人工智能生成物的署名標識義務探析

【摘 要】隨著人工智能的迅速崛起，在人工智能與人類智慧深度交融的當下，大模型生成內容正重塑人類的創作生態，其生成物的署名問題日益凸顯，引發了廣泛的法律和倫理爭議。通過對大模型訓練與內容生成機制的研究，提出基于區塊鏈的貢獻度量化模型，旨在精確衡量人類與人工智能在創作過程中的貢獻程度，并創造性地提出構建 “人類—人工智能” 二元署名體系，明確在大模型生成內容中的權利歸屬與責任界定，從而為解決大模型時代的署名困境提供創新性的思路和解決方案。

【關" 鍵" 詞】大模型；版權模糊性；區塊鏈；貢獻度量化；二元署名體系

【作者單位】高偉，黑龍江大學黑龍江教育雜志社；張洪波，中國文字著作權協會。

【基金項目】2023—2024年度國家社科基金項目（23WZXA002）；2022年度黑龍江省哲學社會科學研究規劃項目（22XWE433）。

【中圖分類號】D923.4 【文獻標識碼】A 【DOI】10.16491/j.cnki.cn45-1216/g2.2025.08.013

大模型作為人工智能領域的關鍵技術，正深刻改變著人類內容創作的過程。從新聞寫作、文學創作到藝術設計，大模型生成的內容種類日益豐富多樣，且在效率和規模上展現獨特優勢。然而，這一技術進步也帶來嚴峻的法律挑戰，其中著作權歸屬成為焦點。根據《中華人民共和國著作權法》的相關規定，著作權屬于作者，即創作作品的公民是作者。如無相反證明，在作品上署名的公民、法人或者其他組織為作者。這意味著除非有特別的合同約定或法律規定，否則出版物的著作權默認屬于作者本人。作者享有發表權、署名權、修改權、保護作品完整權等一系列權利，而且可以通過行使這些權利獲得相應的經濟利益。但人工智能生成內容的出現打破了這一常規認知，其創作過程涉及海量數據的學習和算法的運算，難以簡單套用傳統的版權規則。人工智能存在未經授權使用大量受版權保護的作品進行模型訓練的現象，生成內容的著作權歸屬也存在爭議，這不僅損害了著作權人的合法權益，也阻礙了大模型產業的健康發展。因此，重構適應大模型時代的著作權中的署名制度具有緊迫性和重要性，旨在保障創作者權益，促進技術創新與應用。

一、國內外研究現狀

在國外，圍繞人工智能生成物著作權問題的研究主要集中在侵權認定和責任承擔方面。學者們主要探討大模型在訓練過程中對數據的使用是否構成侵權，以及生成物的著作權歸屬原則。美國的一些法院在相關案件中嘗試根據傳統著作權法的 “合理使用” 等原則進行判斷，但尚未形成統一標準。關于署名問題，有觀點提出應明確標注生成內容的來源和生成方式，以保障用戶知情權和創作者的合法權益。

國內研究更側重于從法律制度完善和產業發展角度出發。一方面，學者們分析我國現有著作權法律體系在應對大模型版權問題時的不足，呼吁修訂相關法律法規。科技部監督司在2023年編寫的《負責任研究行為規范指引（2023）》中，從研究選題與實施、數據管理、文獻引用、成果署名、成果發表等方面對如何依規合理使用生成式人工智能作出了具體指引。在成果署名方面，該規范作出相關規定，即“生成式人工智能不得列為成果共同完成人”，“應在研究方法或附錄等相關位置披露使用生成式人工智能的主要方式和細節”。在文獻引用方面，指引表示“使用生成式人工智能生成的內容，特別是涉及事實和觀點等關鍵內容的，應明確標注并說明其生成過程，確保真實準確和尊重他人知識產權。對其他作者已標注為人工智能生成內容的，一般不應作為原始文獻引用，確需引用的應加以說明”，強調“不得直接使用未經核實的由生成式人工智能生成的參考文獻”。這一規定在《科技部發文規范 AI使用" 禁用 AIGC 直接生成申報材料》等相關報道中也有所體現，旨在規范科研人員在使用生成式人工智能時的行為，保障學術研究的真實性、準確性和知識產權等相關權益。另一方面，相關部門也關注如何在保障著作權的前提下，推動大模型技術在文化創意產業中的合理應用。中國文字著作權協會發布《加強人工智能版權保護，促進產業高質量發展倡議書》，倡議國家有關部門明確人工智能適用的合理使用場景等，強調生成式人工智能語料庫建設等要確保數據來源合法，要求人工智能技術開發者承擔記錄保存義務，對使用數據及生成內容進行標識等。這反映了行業對人工智能署名及知識產權問題的關注，為相關研究提供了實踐導向，促使學者從行業需求出發，探索更具操作性的署名保護方案。

