人工智能提供商對生成物的著作權屬研究

生成式人工智能（GenAI-GenerativeAI，如無特殊說明，以下統稱GenAI）是人工智能（以下簡稱AI）技術和產業的主流形態之一，是根據使用者提示，基于算法、模型、規則生成文本、圖片、聲音、視頻1以及策略、代碼、蛋白質結構等內容（AIGC-AIGeneratedConten）的技術。使用者借助AI可以高效、跨模態生成AIGC，就像“馬良”使用“神筆”可以達到點石成金的驚人效果。技術研發與產業發展的互動，創造了新商業模式和競爭規則，催生了新利益主體和權利格局，引發了新制度調整和法律需求。其中，AIGC作為AI生成的具有價值的無形物，引起了“誰在創作、成果歸誰、權利誰享、責任誰擔”的討論，集中表現在使用者“馬良”和提供商“神筆”的著作權之爭。實踐中，一些企業通過用戶協議的方式要求取得AIGC著作權，或者對使用者的著作權進行限制。理論上也存在多種爭議觀點，需要回歸技術實質，基于創作本質，立足利益平衡，明晰權責分配，以達到鼓勵研發、激勵創作和激發產業活力的目的。

一、源于現實分歧——AIGC的著作權歸屬之爭

AIGC的生成過程涉及多方參與者，包括：合作建立AI的投資商、編程者、訓練者、語料商等主體，在市場上提供AI服務的服務提供商（以下簡稱提供商），和直接使用AI的使用者。該過程可能涉及多方直接或間接的貢獻，引發了多元利益需求。

（一）市場的態度

相較于編程者、語料商等主體以及使用者，提供商處于市場主導和強勢地位，主要通過用戶協議與使用者約定AIGC的著作權歸屬。筆者調查發現，有些提供商明確主張著作權，有些放棄著作權但可能附帶對使用者的限制條款，有些未予明確表態 （詳見表1），同時大部分明確要求獲得對AIGC的無償、不限地域、不可撤銷的使用權。

（二）理論的分歧

受AI主體屬性1觀點和AIGC作品屬性觀點的影響，目前世界范圍內存在多種著作權歸屬觀點：

一是主張AIGC歸屬于AI本身。該主張可以細分為“AI主體說”和“虛擬人格說”兩種觀點。其中，“AI主體說”是一種比較科幻的想法和理論假設，認為AI載體硅基新生命形式可以作為權利主體。“AI擬人說”未將AI視為生命形式，而是將AI擬人化，認為AI對AIGC具有決定性作用，應當成為民事法律關系的主體。

二是主張AIGC歸屬于編程者或提供商。該觀點認為，AI能夠完成過去需要由人類親自完成的事情，編程者或提供商應當享有權利15其中，“編程者說”認為編程和設計是一種創造性勞動，AIGC是編程者思想和情感的現實表達\"?！疤峁┥陶f”從服務合同中使用者相對方的角度出發，將最終提供AI服務的主體視為權利主體，進而簡化了權屬劃分和糾紛解決。

三是主張AIGC歸屬于使用者。該主張可以細分為“AI工具說”和“使用者控制說”。其中，“AI工具說”認為，AI是具有較高水平的Microsoftoffice或Photoshop工具，或者是替代或減輕人的腦力勞動或智力勞動\"的勞動工具?！笆褂谜呖刂普f”認為AI技術的一致性決定了AI藝術的創作始終是以人一機的形式展開的，使用者的操作占主導地位。

四是主張AIGC歸屬于社會公有。該觀點認為從防止壟斷、減少糾紛、促進流通的角度出發，部分或全部不授予私權，同時為了尊重和激勵相關主體，可以從報酬、使用權等角度予以彌補。

五是主張AIGC歸屬于多方共有。該主張認為AIGC由多方主體共同參與創作，應當以多方權益共享格局激勵更多的個人和企業投入更多的成本促進社會創新創造。例如，參照1988年英國《版權、外觀設計和專利法案》規定“對于計算機生成的文字、戲劇、音樂或藝術作品而言，作者應是對該作品的創作進行必要安排的人”，這里所謂“必要安排的人”，可能包括直接的提供商或使用者，也可能是間接的投資者、編程者，或者兼而有之。

