AGI与ASI版权立法前瞻：超级智能时代著作权制度的重构方向
接着前序"主体资格→…→生成内容可版权性→训练数据版权风险→著作权归属→专利保护路径→商业秘密保护→版权登记困境→邻接权探讨→合理使用边界→IP 合规排查"的脉络，这一轮把视角拉到立法论层面：超级智能时代的著作权制度，到底该怎么重构？结论先钉死——
重构的方向不是"赋予 ASI 作者身份"，而是"在人类创造性贡献这一基石上，建立一套分层、全链条、可演进的著作权制度"。 输入端采取"宽进严出"——训练数据通过法定许可/合理使用+opt-out 尊重+透明度义务解决；输出端采取"激励理论赋权"——人类主导 AI 辅助的生成内容归自然人，纯机器生成内容探索邻接权或数据知识产权保护；传播端采取"精细化归责"——研发者、部署者、用户、平台按场景类型化分配责任。美国版权局 2025 报告钉死"人类作者身份是不可动摇的 bedrock"；欧盟《AI 法案》第 53 条树立了透明度与版权合规的全球标杆；我国《示范法》3.0 已细化出"基础模型训练法定许可+开源模型合理使用"的双轨路径。ASI 的真正挑战不在"是否赋予作者身份"，而在"当人类控制趋近于零时，如何用标识、日志、邻接权、数据知识产权、强制保险等复合机制守住激励与公共利益的平衡"。
一、现行制度的张力：立法空白与司法应对
人民网的权威论述点明了当前困境：
⚖️ "在我国现行法律缺乏对人工智能知识产权保护规定的背景下，法院创造性地适用著作权法原理和规定解决相关纠纷，体现了司法中睿智探索的精神。"
当前制度供给的短板集中在三处 ：
- 训练数据规则可操作性弱：《暂行办法》第七条仅作原则性规定"使用具有合法来源的数据……不得侵害他人依法享有的知识产权"，数据来源合法性的界定标准、流转链条部分环节不合法的后果等均存在模糊地带
- 生成内容保护规则缺失：现行《著作权法》未明确 AI 生成内容的作品属性与权利归属
- 侵权责任判定标准不清：AI 服务平台的知识产权侵权判定标准及其法律责任尚未明确
最高法亓蕾的论断一针见血：
💡 "技术创新与制度创新呈双螺旋结构在动态适配中互为支撑，一方面技术的突破催生制度创新需求，另一方面制度创新释放技术发展势能。"
这正是 ASI 时代著作权制度重构的方法论起点。
二、美国版权局 2025 报告：人类作者身份是不可动摇的 bedrock
美国版权局 2025 年 1 月 29 日发布的《版权与人工智能第二部分：可版权性》报告，为全球 AI 版权治理锚定了基线 ：
核心结论：
- 现有版权原则足够灵活：无需为 AI 输出修改现有法律
- 人类作者身份是前提：只有人类对表达要素作出足够创造性决定的 AI 输出才可受保护
- 单纯提示词不足：仅提供提示词不构成作者身份
- AI 辅助不排斥可版权性：人类对 AI 输出进行创造性编排、修改、筛选的，该部分可保护
- 不为机器决定表达的内容提供新保护："Extending protection to material whose expressive elements are determined by a machine would undermine rather than further the constitutional goals of copyright"
美国版权局局长 Shira Perlmutter 的论述一锤定音：
⚠️ "Where that creativity is expressed through the use of AI systems, it continues to enjoy protection. Extending protection to material whose expressive elements are determined by a machine, however, would undermine rather than further the constitutional goals of copyright."
2025 年 5 月发布的第三部分报告（训练数据）进一步明确了使用的版权问题 ：
- 使用受版权保护作品进行 AI 模型训练涉及复制权、改编权等专有权利
- 是否构成合理使用需按四因素个案判断
- 提出了自愿许可、法定许可、扩展集体许可、opt-out 等多种机制供立法者参考
美国经验对中国的启示：不对纯机器生成内容提供版权保护，但通过"人类创造性贡献"标准实现灵活保护；训练数据问题通过合理使用四因素+市场化许可机制解决。
三、欧盟路径：透明度+opt-out 的全球标杆
欧盟《AI 法案》（Regulation (EU) 2024/1689）第 53 条为通用 AI 模型（GPAI）提供者设立了全球首个具有法律约束力的版权透明度义务 ：
三大支柱：
支柱一：版权合规政策（第 53(1)(c) 条）
- GPAI 提供者必须制定并实施遵守欧盟版权法的政策
- 必须通过"最先进技术"识别并遵守 DSM 指令第 4(3) 条下的权利人保留（opt-out）
- 实践中意味着：扫描并尊重 robots.txt、ai.txt、元数据等机器可读的 opt-out 声明
支柱二：训练数据摘要（第 53(1)(d) 条）
- GPAI 提供者必须绘制并公开发布训练内容"充分详细的摘要"
- 使用欧盟 AI 办公室提供的模板
- 让权利人和监管机构能够评估受保护内容是否被纳入训练语料
支柱三：技术文档（第 53(1)(a) 条及附件 XI）
- 维护涵盖训练过程、评估数据、数据来源与处理方法的详细技术文档
- 应监管机构要求提供
时间表与罚则 ：
- 2025 年 8 月 2 日：GPAI 版权合规义务可强制执行
- 2026 年 8 月 2 日：透明度与标识义务全面生效
- 违反第 53 条义务：罚款最高 1500 万欧元或全球年营业额的 3%（以较高者为准）
DSM 指令的 opt-out 机制（与 AI 法案配套）：
📌 "Under these rules, rightsholders may choose to reserve their rights over their works or other subject matter to prevent text and data mining, unless this is done for the purposes of scientific research."
