摘 要：数智时代，AI技术的深度发展和广泛运用，使人工智能生成式艺术（AIGA）形式应运而生。AI系统并不具有人格，但能够生成不逊色于传统艺术的成果，该成果能否受到法律的保护，对AIGA的发展具有决定作用。根据AIGA成果的生成原理和法律属性，AIGA的“创作”实际上是一个数据的运用和处理过程，不符合著作权法上创作的要求，因此不享有著作人身权。产生的成果是艺术产品和数据产品的融合，具有一定的创造性和商业价值，可以通过著作财产权益和数据财产权益给予保护。正确适用现行法律制度，协调AIGA的技术特性与法律属性、技术创新与财产创造的关系，为AIGA发展提供法制保障。
关键词：人工智能生成式艺术；财产权益；权利归属；保护制度
作者简介：马治国，西安交通大学法学院教授、知识产权研究院院长；张乐，西安交通大学法学院2019级知识产权专业博士研究生。
基金项目：本文为2024年度国家社科基金文化遗产保护与传承研究专项项目（项目批准号：24VWB010）的阶段性研究成果。
《民族艺术研究》杂志2025年第1期“文化发展与创新”栏目刊出 2025年2月28日出刊
AI技术正在对各个领域带来深刻变化，艺术界也不例外。建立在网络技术、数字技术基础上的AI艺术，对技术性因素的依赖达到了无以复加的境地。AI技术是透过以高斯分布或噪声（Gaussian noise）为基础的扩散模型（Diffusion Model）运作，自动生成内容即人工智能生成内容（AIGC），其蓬勃发展影响艺术领域，为用户提供了独特的艺术表达方式。与传统艺术创作不同，AIGA成果是人机共创，可以被视作“数据艺术”。数据已不仅是数字，还是一种记忆形式，可以以任何形式展现。这为艺术创作的表达提供了更多可能性；但却对传统艺术创作方式造成冲击，对低薪数据劳工的就业、收入等权益造成侵害，也可能产生新型版权侵权风险。人们在享受AI创作的便利时，应当合理解决AIGA的权益保护和利益分配问题。
一、从画笔到代码：AIGA的法律界定
生成式人工智能（Generative Artificial Intelligence，简称“GAI”）技术的崛起意味着未来艺术的创作将趋向数智化。由艺术家和自主系统共同创作的AIGA，作为一种新兴的艺术形式，广泛存在于艺术实践之中。由于其技术发展的快速更迭与新型艺术成果的大量产生，对传统艺术创作秩序和法律关系有较大冲击，需要进行合理规制。
（一）AIGA的创作原理
随着AlphaGo的崭露头角，AI迎来了新的曙光，尤其是2022年底问世的ChatGPT，标志着AI在突破性发展上取得了实质性的进展。ChatGPT 4.0的发布，几乎使所有人类所需的文字、图像、音频、视频，甚至程序代码，都可以通过AI运算自动生成，创造出丰富多样的内容（即生成式AI）。据此，以DeepDream、扩散模型（Diffusion Model）等为代表的AI程序与生成模型成为更多使用者的创作工具。2023年，DALL-E3、Midjourney等生成器的出现，AIGA逐步迈向新智能阶段。特别是2025年1月发布的DeepSeek-R1开源模型，通过多模态融合与深度学习优化，不仅大幅度提升了生成内容的多样性与艺术性，还显著降低了创作门槛，使得非专业用户也能通过简单指令生成高质量的艺术作品。
基于生成式AI的迭代，艺术家、技术、艺术成果三者之间呈现出新型互动关系，推动着AIGA的不断突破与创新。生成式AI的算法、算力和算料（即数据）三大底层技术不断优化AIGA创作所需的模型。比如生成图像的Stable Diffusion、Midjourney两种模型，能够根据使用者输入的文本内容，生成与该文本信息相匹配的艺术风格图像。
（二）AIGA的法律特征
AIGA是利用机器学习技术，通过神经网络训练，并利用训练好的网络生成的符合美学的新图像，是非人类自主系统创作的全部或部分艺术品。“自主系统创作”意味着用户输入指令后，AIGA模型即可自动生成数据，无须外在干预。这有别于传统的艺术创作，生成式艺术的作者是通过激活一系列指令或约束来生成成果。