（三）問題的聚焦

AIGC的著作權歸屬問題涉及主體多、技術性強、過程復雜、利益需求多元化，可以通過以下思路梳理和簡化：首先，排除AI作為民事權利主體。著作權法以鼓勵創作為目的，只有人類才能被激勵，只有人的創作成果才能作為作品受到著作權法的保護24。從照相機、攝影機開始，到計算機和AI，司法機關、行政機關和理論界的主流判斷都堅持只有人類才能擁有作者身份2。例如，美國版權局在《黎明的查莉婭》《太空歌劇院》等版權登記案件中堅持只有人類作者才能創作受著作權保護的作品2。其次，著作權權屬獲得途徑很多，但作者應當是直接參與創作的主體。投資者、編程者、語料商等在內的主體共同合作制造了AI，但都沒有直接參與具體創作，而直接參與方僅限于使用者和AI提供商，即市場上AI服務合同的雙方。對于提供商而言，無論是在自己的平臺上部署模型并開放給公眾使用的模型開發提供商，還是通過應用程序接口查詢接入第三方模型的模型使用提供商2，他們在利益需求、責任承擔等方面也無須區分對待。再次，不宜單獨考慮AI投資、研發等主體的著作權，這些主體不僅未直接參與AIGC生成，而且可以或已經在產業鏈中獲得了商品或服務對價。最后，AIGC完全歸屬于公有領域的觀點缺乏對創作主體的充分尊重和有效激勵。因此，AIGC的著作權歸屬問題可以簡化為以下核心問題：提供商是否是AIGC的作者？

二、回歸技術本質一—GenAI運行的非創作性屬性

作品創作行為是一種智力活動，應當具有以下三個特征：第一，人類智能具有意向性，決定了創作行為是在創作本能驅使下將“思想”呈現并固定為“表達”的主觀性行為。第二，人類智能具有非理性，決定了創作行為是自主的推理和想象的創新行為，而非機械或反射行為。第三，人類智能具有的目的性，決定了創作行為應有預見性而非不確定性，確?！氨磉_”與“思想”相對應。但AI是通過運算實現來模擬人類智能，并不具備以上特征。

（一）自然語言處理的非主觀性

1.看似“心領神會”：通過語言技術映射世界

語言是承載和傳播人類智能的關鍵載體，語言規律在一定程度上體現了客觀規律。要模仿人類智能的運行，AI需要通過自然語言處理技術（NLP）來實現計算機對人類語言的處理。第一，通過“詞向量”給世界打標簽。“詞向量”技術是指計算機通過長串數字列的形式給每個單詞打標簽，以體現單詞之間的排列組合規律。例如，通過詞向量可以將“踢”與“足球”聯系，一般不與“鉛球”關聯。一個單詞的詞向量越多，關聯性越多，詞預測越準確。第二，通過“詞預測”按照概率生成?！霸~預測”技術是基于“詞向量”標記的事物之間的聯系，進一步根據概率預測可能出現詞的技術。語言環境越復雜，神經網絡層越多，運算越復雜。例如GPT-3的最大版本有分別處理語法、特征等功能的96個層，每個層有96個注意力2頭，每次預測一個新詞時，GPT-3將執行9216個操作2，并從中根據概率選擇。第三，通過“提示詞”聽懂用戶指令。提示詞是利用自然語言來指導或激發AI模型完成特定任務的方法和命令。提示詞越多越具體，對生成物的預見性越強。第四，通過“權重值”模擬深度學習。構成人工神經網絡的數學模型由大量的節點（人工神經元）相互連接構成，每個節點代表一種特定的輸出函數，每兩個節點間的連接存在信號權重。在語料訓練時，神經網絡根據語料的結構和模式調整連接權重值形成結構化數據，類似人腦的“記憶”。可以說，“在機器學習領域，權重便是一切\"3。這些信號權重數量被稱為參數量，例如OpenAI的GPT-1有1.17億個參數，GPT-2增加到15億個參數，GPT-3有1750億個參數31，參數量越大則功能越強。

