垦丁动态 - "从最高法审理涉人工智能纠纷意见谈人工智能实务案例研讨会"圆满举办!

2026年9月15日，由法和法FAHFA与垦丁律师事务所联合举办的"从最高法审理涉人工智能纠纷意见谈人工智能实务案例研讨会"圆满落幕。本次研讨会围绕最高人民法院近期发布的涉人工智能纠纷司法解释展开，汇聚来自高校、司法机关、头部科技企业及律师事务所的专家学者与实务专家，就生成式人工智能侵权责任、AI案件代理实务、全球裁判规则比较、智能体开放平台责任、AIGC可版权性、训练数据合法边界等前沿热点议题进行深入研讨，为人工智能产业在发展新阶段的合规建设与争议解决提供实务指引。本次会议吸引了300余位业内同仁热情参与。

研讨会上半场聚焦理论与实务的双向透视。上海政法学院数智法学院（知识产权学院）副院长、教授徐伟首先就《生成式人工智能侵权问题》作主题分享。徐伟教授从司法解释概览与侵权规则解读两个层面展开，指出24条意见共5部分24条，总体遵循"用好用足"现行法的思路，这些规则对实务审判具有明确的指导意义，包括一些争议规则——如通知规则能否适用于人工智能场景——获得了明确确认。他特别提示意见存在两处关键"留白"：一是人工智能生成物的可版权性，二是作品数据训练是否需经著作权人同意。在此基础上，徐伟提出训练阶段与应用阶段的"二分法"，强调训练阶段开发者在自身意志支配下选择数据与训练方式，其法律问题本质是数据之上多重权益与开发者权益的利益冲突，而应用阶段的难点则源于人工智能的自主性与不可控性。针对训练阶段的作品数据训练问题，徐伟明确主张"不构成合理使用"，并从制度选择、产业付费意愿与国际竞争三个角度作了系统阐释。在个人信息训练与通知规则等议题上，他结合意见第6条、第3条及民法典相关条款，就合理范围的判断逻辑与过错认定路径给出了细致的操作指引。

随后，垦丁律师事务所主任张延来结合其代理的多起人工智能案件"责任链"，作《AI案件代理实务与最高法AI审理意见对照》主题分享。张延来以数据进入、训练、内容输出、场景部署到自主行动的全流程为线索，将所办案件与24条意见逐一对照。他谈到，广州奥特曼案当时以复制权认定"生成近似IP即侵权"，而对照意见第12条，当前法院已综合服务类型、行业特点、训练数据来源、参与度、必要措施、获利等多因素认定责任，开发者可就被责令提交的训练数据来源、记录、运行模式与理论依据进行抗辩，通用模型无需对生成内容"过度慌张"；小红书案则因开发专门种草工具、技术中立不成立而构成不正当竞争，与第12条精神吻合；杭州奥特曼及开源模型案亦与意见第13条对开源模型的责任豁免逻辑相互印证。对于版权IP训练、AI手机双重授权、大模型幻觉等仍属"留白"的新问题，张延来结合个案谈了务实判断，并以其代理的AIGC可版权性撤诉案引出"专用模型在生成中起核心作用、看不到人的智力投入"这一核心抗辩。他总结认为，意见的留白恰是好事，未来判例将比统一结论更为重要，各法院不妨先尝试裁判，在动态迭代中逐步"探底"。

美团数据与隐私保护法务负责人朱玲凤以《最高法24条AI裁判规则的全球比较》为题，将意见置于欧盟、美国、日本、韩国、新加坡的全球坐标中加以拆解。她指出，意见并未另立一部人工智能法，而是在现有部门法框架内解决现实纠纷，其裁判思路完成了"三次转换"：将技术商业身份转换为具体行为与控制能力，将模型黑箱转换为可提交、可质证、可复核的事实材料，并将行政义务与司法衔接起来。在横向比较中，朱玲凤梳理了欧盟立法为先、美国诉讼发达、日本指引厚重、韩国个保细化、新加坡自律框架等区域特点，并提炼出意见的"四项增量"——责任主体锚定具体行为与控制能力、数据使用按版权与个人信息分别适用法律、研发失败由二元判断转向技术风险协作义务、黑箱转化为证据问题。她还特别指出，意见将"可复现"作为重要判定点具有前瞻性；同时亦提示训练版权与生成物资格、纯软件产品责任、智能体跨境纠纷等仍为待解之题。