AIGA的法律特征包括自主性、创新性、可控性和财产属性。第一，自主性，是指AIGA的自动化程度较高，只要设定了指令、参数，系统就会接管并根据指令生成艺术成果，而无需人类系统地参与决策过程。这就使得AIGA创作具有相对独立性，其艺术成果也具有能够满足人们的生产生活需要的属性，相对独立自主。这也是人工智能是否能够享有创作主体地位争议的原因之一。第二，创新性，即不确定性，AIGA包含不可预测的和新出现的元素。当计算机系统按照指定规则生成艺术成果时，结果并不是预先确定或固定不变的。相反，它们会出现通过规则和计算过程的互动，产生独特的、出人意料的艺术成果，且具备一定的审美价值或使用价值，满足权利主体利益需要的属性。第三，可控性，是指人们通过设计、训练和调控AI系统，能够对数据进行精准的加工与变换，从而实现对AIGA的支配。AIGA前期创作准备从数据的采集，到算法的设计，再到模型的训练，所有环节都离不开人的控制与支配。这一过程，AIGA不仅将数据转化为艺术创作的素材，还通过AI的介入，使数据的艺术性得以最大化展现。第四，财产属性。AIGA具有独特的财产属性，其经济价值表现为使用价值和交换价值。AIGA的使用价值在于其能够通过人工智能算法满足新的艺术创作需求，推动数字艺术的发展，成为一种创新的生产要素。而其交换价值则体现在通过版权许可或转让进行交易，带来直接的经济利益。与传统财产不同，AIGA的价值不仅依赖于数据和技术的处理，还结合了AI与创作者的互动。其价值形成具有高度的动态性与流动性，体现了技术与创作的融合所带来的独特财产属性。
（三）AIGA的类型及其法律意义
AIGA作为技术赋能艺术的典型范式，其复合性特质决定了需要通过类型化分析其法学价值。通过解构技术介入程度与创作控制力的相互关系，可建立类型标签与法律属性之间的映射框架。具体而言，AIGA生成过程的自主性差异（完全/不完全人工智能生成）与成果的客观表现形态（数据/物理载体）构成分类的二元维度，前者直接影响著作权适格性判断，后者关涉物权与数据财产权的制度选择。此分类范式为后文法律属性的教义学分析提供结构化前提。
1.视觉领域视角下生成式艺术的类型标签
在生成式艺术领域，术语体系的复杂性源于技术介入程度与创作控制力的差异。在艺术界，生成式艺术（GA）和计算机艺术（CA）这两个术语经常被相互替换使用，但二者在技术依赖性与创作自主性上存在本质区别。GA的核心是设定规则指令或限定条件，突出艺术创作过程的自主性。CA则特指在计算机辅助下创作的艺术类型，是广义的GA的一个特定子集。除CA外，GA还包括其他子类别，如电子艺术（EA）以及完全排除了人类参与的算法艺术（AA）、进化艺术（EvoA）、遗传艺术（GenA）、分形艺术（FA）、机器人艺术（RA）等艺术类型（见图1）。此分类不仅揭示了技术对艺术创作的影响，也为法律属性的判定提供了类型学基础。
图1 艺术视角下生成式艺术分类
2.法律视角下生成式艺术的类型标签
第一，作品类别。从法律属性视角来看，AIGA的类型化聚焦于创作控制力与成果独创性的关系。相比GA和AA的完全人工智能生成式艺术，以电子技术为媒介的艺术形式的EA以计算机辅助下按照一定程序生成艺术成果的CA均是不完全人工智能生成式艺术。完全人工智能生成式艺术，指突出艺术成果创作过程的自主性，利用模型自动生成的内容，缺乏人类直接干预，故难以满足著作权法对“独创性”的要求。例如GA和AA生成内容在形式上具有艺术性，但其本质是对训练数据的统计重组，而非人类智力劳动的体现。AA的代表性艺术家有蒙德里安、马列维奇和康定斯基。不完全人工智能生成式艺术，指人类主导干预的创作的内容，以电子技术为媒介的艺术形式和计算机辅助下按照程序生成艺术成果，可被纳入著作权保护范围。如，EA和CA，生成技术仅起到辅助创作的作用。区分二者的法律意义在于GA和AA因缺乏“独创性”不构成作品，而EA和CA构成作品，因人类创作的主导性而具备著作权适格性。同时，任何涉及编程规则的艺术，典型的有EvoA、GenA、FA、RA，也均构成作品。
第二，合法性标准。AIGA可以分析并模仿被投喂的训练数据，从而生成艺术成果。如果使用不当或未事前告知，其生成的作品将可能对公众权益产生侵害风险。这些风险很大程度上来源于GAI被用于“深度伪造”（deepfake）。伪造的信息通过社交媒体等平台进行广泛传播，进而对公众认知、个人隐私、社会信任等多个方面产生危害。在艺术成果中使用AI进行创作获利并故意隐瞒这一事实，违背了公平竞争的原则，不但削弱了藏家及投资者对艺术品的价值判断，而且剥夺了他们对创作过程的知情权，扰乱了艺术市场的秩序。例如，艺术网红曾bobi使用AI生成图像来冒充手绘作品。他以某段视频影像为灵感“创作”作品，随后在自媒体公开作品进行销售，并利用自媒体互动诱导观众打赏。虽然生成的内容本身不包含法律法规所禁止的信息，但隐瞒AI生成事实、虚假宣传为手绘作品的行为欺骗了消费者。曾bobi未履行透明度义务，违背了艺术创作领域的基本伦理要求，后主动承认错误，赔礼道歉，并将作品下架。为防止此类行为的泛滥，扰乱艺术市场和侵犯消费者权益，应当将其及时纳入国家统一规制的范围。要求平台应建立AI生成内容强制披露机制，同时受损消费者可通过集体诉讼主张赔偿；艺术创作者协会也应建立AI作品认证体系，以维护行业伦理标准。