2.實則“鸚鵡學舌”：缺乏對內容的真正理解

理解是智能的基礎。盡管有觀點提出了不同于人類的“機器理解”3概念，但筆者認為AI并不具有創作意義上的理解能力。

首先，AI對現實世界缺乏主觀感知。人的感知和理解是建立在具身體驗的基礎之上，作為大模型的AI缺乏理解的“生理結構”，不可能形成具身的體驗。攝像頭、傳感器等采集并形成結構化的數據，也將以權重值的形式被AI記錄，但并非感受本身，例如機器可以關聯‘糖”和“甜”，但并不真正懂得“甜”的感覺和給人的滿足感。對于抽象單詞，機器更是無感，正如美國語言學家艾米麗·本德所言，AI并不理解單詞的含義 。

其次，AI語料訓練是非主觀性學習。AI通過“權重值”模擬深度學習，只能通過“詞向量”技術看清和聽清，但不能看懂和聽懂。更為重要的是，AI一直在隨著語料的增加不斷調整權重，不會總結形成穩定的印象、概念和觀點，而且“正是由于AI忽視了或無法完成因果推理和常識推理，只能從大量的數據中學習統計規律，使得AI系統往往在處理新領域的問題時表現不佳”。因此，AI的感知和學習缺乏理解，就像鸚鵡條件反射式的學舌，大模型現在展現出來的是流利的語言能力，沒有真正的理解能力。

（二）人工神經網絡運算的非創新性

1.看似“神機妙算”：通過數學運算模擬思考

AI通過以下三步模擬人類思考：

一是通過人工神經網絡模擬人腦功能。相對于生物神經網絡，人工神經網絡是從信息處理角度對人腦神經元網絡進行抽象而建立的系統。例如，瑞士的“藍腦工程”進行全腦仿真，模擬人腦中的800多億個神經元和十幾萬億個神經突觸和中樞神經系統的工作模式。人工神經網絡的工作模式本質上是一種數學模型或計算模型：每個人工神經元代表一種特定的輸出sigmod函數，每兩個神經元之間的連接存在信號權重，根據輸出權重值和函數值的變化進而生成新的內容8；多個人工神經元構成一層，輸入層和輸出層加上多個隱藏層構成一個人工神經網絡。

二是通過“轉換器”模擬人的習慣。轉換器模型（Transformer）的突出特點在于自注意力機制和多頭注意力3，使得人工神經網絡更像人腦一樣學會“抓重點”。例如，當舞臺幕布拉開時，其可以像人一樣迅速注意到舞臺聚光燈下，而不是機械地從上至下、從左至右地掃描所有地方。當前市場上著名的BERT、GPT、T5系列模型，尤其是2024年初OpenAI的Sora模型，都是基于該架構構建，確保其表現出更接近人類智能的特性。

三是通過“大模型”實現大力出奇跡。在算法、數據和算力軟硬件技術支持下，參數量達到百億乃至更高規模時，可以帶來不可思議的性能“涌現”。狹義的大語言模型（LLM）是指基于文本序列的概率生成模式，通過對海量文本數據學習，并在學習語言的統計特性的基礎上，預測給定詞序列中的下一個詞或根據提示生成文本的模型。廣義的大模型還包括視覺大模型、多模態大模型、決策大模型、行業垂直大模型等大型神經網絡。大模型應用場景幾乎涵蓋所有行業和領域。例如在語言文字領域的“智能檢索”“文生文”等技術可以實現公文、新聞等材料的自動化撰寫；“文生圖像”“文生視頻”“文生音樂”，以及圖片、文字、音頻、視頻之間的靈活生成則實現跨模態生成應用。

