实质上程序输出物与其本人并无直接法律联系，故基于人类中心著作权理念，人工智能设计者不能作为作品的法定原始作者。
3.2. 美国对人工智能生成内容著作权的立场
美国著作权法与欧盟相似，不承认人工智能生成内容具有可版权性。虽然美国法律体系中“作者”一词缺乏明确定义，但在其宪法中已明确“国会确保‘作者和发明者对其各自著作和发现的专属权利’”，并在长期以来的司法实践将作者界定为自然人。在“伯罗–贾尔斯平版印刷公司诉沙乐尼案”这一里程碑式的案例中，最高法院确立著作权保护仅限于“人”，强调著作权是基于个体创造力和知识的专有权。1近年此类观点在猴子自拍案中也再次得到重申——著作权法中的作者仅限于人类。2美国版权局同样持此观点，拒绝为完全由人工智能自动生成的作品进行版权登记，认为缺乏人类创造性贡献的作品不符合著作权保护的条件[6]。
在美国知识产权法的框架下，尽管人工智能生成物的版权归属问题虽未明确，但法律为其提供了潜在的解释空间。与欧陆法系注重创作者人格保护的理念不同，美国法律更强调实用性原则。具体到雇佣作品领域，法律清晰规定，若作品在雇主指导下或在雇佣关系范畴内创作完成，雇主或相关实体应被认定为版权持有者。3然而，尽管有学者如拉维德教授对于人工智能服务用户是否可依据此原则享有版权进行过探讨[7]，但法律解释层面普遍认为，短期内实现此类权利转移的可能性不大。在“创意非暴力社区诉里德案”中，最高法院已依据组织法原理明确了“雇员”的法律定义，从而排除了机器作为“雇员”的可能性。4因此，除非著作权法明确将人工智能作品纳入雇佣作品范畴，否则通过司法途径实现对其的版权保护的可能则相对有限。
3.3. 英国对人工智能生成内容著作权的立场
与欧洲大陆及美国相比，英国对计算机生成作品(CGW)的法律规制独树一帜。依据《1988年版权、设计与专利法案》，CGW的版权归属于实施“必要创作安排”的个体或组织。5这一规定清晰地指出，尽管人工智能无法直接成为版权的拥有者，但其背后的设计者或所属企业却有资格享有相应的知识产权。爱尔兰亦遵循相似的法律逻辑，其《2000年版权与相关权利法案》明确，在CGW缺乏明确个人创作者时，执行“必要创作安排”的实体将被视为版权所有者。6在实际案例中，关于“必要创作安排的人”的认定存在争议。例如，在“新星制作与马祖玛游戏版权之争”一案中，英国上诉法院认定，游戏玩家既非创作者亦非策划者，而游戏开发者则扮演了至关重要的角色。7
英国对CGW的著作权保护策略，显著区别于传统著作权法。鉴于人工智能生成物缺乏个人身份属性，CGW不涵盖署名权及作品完整性等道德权利。在保护期限方面，CGW享有的是创作者实体终止后50年的保护期，较传统作品的保护期有所缩减。此制度在脱欧前遭到欧盟质疑，因其保护范围与欧盟统一标准不符，特别是与欧盟法院关于“创作者智力投入”的裁决相悖，引发法律界广泛讨论[8]。
3.4. 中国对人工智能生成内容著作权的立场
我国《著作权法》第十一条在著作权归属的界定上，与欧美法律体系具有相似性，明确了自然人、法人及非法人组织作为著作权的主体。依据法条，作品的创作者即为原始著作权人，而当作品在法人或非法人组织的主持下，体现其意志并由其承担责任时，该组织即被法律认定为作者。尤为引人注目的是，第十九条职务作品条款体现了中国法律体系中的公有制和社会主义特色。学界对此存在不同见解：一派认为，中国著作权法承袭了欧洲大陆法系以自然人作者为核心的原则，对人工智能创作持保守态度；另一派则指出，职务作品的规定更接近美国的实用主义，与欧洲大陆法系有所区别，显示了中国法律在人工智能创作物著作权问题上的包容性[9]。
