最高法关于依法审理涉人工智能纠纷案件24条意见逐条精解
2026-09-08
导读：2026年9月7日下午，最高人民法院召开新闻发布会，发布《最高人民法院关于依法审理涉人工智能纠纷案件的意见》（法发〔2026〕10号），共5部分24条——这是首部由国家最高审判机构发布的涉人工智能司法裁判规则文件。这不是一份"学术文件"，而是一份可以直接改变诉讼策略的操作指引：它决定了你的案子怎么立案、怎么举证、怎么抗辩、责任怎么分。本文以执业律师视角逐条拆解，并吸收了发布会答记者问等官方材料。
一、总体要求（第1-2条）：定调之作
（一）第1条 指导思想
条文要旨：坚持发展和安全并重、促进创新和依法治理相结合，依法公正审理涉人工智能纠纷案件，促进提升人工智能应用的安全性、可靠性、可控性、公平性。
律师解读：习近平总书记2026世界人工智能大会主旨讲话——“让人工智能这匹千里马既跑得快又跑得稳”。这句话实际是全篇24条的价值总纲：规制滥用恶用与支持创新发展，两条线索并行贯穿始终。这一条看似“务虚”，实则回答了一个根本问题：在人工智能法尚未出台的立法空白期，司法如何处理AI纠纷？该意见遵循的是"遵循立法精神、适应时代发展、用足用好现有法律规定"的原则。对律师的直接启示：代理AI案件不必寻找“新法依据”，检索重心应放在民法典、个人信息保护法、著作权法、反不正当竞争法等传统部门法的解释空间上。
（二）第2条 三大基本原则
条文要旨：
●以人为本：加强数字时代民生权益司法保障，防范消除算法歧视，保障个人在自动化决策中的知情权与选择权；
●支持创新发展：包容审慎平衡权益保护与产业，规制垄断与不正当竞争，平等保护中小企业；
●筑牢安全底线：区分场景认定责任；区分通用与专用、开源与闭源大模型的差异化归责；刑事宽严相济。
律师解读：“包容并不等于纵容、审慎也不等于放任。”这八个字是理解整个侵权编宽严尺度的钥匙——对技术发展包容，对滥用恶用从紧。请特别注意“区分通用与专用、开源与闭源”这句话——这是本次《意见》埋下的重要伏笔：基础大模型厂商与垂直应用服务商、开源发布者与闭源商业化主体，将适用宽严不同的注意义务标准。代理平台方案件时，“模型是开源/通用/仅提供API”将直接影响过错认定；代理权利人时，应反向论证被告对具体场景风险的控制力。
二、侵权编（第3-11条）：本次新规的主战场
（一）第3条 归责原则——过错责任为原则，“技术中立”不再是挡箭牌
条文要旨：法律没有明确规定适用无过错或过错推定责任的，依民法典第1165条第1款过错责任原则认定。判断过错综合考量：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；开发者、提供者已采取的预防措施及技术可能性；使用者的预见能力与控制能力。
律师解读：这一条是整个侵权编的“总开关”。对原告，本条过错要素清单就是一份举证路线图：证明场景高风险（如面向未成年人的拟声软件）、被告透明度低、具备技术可行却未采取防护——即可支撑过错认定，“技术中立”抗辩自此失效。对被告，注意义务不再一刀切：自主化程度越低、用户控制力越强、已采取合理防护，过错越轻。避免产业初期“承担过重责任而影响创新的积极性”。全国首例“AI幻觉”侵权案“梁某诉某人工智能公司网络侵权责任纠纷案”：法院认定服务提供者已履行服务功能显著提示说明义务、功能可靠性基本保障义务和服务协议约定注意义务等应尽注意义务的，不具过错。
三个极易被忽略的“归责例外”，务必记牢：
●具身智能机器人、自动驾驶汽车等实物产品致损，认定生产者责任时依民法典第1202条、产品质量法第43条适用无过错责任；
●个人信息处理者利用AI侵害个人信息造成损害的，依个人信息保护法第69条第1款适用过错推定责任；
●生成式AI侵权不适用无过错责任——理由是大模型与人类的交互方式决定了其只是向人类提供信息，与高度危险作业有本质区别。
（二）第4条 AI换脸拟声、AI复活逝者——人格权保护的“四连击”
条文要旨：
●未经同意生成可识别该自然人的虚拟数字形象并使用、公开 → 侵害姓名权、肖像权等人格权益；
●未经同意用自然人声音作训练语料，模仿音色、语调、发音风格生成可识别合成人声 → 侵害声音权益；
●操控虚拟形象、合成声音实施不当行为或发表不实言论、降低社会评价 → 侵害名誉权；
