姬艾佟｜人工智能生成内容版权保护与证明要素

以下文章来源于出版中国 ，作者姬艾佟

摘 要

人工智能生成内容（AIGC）快速发展且展现出极大的创作潜力，应以可版权性作为保护的基本论点，综合考量人类独创性智力投入和机器表达的贡献权重，对AIGC进行量化分级，围绕“人的贡献”依次对作品进行版权规范要件评估和权属认定，并配置自动化筛选的数字守门人，实现层控式版权治理。在AIGC版权认定过程中，可运用证据法理论分析关键节点，梳理作品独创性证明、用户对创造具体表达的贡献证明的形式逻辑和实质判断要素。

原文刊登于《中国出版》2025年08期

引用提示：

姬艾佟.人工智能生成内容版权保护与证明要素,2025(8):53-60.

人工智能生成内容（AIGC）以其强大的信息采集与整合能力、数据分析与加工能力赋能内容输出，开启了融合式内容生产范型，其生成作品具备人类用户的独创性贡献和AIGC自动化输出表达的双重要素，对传统的版权规则带来挑战。实际上，AIGC创作内容的可版权性并非单纯的有无之辩，而是需要依据目前的技术发展态势，评估自然人的内容创造力在AIGC创作中的特殊之处，真正回归版权保护的根本主旨，走向包容性的治理思路，转向多层级、多中心的版权保护体系，从规范和效用层面思考现有法律体系的涵摄路径和版权认定的证明要素。

从既有法规体系看AIGC可版权性

人机交互带来用户创作空间扩展、指令性增强的新特征，形塑了AIGC可版权性的外部契机。面对AIGC版权的赋权潜力和实践需求，传统著作权的版权保护框架展现出强烈的技术因应期待。这呼吁我们从主客体层面思考既有的版权判定逻辑应如何涵摄AIGC，尤其是对作品认定的规范要件和著作权属争议等关键版权问题进行路径回应，并从既往版权案例中剖析真正符合我国版权规范体系的核心证明逻辑。

AIGC可版权性的法律基础

在“李某与刘某侵害著作权纠纷案”一案中，北京互联网法院通过原告对画面元素、布局构图等方面的智力投入和个性化表达完成独创性检验，肯定了AI文生图的可版权性，AIGC具备作品属性且受《著作权法》保护的观点在实践中崭露头角。回溯版权立法史，人类角色的重要性并未随科技迭代和机器介入创作而发生变化，在权属认定方面稳定遵循着既有的客体判定规律，这是因为版权立法的目的是激励人在作品创作和传播中的核心作用，并在权利归属的认定上确保法律关系的稳定性。既往计算机技术带来的几次关键技术变革均未真正撼动人类作为作者的核心角色地位。但生成式人工智能技术往往以其隐藏的随机性和不可预测性在内容创作中淡化着人类贡献，成为AIGC可版权性的关键争议点，也是引发传统创作方式与AIGC博弈之根因。从规范层面分析，认定人的贡献是维持AIGC确权和侵权体系平衡的需要。我国AI文生图首案最大的特征在于肯定了用户的智力投入，用户选取的提示（prompt）语词、在生成过程中多次重复调整参数等行为均能够作为其独特审美、个性选择和理性判断的证明依据，是生成内容的独创性的来源。基于此，该案将文生图作品定性为人类智力成果，扭转了社会评价中人工智能机械式生成和人类无法控制输出内容的偏见，也蕴含了对于不同AIGC成果施以分级版权保护设计的内涵。

AIGC具有版权规范要件

由于世界范围内未出台具体的人工智能著作权登记办法，AIGC是否构成著作权法的客体（作品）、作品如何认定著作权归属，均需要依据现有法律规范进行涵摄；根据已有的法定作品要件和传统版权保护的规范要件思考AIGC版权保护的可行性，是应对AIGC作品侵权后明晰权属责任关系的基础。