在司法实务中，关于人工智能作品著作权归属的判定存在分歧。在“菲林律所与百度网讯著作权纠纷”一案中，二审法院认为人工智能作品的作者仅限于自然人，人工智能软件及其研发、使用者均无法享有作者身份，因此人工智能作品不符合著作权法中作品的定义。8然而，“腾讯与盈讯科技案”中，深圳南山区法院却表达了不同观点，认为原告团队在数据、条件、模板及风格选择上的决策直接影响作品表现，展现了智力创造过程。即便文章由软件自动生成，但其独特的表现形式源于原告团队的个性化决策，符合独创性要求。9
4. 对人工智能生成内容的著作权评价
在著作权法体系中，创作者与作品之间联系紧密，作品须基于自然人智力成果。评估其受保护性，核心在于判断其是否源自自然人的智力创造。若该成果满足这一条件，则需进一步考察其是否满足文学、艺术和科学领域的独创性要求，以及是否以一定形式表现。反之，若不符合智力投入的标准，则无需进一步考察，可直接排除其作为作品的法律属性。下文将以探讨人工智能是否具有作者身份为起点，继而说明人工智能生成内容是否能构成作品。
4.1. 人工智能模型不具有作者身份
4.1.1. 作品是作者人格及精神的延伸
《安娜女王法》奠定了现代版权法的基础，明确了版权为作者所享有。历史上，欧美法系国家一度采用“额头流汗”原则来衡量作品的原创性，即以劳动投入作为版权保护的依据。然而，Feist案例的裁决标志着这些国家向更低独创性门槛的转变，强调作品必须体现作者的智力选择或创造性投入[10]。这一转变意味着版权保护不再单纯基于劳动付出，而是要求作品具有创造性的智力成分。
与英美法系不同，大陆法系对作品的独创性标准更为严格，倾向于“作品是作者的儿子”的观点。随着时间的推移，两大法系在独创性标准上的差异正逐渐缩小。中国知识产权立法融合了大陆法系和英美法系的特点，在独创性认定上应与国际接轨，维护作品作为作者个性和精神延伸的传统观念。
在“北京菲林诉百度案”中，法院判决自动生成的分析报告因缺少自然人创作主体而不受著作权法保护。李明德教授亦认为，作品须为自然人思想之表达，非人类创作则非著作权法之作品[11]。尽管一些学者以人工智能虚拟学生华智冰为例，认为AI生成物体现了人类思维和意志[12]，但本文认为这种“精神”并不等同于创作中个性和精神的真正延伸。
4.1.2. 法人作品旨在规定作品的权利归属
关于作者身份仅限于自然人的观点，学界亦提出“法人作品”作为讨论焦点。此类作品系由法人或非法人组织指导创作，反映其意志，并由其担责。其作者身份及权利归属明确指向法人或非法人组织，意在明确权利归属，而非在理论层面赋予非自然人作者身份。法人作品需体现法人意志，且不违背著作权法原则，即作品应为作者个性和精神的体现[13]。人工智能生成内容若无独立思想与情感，则不构成其创作之作品。因此，法人作品概念不适用于AI生成内容的著作权认定，需满足著作权法对独创性和作者个性的严格标准。
4.2. 人工智能生成内容不具有作品属性
4.2.1. 人工智能生成内容不具备独创性
根据《著作权法实施条例》第二条的规定，作品的界定包含了独创性这一核心要素。“独”代表作品必须是作者独立构思且原创的成果，无论是全新的创作还是基于现有作品的再创作。“创”则强调作品应为智力劳动的成果，不必须达到艺术创作的层次，但应允许作者有足够的空间展现个性化的表达。以DeepSeek为代表的生成式人工智能，其输出内容虽在形式上高度拟人化，但从创作过程来看，AIGC的生成机制本质上是基于算法对海量既有数据的分析、学习与再加工。其核心运作依赖于预设的算法逻辑和规则，而非真正意义上的创造性思维。