●擅自制作、使用死者虚拟数字形象的，近亲属依民法典第994条请求担责的，依法支持。
律师解读：本条是司法经验的成文化，每款背后都有标志性案件。可识别性是试金石，建议公证或区块链存证固定“合成内容—原声音/肖像”比对过程；死者案件由近亲属作原告，但注意核查是否存在死者生前许可；涉平台责任的，可叠加第7条通知规则一并主张。
●肖像不以面貌为限：结合衣着服饰、肢体动作等其他外部形象特征足以识别特定自然人的，同样构成使用其肖像；
●换脸合成形象与真人不必完全一致，只要能为一般公众或特定人群识别即可；
●针对“撞脸”抗辩，参考“迪某诉杭州某公司等网络侵权责任纠纷案”：短剧制作方用“AI换脸”使用了可识别原告肖像的人脸，辩称系AI自动生成的偶发撞脸、无侵权故意。法院认定：制作方基于行业认知和原告知名度，应当具有“能被公众识别”的基本判断能力，理应主动避免使用——“撞脸不是挡箭牌”。
声音权益款对应入库参考案例“殷某桢诉北京某智能科技公司等人格权纠纷案”（即全国首例AI声音侵权案，判赔25万元），形象权款对应“何某诉上海自某人工智能科技有限公司网络侵权责任纠纷案”。关于“AI复活逝者”，一个重要但容易被忽略的反面规则：死者生前许可且不违法、不违背公序良俗的，被许可人可以使用死者虚拟数字形象。依据是个人信息保护法第49条——自然人生前可就其逝后个人信息事务作出安排，包括订立肖像许可合同明确“数字复活”事项。数字遗产业务从此有了明确的法律通道。
（三）第5条 网络开盒、人肉搜索——“公开信息”不是免罪牌
条文要旨：①以刺探隐私为目的，用AI对电话号码、网络账号、社交媒体等公开信息进行追踪、分析、获取私密信息，或泄露公开、或侵扰私人生活安宁 → 侵害隐私权；②利用AI对私密空间、私密活动实施拍摄、窥视、窃听 → 侵害隐私权（法律另有规定或本人明确同意除外）。
律师解读：本条的要害在第一款的“悖论式构造”：处理的是合法公开的信息，但目的违法 + 结果违法 = 侵害隐私权。开盒者辩称“信息都是网上公开的、我只是汇总分析”，现在明确无效。被害人主张权利时，重点围绕“目的”举证：追踪行为是否指向特定自然人、获取的信息是否具有私密属性、后续是否用于侵扰生活安宁。
注意两个关键细节。其一，“以刺探隐私为目的”是区分非法“开盒”与合法数据分析的关键要件——市场调研等旨在形成匿名化、聚合性统计结果的商业分析，不针对特定自然人隐私，不属于本条规制范畴。合规的数据业务由此获得了明确的安全区。其二，AI让“普通人开盒”成为可能：过去定位一张照片的拍摄地需要专业知识和大量时间，现在把照片丢给AI即可快速获取——侵权门槛的断崖式下降，正是本条出台的技术背景。此外，此前“两高一部”《关于依法惩治网络暴力违法犯罪的指导意见》只在刑事层面明确追责标准，本条补上了民事救济这一块短板。
（四）第6条 模型训练使用公开个人信息——AI行业的“定心丸”与“紧箍咒”
条文要旨：为模型训练，在合理范围内处理个人自行公开或其他已合法公开的个人信息，且个人未明确拒绝的，一般不认定为侵权。但对个人权益有重大影响的，应当依法取得个人同意。认定“合理范围”考量：①目的与模型功能的必要性和适当性；②信息类型、敏感程度及潜在影响；③公开时的场景及可合理预期的使用范围。
律师解读：这是对AI产业影响最深远的条款之一，与民法典第1036条第2项、个人信息保护法第13条第1款第6项、第27条一脉相承，但首次在“模型训练”场景下明确——合法公开 + 合理范围 + 未拒绝 → 训练行为本身一般不侵权，大模型厂商不必因“全网爬取”人人自危。但“未明确拒绝”意味着用户已行使拒绝权的必须停止；“重大影响”场景（基于公开信息生成个人画像、数字人）须单独同意。
注意“合理范围”的三个反面教材，极具实操价值：
●用公开个人信息训练违法模型（如提供色情服务的模型）→ 直接认定超出合理范围；
●处理已公开的敏感个人信息（人脸等生物识别、医疗健康、行踪轨迹）→ 注意义务显著提高，须以更谨慎方式处理；
●场景一致性 / 隐私合理期待：平台已通过用户协议、公告告知用户“发布内容不会被用于AI训练”，此后又擅自使用的 → 可能超出合理范围。