第三，责任主体区分。在艺术领域，艺术家会疑惑AIGA作品是技术制作还是艺术创作。其实，技术是艺术创作过程的一部分，艺术家一直在使用技术工具。在AIGA成果生成过程中，稳定扩散模型（Stable Diffusion model）和Midjourney将概率分布与算法相结合，通过迭代调整随机修改图像，直到创建与用户输入匹配的图像，生成不存在于现有数据库中的内容。区分二者的法律意义在于，AI服务提供者需履行数据来源披露义务，以避免因模仿已有艺术成果或特定元素而涉及版权侵权和不正当竞争。例如，法国竞争管理局收到一些法国大型新闻机构的投诉称，谷歌的人工智能驱动聊天机器人Bard（现更名为Gemini）在未通知出版商和新闻机构的情况下对其内容进行训练，使用了他们的版权内容，审查结果投诉属实，对谷歌处以2.5亿欧元的罚款，谷歌已同意在和解程序中不对事实提出异议，并提出了一系列补救其违规行为的措施。据此，为不影响用户体验和使用模型制作新内容，需要合理分配不同主体责任，作为平台服务提供商应当根据避风港原则承担相应注意义务。作为内容服务提供商，在提供生成式人工智能服务时，应采取一系列法律和技术措施，确保生成内容的版权合规。首先，提供商应确保所有训练数据来源合法，避免未经授权使用受版权保护的作品。若必须使用第三方内容进行训练，需获得相应授权或遵循合理使用规则。同时，生成的内容应通过技术手段进行适当修改和重构，确保其不直接复制或与原始版权作品高度相似，保障内容的原创性。其次，提供商应在生成内容时加入明确的提示和标识，告知用户该内容的生成方式和来源，尤其是在涉及深度合成或人工生成内容时，使用户了解内容的背景和真实性。再如，中国发布的《生成式人工智能服务管理暂行办法》规定了“生成式人工智能服务提供者”开展预训练、优化训练等训练数据处理活动，应当遵守的相关规定；《互联网信息服务深度合成管理规定》对深度合成服务提供者和使用者规定了义务，“不得利用深度合成服务制作、复制、发布、传播虚假新闻信息。转载基于深度合成服务制作发布的新闻信息的，应当依法转载互联网新闻信息稿源单位发布的新闻信息”。这里的提供者就是AIGA生成过的模型开发者，其采用技术手段对生成或深度编辑的内容进行加工时应加入所用数据、信息等元素来源的必要提示。
二、AIGA的法律属性分析
从艺术理论的角度来看，艺术创作的过程分为构思、素材、创作三个步骤。AIGA模型生成成果的过程包括输入数据的预处理、通过算法生成艺术内容、输出作品进行调整优化。AI缺乏独立构思，是创作者通过给AI输入提示词的方式完成构思环节，为AI创作提供方向，最终生成艺术形象。从法律视角审视，AIGA无法担当著作权法意义上的创作主体，其所产生的成果具有一定独创性，但不具备著作权法要求的独创性。因此，学界在确定AIGA成果确权模式时存在较大分歧，难以就其法律性质达成一致。本文通过探讨AIGA的技术生成机制与法律属性，认为AIGA不应视为作品，其法律性质应当归类为数据财产权。
（一）基于批判视角判定AIGA作品属性
基于AIGA的生成规则和AI“创作”与人类创作的差异，准确界定AI“创作”在法律上的边界，为AIGA获得产权保护的正当性提供依据。根据《著作权法》的规定，AIGA虽然符合“属于文学艺术和科学领域”和“具有一定的表现形式”这两个要件，但其生成过程依赖于算法对数据的重组。从比较法视角看，欧盟《人工智能法案》明确将AI生成内容排除在著作权保护范围之外，强调“独创性”必须源于人类智力活动。因此，AIGA的“独创性”仅体现为算法对既有表达要素的重组，而非法律意义上的智力创造。据此，AIGA是否具备“独创性”以及是否属于“智力成果”，仍旧需要进一步考察。
1.AIGA内容的“独创性”解惑
在没有专门说明下，业内人士和大众很难从艺术成果风格、创作手法等蛛丝马迹中辨别出AIGA和人类独立创作的作品之间的区别。从仿生学视角来看，“数智化”技术在认知和分析方面逐渐接近人类特征。尤其在艺术内容生成中，通过AI的自主数据处理，以关联、聚类和链接等方式进行采集，实现了批量化、规模化的生成与传播，大幅提升了生产、传播和运营的效率。与CA时期计算机作为辅助工具不同，AI类人在作品生成环节具有自主性。无论AI的算法规则多么复杂，最终生成的成果在被抽象后，都与模型训练使用的原作在风格上高度相似。这种基于概率分布的“风格复现”与人类创作者通过认知内化实现的“风格创新”存在本质差异。如类型化分析所示，完全人工智能生成成果因缺乏人类认知介入，其表面新颖性仅体现算法对既有表达要素的重组，尚未达到著作权法要求的智力创造高度。这表明AIGA成果属于利用已“接触”的算料进行“再创作”，属于创新的积累过程，并不具有实质上的创新性。
