好久没更新了，把我上学期《AI治理概论》的论文搬运到博客上。
第一章 绪论：生成式AI对视觉艺术生态的冲击
1.1 研究背景：AIGC技术的范式转移
随着人工智能生成内容（AIGC）技术的发展，AI绘画和创作工具正引发创作模式的深刻变革。传统的判别式AI（用于分类、识别）逐渐向生成式AI（用于生成图像、文本等）转变。现代GenAI模型（如GAN、扩散模型、生成式预训练模型等）通过对海量数据进行学习，在用户给出提示词后能够自动生成高质量的新图像[1]。例如，AI绘图工具会分析并学习海量图片中的艺术风格与结构特征，进而生成符合用户指令的新作品[1]。这种从“辅助工具”向“创作主体”的技术演进，使得AI能够以往难以想象的速度和规模参与到视觉艺术创作中。
与此同时，AIGC技术的快速应用带来了巨大的便利和创作可能性，但也对传统视觉艺术生态产生了冲击。一方面，它极大提升了图像生产的效率与想象力实现能力；另一方面，生成式AI依赖于对既有艺术作品的学习，这也引发了有关著作权、伦理和产业冲突的广泛关注。艺术家和产业界对生成式AI的担忧越来越集中在其“替代性”和“剥夺性”风险上：即自己的劳动成果被未经授权地用于训练，使AI作品在市场上以低成本替代原创作品[1]。
1.2 问题的提出：“画师抵制AI” 背后的技术特征
风格克隆和数据劫持是当前AI绘画争议的技术核心。首先，AI模型（如Stable Diffusion结合LoRA技术）可以通过较小的数据集精确复刻特定画师的风格，即使只输入该艺术家的少量作品，训练后的LoRA模型也能以低成本高精度地生成该画师风格的图像。许多插画师发现，AI生成的作品中出现了自己的风格特征，这种“高度还原式复制”并非一般的启发启示。
例如，不少中国插画师发现，用AI提示词生成的作品在构图和色彩上与自己的过往商稿极为相似，甚至有输出包含“署名区留白”的图像，为他人冒用签名提供了便利。一位北京画师感叹：“我们不是反对技术，但不能用我们的作品免费喂养AI，最后变成压垮我们的竞争对手”[2]。这种对个体艺术风格的低成本复制，导致原创者感受到创作成果被“不费力地”复制和侵蚀。
其次，大规模爬虫抓取与数据集构建使得生成式AI模型训练时可使用海量原作品。业界普遍采用自动爬虫从社区（如Pixiv、DeviantArt等）和互联网抓取作品，没有征得作者许可。一些国家的政策立场更是默认放开数据使用限制。例如，日本政府已明确表示，AI可以使用任何数据“无论是否从非法网站获取”，即无需对用于训练的内容进行版权保护[3]。这在一定程度上鼓励了未经授权的大规模数据收集。画师们发现自己的作品被用于训练，但在AI生成的结果中往往无法找到数据来源，也无法通过合法途径获得经济补偿。这种“未经授权的数据取用”行为成为引发冲突的直接技术诱因。
1.3 画师与生成式AI之间的核心冲突分析
生成式AI对视觉艺术生态的冲击反映为多重利益与价值冲突。**首先是利益分配的失衡：AI训练数据的大量“无偿取用”让原作品作者未获得应有的报酬，而AI生成内容却在商业市场迅速占领空缺。**许多商业画师发现自己原本以数千元计价的作品，现在客户只愿意支付数百元甚至更少的费用就使用AI替代，这种商业替代导致市场价格崩跌。“以前一张商稿要价2000元，现在有人喊AI只要200元，我们怎么竞争？”插画师这样的哀叹映射出传统创作价值被AI工具迅速稀释[4]。原创创作转化为大规模复制的生成内容，收益却主要被平台和AI服务商获得，创作者感到付出与回报严重不对等。