關于人工智能生成物的署名規則，學界也在積極摸索，探討如何建立符合中國國情的標注機制，以解決人機協作創作中的署名難題。有觀點提出［1］適應人機協同創作的趨勢，強調作品需由人類創作完成，具備獨創性。而人工智能生成內容雖在形式上與人類創作相似，如人工智能創作的繪畫、詩歌等，但創作過程基于算法、數據和模型訓練，與人類基于靈感、情感的創作存在本質區別。有研究［2］通過剖析人工智能創作原理，認為若僅根據結果判斷，某些人工智能作品達到了一定審美和表達水準，應納入版權保護范疇。然而從創作主體角度出發，人工智能缺乏意識和精神內核，難以被認定為傳統意義上的作者。如在人工智能寫作詩歌的研究中，學者深入分析詩歌生成算法，發現其只是對海量已有詩歌數據的學習和重組，并非自主創作，這對現有著作權理論中創作主體的界定發起了挑戰。然而，到目前為止，無論是國內還是國外，在精確衡量人類創作者與人工智能在創作過程中各自貢獻的占比方面，尚未形成深入且全面的系統性研究成果。

二、現有署名制度的局限性

1．傳統版權制度在大模型時代的不適應性

一是獨創性認定標準的困境。在傳統版權制度中，獨創性是作品獲得版權保護的核心要件，通常要求作品由作者獨立創作完成，且具有一定的創造性高度。在大模型時代，如何判斷其獨創性成為難題。人工智能生成物是由大模型基于算法對大量數據的學習和運算而生產的，雖然在形式上可能表現一定的新穎性，但這種新穎性并非源于人類作者的獨立創作思維［3］。以人工智能生成的詩歌為例，它可能通過學習大量經典詩歌的詞匯、句式和韻律，生成符合詩歌格式和語義邏輯的文本，但很難確定其是否達到傳統意義上的獨創性高度，導致在版權認定時無法準確適用現有的獨創性標準。

二是作者身份界定的難題。傳統版權制度將作者定義為創作作品的自然人，強調作者的人格與創作行為的緊密聯系［4］。然而，人工智能生成物的創作過程涉及復雜的技術系統，包括數據收集與預處理、模型訓練與優化、算法運行等環節，難以確定一個明確的具有人格屬性的“作者”。如果將模型開發者視為作者，他們的主要工作是設計和構建模型框架，并未直接參與具體內容的創作。若將數據提供者視為作者，他們只是提供了訓練素材，對生成物的具體形態缺乏直接控制。這種作者身份界定的模糊性，使得司法在確定人工智能生成內容的版權歸屬和作者可行使的權利時面臨困難。

三是權利保護期限與大模型發展的矛盾。傳統版權制度規定了明確的權利保護期限，一般為作者有生之年加死后若干年。在大模型時代，人工智能生成內容的更新換代速度極快，其商業價值和社會價值的體現往往集中在較短時間內。由于大模型技術的持續發展和應用，其對早期生成內容的利用和再創作可能會長期存在［5］，這就導致傳統的權利保護期限規定難以適應人工智能生成內容的特點——過短的保護期限可能無法充分激勵創新，過長的保護期限又可能限制技術的發展和知識的傳播。

2．現有署名制度無法滿足大模型內容的需求

一是缺乏對人工智能參與創作的署名規范。目前的署名制度主要是針對人類創作者之間的合作創作或獨立創作進行規范，對人工智能參與創作的情況缺乏明確規定。在大模型生成物中，人工智能在創作過程中發揮了關鍵作用，但現有署名制度無法體現人工智能的貢獻度。這不僅使得使用者難以了解生成內容的創作背景和來源，也不利于司法機關在版權糾紛中明確各方的責任和義務。

