AI企业知产合规治理面临新挑战

《新一代人工智能发展规划》强调，加快培育人工智能（AI）产业领军企业，到 2030 年将人工智能理论、技术与应用发展达到世界领先水平，同步建立人工智能知识产权体系。从 2022 年 OpenAI 公司发布 GPT-3.5 到如今国内 DeepSeek 的爆火，AI 企业正在逐渐重构市场新业态。面对强大的 AI 生成功能，市场对 AI 的依赖程度日趋提升。大体量的内容生成必然面临更多的知识产权争议，这也成为 AI 企业发展中必然要解决的问题之一。

面对新一代 AI 企业的蓬勃发展，笔者将通过具体案例剖析 AI 企业知识产权合规治理中面对的典型问题，并总结提炼合规治理的难点，提出企业等层面切实可行的解决路径，以期为 AI 企业知识产权合规治理提供参考。

AI 企业知产典型案例分析

AI生成内容的属性以及权利归属问题是知识产权领域争议较大的新议题。当前，AI企业最为热门的开发项目在于生成式人工智能，然而一些极具创新性的AI产出能否被申请为专利以及该专利归属问题，在目前的法律框架下并无定论。以2020年“DABUS”专利申请案为例，DABUS是一种能够自主生成创新设计的AI系统。其创造者StephenThaler将DABUS生成的两项创作向美国专利商标局、英国知识产权局以及欧洲专利局提出了专利申请，均被拒绝。专利申请失败的原因是，现行法律规定发明人必须是自然人或法人，而AI无法被认定为法律意义上的发明人。我国《专利法实施细则》第十四条也规定：“专利法所称发明人或者设计人，是指对发明创造的实质性特点作出创造性贡献的人。”因此可以看出，现行各国的专利法对AI生成内容的专利保护存在空白，并且具有明显的局限性与滞后性。AI的创新性产出无法被申请为专利意味着AI企业无法通过法律途径保障AI的创新，这可能打击AI企业进行创新性开发的积极性。

这一问题也延伸至著作权领域。《中华人民共和国著作权法》第十一条规定：“创作作品的自然人是作者。”另外，许多国家的著作权法均规定，作品的作者必须是自然人，而AI生成的内容因为缺乏人类创作的“独创性”而难以获得著作权保护。随着AI生成的内容越来越广泛，各类生成的图像、音乐和文学作品等，在商业化过程中可能因缺乏版权保护而被他人随意复制使用，AI企业难以通过法律途径保护这些内容的商业价值。

AI企业算法专利的保护问题也面临着较大的认定困境。首先，宽松的专利范畴对AI企业的产品开发具有很大限制。例如，2019年，谷歌对训练神经网络被普遍使用的Dropout算法申请的专利正式生效，这就意味着专利有效期内只要用Dropout算法构建神经网络，就可能需要给谷歌交专利费用。如此一来，AI企业大部分同类产品将受到该类基础算法专利的限制，难以实现开发，这可能带来整个行业的垄断与停滞。其次，严厉的算法专利审查同样不利于AI企业的发展。大多数国家现行专利法要求，专利必须具备技术性，即解决某一具体技术问题并提供技术方案，这给大量算法的专利申请增加了较大的门槛。而美国在“Alice公司诉CLS国际银行案”中确立标准后，算法专利的审查更加严格，许多申请因缺乏技术性或创新性被驳回。

开源技术的使用同样给AI企业的知识产权合规问题提出了新要求。开源代码是指软件的源代码可以被任何人查看、修改和增强，其使用受到不同开源协议的限制。在AI的发展过程中，开源代码的使用能够帮助AI企业进行快速开发，但是开源社区通常通过许可证对代码的使用、修改和分发进行规范，若AI企业未遵守这些许可证条款，可能构成侵权。例如，2022年，开发者对微软、GitHub和OpenAI提起集体诉讼。微软和OpenAI共同训练的GitHubCopilot通过开源代码训练AI模型，并生成代码片段供开发者使用。然而，有开发者指出，Copilot生成的代码片段可能直接复制了开源代码库中的内容，而这些内容受版权保护并且未遵循开源许可证的要求。这一案例中，诉讼索赔金额高达90亿美元，虽然法官驳回了部分索赔要求，但也给AI企业使用开源代码敲响了警钟。开源是互联网行业迅速发展的最佳助手，同时也成了AI企业在训练大模型过程中很容易触及的知识产权红线，如果未按照开源协议正确使用开源代码，AI企业可能面临巨额赔偿，甚至影响整个AI行业的健康生态。