**其次是心理契约的崩塌：过去艺术家们认为AI是创作的“协助者”，但现实中AI正逐渐演变为一种似乎在“剥削”艺术家心力的存在。**在插画师集体声音中，不断出现“创作尊严被践踏”的呼吁：一位艺术家公开表示：“我们不想成为免费的（AI训练）素材”[5],体现出艺术家群体对创作劳动尊严的敏感，他们强调自身作品被用作AI训练数据后，生成内容与原作相似度越来越高，而他们本人却无法享有对AI生成作品的控制和收益。AI这种从“辅助作画的工具”到“掠夺画师成果的盗窃者”的转变让创作者感到遭到不公对待，情绪上更容易引发抵制。
面对上述冲突，本报告旨在探寻技术创新与艺术家权利保障之间的平衡点。如何让生成式AI在带来效率与创造力提升的同时，尊重和维护原始创作者的合法权益，是政策制定和产业发展的关键。只有在法律、伦理和产业规范方面找到合理的分配机制，兼顾创新激励与创作者利益，才能促进AI与艺术的和谐共生。报告在梳理技术特征、法律困境和社会心态的基础上，将尝试提出矫正不平衡、完善规则体系的治理思路，为未来生成式AI的发展提供可行的合规框架和道德指引。
第二章 治理困境：责任主体识别与国际规制现状
2.1 AI侵权链条中的责任主体分析
生成式AI可能涉及多个环节的责任主体，包括模型开发者、模型训练者（最终用户）与内容分发平台。
模型开发者（基础模型提供者）。他们负责研发与发布AI模型与数据集。根据我国《生成式人工智能服务管理暂行办法》，AI模型开发者须使用“具有合法来源的数据和基础模型”，且“涉及知识产权的，不得侵害他人依法享有的知识产权”[6]。这要求开发者在数据采集与数据集构建阶段承担“清洗数据”的义务（即删除侵权内容）并提高透明度。但实际操作中，众多开源模型的训练数据来源不明，开发者并未公开清单，难以核验版权合规性。一旦训练数据包含未经授权的作品，开发者将面临潜在法律风险。
模型微调者。指那些基于模型进一步“训练”或调优（如使用LoRA进行风格微调）的用户。如果用户刻意收集并使用特定画师的作品来训练AI模型，以复制该画师风格，则易引发版权侵权争议。比如，北京互联网法院2024年6月审理了一起“画师起诉AI绘画软件开发运营者”的案件，画师指控被告使用其受保护作品进行模型训练构成侵权，被告则辩称这是合理使用[7]。该案表明，无授权收集创作者作品用于训练的行为正是当前司法实践关注的焦点之一，而是否构成侵权往往需个案分析、考虑合理使用等因素。
内容分发平台。包括AI绘画服务平台、艺术社区（如Pixiv）和社交媒体等。传统上，这些平台可能依赖“算法中立”原则，或者美国的安全港规则来免除自审责任，但在AI场景下难以一概而论。当平台自身提供AI创作服务或默认用户生成内容会被用作训练时，就涉入版权问题。业界开始有平台尝试自律响应艺术家诉求：如一些中国本地AI平台承诺尊重艺术家选择，对提出下架的作品不纳入训练数据。但目前这类措施多属自愿性质，缺乏法律约束力。在国际上，对平台责任的界定也呈现多样态度，需要明确平台在算法推荐、内容审核与版权保护中的定位。
2.2 全球AI治理的范式比较
各国和地区对生成式AI的监管尚处于探索阶段，治理原则和重点存在差异：
**对于中国，**2023年施行的《生成式人工智能服务管理暂行办法》对AI模型提出了版权与数据安全要求。该办法规定，AI服务提供者必须使用合法来源的数据和基础模型，对涉及知识产权的内容不得侵权。
**对于欧盟，**2024年生效的《人工智能法案》（AI Act）及2019年修订的著作权指令（DSM指令）共同影响生成式AI治理。欧盟目前不承认将他人作品用于商业训练属于自动合理使用，鼓励通过许可方式解决版权使用。此外，欧盟强调模型透明度和用户权利，例如要求对AI生成内容提供标识。但对生成式AI训练使用版权数据的具体规则尚未完全落实，整体上偏向保护权利人利益。
对于美国，采用判例法和版权法的“Fair Use”原则。美国版权局2025年5月发布的报告指出，当公司复制受保护作品作为训练数据时，推定侵犯版权；虽然合理使用允许复制，但如果将版权作品用于商业训练并与原作竞争，这种行为“不太可能符合合理使用例外”[9]。近年来，美国各地已有艺术家起诉Stability AI、Midjourney等AI厂商的案件，如著名的Andersen v. Stability AI案等。