二是難以平衡人類創作者與人工智能在署名中的關系。在人機協作創作的模式下，人類創作者與人工智能共同參與內容創作，但現有的署名制度難以平衡兩者在署名中的關系。人類創作者擔心人工智能的署名會降低自己的創作地位，但不給予人工智能適當的署名又無法準確表現創作過程的實際情況。在不同的應用場景和創作領域，人類創作者與人工智能的貢獻程度各不相同，如何根據貢獻大小確定署名順序和方式，現有制度缺乏相應的指導原則和操作規范。

三是署名的真實性和可追溯性難以保障。人工智能生成物在傳播過程中可能會經過多次修改和再加工，這使得署名的真實性和可追溯性面臨挑戰。由于缺乏有效的技術手段和管理機制，署名信息在傳播過程中難以保證不被篡改或刪除，最初的創作主體和創作過程也難以追溯。在一些網絡平臺上，人工智能生成物可能被隨意轉載和修改，署名信息變得不明晰，導致版權糾紛發生時，無法準確判斷作品的原始出處和創作者，影響版權保護的效果［6］。

三、基于區塊鏈的貢獻度量化模型構建

在人工智能發展的過程中，數據共享是提高模型性能的重要途徑。傳統的數據共享方式存在隱私泄露、數據所有權難以界定等問題，區塊鏈通過加密技術和智能合約，能夠實現數據的安全共享和可控使用。

1．區塊鏈在版權領域的應用潛力

數據是人工智能發展的基石，高質量的數據是訓練出精準、可靠的人工智能模型的關鍵。區塊鏈通過分布式賬本和加密算法，能夠確保數據從源頭到使用的全過程可追溯且不可篡改。區塊鏈具有去中心化、不可篡改、分布式存儲、可追溯等特性，為解決大模型生成物的版權問題提供了新的思路和方法。區塊鏈可以用于模型的版權保護和交易，當模型需要進行交易或授權使用時，區塊鏈可以實現安全、可靠的交易流程，確保模型開發者的權益得到保障［7］。在版權登記方面，模型開發者可以將模型的相關信息和代碼記錄，即作品的元數據、創作時間、作者信息等通過區塊鏈的時間戳和加密技術記錄在區塊鏈上，以此實現作品的快速、高效登記，證明模型的原創性和所有權，確保版權信息的真實性和不可篡改。當發生版權糾紛時，權利人可通過區塊鏈追溯作品的創作過程和傳播歷史，為版權認定提供有力的證據。在版權交易方面，區塊鏈的智能合約功能可以實現版權的自動交易和授權，提高交易效率，降低交易成本，減少中間環節的信任風險。

2．貢獻度量化模型的設計思路

一是數據采集與存儲。開發者可利用區塊鏈的分布式存儲功能，建立一個安全、可靠的數據采集與存儲系統。在創作過程中，系統將實時采集與量化指標相關的數據，包括人類創作者的操作記錄、人工智能的模型訓練數據和生成內容數據等。這些數據被加密后存儲在區塊鏈的各個節點上，確保數據的安全性和完整性，防止數據被篡改或丟失。同時，系統為每個數據記錄分配唯一的標識，便于后續的查詢和追溯。

二是智能合約實現貢獻度計算?；趨^塊鏈的智能合約可實現貢獻度的自動計算。智能合約根據預設的量化指標和計算規則，對采集的數據進行分析和計算，得出人類創作者與人工智能在創作過程中的貢獻度數值。具體而言，智能合約可根據創意構思的評估結果、數據標注的工作量和質量、模型優化建議的效果等因素，為人類創作者計算出相應的貢獻度分數，再根據人工智能的學習能力、生成內容的創新性和準確性等指標，為人工智能計算出貢獻度分數。智能合約的執行過程是透明的，且不可篡改，保證了貢獻度計算的公正性和可信度。

