以间接营利与合理使用为视角
徐 伟 杨海明
生成式人工智能技术近年来高速发展，大模型训练所需的海量数据获取行为引发了持续而广泛的著作权争议。从纽约时报公司诉OpenAI案，到国内四位插画师诉Trik AI案、爱奇艺诉MiniMax案，技术演进与既有著作权保护体系之间的张力日趋凸显。
社会各界对此类纠纷的关注多集中于民事侵权层面。然而，随着《刑法修正案（十一）》对侵犯著作权罪的修改，以及2025年4月26日施行的最高人民法院、最高人民检察院《关于办理侵犯知识产权刑事案件适用法律若干问题的解释》（法释〔2025〕5号，以下简称《2025年知识产权刑事解释》），刑事追责的风险已逼近涉案AI企业及其从业者[1]。
在技术发展初期，面对海量数据抓取与模型训练带来的确权难题，法律规制应何去何从？笔者认为，在民事权利边界尚存巨大争议、确权规则尚在探索之时，应当坚守刑法谦抑性原则，优先通过民事机制解决技术红利的重新分配问题，审慎启动刑事追责。本文拟从AI训练数据行为在民事层面的复制与合理使用定性入手，剖析侵犯著作权罪中"以营利为目的"在间接营利模式下的实质解释路径，进而探讨刑民边界的厘清与涉案企业的合规出罪空间。
一、AI训练数据行为在著作权法上的挑战
探讨刑事责任之前，必须首先厘清AI训练行为在民事法律框架下的定性。如果一种行为在民事层面尚且存在是否侵权的巨大争议，将其直接拔高至刑事犯罪无疑是违背法治精神的。当前，AI大模型训练过程中的数据使用行为，在著作权法上面临着复制与合理使用的双重认定难题。
（一）数据投喂是否构成法定复制
根据《著作权法》（2020修正）第十条第一款第五项，复制权是指以印刷、复印、拓印、录音、录像、翻录、翻拍、数字化等方式将作品制作一份或者多份的权利[2]。其核心特征在于对原作品表达的再现。然而，AI大模型的训练过程与传统复制行为存在本质区别。
以生成式AI图像大模型为例，其训练通常包含以下环节：收集各类图片数据并存储至专用数据库；对数据进行清洗与格式转换等预处理；将预处理后的图片转化为数学向量表示，使模型掌握从数学表示生成对应图片的能力。在全国首例涉及AI绘画大模型训练著作权侵权案（四位插画师诉Trik AI案）中，技术辅助人员向北京互联网法院说明，整个过程是通过数学建模实现对图像特征的学习，而非直接复制原图[3]。
在此技术逻辑下，AI模型在训练阶段对他人作品的使用，更多是提取其中的统计学规律、参数特征与风格要素，属于对思想而非表达的吸收。模型最终生成的参数文件本身并不包含原作品的直接切片。尽管在数据收集与预处理阶段不可避免地会产生临时存储，但这种技术性、临时性的复制是否等同于《著作权法》意义上的实质性复制，在理论与实务界均存在重大分歧。
在广州互联网法院审理的（2024）粤0192民初113号案（广州奥特曼案）中，法院认定平台作为内容生成工具的直接提供者，其AI功能直接输出侵权内容，构成对复制权、改编权的侵害[4]。但该案的裁判逻辑侧重于输出端生成物与原作品的高度相似性，并未深入论证输入端的训练行为本身是否独立构成复制。如果AI输出结果与原作品不构成实质性相似，仅仅是中间过程的数据处理，将其认定为侵权复制，将极大阻碍人工智能产业的数据获取。
（二）企业的抗辩，转换性使用的适用空间
面对潜在的侵权指控，AI研发企业的核心抗辩理由通常是合理使用。合理使用制度的底层逻辑在于平衡著作权人个人利益与社会公共利益，促进知识的传播与创新。