我国《著作权法》规定作品认定遵循四要件。一是领域要件，目前AIGC生成内容涵括文字、绘画、音乐、影音视频等，直接对标文学、艺术和科学领域。二是形式要件，要求AIGC呈现的是表达而非思想，且具有一定的客观表现形式。三是人类的智力投入要件，要求作品在生成过程中存在人的智力贡献，强调人的参与性和创作中的个性化表达，虽然机器智能发展让人在创作中的智力投入较传统方式有所减少，但是著作权制度应当鼓励新工具在作品创作中的运用。例如用户利用AI制图软件文生图，需要在作品生成过程中证明人类的行为属于智力投入。四是独创性要件，《最高人民法院关于审理著作权民事纠纷案件适用法律若干问题的解释》第十五条规定，独创性可解释为独立完成的创作，这便要求AIGC与在先作品之间存在可识别的差异性。从立法目的上看，独创性本身是一个具有弹性解释空间的裁量标准，可解释的裁量证明空间蕴含了知识产权关注必要客体的兜底性权利，彰显对类型产业发展的保护价值。因此，在新兴的AIGC版权保护中，独创性应当论“有无”而非“高低”。只要存在独创性证明要素便可认定，而非设定程度门槛予以评价。

用户进行AIGC版权登记的适宜与可行性

思想与表达二分法是作品受著作权保护与否的关键原则，满足法定要素的AIGC可被评价为作品而进入版权登记流程。此时，具备确定外观表达和人的贡献的AIGC可受著作权保护，这便是用户进行AIGC版权登记的核心条件。根据我国《著作权法》规定，版权登记的作者资格仅限于自然人、法人或非法人组织范畴，明确排除了大型人工智能模型作为作者身份的认定，故将其视同创作工具讨论更宜。模型研发者、平台以及原始训练数据的版权持有者，均未直接介入具体的创作流程之中。相反，用户作为直接行为主体，根据实际需求对人工智能模型进行个性化设置，并最终确定创作成果。此行为不仅符合著作权法对于作者身份的形式要件，更因其智力投入及个性化表达的显著特征，充分证明了用户作为版权登记作者资格的唯一性与正当性。目前，用户进行AIGC的版权登记被驳回的理由多为生成内容的“随机性”和“自然人的贡献阙如”。实际上这两者特性并不构成对用户依据著作权法取得作者身份的阻碍。前者应表述为限定范围内的随机性，这是系统在用户预设的框架内进行的“随机操作”，只要得以满足证明用户的控制力足以确保生成内容的独创性即可。纵然AI研发者设置了独立的算法，但用户对具体内容的创作有充分空间和自由度，可以通过排除模板化的提示词和参数体现。因此，用户在预设算法表达范畴之外设置其他原创性表达，基于该元素生成创作成果，一旦满足作品构成的法定要件，用户即成为该创作成果的创作者，依法享有相应的著作权。

认定AIGC可版权性的外部契机

人机交互下用户创作空间扩展。在AI应用的初期阶段，用户与人工智能之间的互动尚处于浅层状态，仅限于通过一键式操作生成简单的文本内容，且难以凭借多轮增添提示词、调整参数等手段实现进一步优化。但如今，多模态大模型体系已赋予用户反复增添、编辑提示词文本及设定参数的权限，促使内容生成模式由原先的一键式封闭状态向“多轮交互式”转型，增加了用户对输出内容的干预能力和创作空间。技术的演进深化了人机互动的程度，令用户的抉择与布局在AIGC中能够得到更稳定、充分的体现。因而，人机交互状态下的用户参与比重显著增加，可以驱动对著作权法意义下用户创作行为的更新，联动用户为生成内容的行为贡献评价与用户对成果表达的贡献的证明链条。

