郝亚军，清华大学法学院博士研究生
以该论文为基础的同名文章详见《电子知识产权》2025年第2期
摘要：版权法因应新型作品利用技术的经济逻辑是由替代效应、增值效应和交易成本构成的一项立体分析框架。强劲的替代效应和增值效应表明将人工智能作品利用行为纳入版权控制范围具有很强的正当性；但赋予产权的方案因高昂交易成本而存在严重的可行性问题。创新政策多元主义理论指出，知识产权制度之外，财政支持也发挥着协调信息产品生产的重要功能。以私人复制版税制度和专利盒制度为蓝本的税收补偿机制，能够有效矫正人工智能技术引发的作品生产激励相对不足，且具有实施成本低、资金分配效率高、政策空间大和受惠主体多元的优点。
关键词：人工智能数据训练；合理使用；版税制度；创新政策多元主义
一、引言
人工智能技术将重新形塑整个职场生态。据国际货币基金组织最新报告，人工智能工具将最终影响40%的工作人群。高盛集团（Goldman Sachs）则预测，该技术将在全球范围内替代3亿个工作岗位。毫无疑问，版权产业将首当其冲。随着ChatGPT、Midjourney和Sora等产品的问世，人工智能被广泛运用于文学、音乐、绘画等诸多创作领域，并在交易市场中表现不俗。人类创作者面临前所未有的竞争，存在被机器大规模取代的风险。更令创作者感到愤慨的是，人工智能系统均由科技公司在未经许可的情况下利用已有的版权材料训练而成。为了捍卫人工智能时代的利益，美国作家协会、《纽约时报》等版权人群体已经针对OpenAi、谷歌等人工智能科技公司发起版权诉讼。
训练人工智能需要从数据中提取特征值，并对所提取的信息进行分解、标记和关联，从而搭建参数模型，该过程涉及对海量作品的复制。训练过程中的作品复制行为使得人工智能产业进入了版权法的规制视野，但理论和实务界对具体选用何种制度安排（合理使用、法定许可或者其他）仍存在激烈争论。概而言之，作为训练素材贡献者的版权人是否应被赋予一项分享该新型利用行为所产生收益的权利，是亟待回答的法律问题。
“版权从一开始就是技术之子。”版权法曾经历印刷技术、模拟技术、信息技术的“革命浪潮”，为应对新技术积累了丰富的经验。本文将首先从纷繁芜杂的有关版权与新技术冲突的判决、立法中，梳理出逻辑一致的经济分析框架；其次，运用该框架对人工智能作品利用行为的赋权问题进行分析，指出替代效应和增值效应支持对版权人进行赋权，但传统赋权方案因高昂的交易成本而存在严重的可行性问题；最后，引入创新政策多元主义视角，论证构建超产权补偿方案的可行性。本文的结论是，版权人参与分享人工智能作品利用行为所带来的收益具有正当性；具体分配方案应当采取税收优惠等超产权分配方案，而非直接赋予版权人对训练素材的控制权。
二、版权法因应新型作品利用技术的经济逻辑
人工智能系统得以发挥其巨大潜能，是技术、管理、算力以及数据（包括版权材料）等要素充分涌流、深度融合的结果。市场经济的基本分配逻辑是，生产要素的所有者有权按其贡献参与增值收益的分配。针对人工智能公司发起诉讼的原告常以此为据，通过将版权训练素材类比为石油等传统生产要素来支撑其诉讼主张。诚然，要素分配的一般逻辑是解决产业冲突问题的合适分析起点，但版权法既有的判例学说提醒我们，该逻辑在版权领域的适用受到激励必要性和交易成本两项特别规则的制约。
（一）基于替代效应与增值效应的激励收益
版权法并不旨在授予作者对作品完整的控制权，其目标是为作品创作提供必要的经济激励。因此，与其他生产要素不同，版权的所有者不能当然地享有所有作品利用行为所产生的收益，激励必要性构成版权保护范围的硬约束条件。具体到新型作品利用技术的场景，只有将新型作品利用行为纳入版权控制范围有助于实现激励创作的目标时，赋权安排才是正当的，否则只是给版权人带来一笔意外之财。