美国华盛顿哥伦比亚特区联邦地方法院判决的Thaler v. Perlmutter一案，为AI艺术生成和版权保护问题提供了一个具有里程碑意义的法律案例。此案中，作为被告的美国国家版权局重申了版权法仅限定于“作者的独创的思想概念”范畴的观点，拒绝给予Thaler利用AI而生成的图片（A Recent Entrance to Paradise） 版权。即：虽然版权法的边界会随着时代的发展而不断拓展，但是人类的创造性才是版权保护的核心必要条件。由于该作品完全由AI创作且未涉及人类的认知参与，因此无法满足版权法要求的“独创性”。
第一，客观呈现形式。新颖的展现形式是“独创性”的基础要求。但判定AIGA成果时，不应以美学标准为准则。为了更好地理解这一点，引入“美学不歧视原则”显得尤为重要。这一原则认为，美术作品彰显美学价值的高低与所获得的著作权保护资格无关，应该避免个人审美差异对作品“独创性”的歧视，以确保作品在用于以观赏为目的活动中，可以被平等地欣赏。AIGA虽然符合著作权法的要求，并能达到审美标准，但仅凭形式独创性，无法确定其法律属性。
第二，画面感官体验。为了区分抄袭或剽窃等行为，在对美术作品进行比对分析时，通常凝练作品各个要素以及整体视觉感受的综合评价来判断作品之间是否存在实质性相似。这意味着，必须以“一般公众的视角”对作品整体的抽象感受为基础，加之以“思想—表达”二分法，来理解作品的创造性。因此，在评估AIGA的法律属性时，我们需要考虑其整体视觉感受，并基于此来判断该成果是否符合著作权的创作标准。即，如果两件美术作品多要素实质相似，但整体观感全然不同，那么，我们可以认定作品表达上有所突破；反之，我们不能仅凭作品观感的相似就认定其实质相似，而忽略形状、机理、光影和空间等要素的创新。
2.AIGA内容的创作理念
著作权的核心原则是保护自然人创作的成果。根据现行法律规定，著作权原则上由创作作品的自然人享有。无论在国内还是国际法律实践中，都逐渐强调“人”作为创作主体的核心地位。著作权通常被授予具有独特创造性贡献的创作者。然而，AIGA的生成过程主要依赖现有的数据和算法，其创新性体现在算法的设计与运用上，而非由人为创作的元素主导。
有观点认为，AIGA如果没有人类直接参与和创造，就不应享有著作权。著作权的目的是奖励个体的创造性努力。如果AIGA成果不涉及人类的直接创造，那么其应该被划归为著作权保护的集合外。另有观点认为，AIGA成果具备创造性，AI模型通过训练数据学习艺术家的艺术风格、图像特征和色彩搭配等要素，进而生成艺术成果，这个过程是人类的算法设计与模型“投喂”主导。因此，AIGA被看作是人类创作的延伸。人类利用AI进行内容的“创作”，本质上类似一种“雇佣”行为。生成成果的内容是作者情感的延伸和个性的表达。
在模型应用阶段，GAI模型仅通过输入数据自动生成电子数据，AIGA成果是基于概率计算的产物，不涉及人类的主观创作。判断人类创作内容是否构成作品时，只评判其“独创性”，而不考虑“创作理念”。由于AIGA成果依赖于算法规则运行，具有更大的随机性，因此缺乏类人创作的自主性，不具备主体的主观能动性。
3.AIGA不能满足著作权法关于“创作”的要求
AIGA创作是通过算法程序来实现的算法表达形式，是代码语言的转译。这种转译必须在艺术原作基础上进行再创作，继而体现智力劳动的成果。在艺术创作中，AIGA的算法规则本质上是对艺术素材和表达方式的组织与安排，而不是传统意义上的艺术创作行为。AIGA成果的创作性，实际上来源于开发者对算法的设计与创新，而不是AI自身的独立创造。尽管AIGA成果在视觉上具有创意和艺术性，符合一定的创造性要求；但从著作权法的角度来看，艺术创作必须具备独立性，即创作行为应由独立的艺术创作者完成。AIGA的“创造性”依赖于算法的预设规则和输入数据，因此无法被视为“独立创作”。在艺术领域，AI作为工具和媒介，生成的艺术成果应归开发者所有，而非AI系统本身。
（二）基于表达形式判定AIGA创作的法律适用
艺术创作的认定，需要评估作品的独创性和创作者的主观能动性。艺术作品的创作不仅是场景的再现，还是创作者思想和情感 的独特体现。在艺术创作中，作者的主观能动性决定了作品的表现形式，而这一形式的独创性才是著作权法保护的核心。无论是绘画、雕塑，还是数字艺术，作品的独特表达形式才是真正需要保护的部分，而非创作中的思想或情感的普遍性。
1.独创性原理的法律适用
美术作品是线条、色彩等构成的具有审美意义的造型艺术。线条和色彩是美术作品的技法，但技法是服务于画面效果的，所以对美术作品来说，画面效果的最终呈现包括但不限于技法运用。例如，“拼贴画案”可以很好地阐明这个问题。艺术家克里斯蒂安·西尔万认为，除了名字，画面展现的元素是完全一样的。抄袭的部分并非对原作图案的复制，而是对构图和布局的借用，未涉及线条和色彩的细节模仿。最后，法院判定被告侵犯了原告的美术作品版权。在著作权法的层面，作品的独创性是指其表达来自创作者的创新，而非对已有表达的搬运和复制；在艺术的层面，作品的独创性源于艺术家的个性化创作方式，而这种行为与创作者的个人特质密不可分。法律和艺术对独创性的定义并不完全相同，但都体现了作品为创作者人格和精神之延伸的观念；而独创性作为判断作者能否取得著作权保护的关键，恰恰反映出了法律对个性化创作行为的激励。