2.實則“循規蹈矩”：對有限表達的概率 選擇

首先，AI用數學模型模擬人腦思考方式。數學是AI的基礎和運行方式，模型是人類理解世界規律和聯系的橋梁。從1943年麥卡洛－皮茨神經元嘗試通過數學和邏輯來解釋生物神經元開始，科學家將統計學、概率論、微積分、線性代數等數學應用于 ，出現了多種數學應用模型，例如前饋神經網絡處理直接信息流，卷積神經網絡則擅長圖像處理，循環神經網絡和長短期記憶網絡適合序列數據，另外生成對抗網絡、變分自編碼器、自組織映射、徑向基函數網絡等各有所長。但以上模型是基于人類發現的已有的數學模型，理論模型的構建離不開簡單化或理想化方法，這些模型運行出來的結果也并非完全符合規律本身。

其次，AI用統計相關性替代客觀因果性。研究認為，機器在大數據中采集到的規律，都屬于統計相關性而非因果性，從圖靈機設想開始，AI的基本原理是在數據資源基礎上的數學運算和邏輯選擇，甚至有人將大模型看作是“用于模式匹配的一個笨拙的統計引擎”，預測的是單詞序列，而非因果關系。例如，自2005年開始的“文生圖像”技術，從深度信念網絡、生成對抗網絡、卷積神經網絡、循環神經網絡和Transformer模型迭代升級，但仍是在計算相關性。

再次，AI用概率對海量有限表達進行機械選擇。AI運行是概念相關性的選擇，并非有意識的創作行為，仍未觸及自我意識的層面，這就從根本上抹煞了處理過程的創作空間，排除了處理結果具有個性化特征的可能性”。例如，相同訓練程度的“文生圖像”在簡單提示下生成的內容具有高度相似性。而且，AI看似“創意”無限，實則是在計算機強大儲存的有限表達中進行的概率選擇，只不過這種有限數量超過了人腦的處理能力，看似“理解”和“創新”僅是算法精準度的升級和掌握資料的豐富 。

（三）AIGC生成內容的不可控性

1.啟動“毫無主見”：缺乏獨立創作意識

馬有千里之程，無騎不能自往。 沒有創作意識，在具體AIGC生成過程中沒有創作“思想”，僅僅是在無意識地執行程序，而“無意識的自動創作并不是真正的創作\"。另外，AI也不具有獨立性，其訓練內容、算法程序均由人設計，生成動作也需要使用者啟動和操作，并按照提示詞要求根據算法生產內容，僅能起到將使用者思想固定和呈現為無形物的被動工具作用。

2.過程“技術黑箱”：算法運行的不透明性

“技術黑箱”是指盡管運算過程原則上是在依照算法計算并根據概率輸出，但這種概率是不確定的且難以驗證和回溯的，導致了AIGC往往出乎意料。例如，2024年5月12日筆者在國內某AI詢問“（金庸）《笑傲江湖》中岳靈珊是怎么死的？”，輸出的答案是“據法制日報2020年11月13日報道岳靈珊的尸體被打撈上岸后，經法醫鑒定，死因系溺水死亡”。出現這種情況是難以解釋的，因為多層級神經網絡方法本身被分成多個不同的層級，每個層級之間的關系是從量變到質變的突變或涌現，這一過程是不能被以可視化、理想化等方式呈現出來的。另外，算法是企業競爭核心力，權重更是商業秘密，除了“不可解釋”這個技術層面的原因，也存在涉及企業經營策略的“不宜解釋”因素。

3.結果“出其不意”：生成內容的不確定性

首先，使用者經常發現AI答非所問，常見以下幾種情形：（1）訓練語料的沖突導致的混亂，其結果可能前后矛盾，導致使用者覺得對話對象“自相矛盾”。（2）算法的錯誤導致結果錯誤，導致使用者覺得對話對象“智商低下”。（3）模型對權重相近結果都隨機輸出，導致使用者覺得對話對象在“胡言亂語”。（4）超出訓練語料的范圍，AI依舊嚴格依據算法“捏造”出不真實的結論或者是滯后的結果，導致使用者覺得對話對象在“癡人說夢”。（5）提示詞使用的歧義，比如AI對提示詞“會意”有誤，導致使用者覺得對話對象在“答非所問”。