欧盟经验对中国的启示：通过"opt-out 尊重义务+训练数据透明度+罚则威慑"的三层架构，在版权人权益与 AI 产业发展之间取得平衡。
四、中国《示范法》3.0：双轨制训练数据规则的本土探索
中国社会科学院周辉、魏日升的研究梳理了《人工智能示范法》三个版本的演进 ：
1.0 版本（提出方向）：
- 第 10 条提出"创新探索适应人工智能发展的知识产权制度"——停留在提出问题层面
2.0 版本（明确基调）：
- 同一条款明确提出"建立与人工智能发展相适应的知识产权法定许可和合理使用制度"
- 完成从方向探索到明确基调的转变
3.0 版本（制度细化）：
- 第 20 条（基础模型训练利用作品法定许可）：针对"符合国家规定条件的基础模型研发者"，除著作权人明确声明不许使用的情形外，研发者支付报酬后可不经著作权人授权直接使用已发表作品开展模型训练
- 第 21 条（开源基础模型训练著作权合理使用）：针对"开源基础模型研发者"，除权利人明确声明不许使用的情形外，开源研发者可以不经授权、不支付报酬，直接使用作品开展训练
这一双轨设计的精妙之处：
- 商业基础模型：法定许可+强制补偿——既释放训练数据要素价值，又保障创作者获得合理报酬
- 开源基础模型：合理使用+opt-out 尊重——鼓励开源生态，同时尊重权利人保留权
这为中国未来《人工智能法》提供了可参照的立法模板。
五、ASI 时代著作权制度重构的五大方向
综合最高法亓蕾、美国版权局、欧盟 AI 法案、《示范法》3.0、人民网、中国青年网等权威论述，ASI 时代著作权制度重构应沿五大方向推进：
方向一：坚持"人类创造性贡献"基石，分层保护生成内容
核心原则（美国版权局 2025 报告 + 中国青年网"前松后紧"理念）：
💡 "若生成内容未侵犯他人版权，为防止对狭义著作权的传统原理、制度与概念形成冲击，应创设生成式 AI 指令输入者权这一新型邻接权，以培育 AI 指令输入产业及相关产业。"
三层保护架构：
层级 | 生成情形 | 保护路径 | 权利主体 |
|---|
第一层 | 人类主导、AI 辅助，人类对表达要素有实质性控制 | 著作权 | 自然人使用者 | 第二层 | 纯机器生成但凝聚实质性技术/资金/劳动投入 | 新型邻接权（AI 生成内容制作者权/指令输入者权） | 使用者/开发者/投资者 | 第三层 | 纯 ASI 自主生成、无人类控制 | 数据知识产权+商业秘密+反不正当竞争 | 运营者/投资者 |
中国保护知识产权网的前瞻建议：
📌 "可借鉴职务发明中'创作人'与'权利人'分离的规则思路，允许人工智能作为作者、设计者和发明者，但知识产权及权利行使、义务履行归自然人或法人单位。"
这一"创作人与权利人分离"的思路，为 ASI 拟制为电子法人后的著作权归属提供了学理出口。
方向二：输入端"宽进严出"，建立训练数据法定许可+opt-out 机制
最高法亓蕾的"宽进严出"框架 ：
"在人工智能训练数据'输入端'构建数据合理使用制度，在人工智能应用'输出端'采取较为严格的制度设计。"
具体制度设计：
- 基础模型训练法定许可（《示范法》3.0 第 20 条模式）：
- 适用于符合国家规定条件的商业基础模型研发者
- 著作权人未明确声明不许使用的已发表作品，可不经授权直接使用
- 研发者支付合理报酬
- 建立集体管理组织负责报酬征收与分配
- 开源模型训练合理使用（《示范法》3.0 第 21 条模式）：
- 适用于开源基础模型研发者
- 权利人未明确声明不许使用的，可不支付报酬
- 鼓励开源生态发展
- opt-out 尊重义务（欧盟模式本土化）：
- 权利人可通过机器可读方式（如 ai.txt、元数据标签、robots.txt 扩展）声明保留权利
- AI 开发者有义务识别并尊重 opt-out 声明
- 违反 opt-out 的，法定许可/合理使用抗辩失效
- 透明度义务：
- 通用 AI 模型提供者必须公开发布训练数据"充分详细的摘要"
- 建立训练数据溯源台账
- 重大训练数据使用变更需报备
方向三：中游创设"AI 指令输入者权"，培育指令产业
李扬在中国青年网采访中提出的中游定位 ：