我国现行《著作权法》（2020修正）第二十四条采取了封闭式列举加兜底条款的立法模式，列举了十三种合理使用情形，兜底条款限定为法律、行政法规规定的其他情形[2]。由于目前尚无明确的法律或行政法规将"将作品用于大模型语料训练"纳入合理使用范畴，AI企业在援引该条款时面临严格的文义解释障碍。
从比较法视野来看，容忍技术发展带来的非表达性使用已成为一种趋势。欧盟《数字单一市场版权指令》（DSM指令）确立了文本与数据挖掘（TDM）例外，允许为商业目的进行文本与数据挖掘，除非权利人明确保留权利。美国司法实践中发展出的转换性使用规则，如在Google Books案中，法院认定扫描图书建立索引属于转换性合理使用，因其提供了与原作品完全不同的目的和功能。
笔者认为，AI模型训练对数据的吸收与参数化，本质上赋予了原作品新的功能与价值，具有高度的转换性。正如中国政法大学数据法治研究院等机构草拟的《人工智能法（学者建议稿）》所提出的，若AI训练使用数据的目的与原用途不同，且不影响正常使用及权利人利益，可认定为合理使用。在我国司法实践中，虽无法直接突破《著作权法》的明文规定，但司法机关在个案裁判中应当充分考量这种转换性使用的实质，为新质生产力的发展留出必要的容忍空间。如果在民事裁判中尚需权衡合理使用的边界，那么在刑事领域，就更不应轻易越过这道防线。
二、侵犯著作权罪中营利目的的实质解释
即便退一步，认定AI训练数据行为在客观上构成了对他人作品的未经许可使用，要将其评价为犯罪，还必须跨越一道极高的主观门槛。《刑法》（2023修正）第二百一十七条明确将"以营利为目的"作为侵犯著作权罪的成立要件。这一要件在AI大模型商业模式的语境下，遭遇了前所未有的解释困境。
（一）传统营利目的的认定困境
在传统的盗版图书、盗版光盘或私服外挂案件中，营利目的的认定相对直观：行为人直接针对侵权复制品进行销售，或者通过提供侵权作品直接收取费用。
然而，在生成式AI领域，大模型的训练阶段与最终的商业变现阶段往往是割裂的。在数据抓取与模型训练环节，AI研发企业通常并不向用户收费，其直接目的是提升模型的参数量、优化算法性能、增强模型的泛化能力。这一阶段本身并不产生直接的经济收益。如果机械地要求营利目的必须直接指向复制行为本身，那么几乎所有的AI训练行为都将因为缺乏直接营利性而被排除在犯罪圈之外。
（二）间接营利模式的刑法穿透审查
为应对网络时代著作权犯罪手段的隐蔽化，司法解释早已将间接营利纳入"以营利为目的"的射程。最高人民法院、最高人民检察院、公安部《关于办理侵犯知识产权刑事案件适用法律若干问题的意见》（法发〔2011〕3号）第十条明确规定，以在他人作品中刊登收费广告、捆绑第三方作品等方式直接或者间接收取费用的，属于"以营利为目的"[5]。
在快播案中，尽管快播公司并未直接从淫秽视频中收取播放费用，但北京市海淀区人民法院认定其通过提供技术服务间接增加了客户流量，从而提高了广告收益，这种"扩大经营、非法牟利"的模式足以认定其主观牟利目的[6]。同理，在近年来多起网络盗播影视剧案件中，行为人通过免费提供盗版视频吸引流量，再通过网页广告联盟赚取广告费，均被司法机关认定为"以营利为目的"的间接获利典型。
将这一逻辑平移至AI大模型领域，AI企业的商业模式似乎也能被穿透审查出间接营利的本质。当前，主流AI大模型的变现途径主要包括API调用收费、提供增值订阅服务、向企业端提供定制化私有部署，甚至通过模型能力的展现来推高企业估值、获取巨额融资。