入库参考案例“麦某波诉北京法某科技有限公司等网络侵权责任纠纷案”：被告未经授权爬取律师已公开的联系方式并在自营平台公开展示引流，法院认定该处理误导消费者以为存在合作关系、截取商业合作机会，对个人权益造成明显影响，超出公开时合理预期的使用范围，且属于“对个人权益有重大影响”情形，应当依法取得个人同意。这个案例几乎就是“合理范围”认定的标尺。
实务提示：企业合规四步：①训练数据来源分层审查；②提供便捷“拒绝被训练”通道并留痕；③敏感个人信息一律单独同意；④“重大影响”场景做评估留痕。
（五）第7条 生成式AI的“避风港”——参照适用通知-删除规则
条文要旨：①AI幻觉侵权：生成内容侵害人格权益，经权利人通知，服务提供者未及时采取停止生成等必要措施的，对造成的损害承担侵权责任；②恶意诱导：用户输入侵权提示词恶意诱导AI生成侵权内容的，用户担责；经通知，服务提供者未及时停止生成、屏蔽相关生成指令的，权利人可请求用户与服务提供者共同担责。通知应包括初步证据及权利人真实身份信息。
律师解读：生成式AI服务提供者难以事先预知用户输入、无法对海量生成内容逐一审查拦截，但接到通知后“应当、也有条件”采取措施——这就是“避风港规则”参照适用于生成式AI的正当性基础。相比传统平台，AI场景的特殊之处在于必要措施的形态：不只是“删除”，还包括停止生成、屏蔽生成指令——合规动作要下沉到提示词层面。
●通知不再要求提供侵权内容链接。生成式AI是“点对点”私密生成，权利人往往拿不到公开链接；只要能合理证明“该AI生成了侵害其权利的内容”即构成有效通知——可以通过模拟普通用户行为（输入提示词）、技术测试等方式获得。权利人的举证难度被实质性降低。
●必要措施清单扩大：停止生成侵权内容（核心目的）、屏蔽相关生成指令、对实施侵权的用户警示/限制/暂停服务；知产场景下还包括删除侵权内容、清理用户分享副本、屏蔽提示词、优化平台算法。
●过错标准是客观主义：接到通知后采取了符合现有技术水平的合理必要措施的，不担责——防范未来侵权的难度远高于删除既存内容，法理上不苛求“完全避免”。
●"红旗规则"被删除但留了口子：意见起草过程中曾参照民法典第1197条写入"红旗规则"（知道或应当知道即担责，不以通知为前提），因产业界反对最终删除；但《理解与适用》明确——若确有证据证明服务提供者知道或应当知道用户利用其服务侵权（如对涉黄涉暴内容未加过滤，或对生成结果进行了编辑、筛选、推荐），仍可参照第1197条追究连带责任。这就把“红旗规则”从条文搬回了个案论证。
参考"美杜莎案"：提供训练、算力、存储等中立技术服务的平台，事前有协议合规要求、内容基础审核与举报通道，收到通知后及时下架、屏蔽、转通知的，不承担帮助侵权责任；法院明确苛责平台全面事前审查既不具备技术可行性，也会阻碍人工智能技术发展——这是平台方答辩的标准范本。
实务提示：权利人发通知务必满足“初步证据 + 真实身份信息”两要件，AI场景下附上“提示词—生成结果”测试记录即可替代链接，以可回溯方式送达（公证邮件/平台内通知+截图），为主张“扩大部分责任”固定时间点；平台应建立“通知受理—生成拦截—指令屏蔽”响应SOP并全程留痕。
（六）第8条 人格权侵害禁令——AI维权的“紧急制动器”
条文要旨：有证据证明行为人正在或即将实施利用AI侵害人格权益的行为，不及时制止将受到难以弥补的损害的，可申请禁令；法院可责令行为人停止行为，或责令网络服务提供者、生成式AI服务提供者停止提供有关服务；禁令措施与损害范围程度相适应，不得超出必要限度。
律师解读：发布会举的例子很有画面感：受害人被AI换脸造“黄谣”，可申请禁令，法院既可责令用户停止侵权，也可责令AI服务提供者采取必要措施。AI侵权“成本低、传播快、损害不可逆”，决定了事前禁令比事后赔偿更有价值——一条AI生成的不实视频扩散72小时后再谈赔偿，对当事人往往已是毁灭性打击。人格权侵害禁令与人身安全保护令不同，更侧重对网络暴力等网络侵权行为的规制。正在公开征求意见的《反网络暴力法（征求意见稿）》第37条也专门规定了人格权侵害禁令——这一制度正处于立法强化的快车道上，实务中使用率将大幅上升。
实务提示：申请禁令三个动作：①固定“难以弥补”证据（传播量曲线、扩散范围、就医记录）；②列明禁令具体指向（某账号/某内容/某生成指令）；③同步准备行为保全担保。