第一，新型作品利用行为对既有版权市场的替代效果越强，扩张版权范围以维持激励水平的正当性越强。版权法强调激励必要性，但其通常难以直接回答，将新型作品利用行为纳入版权控制范围对于激励创作是否必要。为化简该难题，合理的策略是假定在新型作品利用技术出现之前，既有版权市场所提供的激励处于最优水平。换言之，以新型作品利用技术出现前，版权法所提供的激励作为基线，通过分析新型利用技术对基线的影响来求解激励必要性难题。具体来说，当新型作品利用行为与既有的版权受控行为构成替代关系时，其将分流既有版权收益，导致版权法所提供的激励低于基线水平。此时将新型作品利用行为纳入版权保护范围具有正当性；且替代关系越强，纳入保护范围的正当性越强。
在版权法应对新型作品利用技术的分析中，替代因素具有举足轻重的地位。其不仅已经被我国合理使用判断的“三步检验标准”、美国的“四因素测试法”明确规定为法定考量因素，也成为相似案件差异化判决的核心解释变量。在“谷歌图书馆案”中，谷歌公司数字化扫描2000多万册书籍，创建机器可读的文本语料库，以提供全文检索服务。用户输入关键词后，搜索引擎会将含有该关键词的作品片段予以显示，但通常长度不超过以该关键词为中心的四五行文字。美国作家协会起诉谷歌侵犯版权。美国联邦第二巡回上诉法院审理后认定，谷歌制作数字拷贝以提供搜索服务属于转换性使用（transformative use），通过提供有关原告书籍的信息增加了公众知识；同时，谷歌显示以用户输入关键词为中心的少量作品片段，显然不足以替代用户对作品的阅读。谷歌的使用行为不构成侵权。在同样由第二巡回上诉法院审理的Fox News Network v. TVEyes案中，TVEyes公司提供与“谷歌图书馆”极为类似的服务，其允许用户对电视内容进行关键字搜索，然后观看所搜索节目长达几分钟的片段。法院认为，尽管TVEyes公司所提供的服务同样构成提高作品获取便利性的转换性使用，但由于该利用方式对版权人控制的既有市场造成了市场替代，因而构成版权侵权。
第二，新型作品利用技术所形成的市场规模越大，其所带来的增值效应越强，扩张版权范围以提升激励水平的正当性越强。增值效应背后的原理在于，新型利用方式的出现会提升生产要素的需求，推动要素价值的上涨。以橡胶产业历史为例，在西方世界发现该原料的很长一段时间里，其用途仅限于制作橡皮擦和防水材料。直到1888年，英国人约翰·登禄普（John Dunlop）将橡胶管两端相连并在内部充气，发明了充气轮胎。制作汽车轮胎的新型利用方式激起了对橡胶原料的巨大需求，其价格随之猛涨。数据产权的兴起可以进一步佐证增值效应原理。数据本身并非新鲜事物，但直到近年数据确权问题才成为社会重要议题，其原因就在于数据利用技术的成熟推升了数据需求及其社会价值，要求社会关注数据生产的激励问题。将增值效应原理运用到版权法因应新型作品利用技术的分析中可知，当新型作品利用技术所形成的市场足够大时，即便其对既有版权市场没有替代效果，将版权保护范围扩展至新兴市场也具有经济正当性；且新兴市场规模越大，扩展保护范围的正当性越强。如果将版权法所提供的激励比作一瓶水的话，替代效应对应的情形是，新型利用技术在瓶身钻出了一个漏孔，版权法需要及时堵住漏洞，以防止水量流失；而增值效应则可类比为，新型利用技术开辟的新用途提高了人们对水的需求量，因此需要更大的瓶子来装更多的水。