其次，AI還經常出現“機器幻覺”。人類貴有自知之明和謹慎的態度，對于自己沒有把握的內容可以拒絕回答，或坦言不知，或采取避重就輕、閃爍其辭的模糊處理；但“機器以一種令人信服但完全編造的方式來表達自己\"，它意識不到自己的無知，總能根據算法按照概率給出答案，類似在一本正經地胡說八道，這就是“機器幻覺”。有研究認為，產生“幻覺”的原因中，AI本身錯誤是占 ，例如“技術黑箱”，但根本原因在于其對單詞真正含義并不理解。正如美國語言學家艾米麗·本德所言，“由于缺乏對事實的理解，它們在回答問題時會產生幻覺”。

（四）GenAI是人類義肢和創作工具

1.AI與人類智能存在現實差距和本質差別

當前AI尚停留在“弱人工智能”的初級階段，所謂“強人工智能”仍是一種科學前景，不僅需要量變，更需要質變才有可能在未來達到。首先，人類智能機理尚未清晰，盡管算法可以模擬人類記憶與思維能力中的形式邏輯，但人類對自身的直覺和靈感還沒有成熟認識，自由意志等非理性因素的機器實現存在很大的障礙。其次，模擬方法還不成熟、不全面，AI在神經元模型和神經網絡結構方面與人腦相距甚遠，在信號表達機理上也存在根本差別，而且目前AI的學習能力依賴于數據統計，生成也是僅僅對概率的運用，還無法模擬人類推理和類推并形成概念和觀點的能力。最后，智能水平差距甚遠。人腦神經突觸數量約百萬億，而且單個神經元的能力相當于5一8層的人工神經網絡，而當前人工神經網絡的神經連接數量只有人腦的 ，盡管可以運算得很快，但智能還遠遠不及。

2.AI的工具屬性不能否認AIGC的作品屬性

人類智能在AI時代不僅依然重要，而且其獨特價值在某些領域更加凸顯5。這種獨特價值在于，一方面可以創造功能強、效率高的AI創作工具，另一方面可以利用AI創作具備獨創性、值得被著作權法保護的作品。篇幅所限，本文無法展開討論AIGC的作品屬性，多數觀點認為如果有證據證明人在制造或使用AI過程中，通過對AI智力投入和具體提示、選擇而得到的AIGC，則可能具備作品屬性。另有客觀獨創主義認為，智力成果具備客觀上的獨創性就可以構成作品。筆者同樣認為，AI自身運行的非創作性，并不能直接否認人類使用AI生成AIGC的作品屬性。正如日本文化廳文化審議會于2024年3月發布的《關于人工智能與著作權相關問題的意見》中認為，“人類創造的部分和AI生成的部分應當被分別評價，即使生成物中的部分內容經過人類的調整而具有獨創性，這并不能使其中完全由AI生成的部分被認定為作品；反之，即使由AI生成的部分不構成作品，由人類創造的部分依然可以被認定為作品”。

三、基于利益平衡 提供商的貢獻和利益需求

直接創作作品的自然人是作者，具有創作意志并實施組織主持行為的法人或非法人組織視為作者。在AIGC生成過程中，使用者直接參與了創作過程，提供商提供技術和服務，對AIGC的生成直接和間接作出了貢獻，但能否視為作者還要根據其主觀創作意志、客觀組織主持行為和責任承擔能力等進行分析。一方面，需要肯定使用者和提供商對AIGC的貢獻，尊重其利益需求，激勵產業發展；另一方面，也需要立足利益平衡，降低交易成本，提升知識傳播效率。

（一）提供商的貢獻和盈利模式

不可否認的是提供商需要為AI投入巨額成本。首先，算力成本越來越高。隨著算法需求增加和計算能力的增強，詞向量和詞預測量快速增加，相應計算能力需求猛增。2018年OpenAI的GPT-1共有1.17億個參數，隨后版本迅速增加，GPT-4o參數約2000億，ol-preview參數約3000億°，對算力需求越來越大。同時受到技術壁壘和生產能力影響，算力硬件設備中的芯片成本也越來越高。其次，語料成本比重越來越重。數據是AI的石油和源泉，以數據的形式占有和學習現有知識是AI合法、好用的前提。為廣泛、準確、合法取得數據，提供商需要承擔解決數據分散、數據質量、數據滯后和數據合法等方面的巨大成本。