（七）第9条 人工智能产品责任——“产品”限定实物载体
条文要旨：①严格依据产品质量法，AI产品限于以实物为载体（智能机器人、自动驾驶汽车），无实物载体的AI服务被排除；②产品缺陷致损的，生产者、销售者承担产品责任；③缺陷认定考量：性质用途、自主学习能力、升级更新、用户控制程度、是否符合国标行标，重点审查是否就适用场景、固有局限及可预见风险真实说明、明确警示。
律师解读：这一条在请求权基础层面做了一次“分流”：纯AI服务致损 → 不适用产品质量法（无严格责任），回归第3条过错责任，权利人须证明过错；实体AI产品致损 → 适用产品责任（无过错责任），只需证明缺陷、损害与因果关系。对原告律师，选对请求权基础就是选对了举证负担。立法考量：若把AI服务也界定为产品，将使产品责任这一无过错责任泛化，不利于产业发展——印证了“服务归过错、产品归严格责任”的分流逻辑。另需注意缺陷认定的特殊性：传统产品缺陷基于出厂时的固定状态，而AI产品的风险可能因自主学习能力在与环境交互中才显现——这正是《意见》列举自主学习能力、升级更新等动态因素的原因。
实务提示：代理产品致损案件，第一时间固定“警示说明”证据链：广告宣传、用户手册、销售话术与实际风险的落差，既是缺陷认定抓手，也可能串联第11条虚假宣传责任。
（八）第10条 大数据杀熟、仿冒名人带货——算法定价与AI欺诈
条文要旨：①利用算法对同一商品/服务实行不合理的差别待遇致损的，承担侵权责任；认定“不合理”考量：是否实质损害知情权、自主选择权、公平交易权，是否基于消费偏好、支付意愿、支付能力、浏览记录形成针对个人的交易条件，是否违背诚信与商业伦理，差别待遇理由是否正当、充分、非歧视。②AI“仿冒名人带货”构成欺诈的，消费者主张惩罚性赔偿（消保法第55条）的，依法支持。
律师解读：杀熟条款中“基于消费偏好、支付意愿、支付能力、浏览记录形成针对其个人的交易条件”正是“千人千价”的技术定义。规范基础是消保法第10条公平交易权、价格法第14条、个人信息保护法第24条（自动化决策透明公平、不得不合理差别待遇）。仿冒带货条款直指“张文宏被AI仿冒带货蛋白棒”之类事件——发布会原话：“我们不能奢求消费者都'火眼金睛'，法律必须及时亮剑。”
●不算杀熟的情形：基于成本差异、风险差异、供需波动、合法促销的差异化定价——如保险公司对出过事故的车辆收取更高保费、外卖配送费随订单量动态调整（“刘某诉北京某快科技公司案”，多收1元配送费被认定属正常动态定价）；新用户优惠、老客户回馈虽利用消费信息，但符合促销惯例，不宜认定为不合理。
●典型的杀熟情形：仅因消费者使用更昂贵的手机就设定更高价格；因多次浏览某商品推定购买意愿强而加价；“先涨后降”虚构原价；对同一消费者反复试探性加价；利用未成年人、老年人对网络技术不熟悉的弱点实施差别待遇。
●欺诈三要件：对商品质量、性能、用途、价格等重要事实作虚假陈述；使消费者不明真相而信赖并上当；经营者有主观故意。三要件齐备即适用消保法第55条惩罚性赔偿（退一赔三，食品药品领域另有规定）。
实务提示：杀熟案件举证核心是同条件比价证据：①公证同商品、同时段、不同账号的价格页面；②申请调取平台定价日志（结合第17条书证提出命令）；③对“会员权益”“促销策略”抗辩，围绕“非歧视性”组织反驳。
（九）第11条 自动驾驶、辅助驾驶事故——责任拼图与数据武器
条文要旨：①依民法典、道交法担责；因产品缺陷致事故的，可请求生产者/销售者依民法典第七编第四章承担产品责任；②缺陷与驾驶人过错结合致同一损害的，依民法典第1172条同时请求驾驶人和生产者/销售者担责的，依法支持；③对自动化等级、智能程度等虚假或引人误解宣传损害消费者权益的，依法担责；④法院可要求数据控制方在必要范围内提供真实、完整的自动驾驶/辅助驾驶事件记录等数据。
律师解读：智驾事故此前是“三不管”地带：车主说是车的问题，厂商说是人的问题，真相锁在厂商的数据黑箱里。本条逐一拆解：责任结构上，第1172条按份责任让受害人可一并起诉驾驶人与车企，避免两头落空。当驾驶人自身没有赔偿能力、保险金额也不足以赔付时，一并将生产者、销售者列为被告，对受害人权益保障意义重大；举证结构上，第④款是革命性的——事件记录数据由控制方强制提供；合规结构上，“L2.999”“解放双手”式宣传既是索赔依据，也是监管线索。进入司法领域的主要是L2级别及以下辅助驾驶纠纷，“智驾系统”仅提供辅助功能，责任承担与传统机动车并无二致——受害人先向驾驶人（或保险）求偿，再向缺陷产品生产者、销售者追偿；产品责任并不因此被排斥。