指令性增强后的共创模式。多模态技术触发了AIGC多领域的广泛应用，2024年文生视频模型Sora依托重新标注、标准化信息编码和视觉拟真等技术实现了强大的媒介生成能力，实现了跨方式、多媒介的内容输出。AIGC让机器实现了从程式化输出到基于海量数据的元素重组，和对同类型数据特征、表达的模仿，虽然算法对训练数据的筛选拼贴重组后存在一定程度的不确定性，可能会带来侵权风险，影响到版权的具体认定，但是，不能单凭内容创作可能具备脱离程序设定的例外情形而直接否定人的贡献，而是可以在内容输出环节增加自动化版权筛查算法规避此类风险。当前AIGC已进入多回合生成模式，人机交互程度升级意味着AIGC内容生产的指令性增强，即用户不是单纯地依赖自动化生成，而是持续地与AIGC进行互动和调整并与之共创。在版权保护中，应当基于指令重新理解AIGC内容创作中的共创，积极认定用户贡献。

产业合理激励的需要。目前，生成式人工智能在内容创作领域占据越来越大的分量。对于使用者来说，AIGC具有内容获取快速化、文本阅读便易化、内容创造高效化、信息开发易得化、转移支持请求多样化的特征，催生出新的内容生产方式和传播路径。据调研显示，95%的受访企业已经计划或者正在使用生成式人工智能来创建内容，而剩下5%的受访企业虽然指出了对AIGC生成内容可信性的隐忧，但并非完全抗拒AIGC的运用，而是存在不同的使用侧重，如选择将AIGC 作为文本内容审查的自动化过滤工具。由此可见，AIGC具有广泛的使用前景和可接受性，对新型权利进行规制的同时应充分保留技术发展需要的空间，形成一定的正向激励。诚然，AIGC可版权性问题并非简单的有无之辩，要求从规范价值和实际效用两个维度，分别综合评估自然人在AIGC创作过程中展现的独特智力创作模式和当前技术进步产业发展的态势，据此回归版权保护制度的初心。

从迥异的版权评价看核心证明逻辑

近年来，AIGC的可版权性、权属认定和权利框架热议纷纭，更在世界范围内展现出迥异的实践评价样态，中国“AI文生图第一案”判决首次认定AIGC具有可版权性。而美国版权局在《含人工智能生成内容的作品登记指南》对由AI算法独立产生的“表达”的可版权性持否定态度，仅授权用户在AIGC基础上利用传统工具所增添的新创作内容的独创性，如“黎明的扎里亚”案的二次改编行为和“太空歌剧院”案的汇编行为。面对迥异的版权认定走向，需要研析核心证明逻辑的异同，而非直接将其作为版权有无之论据。

人本核心是著作权法的共性逻辑，人的贡献应是作品独创性证明的前提性逻辑，因而版权保护的治理思路和证明逻辑均应围绕用户行为的证明要素展开。中国法院关注用户贡献，通过输入大量提示词、设置参数和调整权重等行为认定用户贡献和独创性价值。而美国版权局强调机器主导性，进而单凭研发方和用户均不能基于自由意志直接决定生成内容，得出用户创造性不足的推定结论。实际上，直接将人类作者对内容创作生成过程的把控能力与可版权性挂钩，是对用户在人工智能生成创作中做出独创性选择可能性的否定。调研表明，86%受访用户均认为AIGC是一种提高内容创作效率的工具，通常作为用户内容创作的灵感起点存在，亦或是内容供应链的一部分，加之多回合精确内容创作方式的迭代，AIGC运用的现实景象颇为乐观。因此，美国版权局的案例“当工具的贡献显著时，生成内容不是作品”的证明思路未能正确把握AIGC的特殊性和双重要素的关系，更忽略了科技发展的必然趋势和当前实践特征，不仅在证明逻辑上存在混淆AIGC作品能否进行著作权登记与AIGC能否成为作者之嫌，更与著作权法的人本核心相左。因此，将可版权性的解读重点放在人的贡献而不是机器贡献上，才不违背著作权法鼓励人类创作的核心目的。

层控式AIGC版权认定思路

对于AIGC可版权性的分析，不单是在著作权领域下对作品定性和权属问题的理论分析，还需要放在整个版权保护的法律体系下，综合考量侵权风险及合法收益的边界，关注数据输入和训练阶段的合理使用与输出阶段的独创性。本文前述内容肯定了AIGC的可版权性，但是并非所有通过AIGC生成的内容都能够进行著作权登记。一方面，需要承认AIGC著作权侵权与普通侵权存在实体上的差异，将侵权风险纳入版权登记时的证明考量，将AIGC著作权登记的关键设定为独创性证明和基于侵权风险要素的版权抵消；另一方面，考虑到用户借助AIGC的内容创作空间较广，可动态介于纯粹意义上的机械工具到创造性地决定内容表达之间，有必要立足自然人的贡献对AIGC进行分级（见表1），对用户与AI的互动框架进行量化，完成配套的权属认定。