不同于被广泛认可的替代效应理论，现有判例学说针对增值效应仍存在一定争议。尽管中国和美国的合理使用分析规则均要求考虑使用行为对权利人所造成的市场损害，但对于是否以及在何种程度上考虑对潜在市场造成的损害（在涉及新型作品利用技术的案件中，潜在市场等同于新型技术所开辟的市场），存在不同的意见。持反对态度的观点认为，将潜在市场纳入损害分析的前提是假定权利人能够控制潜在市场。然而，此类案件的争点就在于潜在市场是否应当属于版权人的控制范围，因此存在循环论证的错误。基于上文对增值效应的分析，本文认为潜在市场是应当考虑的因素。但须注意，潜在市场的存在并不必然导致版权范围扩展至该市场，更为关键因素是市场规模。下文的分析将指出，将版权保护范围扩展至新型利用行为必然会导致一定的社会成本，如果潜在市场规模较小、增值收益较小，以较高的成本换取较小的收益也是不合适的。从现有的判例来看，新型利用技术所形成的市场规模的大小对法院裁判产生了重要影响。在诸如“谷歌缩略图案”和“论文查重系统案”等新型利用技术所形成的市场规模较小的案例中，法院倾向于拒绝将新型利用行为纳入版权控制范围。相反，在“mp3案”以及涉及P2P技术等市场规模庞大的案件中，法院有着更高的赋权意愿。
（二）因交易成本而引发的社会损失
版权法因应新型作品利用技术的赋权分析中，替代效应和增值效应属于支持赋权的因素，而交易成本则构成否定赋权的抵消性力量。选择将新型作品利用行为纳入版权控制范围，等同于选择以市场作为要素的配置方案。换言之，新型作品利用行为的合法发生需要以购买作品使用许可为前提条件。市场机制通常是、但不总是富有效率的。当通过市场进行要素配置所需消耗的成本（“交易成本”）超过了要素流通所带来的收益时，赋权安排将会阻碍要素流通，给社会带来纯粹损失。对此，著名版权法专家保罗·戈斯汀（Paul Goldstein）教授曾有形象的说明，在交易成本阻碍当事人通过谈判达成许可协议时，法律应当拒绝授予版权人对该使用行为的控制权；因为对社会而言，能得到半块面包（使用者不向版权人支付任何费用，但能免费使用作品）总好过最终没有任何面包（版权人无法收取费用，使用者也不能合法使用作品）。
法律不强人所难。以无法通过合理方式获得许可为由豁免使用者责任的做法，在古老的判例就已经存在了。但直到温迪·戈登（Wendy Gordon）教授系统性地阐释以交易成本为内核的合理使用分析框架，交易成本以及与之相关的市场失败理念才正式进入版权法的视野。具体来说，在版权法因应新型作品利用技术的主题下，两种类型的交易成本构成针对新型利用行为进行赋权的障碍。第一，缔约成本。在著名的“索尼案”中，美国联邦最高法院拒绝判处索尼公司帮助侵权责任的重要原因在于，要求索尼Betamax录像机使用者事先获取其想要录制的电视节目的许可是不现实的。在“威廉斯·威尔金斯诉美利坚合众国案”中，联邦最高法院认定被告不构成侵权同样是考虑到，图书馆无法以合理成本在制作期刊论文复制件时取得权利人许可，赋予权利人对图书馆复制行为的控制权，在很大程度上等同于取消了图书馆制作复制件这一有利于社会的行为。第二，劫持（hold up）成本。新型作品利用技术所开辟的市场依赖于技术与作品两项要素。如果赋予版权人对新型利用行为控制权的结果是，版权人可以凭借强大市场势力劫持技术贡献者；那么赋权安排将挤压技术贡献者的创新利润空间，容易导致新兴市场根本不会出现的双输悲剧。在“甲骨文诉谷歌案”中，法院认定谷歌复制11500行Java程序语言声明代码不构成侵权，一项关键性的考虑因素在于避免谷歌的创新行为受到甲骨文公司的劫持。
