AI 团队如何为中国版权政策变化做好准备

中国最新的版权规划并不是为每一家模型开发商准备的合规清单，但它是一个重要的运营信号。国家版权局于 2026 年 9 月 7 日印发《版权工作“十五五”规划》，该规划的落款日期为 8 月 31 日。规划把版权服务、执法、国际合作和新技术放在同一政策议程中。对 AI 团队而言，这意味着一个熟悉的工程任务——弄清内容来自哪里——正在成为更广泛的业务准备问题。

有用的回应既不是假定所有数据使用都被禁止，也不是等待某一条最终规则回答每一个训练数据问题。团队应当先让当下的决定可被追溯：记录取得了什么内容、依据哪些条款、用于什么用途、由谁批准，以及收到可信投诉后会怎样处理。即使未来规则与今天的预期不同，这些证据仍然有用。

本文不是法律意见，而是一套面向产品、采购、数据和安全负责人的实务框架，帮助他们把变化中的政策环境转化为可检查、可改进的工作。

区分已知事实与尚未解决的问题

第一项纪律，是不要把宽泛的政策语言误读成确定结论。版权规划确实表达了政策方向，国家版权局此前也已把人工智能和其他新兴领域列为需要强化版权制度设计的领域。但规划通知没有对某一语料库能否用于模型训练、每一种生成输出应如何处理，或每一份合同将如何影响争议给出通用答案。

最高人民法院 9 月 7 日对《关于依法审理涉人工智能纠纷案件的意见》的答记者问尤其值得参考。它说明了法院可能如何处理涉及 AI 生成内容的主张：权利人首先需要就争议内容由某 AI 服务生成、且与受保护作品构成实质性相似等初步事实举证。AI 开发者提出不侵权抗辩时，训练数据来源、训练过程和运行方式可能成为相关证据。

同一说明也明确保留了两个基础问题：AI 生成内容是否受著作权保护，以及未经许可使用他人作品训练大模型在法律上应如何定性。这些未决事项不是忽视指引的理由，反而说明团队需要建立“不确定性登记表”。每一项决定都应标明它是由合同、适用规则、已记录的技术控制，还是尚未验证的假设所支持。把这四类东西混为一谈，往往会让本可避免的风险变得不可见。

在争议发生前建立数据证据地图

数据清单不应只回答“我们使用了哪个数据集”。先记录资产或数据集、供应商、取得日期、适用条款、地域和产品限制，以及预定的技术用途。随后记录转换链条：筛选、标注、去重、合成增强、访问控制，以及材料用于哪个模型或评估。该记录应有版本，因为后来的快照未必能复现团队当时实际训练的内容。

这并非为了制造文书工作。权利投诉常常从一个很窄的问题开始：这张图片、这份文件、这段声音或这段代码从哪里来？能够指向来源记录、批准路径和保留决定的系统，可以迅速调查；只有一个没有标签的大型存档的系统，则必须在压力下重建自己的历史。

这张地图还应暴露缺口。公开可访问内容、合作方提供内容、已获许可的数据集和内部创作材料并不是可互换类别；它们有不同的证据、条件和失效方式。来源没有清楚条款或溯源信息时，应如实标记，而不是默默把它升级为“已清权”。这样团队才能限制其用途、寻求替代，或作出有记录的风险决定。

向 AI 供应商提出能得到可用答案的问题

购买模型 API 或嵌入第三方工具，并不会转移全部运营责任。法院指引强调了控制能力、各方在生成中的作用、训练数据来源和防范措施；这些都是采购问题，而不只是诉讼问题。

有用的供应商评审会索要具体材料：服务条款覆盖哪些使用场景和内容类型？供应商能对训练或检索数据的来源和治理说明到什么程度？它如何接收、评估和回应权利投诉？客户可获得哪些日志？对客户上传内容、微调、检索索引和生成输出分别有什么控制措施？

不要把“负责任的 AI”之类的笼统表述当作响应流程的替代。供应商可以合理保护机密技术细节，但客户仍可要求联络点、升级时限、通知机制、合同承诺和清晰的责任边界。把答复随采购决定一同保存，避免后来团队不得不重新调查。

把输出控制和投诉处理当作产品功能

版权风险并不在训练环节结束。产品团队应当定义用户如何报告疑似复制、需要提交哪些信息、报告如何分流，以及何时限制可能有害的输出。最高法说明提到技术和商业模式、当事人在生成中的作用、训练数据投入、防范措施和获利等因素。这些因素指向一个简单的产品问题：服务能否解释发生了什么，并采取相称行动？

对于消费产品，这可能意味着可见的举报入口、案件编号和针对滥用提示词模式停止重复生成的方式。对于企业系统，还可能包括工作区审计日志、管理员控制、保留设置和书面升级路径。具体控制应随产品而变；不应改变的是，在不无必要暴露客户私密数据的前提下保存证据的能力。

团队应通过桌面演练测试这一流程。选择一个关于生成图片或检索段落的假设投诉，计时查找账户、相关日志、模型版本、来源记录和可用操作需要多久。演练往往会发现数据、法务、支持和工程团队使用了不兼容的标识符或保留期限。在真正投诉前发现这个问题，正是演练的价值。

让 AI 辅助的内部工作可复核

新的法院指引也直接谈到用 AI 准备诉讼材料的人：使用者仍要核实 AI 辅助提交材料的准确性，并在需要时说明这一辅助。这个原则适用于法庭之外的重要工作。AI 输出不应仅因文字流畅就变成来源。

为重要文件制定内部规则：起草者标出事实主张、保存一手来源、在相关时记录所用模型或工具，并指定有权修改或否决结果的人工审阅者。政策摘要、产品主张、权利分析和客户沟通尤其需要这样做。模型编造的引文，或在草稿完成后已经变化的政策规则，造成的问题可能远大于普通错字。

目的不是禁止 AI 辅助，而是保留“辅助性草稿”和“已核实陈述”之间的区别。这种区别让团队能够使用自动化，而不会假装自动生成的文字已经独立证明了某项事实。

建立定期准备度复盘

每月或每季度的复盘，可以把这套框架变成日常运营。审查新的数据来源、重大供应商变化、未结投诉、事件发现、日志覆盖情况和未解决的法律假设。跟踪一组以证据为中心的指标：活跃数据集中有记录条款的比例、整理一份投诉记录所需的时间、有升级联络点的高风险供应商比例，以及未解决溯源缺口的存续时间。

不要用这张记分卡在法律尚未明确时宣称“完全合规”。它更克制也更有用的目的，是显示组织能否说明当前做法、纠正已知薄弱点，并以更充分的信息作出下一项决定。

中国的政策方向和法院指引正在使这种能力更有价值。它们没有消除 AI 训练和权属方面的难题，却让组织更难在客户、创作者、监管者或法院询问系统如何构建和控制时，完全拿不出答案。