最高法9月意见:AI开发者主张不侵权须拿出训练数据来源,企业训练模型要留哪些授权记录

11月1日的《IP周报》第2611#1期《比亚迪腾势在印尼遭约9.5万亿印尼盾商标索赔,UPC与EPO对同一专利结论相反,WIPO发布AI训练与版权研究》提到,世界知识产权组织10月公布了一份AI训练与版权研究,列出各国还没定下来的几个问题,本站资讯《WIPO〈AI训练与版权范围研究〉:不提建议,列出五个待决问题》已经逐条介绍过。国际上还在讨论,国内的企业更该关心另一件事:真打起官司,法院会让你拿出什么。
答案在最高人民法院2026年9月7日发布的《关于依法审理涉人工智能纠纷案件的意见》里。第(十二)条写得很直接:人工智能开发者提出不侵权抗辩的,应当责令其提供训练数据来源、训练过程记录、模型运行模式以及科学理论依据等予以佐证。
换句话说,被诉之后才去翻硬盘、找合同,往往已经来不及。
法律没给训练开一扇专门的门
著作权法第二十四条列了十三种可以不经许可、不付报酬使用作品的情形,里面没有一项是为AI训练写的。最常被拿来比的是第(六)项,但它限于学校课堂教学或者科学研究,供教学科研人员使用,复制只能少量,而且不得出版发行,商业模型的大规模训练很难套进去。最后一项是“法律、行政法规规定的其他情形”,目前还没有行政法规补上这一块;《国务院2026年度立法工作计划》把著作权法实施条例列在“预备修订”里,会不会写到AI训练,现在说不准。
最高法这份意见也没有对“未经许可用作品训练是否侵权”下结论。第(十二)条处理的是生成内容侵权时怎么分责任、谁来举证。它让法院综合考量服务类型、行业特点、训练数据来源、各方参与度、采取的必要措施和获利情况,训练数据来源就在其中。
美国的情况也没定:法院在逐案追问不同用途算不算合理使用,比如本站报道过的Anthropic歌词案。
监管已经对“来源”提了要求
《生成式人工智能服务管理暂行办法》2023年8月15日起施行。第七条要求服务提供者开展训练数据处理活动时,使用具有合法来源的数据和基础模型;涉及知识产权的,不得侵害他人依法享有的知识产权。第十九条还要求,主管部门检查时,提供者要按要求说明训练数据的来源、规模、类型、标注规则等。
2025年11月1日实施的推荐性国家标准GB/T 45654-2025《网络安全技术 生成式人工智能服务安全基本要求》写得更细:使用开源数据要遵守开源许可协议或取得授权文件;自采数据要有采集记录,不得采集他人已明确声明不得采集的数据,例如通过爬虫协议限制采集的网页;使用商业数据要有合法有效的交易合同或合作协议,对方不能就来源、质量、安全作出承诺并提供证明材料的,不得使用;还要求建立训练数据知识产权管理策略和规则、明确负责人,设立知识产权投诉举报渠道。
把这几份文件放在一起看,法院、监管和标准问的是同一组问题:数据从哪来,凭什么能用,用在了哪个模型上。
该留的记录,按来源分
我们建议按数据来源建台账,而不是等出了事再按文件夹去找。至少包括:
- 自采数据:采集时间、来源网址或渠道、采集规则,采集时目标网站的爬虫协议和限制措施截图或存档,排除了哪些不得采集的内容。
- 采购和合作数据:合同原件,以及许可范围里有没有写明“用于模型训练”、能否用于商业模型、地域和期限;对方关于来源的书面承诺和证明材料,以及你方审核这些材料的记录。
- 开源数据集:数据集名称、下载时的版本、所附许可证全文和署名要求。
- 用户输入:用户同意将输入用于训练的授权记录。
- 训练过程:每个模型版本用了哪些数据批次,清洗、过滤、去重的规则和日志。
- 投诉处理:收到的知识产权投诉、处理结果,以及事后对数据或输出过滤所做的调整。
这些记录本身也会被审查。意见第(十八)条要求法院对电子数据生成、收集、存储、传输过程的真实性、完整性进行重点审查。记录要在当时形成、保存好原始版本,事后补做的台账,说服力会打折扣。第(十七)条还规定,控制电子数据等证据的一方无正当理由拒不提交,对方主张该证据内容对其不利的,法院可以认定该主张成立。
几个常见误区
“网上公开的就能拿来训练”。公开不等于授权,标准对自采数据单独提了不得采集的范围。
“买了数据集就有训练授权”。不少合同只写了“使用”“研究”,没写训练和商业模型,出了争议,合同本身就是问题。
“合同在法务那,技术那边不用管”。法院要的不只是合同,还有哪个模型用了哪批数据。合同和训练日志对不上,等于只证明了一半。
如果你的团队正在准备训练或微调模型,最省事的做法是现在就把这张台账建起来,让采购、法务和算法团队都往同一个地方记。