AI 企业知产合规新挑战

AI企业的知识产权合规治理主要在于法律层面的规制与保护，既要充分保障企业的知识产权，又要在权属之间划分清晰并且实现权责分明，避免垄断与恶意竞争。AI企业的知识产权治理具有显著的特殊性，其开发的产品极具前沿性、创新性以及未知性，这也带来了治理过程当中的法律适配困难、地域互通壁垒以及同步迭代不可实现等全新的难点。

首先，传统的知识产权法律框架已经远远无法满足现有AI企业开发产品的合规治理需求。如前案所述，国内外的专利法无法对AI生成内容的专利予以确认，著作权法也不能完全保障AI生成内容的著作权。传统知识产权法律框架均建立在人的基础上，而非机器和算法。创作主体从人到AI的变更使得AI企业的知识产权本身难以得到传统法律的保障。

其次，知识产权配套法律的更迭速度无法跟上AI企业产品开发的速度。在专利法领域，无论是AI生成的创新性产物还是AI算法本身均是一日千变且具体种类细如牛毛，其中不乏计算机领域的知识壁垒。法律规定的专利认定的标准无法跟上AI企业技术迭代的速度，这对AI企业创新可能带来阻碍。在著作权法领域，AI生成的内容已经覆盖了音像、图片、文字等各个方面，新的形式还在不断发展，著作权的保护不仅要明晰权属、权利限制还需要根据不同类型的作品划定标准，无法实现实体法与技术的同步更迭。

再次，AI企业与技术的全球化运营进一步加剧了治理难度。不同国家对AI生成内容的属性认定、算法专利以及开源技术的法律规定存在显著差异，企业在跨国运营中需要应对多重法律体系的冲突。例如，开源代码合规使用，不同司法管辖区对开源许可证的解释和适用均存在差异，AI企业往往需要同时遵守多国的知识产权规定。如部分许可证要求使用者公开修改后的代码，而企业若未履行这一义务，可能被视为违反合同。此外，AI模型的训练过程通常涉及对开源数据的使用，若这些数据包含受版权保护的内容，企业可能因未获得授权而面临侵权风险。

AI 企业知产合规治理建议

面对日新月异的AI产品，强行将AI企业知识产权合规治理与传统法律框架进行适配可能会导致创新扼杀、恶性竞争等问题，这并不符合AI企业发展的初衷。然而，要求知识产权配套法律的更迭紧跟AI企业产品开发的脚步也难以实现，因此，AI企业知识产权合规治理的破局点应当在于实现企业内外的双向管理机制。

在内部管理层面，企业自身应建立完善的知识产权合规制度，在产品发布前，明确AI生成内容的权属和保护措施。例如，对于AI生成内容，可以通过合同约定将权利归属于企业，从而避免法律主体资格的争议。另外，在AI产品发布前应当具备更为完善的知识产权合规报告，对其中内容进行解释与划分，充分考虑可能出现的知识产权纠纷并提出应对措施。在产品的市场运营过程中，AI企业也应当有定时的知识产权自查自审机制，形成过程性监测报告，为过程性合规保驾护航。AI企业在内部做到从源头遏制知识产权侵权，在过程中不断监测、预测侵权风险并在内部展开预警机制，能够有效地解决AI企业知识产权合规治理中的大部分问题。

在外部合作层面，AI企业应当不断参与行业协作，与政府、其他企业以及专业人员形成行业联盟，不断更新知识产权治理问题，尽可能达成共识并不断为立法司法提供及时的真实反馈。不管是立法还是行业协议，均需要AI企业的真实反馈，解决知识产权合规的真实问题，因此AI企业应当同步披露自己产品的真实知识产权信息，促进行业的可持续化发展。

但最重要的是AI企业自身的创新力，只有技术创新才能够帮助企业不断实现合规风险破解。例如，在开源技术使用方面，AI企业可以通过开发自有技术或购买商业许可的方式，减少对开源代码的依赖。在AI生成方面，AI企业应当注重生成内容的创新性而不是他人知识的复制与重组。只有在技术上实现创新，AI产出内容才能做到真正地创新，从而逐渐得到知识产权主体资格以及产出“专利”的许可，从本质上解决知识产权的合规问题。

数字时代的知识产权合规问题，AI企业应当从源头避免已知风险，同时预测未知问题，利用对自身AI产品高度了解的优势实现自查自纠。长久而言，整个行业与政府应当不断进行实践与法律的双向反馈，灵活适配与更迭，最终实现AI企业知识产权合规治理的长足稳定发展。