从控方的视角来看，如果没有海量未经授权的他人作品作为语料进行训练，AI模型就无法具备强大的生成能力，也就无法吸引用户充值或企业购买。后续的商业化运营收益，实质上是建立在前期侵权训练行为基础之上的。在广州奥特曼案和杭州奥特曼案中，法院均注意到被告平台通过会员充值及算力购买等增值服务攫取收益，这也是认定其承担民事赔偿责任的重要考量因素[4][7]。在刑事语境下，这种通过出售模型能力间接变现的模式，能否被解释为《刑法》意义上的"以营利为目的"，成为核心争议焦点。
（三）刑法解释的边界与罪刑法定
笔者认为，对于AI模型训练中的间接营利，在刑法适用上必须保持极度的克制，绝不能无限扩张营利目的的内涵。
首先，AI模型的营利来源具有高度的复合性与不可分割性。与传统盗播网站通过流量直接变现不同，AI模型最终展现出的强大能力，是算法架构创新、算力堆叠投入、人工反馈强化学习以及海量数据共同作用的结果。其中，特定权利人的具体作品在千亿级甚至万亿级参数的模型中，其贡献度被无限稀释。将模型整体商业化带来的收益，等同于对某一部分训练数据侵权复制的营利，在因果关系上存在严重的断裂。
其次，将"优化模型性能以期未来商业化"解释为"以营利为目的"，涉嫌类推解释，违背罪刑法定原则。《刑法》规定的"以营利为目的"，应当是指行为人主观上希望通过实施刑法所禁止的特定行为（如复制发行、信息网络传播）来获取经济利益。而在AI训练中，行为人复制（假设成立）数据的目的是为了机器阅读和学习，而非向公众发行或传播这些数据本身。
中国社会科学院法学研究所李明德研究员指出，人工智能训练中对于他人作品的使用属于商业性使用，如果不加以规制将损害著作权人利益[8]。但在刑法领域，商业性使用并不等同于刑事犯罪构成要件中的"以营利为目的"。民事侵权领域的商业使用标准较宽，只要行为服务于企业的经营活动即可；而刑法上的营利目的必须具备更强的直接性与针对性。如果在刑事司法中将AI研发这种旨在技术迭代的长远商业规划直接等同于盗版牟利，将彻底摧毁科技创新的合法性基础。
三、刑法谦抑性在AI时代的贯彻
在AI技术快速发展的当下，知识产权的刑民边界正面临重塑。面对民事权利边界模糊、刑事构成要件解释存在争议的双重困境，刑法谦抑性原则应当成为司法机关处理此类案件的最高指导准则。
（一）法益侵害的实质评估
刑法的发动应当以存在严重危害社会的法益侵害为前提。《2025年知识产权刑事解释》在制定过程中，最高司法机关明确强调，刑法具有最后手段性特点，更加注重对行为的实质评价，在认定犯罪构成时较民事侵权、行政违法采取更为严格的标准[1]。
在AI大模型训练引发的版权争议中，需要实质性地评估其对原著作权人造成的损害程度。不同于传统盗版直接替代了正版作品的市场份额，AI模型吸收训练数据后生成的内容往往是全新表达。除非模型发生过拟合导致直接输出与原作品高度相似的图像或文本，否则AI的生成物通常不会在同一市场上与原作品形成直接竞争或替代关系。
即使存在损害，这种损害主要体现为著作权人未能分享到AI技术发展带来的商业红利，属于利益分配不均的问题。这种经济利益的受损，完全可以通过民事诉讼中的停止侵权、赔偿损失，或者未来可能建立的数据法定许可、集体管理制度来弥补。动辄动用剥夺人身自由的刑罚手段，显然超出了法益保护的必要限度。
（二）避免寒蝉效应与保护新质生产力
法律具有滞后性，而技术发展一日千里。当前，关于生成式AI训练数据的确权规则尚在探索之中，司法实践呈现出个案探索到规则提炼的渐进式路径。例如，杭州互联网法院在（2024）浙0192民初1587号案（杭州奥特曼案）中提出分阶段责任的分析框架，认为在数据输入端，平台未直接参与训练不构成直接侵权；而在输出端未采取必要措施则构成帮助侵权[7]。这种精细化的民事责任划分，体现了司法对技术中立与利益平衡的审慎考量。