在独创性的界定上，全球普遍认同作品需源自作者的独立创作。然而，在评估“最低限度的创造性”时，存在两种对立的视角：作者中心主义与作品中心主义。前者聚焦于作者的主观创造性，强调智力投入与思维创新，正如美国版权法所示，它要求作品不仅外在新颖，更需要内在思维的新颖性。后者则侧重于作品的客观特征，认为只要作品在外观上能与其他作品相区别，便达到了创造性要求，这彰显了作品中心主义的客观评估倾向。尽管两者各有侧重，但都认同独创性的核心在于思想表达与人格要素的融合，这构成了独创性的基石。这一共识为独创性的评估提供了坚实的理论基础。
当前，人工智能生成内容的运作原理主要基于算法、规则和模板的应用，这一过程中缺少了作者个性化的参与。尽管在算法、规则和模板的制定阶段，确实有个性化的表达，但一旦这些确定，人工智能生成物便具有局限性，缺乏个性化特征。以Steven Thaler开发的“Creative Machine”系统为例，该系统根据用户指令创作了《A Recent Entrance to Paradise》图画[14]。作者通过选择图画类型、输入元素、学习数据以及设定指令来展现其个性化表达。然而，一旦算法固定，相同指令将产生恒定的内容，限制了创造性活动的空间。算法、规则与模板是否构成智力成果，其应用是否属于智力创造，与作品的产生并无直接必然联系。若这些方法应用于原始素材，结果具有唯一性，执行者将因无法展现创新而不能达到原创性的法律标准[15]。
综上所述，人工智能生成内容的原创性问题需多角度考量。目前技术水平下，AI生成内容通常缺乏作者个性化表达，而体现在对既有数据的“再创造”。这种再创造无法脱离算法的预设框架，其生成内容的“创造性”更多是一种算法驱动的“伪创造”，其独创性存在明显瑕疵，难以满足著作权法对作品原创性的要求。
4.2.2. 对创作工具说的批判
当前，国内学术界普遍主张以作品中心主义来保护人工智能生成物的著作权，进而推动人工智能产业的繁荣。这一主张基于“创作工具说”，认为人工智能创作的内容不仅呈现出独特的创造性特征，而且其实质上是在人类指导下完成的成果[16]。人类通过精心设计的算法、模板和程序，以及基于特定价值标准的数据输入，对AI产出的内容产生了深远影响，最终产物体现了人类的思维与表达，具有人格化的特征。例如，在dreamwriter案例中，便采用了这一观点，认定涉案文章是在人类主导下创作的文学作品，应受著作权法保护。
本文对创作工具说持质疑立场，认为此观点有失偏颇。有声音认为作品中心主义主要关注作品的外在表达形式，而非人类在创作过程中的智力投入。他们主张，若人工智能生成物具最低创造性且有人类参与，则视为人类思想之体现，满足独创性要求。然而，这是对作品中心主义本质的误解。作品中心主义与作者中心主义的关键差异在于对创作过程中创造性高度的不同要求，而非对人类角色的忽视。作品中心主义强调，虽不特别强调智力创造性的程度，但作品的思想内容与独创性仍须人类作者直接赋予。简而言之，作品中心主义坚持作品必须是人类直接创作的产物。《著作权法实施条例》第三条明确指出，创作系智力活动，孕育文学艺术与科学作品。在现行著作权法框架下，作品的独创性仅归属于人类。美国版权局版权复审委员会在《A Recent Entrance to Paradise》登记案中也强调，版权法仅保护基于人类心智的创作成果。机器或纯机械过程生成的内容，若无人类创造性投入，将不被纳入版权法保护范围。因此，在当下著作权法体系下人类创作是构成作品的必要条件。