2.AIGA的表达缺乏“创作理念”
进入AI时代，艺术的创作工具发生了根本性变化，程序代替了传统创作中双手的勾勒和铺色。然而，这并不意味着人类不需要选择和安排画面元素。通过设计提示词，不同的人可以生成各异的结果，这种差异反映了人类独创性思维的参与。尽管AIGA的表达形式与传统艺术成果相似，但其核心的“创作理念”由人类设计的算法程序所驱动，这导致AIGA与传统艺术成果在创作过程上存在显著差异。
从法理学角度看，AIGA在客体形态上属于无形性的抽象物，这与传统的有形艺术作品有所不同。尽管AIGA在表达形式上与传统艺术作品相似，但其“创作”并不符合著作权法对独创性的要求。著作权法保护的是创作过程中的智力劳动，而AIGA的生成更多依赖于算法和数据处理，缺乏人类中的智力创新，非法律意义上的创新表达。
3.AIGA成果的表达触及多重法律关系
如果将AIGA纳入著作权保护范围，会因为标准的降低导致“作品”的泛化和泛滥，可能造成大量AI生成成果的垄断，无法激励个性化创作，破坏著作权体系的协调性。在中国著作权法体系下，应优先考虑创造性劳动，而非单纯满足艺术产业和资本的需求。应当避免因盲目扩展保护对象而损害著作权法的正当性基础。AIGA成果的生成与信息产品的生成过程相似，且二者的知识产权问题也有很多重叠之处。AIGA创作主体是机器而非人类，形式上是被固定在一定载体上的信息，所以其应当被纳入信息产品的法律框架中。尽管成果具有艺术性和文化价值，但从某种角度看，它们仍然是“信息产品”——通过机器生成的“数据艺术”。这种艺术创作过程高度依赖信息技术。尤其是AI在艺术创作中的应用，数字艺术成果和信息产品之间的界限逐渐模糊。因此，为了确保AIGA在市场中的合法性和可持续发展，有必要建立一套具有兼容性的交叉法律保护和利益分配机制，确保所有参与者的权益得到合理保护。
综上，AIGA成果不是著作权法上的作品，但具有一定创造性和高度可复制性，是AI参与生成的信息和数据艺术产品，在市场交易中能够与其他产品一样产生财产价值。AI模型开发者、所有者和使用者在这一过程中均有有效的劳动付出，应当获得公正的利益分配，需要相应法律制度保障。
三、AIGA财产权益的保护与分享
AIGA的财产权益决定于其成果的性质。因其同时具有艺术品、信息产品和数据产品的属性，所以涉及著作财产、信息财产和数据财产权益的竞合关系。由于在AIGA成果生成过程中，信息是通过数据表达的，是“数据艺术”创作，最终成果属于“数据艺术品”，而数据财产包含了信息财产。因此，AIGA财产权体现为数据财产和著作财产权益竞合。AIGA生成过程依赖于数据输入，这些数据通常包含了大量现有版权作品或公开数据。数据的拥有者享有相应的财产权益，而这些数据的合法性和合规使用将直接影响AIGA成果及其法律保护。AIGA成果，可能在内容或表现方式上呈现出创新性，产生演绎作品，从而符合著作财产权益的保护条件。数据财产权益与著作财产权益的交集主要体现在数据的使用和生成成果之间的关系上。当AIGA成果的创作过程中使用了版权作品的部分元素，生成成果需要考虑数据提供者的授权情况。若训练数据包含受版权保护的作品且未经授权使用，则生成的AIGA成果可能涉及著作财产权益纠纷。因此，训练数据的合法性和使用合规性是确保AIGA成果享有著作财产权益的基础。为了实现公平、合理的权益保护，应注重平衡数据使用的合法性与AIGA成果的创新性。总之，AIGA领域的财产权益保护需要综合考虑数据来源与使用合规性以及AIGA成果的创意贡献，从而在法律上确定其财产权益的保护与合理分享。
（一）AIGA数据财产的本质
信息指的是在满足日常生产需求的背景下，人脑能处理和理解的内容，并且固定在特定载体上，成为数据记录的对象。由此可见，数据是信息的载体，属于表现形式，而信息则是数据所承载的内容。在强大算力的支持下，AIGA通过GAI模型根据输入数据自动生成，通常以比特形式存储于计算机和网络中。形式上，AIGA以比特形式存在于计算机和网络中，就满足了法律上数据以电子或其他形式存在的形式要件。实质上，AIGA是对信息的记录，产生“形式创新”，具备“工具性”艺术创作的价值和使用价值。据此，根据中国立法对数据的定义，AIGA符合法律上对数据的形式和实质要件的要求。在《民法典》第127条将数据和网络虚拟财产并列规定在同一条款中，确认了数据和网络虚拟财产是并列的两类新型财产。因此，AIGA作为符合数据属性的成果，构成法律上的数据财产。
