随着大语言模型的开发与应用，对于人工智能(AI)生成内容法律属性的界定在司法机关的裁判中逐渐明朗，当前裁判实践普遍认为，若生成内容体现使用者实质智力投入并具有独创性表达，可构成受著作权法保护的作品。

基于此，使用生成式人工智能生成内容的行为可能涉及对他人作品的非法复制、改编或传播。

生成式人工智能在自然语言处理、图像生成等领域的突破性进展，正重塑着内容生产模式，这或将引发著作权犯罪风险样态的变化与归责范式的转型调整。

生成式人工智能本身不能作为刑事责任主体

如果按照技术逻辑去确定生成式人工智能产品的责任主体，那么生成式人工智能本身应作为履行义务和承担责任的主体。

当然，这一逻辑是以生成式人工智能适格法律主体为前提，但此类构想无疑是对现有法理及法律体系的颠覆，短期内恐怕难以变为现实。

尽管有研究表明，大语言模型具备行为自我意识，能够自发识别并描述自身行为，但这与适格刑事责任主体所要求的独立意志驱动的辨认控制能力尚有不小距离。

从社会风险分配的角度，服务提供者作为技术受益者，更有能力通过技术改进分散侵权风险，而要求人工智能本身担责既不现实也无助于问题解决。

当前，算法主体责任机制奠定了我国算法问责制度的运行基点，以算法主体问责算法服务提供者的前提是预设算法的工具属性，并在此基础上要求算法服务提供者主动履行积极作为和不作为的义务。

生成式人工智能涉著作权犯罪的刑事法律风险可划分为数据训练阶段与内容生成阶段两大维度

大模型的训练依赖于海量数据（包括受版权保护的文本、图像等），生成内容可能实质性地复制或改编原始数据。

因此，在数据训练阶段非法爬取受著作权保护的作品，可能触发刑法第217条规定的侵犯著作权罪，而开发者通过参数调整引导模型生成与训练数据高度相似的作品，可能构成对“改编权”的侵犯。

在内容生成阶段，服务提供者既可能构成侵犯著作权罪的正犯，也可能构成该罪的帮助犯。

企服快车面，当生成内容与训练数据存在“实质性相似”时，服务提供者的行为可能构成刑法第217条第（一）项“未经许可复制发行他人作品”。

生成内容虽未完全复制原始作品，但服务提供者通过算法提取核心表达元素进行重组，则该行为可能构成对改编权的侵犯；另企服快车面，服务提供者的行为明知模型存在侵权倾向仍提供技术服务，可能构成相关犯罪的帮助犯。

参照相关案件裁判要旨，技术中立抗辩需以主动构建侵权预警机制为前提；服务提供者收到侵权通知后未及时采取删除、屏蔽等措施，可能承担刑事责任。

司法实践中，超期未处理或被推定存在间接故意。

如，某互联网法院审结的一起涉生成式人工智能服务案件，被告人工智能运营公司的行为被认定为帮助侵权行为。

虽然该运营公司主张其并未在算法中设置诱导性字段，也未在人工智能模型的训练阶段提供相似的侵权素材，但是依据“避风港原则”，当原告向其通知可能的侵权行为时，被告方应当及时予以审查，若核实确存在侵权行为，应当直接删除侵权作品。

此案中，被告方并未充分履行该项义务，导致被判定承担相应的帮助侵权责任。

刑事归责的思路转型

生成式人工智能引发的刑事法律适用争议，本质上是传统刑法理论遭遇技术革命的结构性冲突。

这些争议集中体现在主观要件认定与客观行为判定两个维度。

主观要件的认定思路。

一是故意的认定。

在侵犯著作权罪的构成中，“以营利为目的”是认定主观故意的必备要件。

但行为主体的技术行为具有多层间接性，涉及训练数据获取、模型构建、内容生成、用户传播，这使得主观故意的证明面临断裂。

例如，技术黑箱导致的认知隔阂。

服务提供者常主张无法预见用户利用人工智能所具体生成的内容，此时或根据预见可能性，通过训练数据构成分析推定开发者的主观认知。

若算法的训练集中包含超过特定阈值比重的特定作者作品，即可认定提供者对侵权结果具有概括故意。

二是明确技术中立原则的抗辩边界。

若服务提供者主张技术中立原则进行抗辩，或可参照美国《数字千年版权法》第512条“安全港规则”，提供者需证明已采取“合理过滤措施”。

我国可构建“技术注意义务清单”。

如是否建立版权作品特征数据库、是否部署生成内容相似度检测模块、是否实施用户提示词过滤机制等，未尽到上述义务者，不得主张技术中立抗辩。

三是探索过失入罪的认定标准。

传统著作权犯罪采故意责任原则，但生成式人工智能的技术特性要求对过失入罪的可能性予以重新审视。

这里主要涉及三个问题：其一是重大过失的认定。

当提供者未采取行业通行的版权保护措施，如未履行数据清洗义务、算法审计义务、风险告知义务等，导致侵权内容大规模生成时，可根据其未履行技术安全保障义务而追究其过失责任。

其二是监督过失的认定。

对开源模型社区的监管责任，可借鉴产品责任法中的认定思路，即模型发布者若未设置基础过滤机制，应对下游行为主体改造产生的侵权后果承担过失责任。

若模型发布者已然尽到其注意义务，且通过开源模型社区的审核，则不应再对下游行为主体蓄意制造漏洞并据此产生的不法行为承担责任。

其三是过失竞合的认定。

在“提供者过失+使用者故意”的混合场景中，可运用“风险升高理论”认定因果关系。

客观行为的判定思路。

一是传播行为的解释扩张。

模型参数存储宜被视为“潜在复制行为”，因其包含作品表达的数学映射。

可考虑在立法中将具备以下特征的参数纳入刑法规制：其一是可还原性，通过逆向工程能提取训练数据关键特征，进而验证其与侵权作品的关联性。

其二是指向性，若参数集专门用于生成特定类型作品，可构成传播行为。

但“生成即传播”的特殊认定需设置一些前提条件，如生成内容是否会自动上传至公共数据库，以及是否内置社交传播功能等。

当人工智能系统具备以上技术特征时，可突破传统“复制—传播”的二分法。

其三是商业性，即参数是否被用于付费API服务或模型交易。

二是服务提供的帮助行为的认定。

参考既有司法实践，违反前置法所设定的技术过滤义务、突破“技术工具”属性的实质性诱导行为都被视为帮助侵权。

据此，提供原始模型接口的行为可构成技术帮助；预设侵权导向的提示词模板的行为可构成教唆帮助。

（作者单位：上海政法学院、华东政法大学。

本文系上海市哲学社会科学规划“研究阐释党的二十届三中全会精神”专项课题“完善生成式人工智能治理的规制路径研究”的阶段性成果）