在民事规范尚未定型、产业合规标准尚不清晰的背景下，如果刑事司法抢跑定调，将普通的训练数据抓取行为拔高为刑事犯罪，必将引发巨大的寒蝉效应。AI大模型的研发需要海量数据，若严格要求事先获得所有著作权人的明确授权，在实操层面几乎是不可能完成的任务。刑事风险的悬剑，将迫使国内AI企业在数据获取上畏首畏尾，进而导致我国在激烈的全球人工智能技术竞争中丧失先机，这显然违背了国家发展新质生产力的宏观战略。
（三）涉案企业及从业者的合规与辩护空间
对于已经或可能卷入刑事调查的AI企业及其从业者，在现有法律框架下，应当积极构建多维度的合规与辩护体系。
其一，主张技术中立与主观无罪过。在刑事审查中，辩护人可以着重论证AI训练过程的黑箱特性与自动化处理特征。强调企业在数据抓取与预处理阶段，主观上并不具有针对特定权利人作品进行非法复制、发行的故意；在模型输出端，如果偶尔生成了涉嫌侵权的内容，也属于算法不可控的概率事件，缺乏侵犯著作权的直接故意。
其二，构建实质性的数据合规体系作为出罪依据。企业应当建立并严格执行Robots协议遵守机制、数据来源合法性审查机制以及完善的版权投诉与过滤屏蔽机制。一个完备的数据合规体系，无疑能够有力地证明企业主观恶性的轻微，成为阻却犯罪故意或争取宽大处理的关键筹码。
结语
AI大模型训练引发的版权冲突，本质上是技术红利在数据提供者、模型开发者与公众等不同利益主体间的重新分配。在间接营利的审查中，刑法必须坚守罪刑法定原则，不能将模型整体商业化的收益牵强附会为对训练数据的非法牟利。在民事规范尚未定型、利益平衡机制仍在探索的当下，刑事司法应当保持最大的审慎，严格恪守谦抑性原则。期待未来能够通过完善数据要素市场规则、探索数据信托或法定许可制度，从根本上化解AI时代的版权矛盾，而非过度依赖刑罚手段。唯有如此，方能在保护创新动力与维护权利人合法权益之间，寻得最佳的平衡点。
注释及引用
[1] 最高人民法院、最高人民检察院《关于办理侵犯知识产权刑事案件适用法律若干问题的解释》（法释〔2025〕5号），2025年4月23日发布，2025年4月26日施行，现行有效。
[2] 《中华人民共和国著作权法》（2020年11月11日修正），现行有效。第十条第一款第五项规定复制权包括"以印刷、复印、拓印、录音、录像、翻录、翻拍、数字化等方式将作品制作一份或者多份的权利"；第二十四条规定了合理使用的具体情形。
[3] 四位插画师诉Trik AI案，北京互联网法院受理，2024年6月20日开庭审理。该案系全国首例涉及AI绘画大模型训练著作权侵权案，目前公开渠道尚未获取完整案号及裁判文书。参见北京互联网法院庭审公开信息。
[4] （2024）粤0192民初113号民事判决书，广州互联网法院，2024年。该案系全球首例生成式AI服务侵犯著作权案。
[5] 最高人民法院、最高人民检察院、公安部《关于办理侵犯知识产权刑事案件适用法律若干问题的意见》（法发〔2011〕3号），2011年1月10日，现行有效。第十条规定了侵犯著作权犯罪案件中"以营利为目的"的认定标准。
[6] 深圳市快播科技有限公司、王欣等传播淫秽物品牟利案，北京市海淀区人民法院2016年9月13日一审宣判。参见最高人民法院官网2016年9月14日权威发布。
[7] （2024）浙0192民初1587号民事判决书，杭州互联网法院，2024年9月。该案系杭州互联网法院首例涉生成式人工智能平台侵害信息网络传播权案。
[8] 李明德：《人工智能生成内容的"非作品"属性探讨——兼评北京互联网法院（2023）京0491民初11279号判决》，载《知识产权》2024年第2期。