版权法是对知识生产者、传播者和消费者之间的商业性关系进行调整的法律，其内在地要求将收益成本分析作为其制度逻辑。替代效应和增值效应表明将新型作品利用行为纳入版权保护范围能够带来一定程度的激励收益；交易成本的存在则意味着，赋权安排可能使得作品与技术无法通过市场的方式结合，从而导致新型作品利用行为无法发生的社会损失。版权法因应新型利用技术的经济逻辑是由替代效应、增值效应和交易成本构成的一项立体分析框架，现实案件中的结论取决于新型作品利用行为在立体坐标中的位置。
三、人工智能作品利用行为的赋权分析
上文以经济原理为线索，以版权法应对新技术的历史为素材，构建了以替代效应、增值效应和交易成本为核心的立体分析框架。本部分将结合人工智能作品利用的行为特点、产业现状及发展前景进行分析，以锚定该新型作品利用技术在分析坐标中的位置。
（一）人工智能引发强劲的替代效应和增值效应
人工智能对既有版权市场的替代表现在，当消费者有使用作品的需求时（如需要一张图片作为淘宝商铺的背景图），其可以通过向人工智能系统输入提示词的方式生成所需内容，以替代向版权人购买版权许可。尽管通常情况下，人工智能生成内容与既有版权作品并不构成版权法意义上的实质性相似，但实质性相似并非构成替代的前提。在经济学上，替代品是指可以满足消费需求的一组商品的集合。消费者在进行消费选择时，通常并未形成使用某一特定作品的意图，而只有使用作品（或某一类作品）的抽象意图。此时，通过人工智能系统生成内容与向版权人购买作品许可便构成了竞争替代关系。“盖蒂公司诉Stability AI案”生动诠释了此点。盖蒂公司通过向个人摄影师购买版权的方式，组建了一个超过8000万张图片的版权库，并通过网络平台提供图片版权许可服务；客户可通过输入关键词搜索和浏览图片，并决定是否购买图片使用许可。盖蒂公司在诉状中指出，在盖蒂网站上输入关键词检索、下载图片，与在Stability AI系统中输入提示词生成图片，用户层面的操作是高度类似的。如果用户并非特意搜寻某一张图片，而只是需要与关键词匹配的图片，盖蒂公司与Stability AI所提供的服务在效果上也是高度相似的。Stability AI利用盖蒂公司的版权图片训练人工智能而不支付许可费，具有很强的成本优势，这导致盖蒂公司及其上游产业的生存空间受到严重挤压。
人工智能生成内容对版权作品的替代是一种“寄生性”替代。如果人工智能能够凭借其“物种优势”，在广泛文化领域内彻底地解决文化产品供给不足的难题，那么人工智能的应用意味着人类的解放。但现实远非如此。丹·博克（Dan L. Burk）教授指出，关于人工智能的拟人化叙事，如使用“学习”“创作”等词汇描述人工智能，严重遮蔽了人工智能的工具属性。实际上，人工智能只是一套“模式识别系统”，需要以人类提供的模式作为其行动的前提。一旦人类文化活动停滞，人工智能无法自足地发展、迭代。因此，人工智能无法独立承担起推动文化进步、满足人类精神需求的社会功能，但却通过一种更高级形式的“抄袭”抢占人类的工作、降低创作者的收入水平。在此背景下，将人工智能作品利用行为纳入版权控制范围，避免其对人类创作动力的侵蚀，具有很强的正当性。
人工智能技术市场前景广阔，人工智能作品利用将日益成为一种主流的作品利用形式。据现有数据，OpenAI公司推出ChatGPT后，仅五天即获得了百万用户，两个月后达到了一亿用户，创造了多项历史记录。再如，开发热门文生图工具Midjourney公司成立于2021年，仅有40名员工，但在短短两年内，即实现了超过2亿美元的年度营收……与“元宇宙”等概念的爆火速冷不同，人工智能的广阔前景有其逻辑必然性。历史上，媒介稀缺和注意力稀缺是制约人类信息获取的两项关键性因素。随着数字网络技术的出现，媒介稀缺的束缚已被基本解除，注意力稀缺日益成为制约信息获取速率的瓶颈。互联网时代以来，人类一直致力于解决注意力稀缺难题。