对于日本，日本政府对AI使用数据持较宽松态度。日本2018年修改《著作权法》，允许AI在未取得许可的情况下自由使用文本和图像等受保护作品进行学习应用。2023年日本文部科学大臣重申，日本法律不保护AI集中使用的原始材料版权，人工智能可使用任何数据，无论来源是否合法。
第三章 治理逻辑的理论重构：矫正正义与事前预防
3.1 矫正正义：受损权利的道义补偿
从矫正正义的角度看，责任的核心并不在于是否阻碍技术发展，而在于是否存在因过错行为对特定主体造成损害的情形。未经授权将画师作品纳入训练数据，并在商业场景中生成与原作品形成竞争关系的内容，本质上破坏了创作者对其劳动成果的控制权与收益预期。这种行为并非抽象意义上的“技术学习”，而是建立在他人既有创作之上的价值转移，其道义瑕疵在于未取得同意却攫取了经济与象征性利益。因此，矫正正义要求在事后层面为受损创作者提供补偿机制，例如经济赔偿、侵权确认或授权回溯，以修复被破坏的权利关系与创作尊严。
这一判断也为艺术“风格”问题提供了新的理解路径。传统著作权法基于**“思想—表达二分”**原则，保护作品的内容，不保护抽象的艺术风格本身[10]。然而，在LoRA等技术能够对单一画师风格进行高精度复刻的现实条件下，风格已不再只是松散的创作理念，而是通过特定表达组合固化为可被稳定复制的结果。当AI生成内容在整体观感、构图逻辑和表达效果上与某位画师的作品形成高度同一性，并进入同一市场进行竞争时，仅以“风格不受保护”来否定责任，显然不足以回应创作者的实际损害。此时，矫正正义强调的并非风格是否抽象，而是这种复制性利用是否在事实层面侵蚀了原创者的正当利益，为受害者争取赔偿。
3.2 事前预防：责任规则与成本权衡
仅依赖事后救济不足以应对生成式AI的大规模扩散风险，因此预防侵权发生的制度安排同样重要。该理论强调，通过合理配置责任规则，引导行为主体在事前采取成本最优的预防措施，从而最小化社会整体成本。如果模型开发者、平台或训练者预期侵权成本极低，便缺乏动力对训练数据进行版权审查；相反，若法律明确将未经授权的数据使用风险部分内化至其责任范围内，就能激励其采取数据过滤、授权管理和来源披露等预防措施。治理的目标并非“零风险”，而是在避免过度抑制创新的前提下，形成对明显侵权行为的有效威慑。
在成本权衡方面，需要分析不同监管策略对社会福利的整体影响。一种极端是严厉禁止：全面禁止使用任何未经许可的受保护作品做训练，不留空间给合理使用。另一种极端是完全放任：对所有训练数据使用不加限制，这虽然便利技术发展，却忽视了创作者的合法权益，可能损害文化产业的发展和多样性。最佳策略当然是在两者之间寻求最优点：对待明显侵权行为予以严格惩罚，同时为合规的AI创作提供灵活空间。总体而言，社会应负担保护原创艺术和促进技术创新之间的平衡代价，并通过制度激励使侵权预防成为常态。
四．社会思考：艺术的主体性与AI的替代性之争
4.1 生产力替代 vs. 创造力延伸
生成式AI的普及确实对某些“技能型劳动”构成了冲击，譬如对单纯执行性的图像重绘、风格模仿、素材填充等任务，AI可以以更低成本快速完成，从而导致这些岗位价值下降。然而，这并不意味着创造性劳动整体被替代。人类艺术家的核心价值往往在于情感共鸣、独到视角和生命体验的表达，这是纯算法所难以企及的。在复杂的故事创作、跨领域艺术表达、人文关怀等方面，AI目前只能扮演辅助角色；它无法自主生成那些深刻反映人类文化内涵和情感历程的作品。未来的艺术生产更可能呈现“人机协作”的形态：AI承担重复度高的技术工作，人类创作者保留决策、创意和审美引导。总之，对劳动形式的替代与创新增强是并行的，社会应关注的是如何提高创作者的核心竞争力和技能，而非一味对抗技术进步。
4.2 艺术非服务业：尊重知识产权的深层含义