（二）AIGA各主体的贡献与财产权益
涉及AIGA的主体分为四类：AI模型开发者、AI所有者、AI使用者和公共资源。它们在AIGA成果创造过程的贡献度决定财产权益分配规则。其中，有些主体身份可能存在竞合，如开发者同时也可能是所有者和使用者，但不影响其财产权益竞合享有。不同主体承担角色和贡献形式的差异，均可被还原为不同程度的创造性劳动。这体现为财产权益。
1.AI模型开发者享有科技成果权益
开发者通过算法的设计与优化，提供了创新性的智力成果。根据“公平即正义”原则，开发者的贡献应获得相应的认可与回报。在算法的设计与优化过程，开发者投入了创新性的智力劳动，其成果可以视为“技术方案”，从而被纳入科技成果保护范畴。开发者应享有算法的科技成果权，包括对科技成果的许可、对AIGA创作过程中的算法原理、运作机制及结果进行阐释、修改与优化等专有权利；享有获得报酬和成果转化过程衍生出的相应财产权益，可通过许可协议约定收益方式，确保在算法技术上投资的合理回报，进一步提升其市场价值。如果开发者对AI生成内容施加了“实质性控制”，他们也可以主张部分著作权的分享。
2.AI所有者享有投资者权益
AIGA的所有者通常通过风险投资为AI模型的开发与应用提供资金支持，承担了技术研发中的技术风险与市场风险。基于“成本—收益”的经济学分析逻辑，所有者应享有与其风险承担成比例的商业收益权。这种收益权不仅包括AI模型本身的运营收益，还涵盖了AIGA成果的市场化运用所带来的经济回报。通过合理的利益分配，确保所有者能够从AIGA的商业应用中获得相应的收益 及其在资本投入和市场运作中的核心地位，从而避免“公地悲剧”的发生，激励更多的技术投入。但是，投资者商业性权益的行使不能阻碍数据的合理使用或限制公共领域的创新，因此，在保护投资者权益的同时，也需防范市场的过度垄断。
3.AI使用者享有数据控制与财产权
使用者通过指令输入与数据交互，直接参与AIGA的创作过程，因此使用者的权益则主要体现在数据控制权与个性化署名权方面。使用者通过提示词（prompt）设计，实现个性化输出，如果符合“最低创造性”标准，可以主张“署名权”和“非独占使用权”。这一权益的基础在于使用者对数据的实际操控与指令输入，对AIGA创作结果的生成起到关键作用。即，使用者应当具备对AIGA生成过程中所用数据的访问、修改与管理的控制权。该权利不仅保证了使用者在数据层面的控制能力，还能促进数据资源的合理利用，避免信息滥用和数据垄断，从而获得数据财产权益。使用者的权益分配，适用“贡献比例法”。根据使用者指令的创造性贡献程度，可以与开发者约定比例共享收益。这种分配方式能够更公平地反映使用者在生成过程中的实际贡献，更准确体现其贡献的财产价值。
4.社会公共权益
按照“反公地悲剧”理论，需通过强制许可制度平衡私有权益与公共利益。在AIGA创作过程中，涉及大量的公共数据资源与开放平台。这些公共资源在某些情况下被私有化，从而可能妨碍公共利益的实现。为此，应在确保创作者、所有者和使用者权益的基础上，要求相关方将公有数据训练收益的一定比例纳入“公共艺术创新基金”。将技术进步所带来的部分利益回馈社会，从而推动技术创新与社会公共利益的协调发展，防止公共资源被市场垄断。为了确保这一机制的有效实施，区块链技术可用于标注训练数据来源，防止“算法殖民主义”对传统文化符号的侵占。建立多方协同的利益分配模式，促进AIGA技术的健康发展，推动技术创新与艺术创作的共生进化。
（三）AIGA生态系统构成要素
艺术创作经历了人工创作、机械复制和数字化转型之后，GAI已经将人机结合的创作实践带入了新的智能化阶段。艺术生态系统的不断发展，系统内各要素呈现出动态性和可变性。由艺术产品、代理人、门户和流程等基本要素构成的生态系统，使AI不仅作为创作工具被广泛应用，还逐步在艺术成果的展示和消费等环节中发挥着重要作用。传统艺术创作和消费模式的变革，可能使传统的著作权保护模式对AIGA成果造成垄断，而数据财产权的非垄断性特征则有助于促进自由流通和产业健康发展。应当准确把握系统各要素的特性，建立合理的财产权分配机制，平衡各方利益。
第一，艺术产品指艺术家在创作过程中制作、选择或策划的实物体、概念体或虚拟体。如今，AI技术可以直接融入艺术创作中，成为艺术产品的一部分，但AI作为艺术创作的主体这一设想，还需要等到人工通用智能（Artificial General Intelligence，简称“AGI”）的实现。第二，代理人指推动艺术产品生成、流通和消费的关键力量，包括艺术家、观众、守门人（如策展人、评论家、市场专业人士及资助机构）。传统上，艺术家、观众和守门人都被认为具有主观能动性、推理能力和创造力，而AI作为代理人，能在艺术创作、消费及管理中承担新的角色，尽管其作为创作主体的接受度仍较低，部分原因是人们普遍认为创造力是人类独有的特质。第三，门户指管理和维持生态系统的物理、虚拟和概念空间及机构，如教育机构、媒体平台和资助机构，它们定义、构架、组织和标准化艺术创作与传播的方式。第四，流程指代理人采取的行动和决策路径，包括创作、消费和把关。艺术家与AI协作创作，观众通过增强现实等新方式参与体验，AI还可高效完成剽窃检测、市场预测等把关任务。通过AI技术，艺术生态系统的管理和创作过程变得更加高效和互动。