已有的解决方案包括门户网站黄页模式、搜索引擎模式、RSS订阅模式以及算法推荐模式。尽管上述方案能够在很大程度上提高信息与用户需求的匹配程度，但从本质上来说，其仍只是从既有内容中进行挑选的机制，因而存在信息颗粒度较粗的缺点。在人工智能技术的发展历程中，《注意力即全部所需》（Attention is All You Need）是一篇里程碑式的论文，谷歌研究团队在该文中引入了自注意力机制。具有自注意力的人工智能技术能够将既有信息完全“打散”，并按照用户意图进行重新组合，提供个性化匹配程度更高、颗粒度更细的信息。作为一项突破人类注意力稀缺限制的全新方案，人工智能能够帮助人类更为高效地利用作品，并将日益成为一种主流的作品利用形式。如前文所述，更为高效的新型利用方式的出现，会推升要素需求，引发增值效应。人工智能作品利用行为所形成的庞大市场意味着，将版权控制范围拓展至该市场中，有利于实现作品的社会需求水平与作品创作的激励水平相匹配。
（二）产权制度安排面临交易成本过高的困境
数据规模是影响人工智能模型性能的关键因素之一。较大规模的训练数据有助于模型更好地理解语言的复杂性和多样性，提高其适应不同领域、主题和风格的能力，从而增强模型的通用性和泛化能力。当前主流的人工智能模型均以超大规模的训练数据作为支撑。OpenAI的ChatGPT 3.5和ChatGPT 4.0两个版本的模型均使用了数百亿个标记文本作为训练数据。Stable Diffusion依赖的LAION-5B数据集中有50亿个图像－文本对。
现有的版权许可机制无法以合理的成本解决数十亿规模版权材料的授权问题。建立许可机制的挑战性表现在：第一，版权清点困难。人工智能训练数据集涵盖了受版权保护的材料和公有领域中的材料。建立许可系统首先需要查清其中的版权材料，但训练数据密集到如大海中的水滴，几乎无法用肉眼单独观察和理解，版权清点工作异常困难。第二，权利人查找困难。由于版权权属不存在统一的登记系统，再加之训练数据通常是由网络爬虫自动化抓取获得，建立版权材料与权利人之间的对应关系存在困难。第三，商谈许可条件困难。即使能够找到相应的权利人，与众多权利人商谈许可条件也是一项耗费巨大的任务。美国版权局就曾坦言，大规模数字化作品获得许可“基本上是不可能的，不一定是因为缺乏识别信息或无法联系版权所有者，而是因为需要的个人许可数量太多”。第四，缺乏确定合理许可费的数据。许可机制的核心在于确定与版权内容价值相匹配的许可费率，而版权内容的市场价值通常需要借助反映消费者偏好的欣赏、浏览数据（如视频平台中的用户播放量）确定，人工智能作品利用方式使得获取此类数据存在很大困难。上述挑战使得无论是传统的授权许可机制，还是版权集体管理以及法定许可等大规模许可机制都明显力有不逮。
在缺乏合理可行的许可机制的情况下，赋予版权人对人工智能作品利用行为的控制权将带来高昂的社会成本。首先，高昂的交易成本负担压缩人工智能技术开发主体的潜在利润空间，减弱该领域的创新激励、放慢技术进步的步伐。其次，寻求授权的高昂交易成本构成算力、技术人才之外的又一项市场进入壁垒，加剧人工智能产业垄断或寡头垄断的产业集中趋势，推升市场竞争方面的风险。最后，寻求授权的要求还将使得人工智能系统开发者不得不放弃使用部分训练材料，而这不仅有损系统性能，还可能带来偏见、歧视和安全漏洞等方面的风险。
综上所述，强劲的替代效应和增值效应表明将人工智能作品利用行为纳入版权控制范围具有很强的正当性；但赋权方案因高昂的交易成本而存在严重的可行性问题。该分析结论可以引申两项行动指引：第一，在版权法上，不应将人工智能作品利用行为纳入权利人的控制范围。第二，有必要进一步思考，在版权法之外是否存在可行的机制以矫正人工智能技术引发的作品生产激励相对不足。