同理，艺术不仅仅是商业服务，其价值在于丰富人类精神世界和文化遗产。将艺术创作简单等同为“像素排列服务”的认知是片面的。知识产权对艺术的保护核心在于维护创作者独特表达和多样性，而非阻碍创新壁垒。尊重版权意味着尊重每一位创作者为社会精神财富所付出的劳动和智慧。当创作者能够信赖自己的劳动成果得到尊重和保护时，他们才更有动力去进行创新性的艺术实践。相反，如果原创者感到其作品随时可能被随意复制和侵用，就会打击创作积极性，长远来看反而会削弱社会整体的创作活力。合理的版权制度应当在保护与传播之间寻求平衡，既鼓励技术工具提升艺术表现力，也保护创作者应享的权利，使生成式AI成为艺术创新的催化剂而非消耗力量的机器。
五．总结
本文围绕近年来生成式图像模型在艺术领域引发的争议，尤其是画师对其作品被用于 AI 训练并产生商业竞争的反对现象，分析了相关技术特征及其带来的治理问题。我们发现LoRA 等技术使得对特定画师风格的低成本复刻成为可能，而数据抓取与模型训练过程中的授权缺失，进一步放大了创作者与技术使用者之间的利益不平衡。无论是在中国、日本还是其他国家，现有制度在面对生成式 AI 时均表现出一定滞后性，既难以明确责任主体，也难以有效解决画师在现实中遭遇的权益受损问题。
通过引入矫正正义与有效率预防理论，本报告认为，针对生成式 AI 的治理不应走向对技术的全面否定，也不能完全放任市场自发调节。对于未经授权、具有明显商业替代效果的训练与生成行为，有必要通过法律责任和制度设计对其加以规范，一方面在事后为创作者提供合理补偿，另一方面在事前促使平台与开发者采取必要的预防措施。艺术创作并非普通的技术服务，其价值不仅体现在产出结果，更体现在创作者长期积累的表达能力与个人风格之中。在尊重知识产权和创作主体性的前提下，生成式 AI 才可能成为辅助人类创作的工具，而非削弱原创生态的力量。
参考文献
[[1]](https://www.infoai.com.tw/blog/china-illustrators-ai-copyright#:~:text=先來談談問題的本質。AI繪圖的原理是：讓模型分析海量圖像資料，學會特定風格、結構與主題。當用戶輸入文字提示時，AI就會根據訓練時學到的樣式生成新圖片。聽起來很先 進也很酷對吧？但問題是：這些AI公司的訓練資料，包含了誰的畫？有沒有經過同意？) [[2]](https://www.infoai.com.tw/blog/china-illustrators-ai-copyright#:~:text=許多中國插畫師指出，AI模型裡明顯出現了他們自己的風格特徵。這不是單純「受到啟發」，而是高度還原度的「複製」。有人分享自己用AI提示詞，結果產出跟自己過往商稿極 度相似的構圖和用色。有人甚至看到AI能產出「署名區留白」的圖像，就像專門給人假冒簽名用。一位北京的插畫師說：「我們不是反對技術，但不能用我們的作品免費餵養AI， 最後變成壓垮我們的競爭對手。」) [4] [[5]](https://www.infoai.com.tw/blog/china-illustrators-ai-copyright#:~:text=• 組織集體聯署，呼籲平台下架未經授權的AI作品) [[8]](https://www.infoai.com.tw/blog/china-illustrators-ai-copyright#:~:text=match at L166 面對輿論壓力，有些中國AI繪圖平台開始考慮妥協方案。例如在一些本地AI社群裡，管理者承諾會尊重藝術家選擇，不再收錄已要求下架的作品，甚至計劃建立「退出資料庫」功 能。但這些承諾大多是自律性質，缺乏法律約束力。插畫師群體擔心：) Graphic artists in China push back on AI and its averaging effect：