缺陷认定有两则入库参考案例必须掌握：
● “沈某敏诉泰州海某汽车销售公司案”：没有国标行标时，用户手册、销售方已就辅助驾驶功能局限作出明确警示说明的，通常不宜将该功能局限认定为缺陷；驾驶人自身违反交规致事故的，索赔不予支持。
●“舒某贵诉怀化春某汽车销售公司等案”：功能达不到普通消费者基于广告宣传、使用说明书产生的合理安全期待的，可认定存在缺陷；生产者以“现有技术尚待完善”抗辩的，不予支持。
还有一个硬时间点：2026年7月，工信部强制性国家标准《智能网联汽车 组合驾驶辅助系统安全要求》（GB 47955-2026）已发布。该标准正式实施后，不符合强制标准即直接构成缺陷认定依据——智驾诉讼的证据结构即将改写，代理时应随时关注标准实施时点。
实务提示：智驾事故代理四步：①事故后立即发函车企要求保存数据 + 申请证据保全；②将驾驶人与生产者/销售者列为共同被告；③主张缺陷时同步援引第9条警示说明义务，并比对广告宣传与真实功能；④留意第20条——用配件逃避辅助驾驶监测致事故构成犯罪的，责任主体可能反转。
三、知识产权编（第12-16条）：回应产业最关切
（一）第12条 AI生成内容侵害著作权——“AI生成”不是免责金牌，举证双轨化
条文要旨：①综合考量服务类型、行业特点、训练数据来源、各方参与度、必要措施、获利情况，合理认定开发者、提供者、使用者责任；②开发者不侵权抗辩的，应当责令其提供训练数据来源、训练过程记录、模型运行模式及科学理论依据；③使用者知道或应当知道在先作品，生成实质相似作品且无合理抗辩的，认定侵权；④利用AI实施侵权假冒、虚假宣传、刷量刷单的，依法担责。
律师解读：不能以被诉侵权内容系人工智能生成为由免除相关主体责任，而应当坚持责任承担与控制能力、注意义务相匹配。本条设计了精妙的双轨举证结构：权利人只需完成初步举证（内容系该AI生成 + 实质相似）；开发者若主张不侵权，则须自证清白——交出训练数据来源、过程记录、运行模式，必要时还要提供科学理论依据佐证。这一分配直面“关键证据只在被告手里”的现实，实际是书证提出命令在知产场景的具体化。
六项考量因素：
●服务类型：内容创作类AI的注意义务高于信息查询类；
●训练数据来源：合法性是判断开发者侵权的重要情节；
●各方参与度：控制能力决定注意义务高低，作用大小决定共同侵权中的责任份额；
●必要措施：明知模型可能稳定生成与他人作品实质性相似的内容，却未采取必要措施、甚至通过技术设计鼓励用户生成的 → 认定具有过错，构成共同侵权；
●获利情况：权责对等，获利多少是责任认定的重要参考。
责任划分上还有两条“连带责任”通道：依民法典第1197条，服务提供者知道或应当知道使用者利用AI侵权而未采取必要措施的，与使用者承担连带责任；依第1195条，接到通知后未及时采取必要措施、放任内容继续生成传播的，就损害扩大部分承担连带责任。对使用者，明确了推定规则：行为人有接触权利作品的可能的，推定其知道在先作品，不能举证推翻的认定侵权——“我用AI生成的、我不知道原作品”这类抗辩基本失效。
案例背景：北京互联网法院“AI文生图第一案”确认AI生成图片因体现人的独创性智力投入构成作品；广州、杭州“奥特曼案”系列确立了生成式AI平台的注意义务框架；“美杜莎案”则给出了平台免责的标准动作。本条正是个案经验的规则化。AIGC的可版权性、未经许可使用作品训练大模型的定性两大问题“意见分歧很大”，AI生成内容算不算作品、模型训练算不算侵权，仍将在个案中继续博弈。
实务提示：权利人按“初步举证 + 提示词测试复现”两步走；平台按“协议合规—基础审核—通知响应—算法优化”四件套构建免责证据；使用者合同中约定生成内容的合规保证与责任分担。
（二）第13条 开源软件责任豁免——给开源生态的“安全垫”
条文要旨：综合考量开源许可协议类型、权利限制具体内容、安全合规举措、信息披露程度，依法给予开源开发者、提供者适当的责任豁免；免费开源提供AI研发所需代码模块并公开说明功能和安全风险，他人使用致侵权的，可以认定开源开发者、提供者不承担侵权责任。