朱律师的分享结束后,会议进入圆桌讨论环节,宇文沛（北京金诚同达（上海）律师事务所合伙人）、洪宇超（上海库帕思科技有限公司法务负责人）、朱玲凤（美团数据和隐私保护法务负责人）共同探讨中国过错责任与美国严格责任能否衔接、中国训练数据的口径是否比欧盟更宽松、"通知—必要措施"较DSA 谁更严相关话题。本场圆桌由朱玲凤主持。她以"《意见》中归责原则的先进性与实务价值"作为切入点，邀请两位嘉宾分别从诉讼实务与外部律师的视角展开讨论。

@ 洪宇超：过错责任的"客观化"与三层注意义务

上海库帕思科技有限公司法务负责人洪宇超结合两则已生效裁判指出，《意见》对归责原则的态度可以概括为"名义上是过错责任，运行中遵循过错客观化"——法院并非要求受害人证明行为人的主观状态，而是从服务提供者已经采取的措施出发，反推其注意义务的履行程度，把"控制力"当作注意义务的定价器。他强调，中国的过错责任并不等于无过错责任或举证责任倒置，其内核始终是注意义务。

他以杭州互联网法院审理的全国首例"AI 幻觉"案为例。该案中AI 提供的高校报考信息与官方不符，用户索赔10 万元，一审判决驳回全部诉请。裁判逻辑有两点值得关注：其一，生成式人工智能服务被定性为"服务"，而非《产品质量法》意义上的"产品"，因此适用民法典第一千一百六十五条第一款的一般过错责任，而不是产品责任项下的无过错责任——这一立场与《意见》第三条相互衔接；其二，理由在于服务提供者缺乏对生成信息内容的足够预见或控制能力，据此形成了三个层次的注意义务：对法律禁止的有毒有害违法信息负有严格的审核义务；以显著方式向用户履行提示、告知义务；采用行业通行的技术保障措施（并不苛求技术水平，达到一般程度即可减责、免责）。该案被告已在欢迎页、用户协议、交互界面等显著位置完成了提示，并完成了大模型备案与安全评估、采用了检索增强等技术，法院据此认定其不具有过错；对于原告主张的损失，法院还指出错失报考机会属于经济利益而非绝对权利，且损害与行为之间缺乏相当因果关系。

洪宇超进一步解析了《意见》第三条列举的六项考量因素：应用场景、自主化程度、技术与信息透明度、潜在风险及影响范围、预防措施与技术上的可能性、使用者对损害的预计与控制能力。他认为，这六项因素既强调了使用者自身的注意义务，也明确拒绝了一般性的严格责任与过错推定，同时把"信息透明化的技术可能性"纳入了过错判断的考量。

另一则案例是上海法院近期审理的"美杜莎"AI 生图案（涉《斗破苍穹》角色形象与LoRA 模型）。洪宇超梳理了其裁判要点：复制权的本质是"再提取"，将图片作品输入LoRA 模型本身尚不构成复制，只有在模型与用户指令的作用下再次生成与输入作品相似的作品，才构成对复制权的侵害——即只有"输出再现"才完成复制；平台责任、教唆侵权与帮助侵权均以"故意"为要件；判断平台是否违反"知道或者应当知道"的注意义务，应考察服务性质与方式、侵权行为的明显程度、侵权发生的几率以及采取措施的能力和成本；本案平台提供的是具有实质性非侵权用途的技术服务，对用户的持续提示行为不可预见、不可避免；"美杜莎"作为广为人知的神话形象，未达到"施加一般注意即可发现"的明显程度；平台亦设有发布前审核、举报渠道以及收到通知后的及时屏蔽、断联机制。该案同时否定了 AI 生图的作品属性，并驳回了不正当竞争主张。洪宇超据此认为，过错义务与既有规则（生成式人工智能服务管理暂行办法、算法备案与模型备案、用户协议、隐私政策、通知—删除等）是彼此衔接的，企业只要做到法律法规要求、技术上可实现的义务，就有减责乃至免责的空间。