四、创新政策多元主义与超产权的补偿方案
传统的分析思路在得出赋予版权人产权将会带来高昂的社会成本时，便会以拒绝赋权结束全部分析流程。该分析思路的缺陷在于，其混淆了“激励必要性分析”和“激励工具选择”的关系，以某一手段的不可行性否定目的的正当性。面对人工智能技术颠覆式创新引发的规制难题，我们有必要跳出思维定式，从创新激励问题更底层的逻辑出发进行思考。本部分将通过引入创新政策多元主义视角论证，尽管产权分配方案不具有可行性，但可以通过税收方式构建针对人工智能作品利用行为的版权人补偿机制。
（一）创新政策多元主义
信息产品具有公共物品属性，其生产价值无法为生产者有效内化，容易出现供给不足的问题。创新政策理论的中心问题是如何通过政策工具提升信息产品的社会供给。按照政府干预程度的不同，创新激励工具可以分为两大基本类别：知识产权和财政支持，后者可进一步细分为政府奖励、基金项目和税收优惠。自人类有意识地利用政策工具来优化创新进程以来，就一直面临着创新政策工具的选择问题。肯尼斯·阿罗（Kenneth Arrow）在其著名论文《经济福利与创新资源分配》中详尽分析信息产品生产难题后，得出的答案是“为了实现创新资源的最优分配，政府或其他一些不受盈亏标准约束的机构有必要为研究和发明提供资金。”对于阿罗的结论，产权学派的代表人物德姆塞茨（Harold Demsetz）不以为然，其认为产权机制以及相伴生的产权交易、价格信号机制，才是实现资源配置更为有效的方式。知识产权模式在解决信息产品供给问题上具有政府资助机制所无法比拟的优势。
追随两位经济学大师的脚步，法学和经济学的文献围绕知识产权和财政支持的选择和适用展开了更为细致和深入的讨论。耶鲁大学的两位研究人员丹尼尔·赫梅尔（Daniel J. Hemel）和丽莎·奥埃莱特（Lisa Ouellette）指出，知识产权、政府奖励、基金项目和税收优惠存在三个维度的重要差别：①是由政府还是市场决定激励的对象和幅度；②在生产完成前还是在之后兑现激励承诺；③是由知识产品的消费者还是更普遍的公众付费。维度差异使得各种激励工具都具有某种程度的比较优势；面对社会日趋多样化的创新激励需要，综合运用多种创新激励工具，即创新政策多元主义，才是应当遵循的立场。国际创新政策实践是尼尔·赫梅尔和丽莎·奥埃莱特研究的最好注脚。世界各主要经济体的创新政策都在不同程度上表现出多元主义的立场。以美国为例，其创新政策体系不仅包括完善的知识产权制度，还涵盖了政府奖励（如美国能源部的“L Prize”奖励计划）、基金项目（如美国国家科学基金会资助项目）和税收优惠（如《国内税收法典》第174节的税收扣抵制度），这些都在解决信息产品生产难题中发挥着重要作用。
创新政策多元主义带来的启示是，当人工智能作品利用行为引发作品生产激励相对不足，而产权制度又无法解决该问题时，我们可以尝试运用非知识产权的激励方案实现对版权人的补偿。
（二）通过税收机制实现对版权人的补偿
在财政支持类创新工具中，税收政策所能覆盖的活动范围最广，具有系统性解决人工智能作品利用难题的潜质。从既有的制度实践来看，通过税收方式补偿版权人的情形不乏其例。本部分尝试以在欧美国家广泛采用的私人复制版税制度和专利盒（Patent Box）制度为蓝本，构建一项针对人工智能作品利用行为的税收补偿机制。
