生成式人工智能版权补偿金制度的原理及建构.docxVIP

生成式人工智能版权补偿金制度的原理及建构

摘要：探讨我国生成式人工智能版权补偿金制度的建构，以期实现版权人利益保护与生成式人工智能技术发展之间的平衡，促进二者良性发展。文章梳理了生成式人工智能所引发的版权人利益实现困境，包括版权作品使用的许可利益取得困难，版权作品衍生使用的开发利益取得困难，作品侵权损害赔偿取得困难。阐释版权补偿金制度的原理，并借鉴国外的版权补偿金制度，分析生成式人工智能对接版权补偿金制度的业态路径，认为在生成式人工智能专业模型层对接版权补偿金制度较为恰当，并提出生成式人工智能版权补偿金制度的具体建构策略，包括明确补偿支付主体身份、优化补偿收缴工作主体、采取“比例＋单一”的复合补偿标准、建立公私利益相互补充的补偿分配体系。

关键词：生成式人工智能；版权作品；版权补偿金制度；集体管理

DOI：10.19619/j.issn.1007-1938.2025.00.011

作者单位：湖南理工学院法学院

引文格式：王健宇.生成式人工智能版权补偿金制度的原理及建构[J].出版与印刷，2025（1）：37-47．

生成式人工智能通过对已有数据的识别与学习，以适当泛化能力生成相关内容[1]的方式为市场提供服务。对“已有数据”进行识别与学习，是生成式人工智能建模并得以运行的关键。“已有数据”主要由公共作品和版权作品两部分组成，相较之下，版权作品在提升人工智能生成内容（artificialintelligencegeneratedcontent，英文缩写AIGC）的质量上效果更为显著。近年来，版权人与人工智能平台围绕生成式人工智能使用版权作品是否需要给予补偿的问题，在司法层面展开了激烈的探讨与对抗。如安德森（SarahAndersen）等艺术家提起诉讼，称StabilityAI公司、Midjourney公司和DeviantArt在线画廊使用其受版权保护的作品却未给予补偿；[2]卡德雷（CharlieKadrey）等小说家指控Meta公司使用其作品的盗版内容来训练AI模型；[3]全球三大唱片公司环球音乐、索尼音乐和华纳音乐共同起诉人工智能音乐技术公司Udio和Suno，指控它们利用唱片公司的录音来训练生成式AI音乐系统，存在大规模版权侵权行为。[4]透过这些事例可以发现，版权人群体对人工智能平台的“不满”主要源于版权人的版权利益没有得到应有的尊重。《中共中央关于进一步全面深化改革推进中国式现代化的决定》提出“加快建立数据产权归属认定、市场交易、权益分配、利益保护制度”，本文试图通过分析生成式人工智能所引发的版权人利益实现困境，通过借鉴国外的版权补偿金制度，探讨我国生成式人工智能版权补偿金制度的建构，以期达到版权人与人工智能平台之间的利益平衡。

一、生成式人工智能引发版权人利益实现困境

生成式人工智能技术对版权作品的独特使用方式，不仅给现有版权制度带来严峻的法律预期不确定风险，而且对版权人的版权利益形成了全面挤压，引发版权人利益实现困境。

1.版权作品使用的许可利益取得困难

生成式人工智能需要使用海量的版权作品来进行模型训练，因而时常出现人工智能平台未经版权人许可使用版权作品，却规避支付版权作品许可费用的现象。现有著作权制度旨在促进作品商品化，以让版权人获得经济回报的方式激励创新。[5]但在使用著作权制度规范生成式人工智能使用作品的行为时却面临一个基本问题：版权人对于其作品所享有的垄断性许可利益，未能在生成式人工智能的应用中得到实现。

其一，生成式人工智能使用版权作品的行为，原则上应获取版权人单独同意并支付许可费用，但在我国《著作权法》尚未对关于人工智能挖掘作品、投喂数据的行为进行明确规定的情况下，要求人工智能平台以逐个获得版权人许可的方式取得作品的使用权，需要消耗巨大的人力和财力成本，这将变相驱使人工智能平台在法律的灰色地带游走。2023年，全球知名图片提供商华盖创意起诉热门人工智能绘画工具StableDiffusion的开发者StabilityAI，声称StabilityAI“非法”窃取下载了数百万张图片，侵犯了其版权。[6]其二，在复杂的网络空间中要准确识别作品是否享有版权及其背后的版权人十分困难。一方面，生成式人工智能依靠爬虫技术对门户网站作品进行自动化抓取，但爬虫技术基于算法的设定，侧重的是“取”的全面性，而非“取”的精准性，准确定位作品权属不是它的技术目的；另一方面，由于存在法人作品、委托作品、独占许可等法定或议定关系，版权人身份与创作者身份不是绑定关系，因此，要想在自动化爬取的同时精准追踪版权并非易事。其三，现有版权规则在生成式人工智能领域尚未形成统一的解释。以“复制”行为为例，复制行为是生成式人工智能建立训练语料库、重复进行训练、组建应用模型的必要步骤。按照我国《著作权