关于产品责任，洪宇超注意到《意见》第九条仍将人工智能产品界定为"以实物为载体的产品"，与欧盟的差异相当明显：欧盟把纯软件与模型输出一并纳入严格责任的路径，我国则限定于实物载体，且第九条没有规定缺陷推定，而是要求法院综合考量产品的自主学习能力、升级更新情况、用户控制程度，并重点审查警示义务是否履行。他还提到《意见》第十一条与第十七条的设计：第十一条允许法院要求车辆生产者、销售者、运输者等数据控制方在必要范围内提供真实、完整的自动驾驶与辅助驾驶记录，相当于"打开算法黑箱"，未主动接管方向盘的驾驶人亦须承担相应的过错责任；因车辆缺陷与驾驶人过错结合导致同一损害的，可依民法典第一千一百七十二条主张驾驶人与生产者、销售者共同承担责任。第十七条则确立了证据妨碍规则——控制书证、电子证据的当事人无正当理由拒不提交，法院可以认定对方关于该证据内容不利于控制人的主张成立，理论上可直接适用于AI 企业提交训练数据、模型记录的场合，并可配合证据保全、依职权调查以及技术调查官、专家辅助人。在他看来，中国并未采用缺陷推定，而是走"数据持有方举证不能则承担不利后果"的路径，通过调整举证规则来实现归责目标。

@ 宇文沛：归责原则不等于举证责任减轻，出海企业更要关注中美欧的产品责任分野

北京金诚同达（上海）律师事务所合伙人宇文沛从外部律师的视角展开分享。她自2024 年起关注人工智能领域，此前也从事争议解决业务，在她看来"《意见》出台很有意思——争议解决与人工智能这两块专业领域，恰好在这里结合在了一起"。

关于归责原则的确立过程，宇文沛认为，最高法在确定归责原则时，关注学术界与实务界的讨论、与实务案例的结合。选择过错责任的背后有多重考量：既要鼓励人工智能企业发展，从减轻企业负担的方向去设计规则；学界与实务界也会追问，人工智能相关侵权的危害程度究竟有多大，是否一定要与一般产品侵权的归责原则保持统一。这些与经济、与发展相关的因素，实际上都被纳入了《意见》归责原则的考量之中。

她同时观察到实务界对《意见》的两极反应：一部分朋友比较乐观，认为这有利于AI 企业未来在纠纷处理中的处境；另一部分朋友则看到了"合规水位被拉高"这一面。

这也是她着重提示的第一点：归责原则的设立，不代表举证责任的减轻，这一点非常关键。在未来可预见的、爆发式出现的人工智能侵权案例中，如果平台方、大模型方或者产品方面对用户提出的初步举证——用户已经说明存在侵权情况——公司要用什么样的方法和证据来反证自己没有责任？不可能因为有了侵权证明，在法庭上就不做任何举证。因此她建议公司法务回看《意见》中那些"公司可以反证自己无责"的举证责任条款，逐一检视自身是否做到位。

她举例说明：假如用户主张自己的声音或肖像未经同意被用于训练，据此认为肖像权以及声音相关人格权受到侵害，在这种情况下，公司在抗辩时能否提交至少是初步的证据，证明自己在训练数据的过程中并未侵犯其权利？而从目前所服务的AI 企业来看，训练数据这一环节整体仍较为灰色和混乱，甚至存在爬取网上数据无授权利用的情况——企业为求发展，可能牺牲了一部分合规性。这会直接导致未来的举证面临非常大的困难。