提供商的市場目的是持續盈利，沒有持續盈利就沒有持續發展。據研究，2023年中國GenAI主流盈利模式包括：Maas（按模型調用量收費）、按產出內容量付費、軟件訂閱付費、模型定制開發費和基于廣告流量的收費等收費模式，其中按產出內容量付費占比達到 筆者認為，提供商的利益需求包括以下兩個內容：

一是基于服務的合同利益。提供商通過提供AI軟硬件來提供計算和生成服務，使用者享用服務進行操作并獲得AIGC，這種法律關系既非AIGC買賣合同，也非委托提供商生成AIGC的委托合同，而是一種無名的服務合同。例如GPT-4每月收取服務費20美元，百度文心一言4.0每月收取59.9元人民幣。有研究認為，將來中國GenAI企業盈利將以Mass（按模型調用量收費）為主，事實上也是一種基于模型調用量的服務收費。

二是基于AIGC產品的利益。根據勞動財產說理論，作品因摻入作者的勞動因而獲得財產權。5在理論界，關于AIGC的財產權屬性，存在不賦權說和賦權說的爭議；關于AIGC賦予權利或權益類型，有觀點主張授予著作權 ，有觀點認為可以授予鄰接權；也有學者認為，著作權保護是最優路徑，鄰接權也具有一定優勢，也可以考慮數據等特殊財產權制度，或者考慮競爭法路徑。但從市場上看，還沒有較為成熟的提供商行使基于AIGC著作權的模式。

（二）提供商的作者身份質疑

除了前文分析的AI生成AIGC的非創作性原因以外，提供商不應視為作者還包括以下原因：

第一，從創作過程看，提供商未參與到具體的創作過程中。首先，提供商不具有創作的具體“思想”。提供商并不參與、也不控制具體的創作“思想”，而僅僅是被動性提供AI工具。其次，在與使用者合作過程中，提供商并不具有在共同創作思想指導下的分工合作，不應當認為與使用者構成著作權法意義上的“合作作者”。再次，提供商也沒有對AIGC的具體預見性。AIGC是在使用者提示下通過算法實現輸出，但輸出內容是概率計算的結果，提供商對AIGC并無預見性。另外，提供商提供的AI工具自身運行的非創作性，決定了提供商對具體AIGC不具有創作行為。

第二，從產業發展看，提供商的服務成本和盈利需求可以通過服務合同債權等方式獲得。如前所述，2023年中國GenAI主流盈利模式中按產出內容量付費的占比為 71該研究機構還認為，未來將以Mass為主。而且，相對于合同債權收益，著作權收益具有極大的不確定性，其資產變現受到多種因素影響，不應成為提供商盈利的主要來源。

第三，從制度成本看，提供商享有著作權加大作品使用成本。一方面，明確劃分提供商與使用者之間的著作權分成，就必須明確提供商對AIGC獨創性部分的貢獻程度或比例，需要較高的技術成本和潛在的糾紛解決成本。另一方面，提供商缺乏主動使用和許可AIGC的主動性和成熟模式，甚至對AI生成了什么都難以顧及，如果授予提供商作者身份，AIGC的許可和流通事宜可能會更為繁瑣。

第四，從公平角度看，提供商享有著作權可能嚴重壓縮使用者利益。一方面，提供商相對于使用者處于絕對強勢地位，許多提供商不僅主張著作權，還要限制使用者著作權的行使，并要求免費的、全球范圍內的、永久的許可使用權利等，導致利益失衡。另一方面，提供商掌握大量作品著作權可能會造成知識壟斷，加劇數據鴻溝，進而影響市場公平競爭。