1.补偿资金来源方案。自1710年《安娜女王法》颁布以来，版权法在很长一段时间里仅规制为满足不特定公众需要的商业性复制行为，以个人学习、欣赏和研究为目的的私人复制则被归入合理使用范畴。但及至20世纪中期，录音、录像和复印等模拟复制技术出现并迅速走进千家万户，私人复制变得更为便捷、成本更为低廉。此时，越来越多的版权人意识到，私人复制对其复制权的行使和收益造成了损害，对私人复制不应当再继续保持容忍态度，而有必要通过立法对私人复制进行必要的限制。1965年，德国首创私人复制版税制度，其要点是向复制设备和复制媒介（如录音机、录像机和空白磁带，以下统称“复制设备”）的销售商征收一定额度的版税，版税再经由集体管理组织向作者进行转付或者部分用于促进文化发展的公共事业。德国之后，欧洲各国和美国相继采用、并进一步改进了私人复制版税制度。其中，挪威版本的私人复制版税制度不再直接向复制设备销售商征税，而是以国家财政作为补偿版权人的资金来源。挪威放弃向复制设备销售商征税的原因在于：第一，随着技术的扩散，可以用于私人复制的设备日益增多，还出现了以手机和电脑为代表的多用途设备；在此背景下，需要投入高昂的行政成本才能合理界定征税设备范围和征收税率。第二，基于设备的版税会以价格的形式部分转嫁给消费者，在复制设备日益普及的情况下，其与作为公共财政来源的一般性税收之间的差异日渐缩小。
类似地，补偿版权人因人工智能作品利用行为所遭受损失的资金来源，可以是向人工智能产业主体征税，也可以是直接来自国家财政。本文认为，就目前情况而言，后者是更合适的选择。主要包括两个方面的理由：第一，人工智能产业尚处于初创阶段，其产业链结构和商业模式仍在不断演变之中，此时确定征税对象和设置差异化费率将导致高昂的行政成本负担。第二，人工智能作为前沿创新具有很强知识、技术的溢出效应（Spillover Effect），目前各国税法通常给予该类创新税收优惠待遇，如我国《企业所得税法》第二十五条。如果此时为补偿版权人而对人工智能产业主体征税，则会形成一面加征税收、一面提供税收优惠的矛盾操作。相应地，等到人工智能技术进一步成熟、商业模式进一步稳固，则可以考虑对人工智能产业主体征税。
目前，我国普遍为人工智能产业提供税收优惠政策作为产业发展的支持措施。按照本文的方案，人工智能产业将无需为使用版权训练素材支出费用，国家财政承担补偿版权人损失的责任。此时一项担忧是，人工智能产业既享受税收优惠、又免费使用版权素材，存在被过度激励的风险；而国家财政一方面需要对人工智能产业提供税收优惠，另一方面又要承担补偿作者损失的资金来源，难免收支失衡。本文认为此项担忧具有合理性，相应对策是以取消、削减对人工智能产业的税收优惠作为平衡操作。此时整体性方案为，公共财政对版权人提供补贴→版权人免费提供训练素材→人工智能产业放弃原先享有的税收优惠。
2.面向版权人的资金分配方案。在解决补偿资金来源问题后，仍需进一步思考以何种方式向版权人分配资金。在私人复制版税制度中，分配方案的通常形式是，将资金先行分配给集体管理组织，由集体管理组织向权利人进行转付。无独有偶，阿姆斯特丹大学马丁·森夫特勒本（Martin Senftleben）教授设计的应对人工智能冲击的版权人补偿机制也采取了类似方案。本文对此方案的效果表示怀疑。第一，如上文所述，人工智能作品利用行为的特点导致权利清点、权利人查找以及获取计算合理许可费的有关数据存在困难。在此背景下，集体管理组织只能以统一费率向所有作品平均分配资金，而这无疑是低效的“大水漫灌”。第二，我国版权集体管理组织发展相对滞后，所收取的管理费抽成较高，部分作品类型甚至难以找到相对应的集体管理组织。由集体管理转付费用的方案在我国的可行性进一步削弱。