她着重提示的第二点，是产品责任的中美欧比较。宇文沛认为，欧盟的合规水位长期居于全球领先与标杆地位，但这次更值得关注的是美国。原因在于，中美是AI 技术水平最接近、竞争最激烈的两个国家，欧盟出台《人工智能法》这样高的门槛，某种程度上与其自身的发展水平有关，本质上是"用合规架起了一道门槛"。她注意到美国近期出现的一个有意思的趋势：Character.AI 这类拟人化陪伴产品，用户可以与之扮演的角色进行交流，性质上属于平台类服务，不同于《意见》中所列举的自动驾驶汽车、具身智能机器人等实体产品为线上服务，也会产生严重侵权后果（例如美国出现的引导自杀事件，逝者母亲以产品责任的严格责任起诉Character.AI）。从美国目前司法实践看，州级法院并没有完全拒绝将这类软件性质或线上服务性质的人工智能产品排除在产品责任之外。

宇文沛特别提醒，这不能直接解释为美国法院认定其属于产品责任，但可以理解为：产品责任并未完全把"服务"排除在外。由此带来的启示是《意见》只是以举例的方式表达"实体的产品更容易构成产品责任"，整体上仍相对局限于实体AI 产品。而如果企业的产品是出海的，在关注海外法时就必须注意这一点：它与中国法存在很大的差别。

本场圆桌由朱玲凤主持并作衔接总结。

蚂蚁集团法务专家陈方尧从互联网平台法务视角，带来《智能体时代开放平台的角色和责任边界》的分享。他首先描绘行业背景：智能体商业正处于爆发前夜，从"注意力经济"向"意图经济"迁移，开放平台成为人与服务之间的新中介层；据IDC数据，中国企业级Agent市场有望从2025年的约200亿元增长至2029年的约3000亿元。以"点奶茶"智能体为例，陈方尧拆解了开放平台"AI能力生产—审核管理—渠道分发"的三项职能，并指出其在纵向演进中始终定位为技术能力的供给方与分发通道，不参与内容生成与具体交易。基于业务全链路的拆解，他认为开放平台符合"网络技术服务提供者"特征，主张适用避风港原则，并援引意见第7条关于生成式AI服务提供者参照适用避风港的正当性基础，提出"举重以明轻"的适用逻辑。在事前、事中、事后分阶段的责任框架之外，他也提示盈利模式与AI能力影响范围将动态加重平台注意义务，而模型幻觉、提示词注入等新型风险正对传统风控手段提出挑战。

浙江无端科技股份有限公司法务负责人席蕴俊围绕《AIGC可版权性的判断标准与逻辑》分享了游戏企业的实务观察。她以可灵AI用户协议中"无偿使用输入、上传与生成内容"的宽泛授权条款为例，指出所谓"撤销授权"在技术上难以实现，使企业原创游戏角色的版权面临被训练后主张不侵权的风险，最终业务方选择放弃使用。围绕意见的两处留白，席蕴俊判断最高法或在"十五五"规划期间待立法依据明确后再以司法意见出台；在类型化层面，她区分文生图（无独创性、不构成作品）、图生图（纯工具、暂无判例）与文生视频/AI短剧（以原创剧本输入则输出为新演绎作品），并对比了以王迁教授为代表的严格人类控制标准与主流"有限控制+持续调整"观点的分歧，认为最终判断仍是各方利益的平衡。

接下来,会议进入第二个圆桌,彭晓燕（万商天勤律师事务所杭州办公室执行主任）、颜伯儒（上海融力天闻律师事务所律师）、席蕴俊（浙江无端科技股份有限公司法务负责人）共同探讨声音与逝者形象纳入保护后：可识别性、事前禁令与平台处置相关话题,本场圆桌由彭晓燕主持。她承接前一场关于AIGC 可版权性的分享，把话题延伸到人格权领域——《意见》将声音与逝者形象纳入保护之后，可识别性如何认定、事前禁令如何发出、平台处置是否足够。