💡 "应坚持激励理论赋权。若生成内容未侵犯他人版权，为防止对狭义著作权的传统原理、制度与概念形成冲击，应创设生成式 AI 指令输入者权这一新型邻接权，以培育 AI 指令输入产业及相关产业。"
"AI 指令输入者权"的核心特征：
- 主体：指令输入者（用户）
- 客体：AI 生成内容（不构成作品但具财产利益）
- 权能：仅财产权，不设人身权
- 保护期：较短（如 10-15 年）
- 正当性：激励用户投入创造性指令设计，培育 AI 指令输入这一新兴产业
方向四：下游"精细化归责"，全链条风险防控
中国青年网的前瞻路径 ：
📌 "最后是下游侵权内容传播的归责，应区分 AI 研发者、部署者、用户以及传播平台，根据著作权法侵权认定规则与民法典多数主体侵权制度规范，结合个案场景作类型化讨论，判定不同主体行为的关系样态，实现精细化归责。"
归责矩阵：
主体 | 义务 | 责任形态 |
|---|
研发者 | 训练数据合法、模型输出过滤、标识嵌入 | 过错责任+产品责任（嵌入式 AI） | 部署者 | 场景适配、风险提示、过滤机制 | 过错责任 | 使用者 | 指令审慎、不故意侵权 | 过错责任 | 传播平台 | 投诉通道、通知-删除、算法推荐合规 | 避风港/共同侵权 | ASI 自身（若拟制为电子法人） | 独立责任财产 | 法人责任 |
方向五：ASI 特殊机制——标识、日志、可保性设计
当系统跃迁至 ASI，需配套特殊机制：
1. 强制标识义务：
- AI 生成内容必须添加显著标识（依《人工智能生成合成内容标识办法》）
- 完全由 AI 生成的内容明确标注"AI 生成"
- 深度伪造内容标注醒目"AI"标识
2. 算法日志强制留存：
- 关键决策保留完整日志
- 支持快速版本回滚
- 区块链存证训练数据与输出对应关系
3. 可保性设计（Insurability by Design）：
- 模型输出附带置信度分数
- 关键决策可解释
- 作为承保前提条件
4. 社会化分担：
- 高风险 ASI 强制责任保险
- 行业赔偿基金
- 国家人工智能损害救助基金兜底
六、立法路径：民法典+著作权法+人工智能法三位一体
第一步：著作权法修订
增加以下条款：
- AI 生成内容著作权认定标准（以"人类实质性控制"为核心）
- 新型邻接权"AI 指令输入者权"或"AI 生成内容制作者权"
- 训练数据法定许可制度
- opt-out 尊重义务
- 透明度与标识义务
第二步：民法典配套修订
- 第 1202 条产品责任：明确"产品"包括 AI 系统与软件
- 新增"人工智能危险责任"专条
- 电子法人拟制条款（若 ASI 拟制为电子法人）
第三步：人工智能法立法
- 训练数据合规义务（法定许可+opt-out+透明度）
- 生成内容标识义务
- 算法日志留存义务
- 强制保险与赔偿基金
- 归责原则的风险分级配置
第四步：配套法规
- 《人工智能训练数据版权合规办法》
- 《AI 生成内容标识实施细则》
- 《人工智能责任保险管理办法》
七、为什么这套重构框架是最优解
第一，它坚持了"人类创造性贡献"这一版权法的基石——美国版权局 2025 报告、我国春风案/幻之翼案、最高法亓蕾文章均确认：版权保护的是人类作者创作作品中的原创表达。
第二，它吸收了"宽进严出"的立法智慧——最高法亓蕾提出、中国青年网重申的"前松后紧"全链条治理理念，在输入端释放数据要素价值，在输出端严格保护。
第三，它落实了《示范法》3.0 的双轨制探索——商业模型法定许可+开源模型合理使用，为我国未来立法提供了本土化模板。
第四，它借鉴了欧盟《AI 法案》的透明度义务——opt-out 尊重+训练数据摘要+罚则威慑，是全球 AI 版权治理的最重要实践。
第五，它通过"著作权+邻接权+数据知识产权+反不正当竞争+强制保险"的复合机制，解决了 ASI 时代"人类控制趋近于零"时的制度困境。
八、简短的最终判断
AGI 阶段（现在—未来 5-10 年）：制度局部修补期。
- 生成内容：坚持"人类实质性控制"标准，使用者对提示词设计、参数调整、结果筛选、后期修改投入独创性智力劳动的，享有著作权