AIGA的商业模式主要侧重于网络营销和即时消息生成等快速传播领域。在现有法律框架下，多个AIGA成果易被认定为“实质性相似”的情况将抑制人们对GAI模型的应用热情，对AIGA产业和艺术生态造成严重冲击。与之相比，数据财产权的确权模式具有非垄断性特征。每个AIGA成果都被视为独立的数据财产，初次创作AIGA的权利人无法干预后续创作者对相同或相似作品的使用、收益或处置。这样的非垄断性特征有助于确保数据要素的自由流通，契合AIGA产业的商业模式。
（四）AIGA权益分配的制度安排
在AIGA生成、管理和使用过程中，应当依据各方的实际贡献和对艺术创作、数据提供、算法开发、模型训练以及作品管理等环节中实际掌握或施加的影响力和决策权，建立公平合理的权利和利益分配机制。在艺术市场上，AIGA成果的财产利益实现方式具有不确定性，传统法律体系无法充分覆盖新兴成果的产权和利益分配，因此，容易造成模型开发者、所有者和使用者在创作和投入时各自产生顾虑。通过综合考虑各方利益主体的参与程度和控制作用，确保各方合法权益的实现，并保障创作与创新的延续性，才能实现“创作—传播—投资”的良性循环，推动技术进步和艺术产业的持续发展。
1.权益分配的层级结构
AIGA相关的财产利益呈现出多层次、多维度的结构。这种结构要求根据不同利益主体在创作、管理和运营过程中的实际贡献和控制力，进行精确的权益分配。通过综合考虑各方在各环节中的投入与掌控，确保其合法权益得到保障。同时，在法律框架下，这种分配模式有助于维持市场秩序，确保各方权责明确，从而推动资源的优化配置和市场的健康运行。合理的利益分配机制避免了因利益不均导致的纠纷，更重要的是可以促进科技创新和经济活动的稳定性和规范性。
首先，技术的使用者应拥有AIGA成果载体的所有权。他们虽然不直接参与生成过程，但支付了特殊的技术工具的使用费用，因此，应获得成果载体的控制权。这不仅保障其投资利益，还能激励创新，推动AIGA成果的传播与再创作，确保创新性受到尊重。其次，技术的开发者和所有者应享有持续性的权益保障。开发者与所有者通过前期技术和资金的投入，推动了AIGA的诞生。其持续创新和投入是AIGA及相关产业发展的前提，而保持“持续”状态的动力是合理的预期利益回报。不能把他们简单地视为技术卖方，应该将其纳入AIGA生成链条的重要环节，对后续AIGA的创作与传播中获得的利益享有持续利益分配权，类似艺术作品作者享有的“追续权”制度。最后，AIGA成果也具有公共产品的属性。为了促进信息资源的共享与开放，促进科技进步，应当平衡AIGA成果的财产权私权保护和社会公共利益的关系，防止AI技术的不当垄断和新兴产权的不合理扩张。在公共领域的框架下，应强调AIGA的分享性，允许公众无偿使用信息资源，促进数据艺术资源的再创作和共享，满足公众对艺术内容的多样化需求，但不得进行商业利用、垄断和恶意篡改。
2.利益的分类保护
在AIGA创作与使用的过程中，涉及多种形式的利益保护，这些利益可以从用益性利益和权利性利益两个方面进行分类。
一方面，AIGA的用益性利益。AIGA作为一种无形财产，在商业中具有巨大的潜在利益。例如，应用在数字艺术创作、虚拟艺术展览和个性化艺术品定制等领域。由于AIGA的创造往往依赖大量的研发和技术投入，其商业化的成功可能会带来巨大的回报。因此，法律应保护AIGA，以激励创新和投入，正如知识产权制度尊重智力劳动的价值。社会公众已经认识到，从观念上的创造到实际的商业应用，都需要法律的支撑和保障。在这种法律框架下，创作者能够合法地享有其作品的使用权和收益权，并且为了获得这些权益，也愿意选择采用知识产权保护，支付相关费用以使其具备财产的用益性。AIGA的出现不仅满足了创新者的期望，也满足了公众的社会期待。随着社会对AI技术的广泛关注，公众愿意支付费用来享受AIGA带来的创新成果。在这一过程中，AIGA不仅能产生直接的使用费、服务费和广告收入等经济收益，还成为一种具有财产性质的资产。如果AIGA在使用或传播过程中遭遇侵权，势必会影响这些收益的实现。因此，确保法律对AIGA的认可与保护，不仅能防止侵权行为，还能在创新活动中发挥持续激励的作用。