（三）著作權權屬的約定效力

關于AIGC能否構成作品存在不同的觀點。有觀點認為，使用者首先要基于設計和需求選擇合適的AI，同時選擇提示詞也需要經驗、設計和靈感，就像神筆馬良駕馭神筆一樣。不論是“使用者控制說”還是“AI工具說”，都認為AI不是獨立的，使用者的操作占主導地位，付出了有價值的勞動。因此從作品創作過程、勞動價值理論、著作權制度激勵對象等角度看，使用者是AIGC的作者。排除職務行為、合同行為等因素影響外，使用者是AIGC的當然著作權利人。AIGC能否構成作品還需要按照著作權普通規則進行判斷，根據獨創性標準進行具體認定，而不宜一概而論。正如北京互聯網法院在“AI文生圖”案件中認為“利用AI生成圖片是否構成作品，需要個案判斷，不能一概而論”，AIGC是否構成作品需要采取個案認定原則。該問題并非本文討論重點，鑒于GenAI提供商不具有應然作者身份，考慮到市場慣例，需要討論能否依據用戶約定取得著作權。筆者認為應當明確以下兩點：

1.AIGC標記不具有著作權初步證明效力

AIGC標記在很多國家和地區已經被規定為強制義務。我國《互聯網信息服務算法推薦管理規定》和《生成式人工智能服務暫行管理辦法》明確規定了AI算法推薦結果和AIGC應當進行標識，國家互聯網信息辦公室《人工智能生成合成內容標識辦法 （征求意見稿）》擬細化標識規則。美國《人工智能行動令》第1條也要求商務部制定內容認證和水印的指南以明確標記AIGC。一種觀點認為，該標記相當于著作權意義上的署名，表明作者身份并可以作為著作權人的初步證據。另一種觀點則認為，該標識并非著作權意義上的署名4，屬于產品來源標識。筆者認為，AIGC標記的相關法律規定層級不能超越著作權法對AIGC設定著作權，而且AIGC標記的要求與著作權中的可以署名、不署名、署真名、署筆名的署名權不同，這是一種公法義務，用于表明來源并使相關主體可能承擔私法或公法上的責任。因此，AIGC標記并非作者署名，而是產源標記。

2.用戶協議約定著作權須遵守誠信原則

根據當前市場上提供商和使用者之間用戶協議的情況，可能出現以下幾個問題：

一是關于著作權歸屬約定和聲明問題。如果提供商在用戶協議中“放棄”本就不屬于他們的AIGC著作權，不會產生著作權屬糾紛。

如果提供商在用戶協議中主張AIGC的著作權，使用者簽署了用戶協議且事后追認或默認的，AIGC的著作權可以視為轉讓給了提供商。如果使用者被迫接受用戶協議，但明確主張相關條款構成格式條款而無效的情況下，應當根據民法典和合同相關法律法規的相關規則，先認定具體條款的有效性，再確定著作權歸屬。

二是關于提供商對AIGC要求無償、不可撤銷的使用權的約定和聲明問題。一般情況下，提供商對AIGC不具有著作權，無權單方要求無償、不可撤銷等使用權，包含該意思的條款在使用者反對的情況下不具有法律效力。

三是關于提供商限制使用者自由使用AIGC的問題。例如部分提供商明確要求使用者不得商業性使用AIGC。如前分析，一般情況下，提供商對AIGC不享有著作權，也無權單方限制使用者對AIGC的作品使用方式，包含該意思的條款在使用者反對的情況下同樣不應具有法律效力。

Artificial Intelligence Provider's Work Ownership Research on Products- -From the Perspective of Technology Essence and Right Balance

Abstract： When artificial intelligence products with originality constitute works，their atribution directly affects the creation enthusiasm，the use of works and the eficiencyofcirculation，but there are great controversies in theory andpractice.Fromtheperspectiveofgenerativetechnologyproces，generativeartificialinteligenceoperationisnonsubjective，non-innovative and non-predictable.This unconscious program operation is not a creation in the sense of copyright，but can be used as a high-tech tool for users to create.From the perspective ofcontribution and equity balance，the service provider does not have creative thoughts and behaviors， is notthe author of the work，and the program toolservice provided by it is beter realized throughthe service credit.For the current market service providers and users through the user agreement and other ways to agree on the ownership of copyright， should be based onthe principle of good faith to determine the effect.

Keywords： Generative Artificial Intelligence； Copyright； Author；AI Provider； User Agreement