3．模型的驗證與優化

一是實驗設計與數據驗證。開發者可通過設計一系列實驗對貢獻度量化模型進行驗證。具體而言，開發者選取不同類型的大模型生成內容，包括文本、圖像、音頻等，邀請專業的評估人員對人類創作者與人工智能的貢獻進行主觀評估，隨后將評估結果與模型計算得出的貢獻度數值進行對比分析。同時，利用大量的實際創作數據對模型進行訓練和驗證，檢驗模型在不同場景下的準確性和穩定性［8］。如果發現模型計算結果與主觀評估結果存在較大偏差，可分析原因并對模型進行調整和優化。

二是反饋機制與持續優化。開發者可建立反饋機制，收集用戶和創作者對貢獻度量化模型的使用反饋，根據反饋意見不斷優化模型的量化指標、計算規則和數據采集方法，提高模型的準確性和實用性。隨著大模型技術的發展和創作模式的變化及時調整模型，能夠使其更好地適應新的情況和需求。未來如果出現新的人工智能技術或創作工具，開發者應及時將其納入模型的考慮范圍，更新量化指標和計算方法，確保模型始終能夠準確衡量人類創作者與人工智能的貢獻。

四、“人類—人工智能” 二元署名體系的建立

1．二元署名體系的基本原則

一是尊重創作事實原則?！叭祟悺斯ぶ悄堋倍鹈w系應充分尊重創作事實，準確反映人類創作者與人工智能在創作過程中的實際貢獻和參與程度。無論是人類創作者的創意構思、指導干預，還是人工智能的算法運算、內容生成，都應在署名中得到合理體現。在一篇由人類創作者提供主題和關鍵思路，人工智能輔助生成具體內容的文章中，署名應明確標注人類創作者和人工智能的貢獻度，讓讀者能夠清晰地了解實際的創作情況［9］。

二是保障權益平衡原則?！叭祟悺斯ぶ悄堋倍鹈w系要保障人類創作者和人工智能相關方的權益平衡，既要保護人類創作者的知識產權和聲譽，確保他們的創作成果得到認可和尊重，也要考慮人工智能開發者和數據提供者的權益，為人工智能在創作中的貢獻提供合理的署名和權益回報。在版權收益分配方面，根據貢獻度量化模型的結果，按照合理的比例將版權收益分配給人類創作者和人工智能相關方，從而避免權益失衡導致的糾紛。

三是便于識別與追溯原則。署名應具有清晰的標識和可追溯性，便于使用者識別和區分人類創作者與人工智能的創作貢獻。人類創作者應采用統一的署名格式和規范，在生成內容的顯著位置標注人類創作者和人工智能的信息并提供相關的鏈接或標識，以便使用者可以通過區塊鏈追溯創作過程和貢獻度計算的詳細信息。如此，不僅有助于版權管理和糾紛解決，也能提高公眾對大模型生成內容創作過程的了解和信任。

2．署名的具體方式與格式

一是人類創作者署名。人類創作者的署名應采用真實姓名或常用筆名且在署名后注明其在創作過程中的主要貢獻，如 “創意構思”“內容審核”“模型優化指導” 等。如果有多個人類創作者參與創作，可按照貢獻度大小或協商一致的順序進行署名，分別注明各自的貢獻。在一部由多位作者共同創作且人工智能輔助生成部分內容的小說中，人類創作者可以按照 “張一（創意構思、主要數據提供）、李二（內容潤色、細節補充）” 的方式進行署名。

二是人工智能署名。人工智能的署名應采用其所屬模型的名稱或特定標識，注明 “人工智能生成工具” 字樣，同時附上該人工智能模型開發主體的名稱，如“GPT-4（Open人工智能開發）”“DALL-E3（Open人工智能開發）”。在多人機協作創作的復雜場景中，若多個人工智能模型參與內容生成，可按照它們在創作過程中的貢獻主次依次署名，如 “GPT-4（主要內容生成，Open人工智能開發）”“Stable Diffusion（圖像輔助生成，Stability 人工智能開發）” 。

三是綜合署名格式。在實際應用中，創作者可將人類創作者與人工智能的署名信息進行整合，形成統一的綜合署名格式。如在一篇新聞報道中，署名可呈現為“作者：王小明（選題策劃、內容審核）”“人工智能工具：GPT-4（文本生成，Open人工智能開發）”。對于篇幅較長、創作過程復雜的作品，創作者還可在作品末尾或專門的說明區域詳細闡述人類與人工智能的具體協作流程、貢獻度比例等信息，提高署名的透明度，增強其可理解性。