@ 颜伯儒：从提示词的可版权性，到声音的可识别性

作为上海首例AI提示词著作权案的代理人，颜伯儒律师回顾了提示词的可版权性问题。他代理的案件认定，在对话框中输入一段提示词不构成作品——它是人机交互行为，而非创作行为，如同在浏览器中输入关键词搜索图片，本身只是为了获取结果。

转入声音保护后，他以上海首例涉AI声音仿冒不正当竞争案为例指出：AI生成的声音与游戏角色形象形成固定绑定，法院据此认定构成声音权侵权。但他认为最大的难题在于举证——声音不像肖像那样具有高度可识别的生物特征，人脸识别已能对应到个人，声纹技术却还做不到仅凭一段声音锁定某个人，而通过技术训练让两个人的声音难分区别，在现实中并不罕见,比方说，AI 生成界面只显示"低沉男声"、未显示配音演员姓名；若两位配音演员声线本就相似，用 B 的声线训练出接近 A 的效果是否构成侵权？他认为关键要看声音素材是否具有"可识别的唯一性"，上海首例涉AI声音仿冒不正当竞争案正是结合了游戏在著作权法上的美术作品形象，才认定声音具有唯一指向性。就目前的技术手段而言，声音可以"正推"（由人及声），却很难"反推"（由声及人）。他还提醒企业关注训练环节的风险：声音"复制克隆"技术早已实现突破，侵权成本大幅降低，很可能与著作权、不正当竞争、游戏外挂等结合，滋生更多黑灰产。

@ 席蕴俊：构成要件应随技术演进而调整，企业维权需要更清晰的规则

浙江无端科技股份有限公司法务负责人席蕴俊从游戏企业的实务出发。他梳理了《意见》第四条目前的几个要件——第一个是自然人同意，第二个是未经同意将自然人声音作为训练语料。他由此提出一个疑问：AI 发展极快，未来生成某个自然人的声音，未必一定需要以该自然人的声音作为训练语料，那么把"使用自然人声音作为训练语料"固定为构成要件，未来是否需要调整？如果始终维持这一要件，从企业实务和诉讼的角度都会形成障碍，各地法院在具体适用时也会遇到同样的问题。他还描述了游戏行业的真实困扰：玩家因对游戏不满，会用外挂把游戏制作人的肖像在游戏内传播，有时甚至通过变声等方式模仿制作人的声音进行传播，给企业造成了诸多困扰。此前企业并没有开展相应维权，原因是在原有的法律框架下，维权成本高而收益低——发一封函相对简单，但往往解决不了问题；相比之下，企业更愿意去做能够上升到刑事层面的维权。而现在此类裁判规则相对更为明确、举证规则也更加清晰，未来企业可以更有底气地采取维权动作。他也希望最高法与立法层面能够在维权的便利度上有所提升，让企业更有动力。

@ 彭晓燕：四处留白，以及个人与企业层面的声音合规清单

作为本场主持，彭晓燕律师随后系统性地谈了她对《意见》第四条的理解。她认为，这一条把过往实务中已经形成的规则往前推了一步，但也留下了几处需要进一步厘清的空间。

其一，可识别性的认定标准存在模糊地带。《意见》并未就可识别性设定绝对的量化标准，实践中仍需结合相似度、受众辨识度与使用场景综合判断。对于AI 模仿音色但无法还原原声，或者AI 生成的不同声音与原声之间的关联等情形，司法裁判仍存在裁量空间，缺乏统一的裁判尺度。

其二，训练语料的使用与生成结果之间的边界界定不清。条文把"未经同意使用自然人声音作为训练语料"与"生成可识别的人声"两个环节一并规制，但没有明确仅使用声音片段进行训练、并未生成可识别声音，或者生成声音仅用于内部测试是否构成侵权——这给研发场景的合规边界带来了不确定性。