律师解读：开源是AI产业的底座，但开源许可证的“传染性”（如GPL强传染条款）与免责效力一直是灰色地带。本条给出的豁免路径非常清晰：免费提供 + 充分披露功能与风险 = 免责，在开源社区确立了“信息披露换责任豁免”的交易逻辑。
●主体限于以“免费开源方式”提供代码模块的开发者、提供者——是否“免费”，看其是否从提供行为中获利；以商业化方式提供开源代码的主体不能适用豁免（大模型自定义开源协议中的商用限制由此更显关键）；
●豁免以“公开说明其功能和安全风险”为前提，形成“贡献—披露—免责”的良性机制；
●条文表述是“可以认定……不承担侵权责任”而非“应当”——起草时曾有更绝对化的表述，最终为个案裁量留出空间。开源许可协议类型多样、法律关系复杂，法院要结合个案判断。
实务提示：①开源维护者：完善README/NOTICE中的功能边界与已知风险声明——这份文档直接决定能否免责；②商用集成方：入库审查许可协议类型，注意大模型自定义开源协议中关于商用、月活、再训练的限制；③纠纷中“违反开源协议”本身即可作为过错认定抓手。
（三）第14条 涉AI发明创造——AI不能当发明人，但AI辅助可以
条文要旨：①采用技术手段、解决技术问题、实现技术效果的，认定为专利法保护客体（违反法律公德、妨害公共利益或自然人没有实质贡献的除外）；②自然人对实质性特点作出创造性贡献的，认定为发明人；③说明书达到本领域普通技术人员能够实现的程度，认定充分公开。
律师解读：三款分别回应三个争议：客体问题（算法+技术场景可专利，纯智力规则不行）；发明人问题——必须是作出创造性贡献的自然人，与美国DABUS案（AI不能列为发明人）立场一致，“自然人没有实质贡献的除外”暗示纯AI自动生成、人只按了回车的“发明”可能不属于可授权客体；公开充分——写到本领域普通技术人员能实现即可，不必交出全部源代码。
实务提示：研发企业建立人机贡献留痕机制：记录每项发明中人的构思、验证、迭代过程，既是确定发明人的依据，也是应对“实质贡献”质疑的证据。
（四）第15条 涉AI技术合同——“合理努力”的违约认定标尺
条文要旨：审理涉AI技术开发、转让、许可、咨询、服务合同纠纷，根据合同约定，充分考量AI研发特点、开发方是否尽到合理努力等情形认定违约责任。
律师解读：一句话概括：AI研发失败≠必然违约。大模型训练效果受算力、数据质量、算法演进等多重不可控因素影响，本条实际引入了“合理努力”审查标准。对法律服务市场的启示：AI技术合同的起草需求将爆发——里程碑设置、验收标准客观化（以benchmark指标约定）、模型迭代与API变更的通知义务、算力成本波动的价格调整机制，都将成为条款设计的胜负手。
（五）第16条 数据使用规范——数据权益的"多重保护"体系
条文要旨：①合法获取（采集生成、衍生创造、受让取得、授权许可）的数据权益应予保护；②构成汇编作品或其他作品的依著作权法保护；③构成商业秘密的依反不正当竞争法保护；④不构成商业秘密的，违反反不正当竞争法第十三条的依法担责；⑤利用数据算法达成垄断协议或滥用市场支配地位的依法担责；⑥采取虚构干扰数据、恶意标注数据、对抗样本攻击等技术手段损害AI运行安全的，依法担责。
律师解读：本条搭建了数据权益的分层保护阶梯：作品路径 → 商业秘密路径 → 互联网专条路径 → 反垄断路径 → AI安全路径。一个值得所有法律人注意的细节：条文援引的是“反不正当竞争法第十三条”——即2025年修订后的新条文序号（网络不正当竞争条款，修订前为第十二条），提示《意见》已与新反法完成衔接，引用法条切勿沿用旧序号。第⑥款是亮点：投毒式攻击AI系统（污染训练数据、对抗样本欺骗模型）首次被明确为民事责任事由，为AI系统运营方提供了对抗恶意攻击的请求权基础。
四、程序与刑事编（第17-20条）：律师执业方式的直接改变
（一）第17条 事实查明——打破AI“黑箱”的程序工具箱
条文要旨：①加强诉讼引导释明；②客观原因不能自行收集的证据可申请法院调查收集，必要时法院依职权调查；③证据保全申请及时审查；④书证提出命令：控制书证、电子数据的当事人无正当理由拒不提交，对方主张该证据内容不利于控制人的，可认定该主张成立；⑤发挥人民陪审员、鉴定人、专家辅助人、技术调查官作用。