3．二元署名體系的實施與保障

在技術實施層面，開發者可依托區塊鏈構建的貢獻度量化模型，為二元署名體系提供技術支撐。在作品生成和發布環節，智能合約可自動調取貢獻度計算結果，按照既定的署名格式生成署名信息，并將其與作品元數據一同記錄在區塊鏈上。開發者應開發相應的驗證工具和接口，方便內容平臺、版權管理機構和用戶對署名信息的真實性和準確性進行查詢驗證。內容平臺可集成區塊鏈驗證插件，用戶在瀏覽大模型生成內容時，點擊署名信息即可查看創作者在區塊鏈上的詳細記錄和貢獻度量化過程。

在法律保障層面，政府等相關部門應加快制定和完善與大模型生成內容版權及署名相關的法律法規和政策文件。如：明確 “人類—人工智能” 二元署名體系的法律地位，將該署名體系納入版權保護的法律框架中，對署名的格式、內容、變更等事項作出具體規定，明確創作者若不按規范進行署名應承擔的法律責任，鼓勵行業協會制定相關的行業標準和自律規范，引導企業和創作者遵守二元署名體系，促進大模型產業的健康有序發展。

在行業與社會層面，內容創作平臺、人工智能開發企業等行業主體應積極響應和踐行二元署名體系。內容平臺可在其服務條款中明確要求用戶對大模型生成內容進行規范署名，同時為用戶提供相應的技術支持和操作指南。人工智能開發企業在提供模型服務時，應向用戶強調署名的重要性，并協助用戶完成準確的署名。此外，營造尊重知識產權、規范署名的良好社會氛圍，積極開展宣傳教育活動，提高公眾對大模型生成內容版權和署名問題的認識，增強創作者的版權保護意識和規范署名意識。

五、結語

人工智能生成物的版權模糊性是我國法律體系在人工智能時代面臨的重要挑戰，現有版權與署名制度在應對這一問題時存在局限性?；趨^塊鏈構建的貢獻度量化模型，為解決大模型生成內容的版權模糊性提供了創新性技術方案。該模型通過確定量化指標、采集存儲數據和智能合約計算，精確衡量人類創作者與人工智能在創作過程中的貢獻。在此基礎上建立的“人類—人工智能”二元署名體系，以尊重創作事實、保障權益平衡、便于識別追溯為原則，明確人類創作者與人工智能的具體署名方式和格式，從技術、法律、行業等多個層面提出了實施與保障措施。

即便如此，本文提出的方案在實際應用中仍可能面臨挑戰，如區塊鏈技術的性能瓶頸、不同主體對貢獻度量化結果的爭議等。未來，業界需要進行深入研究和實踐探索，不斷加強跨學科、跨領域的合作，推動版權法律制度與人工智能技術的協同發展，以更好地應對大模型時代帶來的版權問題，實現技術創新與版權保護的良性互動。

｜參考文獻｜

［1］楊緒東. 人工智能生成“類作品”真實“署名”義務探析［J］. 出版發行研究，2025（3）：86-93.

［2］覃楚翔，趙陶鈞. 學術作品傳播視域下生成式人工智能署名的困境與應對［J］. 當代傳播， 2023（6）：71-75.

［3］盧炳宏. 論人工智能生成物的著作權保護［D］. 長春：吉林大學，2021.

［4］劉慧. 人工智能生成創作版權權屬認定的困境與突破路徑：從個案認定到創作者公示［J］. 出版廣角，2024（12）：38-43.

［5］郭壬癸. 使用生成式人工智能對學術出版倫理的沖擊與法律治理［J］. 科技與出版，2024（9）：25-33.

［6］丁曉東. 著作權的解構與重構：人工智能作品法律保護的法理反思［J］. 法制與社會發展， 2023（5）：109-127.

［7］蘇克治. 基于AI驅動的出版業數智化轉型協同治理路徑［J］. 出版廣角，2025（5）：44-49.

［8］姚志偉，沈燚. 人工智能創造物不真實署名的風險與規制［J］. 西安交通大學學報（社會科學版），2020（1）：133-140.

［9］林嘉潤. 人工智能生成音樂的著作權保護研究［D］. 北京：中國政法大學，2023.