另一方面，AIGA的权利性利益。未经授权的复制、篡改等侵权行为，不仅侵犯了AIGA创作各方参与者（如用户、技术开发者及数据提供者）的利益，也破坏了市场秩序。以中国首例AI大模型训练数据版权纠纷案——“画师诉小红书Trik案”为例，四位画师指控Trik未经授权使用其原创作品作为训练数据而生成高度相似的图片。此案引发全社会强烈反响与争议。争议一，训练数据合法性争议。根据《生成式人工智能服务管理暂行办法》第7条，服务提供者需确保数据来源合法，但Trik未明确披露训练数据的授权证明，涉嫌违反法定义务。此类行为可能导致画师经济利益受损，如AI生成内容挤占原作市场份额，而画师未获得任何收益分成。争议二，用户协议条款的公平性存疑。平台单方面规定的可免费使用用户内容“制作派生作品”，可能超出合理使用范畴。此类未经授权的复制行为，不仅侵犯了用户、数据提供者与技术开发者的复合权益，还因破坏市场秩序引发“劣币驱逐良币”效应——若放任AI通过数据剽窃低成本模仿原创风格，将抑制艺术创新动力。在Getty Images诉Stability AI案中，技术开发者因使用未经授权的图片库训练模型，面临高额赔偿与商业信誉损失。争议三，实质性相似认定。对Trik用户而言，通过上传图片生成的风格化艺术作品，其生成内容可能在色调、笔触、构图等独创性表达上与训练数据高度近似而面临法律风险，如被追究连带责任或无法合法商业化相关成果。因此，建立适当的赔偿机制，对维护公平竞争和公共利益至关重要。同时，用户尽管享有使用AIGA的自由，也需履行相应的注意义务，以确保不对创作者及其他用户的合法权益造成损害。这一机制不仅推动AI创作工具不断进化，拓展创作方式，也确保各方权益的分配平衡。唯有通过规则细化与技术赋能相结合，方能实现AIGA领域“权益保护—技术创新—产业发展”的良性互动。
3.权益冲突的协调机制
AIGA权益分配不能遵循传统的“非此即彼”的原则，可以通过“权利束”理论解构AIGA的复合属性，避免传统著作权与数据财产权的二元对立。采用“贡献度”而非“创造性”来作为权益协调原则，既契合AI技术“去中心化”和“协同生成”的特点，也为AI技术的伦理治理提供了理论支持，推动了技术与社会责任的有效结合。为此，需要构建一个新型有效的权利结构，即从数据层、算法层和市场层三个维度建立“三元结构”的权益配置体系。
首先，在数据层，按照卡尔多-希克斯效率（Kaldor-Hicks efficiency） 的原则，根据数据使用频次分配收益。比如，按照每千次训练为单位支付费用，以确保数据贡献者根据其数据的使用量获得回报。这一分配方式能有效避免数据资源的过度垄断，同时保障数据提供者的经济利益。其次，在算法层，采用夏普利值（Shapley Value）来量化开发者对AI生成成果的价值贡献。这一模型能够公平地分配成果收益，确保开发者根据其在算法优化中的实际贡献获得合理的报酬。最后，在市场层，依托科斯定理（Coase Theorem），通过NFT交易平台等数字平台实现权益的流转。这样，开发者、投资者与使用者等各方可以在数字平台上自由交易其权益，实现利益的透明和高效流动。例如，在将公有领域艺术品数字化后生成的衍生作品中，收益可以在博物馆、开发者和公共基金之间按合理比例进行分配。这种分配机制不仅能合理反映各方贡献，还能激励技术创新和社会责任的平衡。
AIGA的权益分配，通过类型化的权益划分、贡献度量化与风险成本内化等方式，可以有效实现“技术赋能艺术”与“法律规制创新”的辩证统一。最终，这一体系将为AIGA领域的健康发展提供法律保障，推动技术与文化的共生共赢。
结 论
AIGA是AI技术和艺术领域各自发展到一定阶段交汇的产物，未来将会在艺术领域得到广泛应用，推动艺术产业的高质量发展。因此，需要适时合理地解决其权益归属问题。首先，AIGA缺乏“客体的独创性”和“主体的能动性”两个要素，无法被纳入著作权法的保护范畴。在评估艺术作品的独创性时，除了需要满足表达形式的客观标准外，还需通过主观的“通感”判断，确认是否存在“智力创新”的独特性。尽管AIGA的外在表现达到了著作权法对一般作品的要求，但其本质上是基于算法的数据信息产品，属于“类人创作”，有别于“人类创作”。其次，AIGA可被视为一种市场化的深加工产品，具有可财产化的合法性，因此，其交易自由应受到法律保护。再次，AIGA的产生涉及多方利益主体，包括AI的开发者、所有者和使用者，他们应享有合理的财产权益和相应法律地位。最后，为了避免AIGA处于无序状态，需要尽快明确其法律性质，对AI带来的制度和伦理冲击作出回应；同时，为了推动数字艺术产业的创新，应当在现有法律框架下确立AIGA的财产权，并建立公平的利益分配机制，为实现各方利益平衡提供坚实的法律保障。
（责任编辑 王喆）
注：1.本版文字为微信版，为阅读方便，略去引注，请以正式出版的纸质刊物原文为准；2.本版题图由作者提供。