表1 AIGC多层次互动框架

多层次互动框架的分级思路

第一层属于单次迭代的封闭性生成。此种模式具有一过性，由用户在每一轮重新输入提示词后独立、随机产生内容，且输出内容不存在对先前结果的累积或固化。不论用户向AI系统输入的提示词简繁程度如何，均可能因“单回合”而陷入随机、被动、无法事先预知或控制输出的具体内容，仅能接受AI系统随机输出的画面结果。实践中，此种生成方式的应用场景包括用户借助AI的自然语言处理技术回答问题，快速挖掘训练数据语义、理解文本内容，进行多类型的内容模板创建，为源内容创作者提供灵感起点等。由此可见，AI工具更多地作为一种搜索引擎存在，用户的指令实质上仅为抽象概念或基本想法，对成果表达未作出实质性贡献，无法预知创作成果的最终表现形式，看到输入的数据和输出的内容，但无法理解生成过程中对具体内容的选择与取舍，其独创性贡献程度的量化衡量可视为零，此种自动生成的内容不构成著作权意义上的作品，所生成的内容更无法归属至具体自然人。

第二层互动归属于合作创作范畴。经由既定且相对稳定的算法、语汇架构批量创作内容，机器学习算法能够在现有创作素材的基础上，识别语汇模式和创作演绎的相似性，借由专门系统批量式产生内容输出。算法具备有限、确定和有效的核心特征。在数据输入阶段，设定触发条件以及确定模板、语料风格等方面的操作体现了智力投入，符合著作权法关于创作的要求，因而，此种情形下自然人可被认定为著作权主体，而提供算法的研发公司则能够作为法律拟制的实体，纳入共同著作权人的行列。在此情况下，必须明确标注作品系由人工智能生成内容技术产出，此标识责任与著作权的享有并不构成矛盾，也即对AIGC技术的署名处理可与生成内容的著作权登记程序相区分。

第三层是用户主导贡献的自动生成。人工智能的能力和人类的独创性的独特结合可以创造出符合版权保护条件的内容。人类的个性化创造可在内容创作的不同阶段进行，我们需要根据AIGC的创作模式，考察不同阶段的用户贡献权重，重新定义智力投入，这将是一个迭代的、动态的概念，能够涵盖提示、生成、精炼和部署的过程，以描述AIGC中人的创造力。用户创作过程不仅涵盖设计与规范制定、执行，涉及选择、调整、细化与润色的编辑等环节，还扩展到了对人工成果的再加工、优化及通过人工干预进行的修改。此外，对作品原创性的精确且实质性的评估，还必须对采用的人工智能系统进行逆向分析，以深入理解其产出背后的逻辑与过程。简言之，当用户存在多次提问、设置独创的参数，以及存在反向排除的行为3个要件，能够完成上述干预行为与创造性的证明链条，且生成内容符合版权法的相关要求，则可直接触发版权保护和用户的权属认定。AIGC生成内容可以仅由用户署名，但是需尽到标识义务。

渐进式的AIGC版权治理脉络

解析上述3个层次互动的核心贡献时，可以明确地将语料要素、算法以及负责构思独创性提问词的用户视为主要驱动力。AIGC的创作流程，常被比喻为“黑箱”，这一过程实质上是语料要素、算法逻辑与用户创造力三者间复杂交互与竞争的产物。

在AIGC的发展阶段，版权法应该充分服务于创新、独特的内容创作，促进多主体使用人工智能系统来延伸人类创造力的边界。按照当前著作权保护的立法原意和理论逻辑，可以在肯定AIGC可版权性的基础上，根据额头出汗原则保护有独立性贡献的创作者。破解AIGC场景下人类作者身份的界定问题，关键在于评估用户是否通过其对作品中各元素的选择与布局展现出了不被替代的独创性力量，以及这一条件是否足以满足成为作者所必需的资格标准。