在探讨创作工具说时，有观点将人工智能创作与人类操作相机拍摄相类比，视其产物为人类创作的成果。然而，从人工智能的本质出发，其生成物难以被视作人类直接创作的结果。从自然人角度审视，可能的直接创作者的主体为程序开发者与指令用户。然而，开发者设计算法并不等同于创造生成内容，用户虽提供指令，但对结果并无预见性。与摄影师在拍摄中展现的创造性活动，如角度选择、光线调整、构图等相比，开发者和用户均无法被视为人工智能生成内容的直接创作者。这一点在北京菲林诉百度案的判决中得到了确认，该判决明确指出作品的独创性源于作者直接创作。仅仅因为人类在人工智能制造和运行中有所贡献，便将其生成内容视为人类创作，这种逻辑并不合理。这些贡献与生成内容的创造性之间缺乏直接联系。从技术层面分析，创作实体说更符合人工智能运作机制，其生成内容因缺乏“人类”要素的参与而不具备独创性。
综上，人工智能生成内容由于不具备独创性而不构成著作权法上的作品，因而不受著作权法的保护。
4.2.3. 其他法律保护问题
尽管人工智能生成内容在著作权法框架下可能难以直接获得保护，但这并不阻碍其创造者、持有者或使用者通过其他法律途径寻求权益保障。法律体系的多元化决定了我们需要从多维视角审视这一问题。
首先，软件著作权为人工智能生成内容提供了权利保障机制。根据《著作权法》和《计算机软件保护条例》，软件开发者作为原始著作权人，其权利受到法律的明确保护。因此，人工智能算法程序的开发者有权依法主张其软件的知识产权，对其独特的自注意力机制、多模态训练框架以及强化学习技术等创新性算法设计享有软件著作权，这确保了其在技术层面的创新成果得到法律认可与保护。其次，不正当竞争法为人工智能生成内容的持有者或利用者提供了法律救济的新途径。《反不正当竞争法》对网络环境中的不正当竞争、商业秘密的维护及一般不正当竞争行为均设有详尽的规制，确保了在市场竞争环境中，生成式人工智能的利益相关者能够在遭遇不正当竞争时依法获得救济[17]。在市场竞争中，若未经授权使用他人人工智能生成内容，造成市场混淆、误导消费者或获取不正当利益等，可依据《反不正当竞争法》进行规制。此外，数据财产权的法律保障也为人工智能生成内容的相关权益提供了有力支撑。《民法典》《数据安全法》等法律法规明确了对数据权益的保护原则，强调数据的合法收集、存储、使用与共享。人工智能开发者在合规前提下对数据的深度挖掘与利用，是生成有价值内容的关键。数据财产权保障了开发者对数据资源的控制权与收益权，促进了数据作为重要生产要素的流通与创新应用。
同时，不同保护路径之间存在着一定的交叉与衔接。软件著作权主要保护的是人工智能的算法程序，而不直接涉及其生成的具体内容。不正当竞争法虽可对未经授权使用人工智能生成内容的行为进行规制，但其适用范围相对较窄，需满足特定的市场竞争条件。数据财产权则侧重于保护数据资源的权益，与人工智能生成内容的保护存在一定关联，但又不完全重合。在实际应用中，当人工智能生成内容面临侵权纠纷时，可综合运用多种保护路径，根据侵权行为的性质、范围和后果，合理选择并协调适用不同的法律保护手段。一般而言，软件著作权可优先用于保护算法程序的创新性，不正当竞争法则适用于维护市场竞争秩序，而数据财产权则着眼于保障数据资源的合法权益。通过这种协调机制，可以更全面地保护人工智能生成内容及相关主体的权益，避免因单一保护路径的局限而导致的保护不足或过度保护问题。为了实现不同保护路径之间的有效衔接，还需进一步完善相关法律法规和司法解释。例如，明确软件著作权、不正当竞争法和数据财产权在人工智能生成内容保护中的具体适用范围和优先级，建立协调统一的法律保护框架。同时，加强执法和司法实践中的沟通与协作，提高不同保护路径之间的协同效应，以更好地应对人工智能生成内容保护中的复杂问题，推动人工智能产业的健康发展与创新生态的构建。