其三，免责与合理使用的边界留白。条文明确了未经同意的侵权认定，却没有针对合理使用的情形（例如为公共利益、新闻报道中不可避免的引用）作出例外规定，实务中容易引发免责事由的争议。

其四，权利竞合的适用顺位留白。条文规定了声音权的保护，但对声音权与肖像权、著作权发生竞合时（例如使用经过剪辑的录音片段）的优先适用与责任划分未作细化，仍依赖于法官结合个案情形作出整体利益平衡。

在此之上，她分别给出了个人与企业两个层面的合规建议。对个人而言，名人尤其应当谨慎授权：在录制、提供语音素材数据时明确授权范围，避免把声音随意提供给不可信的第三方；一旦发现被侵权，要及时固定证据——本次《意见》提供的人格权侵害禁令正是一件可以先行使用的武器，可以先发禁令、固定证据，把损害降到最低。她以近期大量出现的"名人AI 合成讲解视频"为例感慨：受众往往很难分辨真伪，而普通人的声音即便被拿去使用，也几乎无从察觉。

对企业而言，她提出三条建议：一是严格审查声音素材的授权链，防范侵权风险；二是规范内部的声音数据管理，把声音当作资产的企业应当建立"声音资产台账"，明确数据来源、授权依据与授权范围，对品牌代言人、企业高管等核心声音资产采取严格的保密与权限管理，防止被外部恶意爬取或克隆；三是建立侵权监测与响应机制，定期监测网络与平台，排查未经授权的合成、仿冒情形，发现后及时通过投诉、发函等多种手段维权，并留存监测记录、投诉记录与维权证据。她还顺带提出了一个新视角：声音同样可以作为数据资产来加以管理。

本场圆桌由彭晓燕主持并作收尾。

深圳大学法学院副教授、法律与科技研究院研究员曹建峰就《人工智能训练数据的合法边界》作主题发言。他系统梳理了全球实践：欧盟以DSM指令的TDM例外与AI法案的训练数据透明度要求为基础，趋势是让训练回归"授权+报酬"机制，或采法定/强制许可；美国已有上百起训练版权案件，个案多倾向合理使用，市场替代、数据获取合法性与输出相似度是关键变量；中国则在著作权法封闭列举、行政包容审慎与司法"输入从宽、输出从严"的格局中探索，国家版权局"十五五"规划已提出推动建立AI训练数据合理使用制度。在此基础上，曹建峰提出"基于版权对齐的生成式AI治理双阶注意义务"：训练阶段采"附条件合理使用"，以履行版权对齐义务为前提；部署阶段依注意义务认定，并以技术可行与合比例为限。

本次会议的压轴议题是“已公开数据能否直接训练、用户声明能否拒绝、模型里怎么删掉个人信息”,由王琛鑫（某人工智能公司诉讼法务）、曹建峰（深圳大学法学院副教授、法律与科技研究院研究员）、宋海新（北京浩天（上海）律师事务所合伙人）三位专家参与讨论,本场圆桌由北京浩天（上海）律师事务所合伙人宋海新客串主持。他先请王琛鑫从诉讼与比较法的视角分享观察。

王琛鑫：输入端从宽、输出端从严，用全链路视角看训练数据合法性与生成物侵权

王琛鑫指出，一个被普遍期待的问题——使用作品数据进行模型训练是否构成侵权？训练数据是否存在基于"三步检验法"构成合理使用的空间？《意见》并未正面回答。但在《意见》出台之前，无论国内外判例还是学术界的讨论，整体态度已比较清晰：对输入端（训练数据的获取与使用）从宽处理，对输出端的侵权管控从严。对于认真做合规的模型企业而言，用程序与证据的方式作出透明度披露，是在现行著作权法"封闭式列举合理使用"的立法框架下比较成熟、也较可接受的路径。他逐条梳理了《意见》中关于训练数据合法性的态度：