本文主张建立“版权盒”制度通过税收方式向版权人分配补偿资金。专利盒（Patent Box）制度是一种政府以所得税减免形式激励企业进行专利成果转化的税收优惠政策，因税收申报时会被要求勾选方框（Box）而得名。该制度最早发轫于1973年的爱尔兰，后被经济合作发展组织（OECD）国家广泛采纳。与旨在减轻研发成本负担的研发费用抵免、加计扣除政策不同，专利盒制度的初衷是减少国家对专利收益的分成，把更多的创新收入留给产业主体。以荷兰的实践为例，该国的企业所得税的基本税率为25%，而基于专利和软件版权的收入（包括许可使用费、投资入股资本利得和转让收入等）则可以享受5%的优惠税率。设计优良的专利盒制度能够显著提升企业创新研发动力，据塞巴斯蒂安·布拉德（Sebastien Brad）等人的跨国比较研究，专利所得收入的税率每降低1%能带来3%的专利申请量增加。本文认为，为应对人工智能作品利用行为对版权人收益造成的侵蚀，可以借鉴专利盒制度经验建立“版权盒”制度，对权利人因版权利用行为所获得的收入予以税收优惠待遇。
通过版权盒机制向版权人分配补偿资金具有多个方面的优势：第一，实施成本低廉。其可以借助现有的税收系统实施，无须另行设立管理机构，行政成本较低。第二，通过设置双层浮动关联机制，资金分配效率更高。所谓双层浮动关联是指，版权人所能获得的补偿数额既取决于其所处行业，也取决于其版权营收。通过设定行业差异化的优惠费率，将补偿力度与版权人所处行业相关联，旨在反映人工智能对不同版权行业造成的不同程度影响。将补偿数额与版权人营收关联，则有利于充分利用市场信号、保留市场竞争带来的压力机制。申言之，对受人工智能冲击更大的行业、同一行业内竞争绩效更好的主体给予更高额度的补偿，能够使资金分配更为高效。第三，补偿力度空间大。版权人通常承担较高额度的所得税负担，我国企业所得的基本税率为25%、个人所得适用3%-45%的超额累进税率。从理论上来讲，对版权收入给予的优惠费率可以为零，甚至可以是负数（意味着不仅不交税，还可以获得额外的政府补贴）。因此，版权盒税率优惠有较大的空间。第四，受惠主体多元。所得税优惠的形式既可以作用于个人也可以作用于企业，且对企业的优惠会通过渗透效应为个人分享。因此，版权盒制度所带来的政策优惠能为广泛的行业参与者共享、整体性改善版权产业的生态。
五、结语
人工智能作品利用行为引发的问题，本质上是版权产业与技术产业的利益分享问题，是人类社会两大创新领域的协调问题。以促进人工智能产业高速发展为由，牺牲版权产业的利益；以推动人工智能技术创新为幌子，侵蚀文艺领域的创新动力，既不正当，也不符合经济效率的要求。只有将人工智能产业与版权产业、技术创新与文艺创新放在平等的位置，正视人工智能技术引发的替代效应和增值效应，承认版权人分享该新型作品利用行为所带来利益的正当性，才有可能提出解决人工智能作品利用难题的合理方案。在探索实现版权人补偿的可行方案环节，则有必要打破部门法之间，以及法律与产业政策之间的藩篱，充分探索各种机制可能性。正如著名经济学家蔡昉所言，“以生产率分享的形式保持艺术活动的存在，激励艺术创作中创造性的充分迸发，或许就是人类生产率的长远乃至永恒源泉。”建立人工智能作品利用行为的版权人补偿机制，以防止人类艺术创造“灵光”在人工智能时代的凋零，是一项关乎人类未来的工作；这值得我们付出一番努力，并为此承担一定的制度成本。
注：因字数关系，注释省略。如引用、转发请注明《电子知识产权》2025年第2期。
（未经授权禁止转载、摘编、复制及建立镜像，违者将依法追究法律责任）
本公众号定期推送知识产权及竞争政策相关的法律政策与政府文件、最新全球行业信息、原创文章与专家观点、业内高端活动消息、《电子知识产权》（月刊）&《竞争政策研究》（双月刊）文章节选及重磅全文、专利态势发布、中心最新成果发布及相关新闻报道等诸多内容，欢迎各界人士关注！