一石激起千层浪。

近日，广州互联网法院近日生效了一起生成式AI服务侵犯他人著作权判决，这也是全球范围内首例生成式AI服务侵犯他人著作权的生效判决(独家|AI画出奥特曼：中国法院作出全球首例生成式AI服务侵犯著作权的生效判决)该案认为，被告(某人工智能公司)在提供生成式人工智能服务过程中侵犯了原告对案涉奥特曼作品所享有的复制权和改编权，并应承担相关民事责任。

判决结果公开后，争议纷至沓来。

是不是只要使用模型生成了著作权保护的形象就是侵权?版权内容是不是从此要从训练数据库中被剥离?人工智能服务提供者是否责任过重?.......行业，尤其是大模型厂商惴惴不安，法学界也暂未在这些问题上形成共识。

尽管我国并非判例法国家，但生效的判决无疑会对人工智能产业造成影响。一往无前发展技术，还是率先开展治理，似乎是任何一项新技术都面临的左右互搏的处境。

生成式人工智能工具对著作权法理论与实践造成的影响，刚刚开始，新一轮的利益对价仍在探索中。

接触+实质性相似?能否解开AI版权之问侵权判断问题是这起案子判决公开后的第一大争议点。

“著作权法下对侵权行为的证明有两种方式。”同济大学法学院助理教授、上海市人工智能社会治理协同创新中心研究员朱悦指出，一种是直接证明，即通过自认、物证等证据证明侵害版权的行为已经发生;另一种则是引入了环境因素的间接证明，即通过“接触+实质性相似”的要件来判断作品是否被侵权。

在版权法刚刚诞生时，由于技术发展所限，承载表达的往往是具有物理实体的“版”，通过直接证据证明侵权相对容易。然而，随着技术进步和作品范围扩大，作品的形态更加丰富，直接证明变得更加困难。直接证明的情况变得越来越少，“接触+实质性相似”这类间接地证明复制的方式逐渐成为主导性规则。

生成式人工智能技术的全新技术和应用模式为著作权法带来的担忧之一是：AI工具是否还能适用“接触+实质性相似”侵权判定。

“AI应不应该走这条举证路径，从回归历史、着眼技术的角度来看是可以讨论的。”朱悦告诉21世纪经济报道记者，直接证明可以是AIGC版权问题下的一个进路。“代码中的数据预处理、数据表征和训练参数等信息都是客观存在的。有可能通过直接查看代码来判断是否存在著作权法所保护的行为。”

不过，暨南大学法学院/知识产权学院副教授吴雨辉指出，接触+实质性相似是当下判断著作权侵权的通用标准，如果认为AI工具不适用这一侵权判定，需要做出足够充分的论证，否则将会对整个著作权法理论与实务产生冲击。

在被判定侵权后，合理使用往往被作为一种救济思路。不过在本案中，合理使用这一制度并没有被讨论。

阿里研究院AI治理中心主任傅宏宇认为，目前大模型生成能力愈发强大，一方面，在各类场景中用户期待模型能够生成更为逼真的图片，而另一方面，AIGC侵犯版权的风险依然普遍存在。法院理应回应AIGC技术带来的核心差异，以及此类技术是否构成合理使用(包括转换性使用)。

“基于AI的应用场景越来越广泛，从利益平衡方面，技术发展和公众利益需要全面充足的训练数据，故两者利益超越了版权人的利益，使用版权作品作为训练数据应当构成合理使用。”南京师范大学法学院教授、博士生导师梁志文表示。

梁志文认为，为避免“垃圾进、垃圾出”的结果，AI训练使用版权作品，符合促进技术发展的要求。版权材料作为训练数据时，本身不属于表达性使用，不同于读者的欣赏，也不同于软件的使用，它仅作为一项类似于事实的数据而被使用。“训练数据市场非属版权人固有的许可市场，其使用没有影响版权人对版权作品的正常利用。AI训练数据也不应属于版权人的潜在市场。”

吴雨辉认为，在人工智能进行数据输入的阶段，存在拓展合理使用范围的讨论空间。因为当下的人工智能深度学习对于数据的使用情形，无法直接适用合理使用的法律规定。但考虑到产业发展的合理需求，确实可以考虑在满足“三步检验法”等审查标准的前提下，设置人工智能深度学习的合理使用特殊情形。

平台、用户、开发者，谁的责任?本案的另一个争议焦点，是明确指出了人工智能服务提供者的注意义务。本案指出，依据《生成式人工智能服务管理暂行办法》《互联网信息服务深度合成管理规定》等规定，服务提供者应采取建立举报机制、提示潜在风险、进行显著标识等行动。

法院的判决表明，生成式人工智能服务提供者需要对AIGC潜在的版权风险承担一定责任。“这让企业无所适从，接下来合规到底该怎么做?”不少科技公司法务向21世纪经济报道记者表示。

不同角色的权责如何划分，不仅是本案，也是人工智能版权法讨论中最复杂、最重要的问题。

傅宏宇认为，判决可能存在将版权注意义务和人工智能合规责任混同的问题。

在他看来，判决认定被告的“过错”时，援引的并非版权法的规定，而是认定被告没有按照《生成式人工智能服务管理暂行办法》建立投诉举报机制，未对潜在风险进行提示，缺乏对生成内容的显著标识，从而构成版权法意义上的“过错”