https://www.theverge.com/ai-artificial-intelligence/688645/graphic-artists-china-ai
[[3]](https://news.ifeng.com/c/8QIFurS3dhO#:~:text=近日，日本文部科学大臣永冈桂子表示，日本法律不会保护人工智能（AI）集中使用的原始材料版权。她表示，人工智能可使用任何数据，“无论它是用于非盈利还是商业目的，无 论是否是粘贴复制以外的任何行为，无论是否从非法网站或其他方面获取”，政策都允许。) 严苛版权保护阻碍AI技术发展？日本政府重申：AI所用数据不受版权保护_凤凰网
https://news.ifeng.com/c/8QIFurS3dhO
[[6]](https://www.cac.gov.cn/2023-07/13/c_1690898327029107.htm#:~:text=第七条 生成式人工智能服务提供者（以下称提供者）应当依法开展预训练、优化训练等训练数据处理活动，遵守以下规定：) 生成式人工智能服务管理暂行办法_中央网络安全和信息化委员会办公室
https://www.cac.gov.cn/2023-07/13/c_1690898327029107.htm
[[7]](https://www.kwm.com/cn/zh/insights/latest-thinking/eu-ai-act-inforgraphic-and-key-compliance-issues.html#:~:text=然而，在实践训练数据过程中，可能仍然会产生违规侵权的后果，其主要原因来自权利人认为大模型厂商在未获得其授权的前提下，将其受版权法保护的内容作为训练数据的内容以进 行大模型训练，构成侵权。无论是国内还是国外，均已发生数起版权人就训练数据使用起诉大模型厂商或AI服务提供者的案件。对此，大模型厂商多以版权的合理使用作为抗辩理由 ，即便是将大模型应用于商业用途。例如，北京互联网法院于2024年6月在线审理的画师起诉AI绘画软件开发运营者的著作权侵权案件中，被告即表示使用原告受著作权保) 欧盟《人工智能法案》图解与合规要点启示 - 金杜律师事务所 - 宁宣凤 - 吴涵
[9] 中国保护知识产权网
https://ipr.mofcom.gov.cn/article/rgzhn/202505/1991848.html
[[10]](https://www.spp.gov.cn/spp/zdgz/202504/t20250425_694112.shtml#:~:text=对此，长期在知识产权领域开展研究，关注新时代科技治理命题的全国人大代表、中国科学院大学知识产权学院院长马一德分析：“AI不等于免责金牌。部分公众对AI生成内容的 著作权问题认识不足，忽视了可能存在的侵权风险。”马一德指出，比如使用AI生成梵高风格的图片，模仿艺术风格本身尚不构成侵权。但若AI生成内容与原作的构图、细节高度 相似，构成实质性相似，则可能侵权。例如，模仿宫崎骏某动画片段中的场景、人物与音乐，并重新合成短视频用于商业用途，极有可能侵犯著作权等。) AI创作的权利边界在哪里？_中华人民共和国最高人民检察院
https://www.spp.gov.cn/spp/zdgz/202504/t20250425_694112.shtml
[[11]](https://www.cnbeta.com.tw/articles/tech/1359399.htm#:~:text=然而，在当前的FANBOX状态下，我们看到了越来越多的人只使用AI来制作并从作品中获利，速度比传统方式要快得多。这与我们服务的最初意图偏离，我们得出了这样一个结 论：我们不能忽视这种情况。) Pixiv FANBOX宣布禁止上传和销售AI生成作品 - AI 人工智能 - cnBeta.COM