未来随着AIGC技术应用场景的普遍化，智能作品可能面临井喷式激增，需要考虑是否有足够的社会资源和法律资源对其进行保护，以应对随之而来的管理成本和诉讼争议。或许彼时便需要适当兼容效率概念，提高“对作品独创性认定的门槛”或者降低对部分廉价、高效易生成的作品的保护力度，顺应维护内容创作的新秩序。此时，版权登记资格的判定依据不仅在于用户是否参与了创作，更在于其贡献的创造力是否显著超越算法与语料资源的固有贡献。因此，核心在于检验用户是否在作品的构思与生成过程中，至少提供了高于算法运算与语料库素材整合的独创性创造力。

设置自动化筛选的数字守门人

AIGC技术极大地缩减了创作门槛和成本，用户能够在更短的时间内获得更大的创作体量，AIGC版权保护也承载着诸多可期待性。虽然人类贡献和创造力位于版权保护的中心，但在数智创作时代，机器在产生新工作所需的数据输入的合法性问题亦是版权认定的必要条件。版权登记不单是对于法定要件的裁量，还需要在维护作者权益与促进知识共享及创新之间达致精细的平衡状态，保证生成内容的合法合规，同时也要关注复制演绎行为的限度和侵权的救济。除传统的版权审查思路外，发挥技术对AIGC版权认定的治理效能也同样重要。

版权登记环节是维护内容创作秩序的关键，设置规范、具备可接受性的版权认定标准是进一步激励作者的创作积极性、确保公众的信息获取自由以及保留他人二创空间的前提。因此，在AIGC版权认定的过程中，必须严格关注版权侵权风险，尤其要过滤违法有害信息、预警剽窃行为以及确保训练数据来源的合法化。在版权审查阶段设置自动化版权监管应是后续版权保护和内容治理的重点。具言之，对于潜在的剽窃行为，有必要部署剽窃风险预警算法，能自动认证时间戳，识别生成内容与在先作品是否存在相同或实质相同的内容，并通过用户指令判别是否明知。目前，《生成式人工智能服务基本安全要求》设置了语料的多样性和合法性标准及安全评估规则，违法不良信息不得超过5%，AIGC的训练数据需满足可追溯性和知识产权要求，如涉及的个人信息需经授权，不存在明确不可采集的网页数据等。对于生成内容中可能存在的违法有害信息，应实施严格的关键词识别过滤审查。在这一环节，用户需要配合审查、提供数据授权以及来源合法性的保证或说明材料，以排除训练数据的侵权风险。这3项是AIGC可版权性的实质性调节要素，倘若无法同时通过上述审查，相关责任主体和版权认定机构能够直接终止版权认定和授权。

此外，AIGC标识义务是AIGC可版权性的形式要素，我国《互联网信息服务深度合成管理规定》要求“可能导致公众混淆或者误认的”内容，应在显著位置标识其是利用深度合成技术生成；同样，《生成式人工智能服务管理暂行办法》也将标识义务融贯使用在AIGC治理之中。从义务建构视角出发，版权登记机构和出版方应审慎对待AIGC的版权认定，制定相对明确且客观的出版规范，配备AI鉴别工具识别信息内容是否由人工智能生成，得出概率性结果，对于超过特定界限的作品，要求申请人说明AIGC生成内容，通过署名、标注等形式进行显著标识。倘若用户不能履行上述要求，其申请的版权流程将被中止。

AIGC版权认定的证明要素

版权是具有绝对排他性的知识产权，版权认定和登记依赖于专门性的审查证明逻辑，涵盖作品要件、独创性证明、用户智力投入等关键证明要素，举证责任在版权主张方。目前，AIGC进入版权市场已蓄势待发，亟待结合AIGC的特殊性，梳理作品构成要件、专有权利体系等证明要素，解读以封闭性为本质特征的版权证明逻辑。在版权认定过程中，需要遵循“额头出汗原则”，强调创作者通过智力劳动产生的成果应受保护。在权属认定过程中，需要遵循诚实信用原则，确保权利与义务的一致性。