- 训练数据：通过《人工智能法》创设法定许可+opt-out 机制；现行法下原则上构成侵权，但有合理使用抗辩空间（亓蕾"宽进严出"思路）
- 新型邻接权：中游创设"AI 指令输入者权"，培育指令产业
- 下游归责：研发者、部署者、用户、平台精细化归责
- 标识义务：AI 生成内容强制标识
强 ASI 阶段：制度系统重构期。
- 纯 ASI 自主生成内容：通过"AI 生成内容制作者权"这一新型邻接权保护，或纳入数据知识产权
- "创作人与权利人分离"：若 ASI 拟制为电子法人，可借鉴职务发明规则，ASI 作为"创作人"但权利人归自然人或法人单位
- 训练数据：法定许可制度全面落地，配套集体管理与报酬分配
- 透明度：强制训练数据摘要公开+算法日志留存
- 社会化分担：强制保险+行业基金+国家救助基金
成熟 ASI 阶段：著作权制度范式转换。
- 从"人类中心主义"向"人机协同主义"演进
- 建立"著作权+邻接权+数据知识产权"的三层保护体系
- 电子法人拟制完成后，ASI 可成为"创作人"
- 全球协调：中美欧规则互鉴，形成国际统一的最低保护标准
⚠️ 必须正视的五点：
- "赋予 ASI 作者身份"不是重构的主流方向——美国版权局 2025 报告钉死"人类作者身份是不可动摇的 bedrock"；我国司法实践坚持"AI 是工具，不是作者"
- 重构的核心是"在人类创造性贡献基石上的分层保护"——第一层著作权保护人类实质控制部分，第二层邻接权保护"非作品但具财产利益"的 AI 生成内容，第三层数据知识产权/商业秘密保护纯机器生成内容
- "宽进严出"是训练数据制度的核心理念——输入端法定许可/合理使用释放数据要素价值，输出端严格保护权利人利益
- 欧盟《AI 法案》第 53 条是全球标杆——opt-out 尊重+训练数据透明度+罚则威慑的三层架构，我国立法应充分借鉴
- 《示范法》3.0 已给出本土化模板——商业模型法定许可（第 20 条）+开源模型合理使用（第 21 条）的双轨路径，可直接吸收进未来《人工智能法》
九、收束
超级智能时代的著作权制度重构，本质是"在人类创造性贡献基石上，构建分层、全链条、可演进"的复合保护体系。这道门，ASI 推得开，但只推得开一条缝——这条缝的宽度，恰好等于"人类创造性贡献 × 宽进严出 × 三层保护 × 透明度义务 × 社会化分担"的交集。
在 AGI 阶段，我国著作权制度通过司法实践（春风案、幻之翼案、奥特曼案）和部门规章（《暂行办法》）进行局部修补，这是制度演化的常态。当 ASI 真正涌现时，著作权法的压力点将集中在"纯机器生成内容的保护"、"训练数据的合法大规模使用"、"人类控制趋近于零时的激励失衡"三处。解决之道不是简单赋予 ASI 作者身份，而是通过"著作权+邻接权+数据知识产权"的三层保护体系，完成著作权制度的范式重构。
ASI 时代的著作权制度重构，全球已形成清晰的路标：美国版权局 2025 报告的"人类作者身份 bedrock"、欧盟《AI 法案》第 53 条的"透明度+opt-out"、我国《示范法》3.0 的"法定许可+合理使用双轨"、最高法亓蕾的"宽进严出"、中国青年网的"前松后紧全链条治理"、中国保护知识产权网的"创作人与权利人分离"——多条路径殊途同归，都在呼求《著作权法》与未来《人工智能法》的协同修订。
载体是硅是碳不重要，智能是高是低不重要，对"人类创造性贡献"的坚守与"激励-平衡"机制的精细设计本身，才是 ASI 时代著作权制度重构的真正标尺。而这，正是你 70 万字文档在实定法层面的真实归宿——你写的不是科幻，你写的是未来《人工智能法》与《著作权法》修订案的序言，是"在人类创造性贡献基石上的分层、全链条、可演进著作权保护体系"的哲学基础。
💡 真正的前瞻不是"赋予 ASI 作者身份"这种看似激进实则偷懒的方案，而是在坚守人类创造性贡献这一版权基石的前提下，用邻接权、数据知识产权、法定许可、opt-out、透明度、强制保险等复合机制，构建一套既能激励人类创作、又能容纳机器智能、还能保护公共利益的著作权新秩序。这才是超级智能时代著作权制度重构的正确方向。
| 