——第六条回归个保法第十三条与第二十七条，核心是"合理范围"的界定：在合理范围内处理个人已公开的个人信息，不视为侵权。而《意见》进一步以动态要素加以具体化，包括目的是否必要与适当、信息的敏感性、个人信息公开的具体场景，以及比较重要的"用户可预期性"。在他看来，这几项要素叠加，为此类训练场景提供了较好的裁判把控方向。

——第十二条没有直接写训练是否侵权，而是采取了一种颇具中国特色的打法：把训练数据是否合法的判断交给典型案例去探求裁判规则，同时细化举证规则——人工智能开发者提出不侵权抗辩时，需要就四个方面提出基础事实：训练数据的来源、训练过程的记录、模型的运行模式以及科学理论依据。他认为后两个要素尤其有特色，说明最高法意识到模型的运行模式未来还有很多改变的可能，技术原理本身也在不断被重新认识；因此通过"数据来源+训练过程＋运行模式＋理论依据"共同佐证，不侵权抗辩的思路会变得更宽，对缓解模型企业的举证压力有一定好处。

——第十六条虽未直接回应训练数据的合法性，但第一句提到人工智能开发者通过"采集生成、衍生创造、受让取得、授权许可等方式"合法获取数据，明确列举了这几种方式，虽然主要解决的是模型企业取得数据后所享有数据权益的分层问题：有独创性的归入著作权，有保密性的归入商业秘密，其余由反不正当竞争法兜底。但这一列举也同时说明了这几种获取方式都是最高院明确承认的训练数据的合法来源，以及在不同类型的数据中如何确保合法性问题，对于实践仍具有一定指导意义。

他总结说，虽然最高院的《意见》没有直接回应这个问题，但恰恰是从输出端的侵权抗辩、已公开个人信息的训练、模型企业数据权益的分层这几个视角侧面回应了训练数据合法性的问题；至于著作权法上的合理使用规则，此次《意见》从效力层级上并不适合直接作出明确表态，否则会直接冲击著作权法。眼下正在进行的许多案件，也都会形成越来越清晰的裁判规则，进而推动未来的人工智能立法在这一问题上给出更明确的结论。

关于"模型里怎么删掉个人信息"，王琛鑫回顾说，早在国内大模型生成物侵权第一案（"奥特曼案"）中就已经涉及训练数据删除问题，虽然从当时的大模型到现在的智能体，技术迭代幅度很大，但训练数据删除的技术条件本身并没有实质性变化——今天依然不可能要求从已经训练完成的模型中精准删除训练数据。因此他主张回到务实的态度：与其盯着训练数据，不如更关心输出内容如何调控。他特别提到，本次《意见》第十二条进一步压实了使用者的责任，把使用者责任的主观要件最终规定为"知道或者应当知道"，回归到一般侵权的逻辑，把更多来自使用者责任的场景纳入了进来。今天不能一看到输出物侵权就想到模型厂商对数据的删除，而要有全链路的视角，在最终实现侵权结果的复杂因果关系中，判断哪个环节、哪个主体对结果产生了原因力。未来一方面要发展模型安全策略与技术，另一方面要着眼于实现著作权以及个人信息保护的立法目的，从输出端以及传播渠道上更有效地管控生成物的使用。

@ 曹建峰：公开不等于没有保护，智能体为公开数据的使用带来新维度

深圳大学法学院副教授、法律与科技研究院研究员曹建峰从学术视角补充。他先把"公开数据"界定清楚：互联网上无需付费墙、登录网站即可查看的文章、博客以及个人数据等，都属于公开数据。他强调的第一点是——公开，并不意味着它没有任何权益保护：个人数据之上有隐私与个人信息保护的利益，企业数据则可能牵涉数据不正当竞争问题。这类争议并不新鲜：多年前围绕数据爬虫、不同服务提供者之间，就已经有过大量讨论与司法回应。即便数据由用户提供或生产，但作为一个App 的整体，运营者对数据本身可能享有数据权益；把数据直接复制过去、构建实现同样功能的新应用，本身就带有搭便车、不正当竞争的判断色彩，只是边界始终不够明确。