AIGC独创性要件证明

能够认定为作品的AIGC必须具备作品的外在要件，即符合文学、艺术和科学的领域要素，存在通过情节（文学类作品）、线条和色彩（艺术类作品）等要素形成个性化的版权表达，满足独创性的内在美学表达。独创性是最核心、最复杂的作品构成要件。独创性的认定标准具有融合版权客体和创作主体的综合评价特征，即通过对作者的规定、基于“作品—创作—作者”的逻辑联系，来涵摄作品的要义。争议的焦点实际在于主客一体化下的独创性和智力成果两个要件，其中智力投入属于智力成果的充分必要条件。

图1 AIGC 版权认定的证明逻辑

用户的智力投入与个性化表达。标准的AIGC内容创作过程是由用户独立输入初始的指示词汇、设定相关参数，随后基于初步生成的内容反馈，进一步增补指示词汇、调整既有参数并实施反向排除，不断细化直至最终选定符合个人预期内容的过程。同时满足多轮、精选指示参数、反向排除生成三要素即可符合程式化要件，而个性化的证明不单需要用户在创作时的设定语汇相较于他人的显著差异，还需要通过提示词在本次创作的强针对性来展现，完成对创意的形式证明，具体可通过用户对前轮生成结果的元素设计、布局逻辑等内容施以具有针对性、指向性的增删选择和评价性词汇，以及对预期内容描述的精确详尽程度来证明。对上述具体内容元素、结构构思、参数顺序和风格细节审美判断的描述越精细具体，模型参数和预设标准与生成内容的拟合度越高，用户进行实质性的智力贡献程度越高。若用户输入高度概括指令，并随机选定AI系统生成文字、影音或图片，那么此指令实质上仅代表了抽象思维或基本概念的层面，未体现出任何独创性元素。在此类情形下，用户对作品的最终表达形式未作出任何实质性贡献，亦无法预知作品的具体呈现效果，其对于作品独创性的贡献度可量化评估为近乎零的状态。在此互动框架中，用户是否投入了显著的智力劳动，主要取决于其输入的文本提示词的具体程度与详尽性。

与在先作品的可识别差异。版权保护的客体应具有独特可辨识的元素和风格，相较于在先作品展现出明显的可识别差异性，创作过程的原创性是证明的重点。以文生图为例，用户对线条的设计、色彩的选择，均系通过高度匹配提示词与参数完成，构成个性化的元素选择。纵使不同用户使用同一模型进行相同主题场景的描摹，亦可在输入具备个性化选择与布局的提示词后，加以多回合的变更、调整而生成独一无二的差异化作品，用户的智力投入对于创作结果来说具有不可替代性。

AIGC独创性的反证逻辑。作品的独创性与人类用户的创作过程紧密相连，而创作过程通常是不公开的。在激励创作的传统版权立法框架下，相关法律条例均未细化和穷尽列举出具体的独创性要件，因而文本对于智力投入、个性化表达和可识别差异的认定规范，往往是原则性的，这极大地赋予了版权治理的空间延伸和涵摄可能。而著作权作为强排他性的绝对性权利，更要求独创性证明的严格和准确。虽然AIGC平台留存生成过程记录为独创性证明提供了书面证据，但在完成对个性化智力投入与结果独一无二核心要件直接证明难以达到充分程度，仍需辅以说明无相反证据，通过证明不存在复制行为和机械创作行为的反向证明逻辑，实现对独创性的推定证明。