律师解读：AI案件的根本困局是信息不对称——算法、训练数据、日志、定价规则全在被告手里。本条给原告律师配备了完整工具箱，其中证据妨碍推定（明确延伸至电子数据）是核武器级条款：被告拒不交出算法日志、训练记录的，法院可直接按原告主张认定事实。前述第10条杀熟案件的定价日志、第12条著作权案件的训练记录，都靠它撬开。本条分为三个层次：诉讼引导释明 + 强化法院依职权调查与“外脑”体系（人民陪审员、鉴定人、专家辅助人、技术调查官）+ 证据妨碍推定。注意推定的适用条件：无正当理由拒不提供——被告以“商业秘密”为由一概拒绝提交的，并非当然的正当理由，必要时可申请法院采取保密审查等替代措施。
实务提示：起草申请三要素：明确载体（何种日志、哪个时间段、哪个系统）、说明被告控制该证据的依据、列明待证事实与拒不提交的法律后果。
（二）第18条 证据审查规则——四类证据的差异化审查
条文要旨：①电子数据审查生成、收集、存储、传输的真实性完整性；②大数据分析报告：重点审查原始数据来源、清洗规则及分析方法科学性；③区块链存证：重点审查上链前数据真实性及技术平台可靠性；④AI生成内容作为侵权证据：综合考量提示词设计及其影响、与权利作品相似程度、重复测试一致性、模型训练/算法设计/过滤机制等认定。
律师解读：第④款是全新规则：用AI生成内容作为证据提交法庭的，法院将审查提示词、相似度与重复测试一致性——同一提示词多次生成结果是否稳定。这区分了“模型稳定复现的侵权倾向”与“偶发的AI幻觉”，防止当事人用精心构造的诱导性提示词“制造”证据。
实务提示：律师AI取证自我保护四则：①完整录屏提示词输入与生成全过程；②同提示词至少测试三次记录一致性；③保留模型版本信息；④质证对方AI类证据时反向运用第④款要素攻击证明力。
（三）第19条 利用AI妨害司法秩序——写给所有法律人的“红线条款”
条文要旨：①虚假诉讼：通过删除或篡改生成合成内容标识、特定指令输入、选择性结果呈现、对抗性干扰等人为干预或误导取得虚假证据、捏造基本事实进行虚假诉讼的，驳回诉请 + 罚款拘留 + 刑责；②伪造证据：依民诉法第114条处理；③核实说明义务：提交诉讼文书、案例检索报告如系AI生成，提交前认真核实，提交时如实说明AI辅助情况，并依法承担责任。
律师解读：第③款是对律师行业影响最直接的条款，没有之一。它源于真实教训：北京通州区法院2025年审理的一起股权代持纠纷中，代理人提交的“(2022)沪01民终12345号”等参考案例竟是AI杜撰——案号数字规律得可疑、案情与真实裁判文书完全不符。
●“任某璐诉曹某等与公司有关的纠纷案”：代理人将AI编造的“判例”未经核实写入代理意见，裁判要旨明确——提交AI生成且未经甄别核实的虚假案例应承担法律后果；情节轻微的批评教育，情节较重的参照民诉法第114条第1款处理（罚款、拘留）。
●“李某诉熊某升房屋租赁合同纠纷案”：当事人提交AI生成的“证据照片”，因带有AI生成标识被法庭识别为伪造证据，依法不予采信——AI生成内容的显式标识（依据《人工智能生成合成内容标识办法》）正在成为法庭识别伪造的第一道防线。
域外同步：2025年10月31日英国发布最新《法官使用人工智能指南》，强调法律代理人对提交法庭的材料负有确保准确性的责任；美国法院已有律所因援引不存在的判例被罚款并取消该案执业资格的先例（Morgan & Morgan案，两名律师罚3000美元、核签律师各罚1000美元；加州中区联邦法院对两家律所处31100美元制裁）。国内还有法院对提交带“AI生成”水印照片的当事人训诫、对用AI篡改聊天记录的当事人罚款的先例。“AI幻觉”不是免责事由，人工智能只是辅助工具，不得以“AI幻觉”、技术中立为由免除自身的法律责任。
实务提示：律师使用AI三条铁律：①提交前核实——每个案例查案号、查生效性（案例库/裁判文书网双检索）；②提交时说明——对AI辅助情况如实披露；③所内核验流程——AI起草文书经第二人核验后对外提交。《意见》把核实义务法定化了。
（四）第20条 刑事惩治——罪名清单与“智驾配件”专条
条文要旨：①利用AI实施诈骗、侮辱、诽谤、损害商业信誉/商品声誉、侵犯公民个人信息、非法获取计算机信息系统数据、制作贩卖传播淫秽物品等构成犯罪的，追究刑责；②激活辅助驾驶功能后，利用私自安装的配件逃避辅助驾驶系统监测导致交通事故，构成犯罪的，追究刑事责任。