尽管人工智能创作在著作权法上可能无法直接被赋予相关权利，但著作权法仍会对其施加规范。鉴于其与作品市场间紧密相连的利益关系，人工智能创作不仅源于人类文学、艺术与科学成就，更成为再创作的宝贵资源。因此，这种利益关系应成为著作权法考量的重点。例如，需界定人工智能数据获取的合理性，以及在使用其创作成果时是否需注明出处，这些均须由著作权法予以明确规范[18]。
5. 值得关注的“知识公有领域”
随着人工智能在算力、算法和数据方面的飞跃，当人类创作者的角色逐渐淡化，甚至完全退出创作过程，而人工智能能够独立创作出外观似作品的内容时，传统的以人类为中心的著作权法将面临严峻挑战[19]。在此情境下，著作权法体系必须经受住实质性的考验。
从著作权法的视角出发，为了维护其激励自然人创作的核心价值及法伦理中人的主体性，对于缺乏自然人创造性参与的人工智能生成物，不应赋予其著作权地位。这些内容将自然流入“公有领域”(the public domain)，成为人类共同的智慧财富。“公有领域”，意味着这些资源可供任何人自由使用，无需授权，其对于创造性活动的重要性不言而喻。正如德雀斯所述，一个包含更多非私有化知识的世界将更具问题解决的价值。实验者，包括艺术家和科学家，借助这些公共资源，在解决复杂问题时将取得更大进展[20]。同时，版权法通过设定明确的版权期限和合理使用原则，致力于维护“公共知识库”的持久增长与繁荣。网络法领域的杰出学者劳伦斯·莱斯格深刻强调了公有领域的核心价值，并呼吁其得到长期且坚定的维护[21]。公有领域的资源涵盖：未经版权保护的自然信息、依据版权法如合理使用及版权期限规定而自由流通的作品，以及基于特定知识产权许可协议如自由软件运动和知识共享协议授权使用的作品。这三者彰显了公有领域与版权私有领域的互补共生关系，共同驱动着人类文化、艺术与科学的进步。因此，重视公有领域意味着，即使某些内容表面符合作品特征，也不必然需要纳入版权保护。有时，保留其公有属性更有助于信息时代下文化、艺术与科学的蓬勃发展，对于人工智能生成的内容，亦应持此观点进行审慎考量。
6. 结语
随着DeepSeek等生成式人工智能的深入发展，其生成物的版权问题成为热议焦点。尽管人工智能拟人化水平有所提升，但尚未实现根本性突破。在内容生成上，人工智能展现出高度选择性，而人类创作者的参与逐渐减少。在现行著作权法框架下，人工智能生成物难以准确定位。鉴于权利保护成本高昂，且激励效果存疑，产业发展与社会进步更需广泛的知识共享。因此，将生成式人工智能的产物视为开放知识资源，服务于全人类，成为当前合理之选。此举不仅促进知识传播与交流，更有助于推动社会整体向前发展。
NOTES
1Burrow-Giles Lithographic Co. v. Sarony, 111 U.S. 53 (1884), pp.56-58.
2Naruto v. Slater, 888 F. 3d 418, 426 (9th Cir.2018).
317 U.S.C. § 201(b) (2011).
4Creative Non-Violence v. Reid, 490 U.S. 730 (1989).
5Copyright, Designs and Patent Act 1988, c.48 § 9(3) (UK).
6Art. 21 Copyright and Related Rights Act 2000 of Ireland.
7Court of Appeal (England and Wales) Nova Productions Ltd v. Mazooma Games Lid & Ors (CA) [2007] EWCA Civ 219.
8北京知识产权法院民事判决书，(2019)京73民终2030号。
9广东省深圳市南山区人民法院民事判决书，(2019)粤0305民初14010号。