证明用户对创造具体表达的贡献

AIGC具备人类用户的独创性贡献和AIGC自动化输出表达的双重要素。但是，AI强大的输出能力通常让人们忽略了融合式内容生产范型中人的贡献，以至于片面认定人类丧失对生成内容控制力，驳斥用户对人工智能生成内容的版权登记。实际上，AIGC自动化内容创作与用户的独创性判断、个性化表达并行不悖，版权权属认定的核心转向了双重主体要素下的贡献权重证明。用户进行AIGC版权登记需要经历专门的权属认定过程，即证明用户对创造具体表达的贡献，而在此之前，需要审查用户身份，系著作权法意义上的规范主体，再分别考察用户、创作行为对生成内容的贡献色彩。

关联性判断。用户贡献可以通过用户智力投入和生成结果的关联性有无得以证明。事实认定者对智力投入与结果表达之间的关联性程度考察，本质上是带有价值评价色彩的法律判断。评估关联性时，一个关键指标是作品的最终形式能否足够详细地反映用户标注的原始知识概念。具体可以通过分析原始输入（即用户的原始知识概念）与最终输出数据（即作品的最终形式）之间的相关点、聚类或预测准确度来具体展现。如果作品能够精准地捕捉并呈现用户的原始知识概念，那么其关联性自然较高，使用人工智能作为表达工具的用户便可获得作者身份。需要说明的是，关联性强调用户智力投入是产生最终结果形态的必要条件，而非用户劳动投入的多寡。对于成果归属的判定，可因关联性的“一般”或“密切”而有所不同。参与利益分配的主体应满足智力投入与结果之间具有“一般关联性”的要求，申请版权登记须满足智力投入与结果之间具有“密切关联性”的要求，这种关联性不仅体现在智力投入对成果的预见性和控制力上，还体现在智力投入的程度或量与成果创新性之间的直接关联上。

创作行为与作品的直接性、有限性、有效性三性判断。创作行为与作品的直接性判断正是用户对于生成内容控制力的评判，指代用户对生成内容的直接且即时的影响力，用户的独创性表达直接地反映在最终内容之中，具体的直接性判断可落脚于用户提示词对内容结果的实质性贡献，是对智力投入证明链条的佐证。

有限性判断关乎创作者对其创作成果的预见范围及操控能力，是界定作者身份的关键因素。尽管AIGC的介入因素不容忽视，且对生成内容具有直接效应，但有限性评估的重点在于概括用户的自由意志如何界定了人工智能产出内容的表达边界。用户具体操作所体现的内容预见程度可通过量化评估来反映，而创作过程中配套的数据标注、评分反馈等措施，则是限制生成内容走向的重要手段。

创作行为与作品的有效性关系根植于用户表达方式向“选择导向型”创作模式的转变。在AIGC语境下，人工智能融入创作流程，提供创意灵感、生成创造性选项，服务于用户在多轮交互中的选择。用户借助机器来实现其创意构想，通过创造性的选择实现智力表达，特别是在训练数据重组、筛选及个性化呈现方面，有效的选择直接激活了版权保护机制。此过程不排除结果中可能蕴含的随机因素，但只要在最终成果中能清晰体现出人为的创造性的有效介入，即满足有效性的要求，能够触发对人工智能生成作品的版权保护。尽管此过程中可能包含一定的随机元素，但只要最终作品中能明确展现出人类创造性的有效参与和主导，即符合有效性的标准，便能证明用户对人工智能创作成果的贡献。

结语

本研究聚焦版权保护理论与实践，验证了人工智能生成内容的可版权性，并立足自然人的贡献，系统梳理了不同层级的AIGC互动框架，以及配套的著作权定性和权属问题。实际上，明确人工智能生成内容的可版权性仅是渐进式的版权治理的开端，如何在具体的版权认定场景下，证明人工智能生成内容的可版权性和权属方为后续研究之重心。通过将AIGC的技术原理、人机交互的关键环节和证据法理论进行融合分析，可以梳理出人工智能生成内容版权的证明逻辑和证明要件。简言之，能够认定为作品的AIGC必须具备作品的外在要件，并满足独创性的内在美学表达；而版权权属认定的核心应转向双重主体要素下的贡献权重证明，用户贡献的关联性评价。创作行为与作品的三性判断能够为其提供思路。

作者简介

姬艾佟，清华大学法学院博士研究生，最高人民检察院司法案例研究基地研究人员。