公开数据中有大量作品，而作品之上有著作权，未经许可进行信息网络传播当然构成侵权。他认为，目前争议最集中的恰恰是"作品"这一块。国家版权局已有比较明确的政策指向——要构建类似的作品合理使用制度；他个人主张构建一种"附条件的合理使用制度"，而具体如何构建，需要各方更多的探讨。

他还提出了一个重要新维度：智能体的发展，让公开数据的使用进入了新阶段。过去是"人在访问互联网、人在看文章"；现在有了Agent，它替人上网干活、访问公开数据，并在此基础上整理出新的报告或新闻摘要。问题随之而来——原本用户要访问新闻网站，网站可以靠广告盈利；如今 Agent 访问后直接给出摘要，用户不再访问这些网站。智能体在使用公开数据时的边界在哪里、是否需要一定的法律规则来构建，都值得更多讨论。他认为，最高法《意见》可能提供了部分指引，但这一块仍有很多问题需要进一步探讨。

关于个人信息的删除，曹建峰认同前述观点：模型本身并不存储这些数据——要"删"必须先"存"，而模型里更多是一些参数，因此从模型层面删除在技术上很难实现；如果一定要做，只能重新训练，那就必须考虑成本与比例性原则。他提出的应对思路是"对齐"：通过对齐训练，让模型具备版权法的基本知识，知道哪些内容受保护、哪些属于公共领域，从而在交互时尽可能避免输出侵权内容；至于模型无法避免的情形，尤其是用户恶意诱导或以特定提问诱导的情形，更多要依赖外部的过滤与外部措施，尽可能防止对权利人造成侵害。

@ 宋海新：从个保法与数据合规的既有规则中，找到《意见》的对应坐标

作为长期以数据合规为主业的律师，宋海新补充认为，《意见》并不"新"，而是把既有规则针对人工智能训练的具体场景做了具象化。

就"在合理范围内处理个人已公开的个人信息、个人未明确拒绝的不认定侵害"，其上位依据是个保法第十三条与第二十七条；《意见》进一步结合信息的类型与敏感程度、对个人权益的潜在影响、公开场景与可合理预期的使用范围来落地——涉及敏感个人信息的，须采取更严格的保护措施。至于"合理范围"如何界定，他建议参考《个人信息保护合规审计管理办法》附件中的审计指引：向已公开信息中的电子邮箱、手机号码发送与其公开目的无关的商业信息即属超范围，例如为租房、买房而公开信息，等来的却是贷款推销。他还提示两类处理已公开数据的行为明确属于违法行为，侵害个人信息权益：利用已公开信息从事网络暴力、传播谣言；以及以刺探隐私为目的，利用人工智能对特定自然人的电话、账号、社交媒体信息作追踪分析，即"开盒""人肉搜索"。

对非个人信息的一般类公开数据，他指出用爬虫抓取用于训练并非新问题。除实践中探讨和纠纷较多的“搭便车”等数据不正当竞争行为外，《网络数据安全管理条例》第十八条已作原则性要求：使用自动化工具访问、收集网络数据，应当评估对网络服务带来的影响，不得非法侵入他人网络，不得干扰网络服务正常运行。他用"院子"作比：院墙高筑、大门紧锁（例如已通过 robots 协议等技术手段反爬）时，获准进入采集无妨；绕开甚至破解技术保护措施强行取走数据，则可能触及刑事风险。

至于"用户拒绝后能否继续训练""如何删除模型中的个人信息"，他援引个保法第四十七条指出：删除从技术上难以实现的，处理者应当停止除存储和采取必要安全保护措施之外的处理。回到 AI 语境，实践中可借助数据隔离、屏蔽输出等方式避免其输出，核心是避免这些信息再次实质性侵害个人信息权益。