律师解读：第①款罪名指引中，“损害商业信誉、商品声誉罪”入列值得关注——AI批量生成针对特定企业的负面内容，可能触及刑事红线，企业维权时刑事报案与民事禁令（第8条）可以并用。“AI一键脱衣”软件黑产、“AI造黄”及以伪造不雅视频敲诈勒索，都是本款直接指向的对象。
第②款有明确的判例支撑：结合指导性案例271号“王某群危险驾驶案”和入库参考案例“孙某迪危险驾驶案”确立的规则——车载辅助驾驶系统不能代替驾驶人成为驾驶主体，行为人醉酒后启用汽车辅助驾驶功能的，不影响危险驾驶等刑事责任的认定。方向盘配重环、安全带卡扣等“智驾神器”让系统误判“驾驶员在岗”，由此导致事故的，不再是简单交通违法，而是刑事责任问题——销售此类配件的商家亦可能构成帮助行为。对AI研发、应用中的创新性行为依法审慎处理，恪守罪刑法定、罪责刑相适应原则——刑事辩护的空间同样在这里。
五、机制建设编（第21-24条）：影响诉讼策略的“软规则”
（一）第21条 多元解纷
推动与行业主管部门、专业调解组织、专家学者的联动机制，做实先行调解。
提示：AI批量纠纷（批量维权、涉众型杀熟）先行调解概率上升，代理中应提前评估调解方案与诉讼的利弊。
（二）第22条 提级管辖与案例库
对涉及重大利益、疑难复杂新类型、具有规则确立意义的案件，由上级法院提级审理；充分运用人民法院案例库加强案例指导。
提示：①新类型AI案件（如模型训练侵权定性）应主动论证其“规则确立意义”，争取提级管辖；②案例库检索已成为AI案件庭前准备的法定功课——本次《理解与适用》中密集援引的殷某桢案、何某案、麦某波案、沈某敏案、舒某贵案、任某璐案等均为入库参考案例，代理意见援引入库案例的说服力显著高于普通判例。
（三）第23条 部门协同
通过司法建议、合作机制，加强与网信、公安、检察、市场监管部门协作，形成"行业自律 + 行政监管 + 司法保障"全链条。
提示：司法建议是观察监管风向的前哨——企业合规部门应跟踪头部AI企业收到的司法建议；律师代理中“民事 + 行政举报”组合拳有了制度接口。
（四）第24条 国际司法交流合作
妥善审理涉AI及数据跨境纠纷，推进规则对接互鉴。
提示：涉跨境AI服务（境外模型、出海产品）的争议解决将更多涉及准据法、跨境数据合规与域外判决承认执行问题，值得出海企业提前布局。
结语：三个“留白”与我们的判断
《意见》24条，是在人工智能立法出台前，由司法系统给出的一份“过渡期裁判公约”——用现行法解释适用回应新问题，把此前混沌的裁判预期大幅收窄。但它刻意留下三个问题：
其一，AIGC可版权性。肯定说认为，人机协同已是创作常态，提示词设计与修改、参数调整、结果筛选体现人类选择与判断的，应认定为作品，AI只是创作工具；否定说则认为，生成内容由训练数据与既成算法决定，人类缺乏对输出的直接、实质控制，提示词本身如有独创性可作为作品单独保护，且美国未承认AI生成内容的作品性也并未阻碍其AI产业领先。全球范围内目前尚无规定AIGC可版权性的先例，“独创性智力投入”标准将继续在个案中主导。
其二，模型训练的著作权定性。正反两方均有实质理由：支持合理使用者认为训练类似人类学习、不影响作品正常使用、逐一许可交易成本过高；反对者指出AI可能复现训练作品或生成竞争性内容损害权利人、不同性质训练不宜“一刀切”，且现行合理使用制度未给数据训练留出空间（纽约时报诉某AI及微某公司案即为标志性争议）。全球悬而未决，个案探索将继续。
其三，专门立法的衔接。人工智能法已在路上，“十五五”规划纲要已明确“探索建立人工智能生成物权利归属和开发者、经营者、使用者权责认定规则”，司法规则先行积累经验。对实务者而言，这份文件最大的价值是把AI纠纷从“无法可依的焦虑”带入了“规则地图清晰的新常态”：权利人知道了去哪儿找请求权基础，平台知道了合规动作做到什么颗粒度，律师知道了举证的武器库在哪一格。技术这匹千里马要跑得快，更要跑得稳。而缰绳，现在交到了每一个办案人的手里。
本文作者：
声明：
本文由德恒律师事务所律师原创，仅代表作者本人观点，不得视为德恒律师事务所或其律师出具的正式法律意见或建议。如需转载或引用本文的任何内容，请注明出处。
