赛迪前瞻：2026 AI领域数据合理使用的司法实践与产业启示报告（10页）.pdf

1、 -1-20262026 年年 3 3 月月 3 30 0 日日 第第1 16 6期期 总第总第 9 94444 期期 AI 领域数据合理使用的司法实践与产业启示领域数据合理使用的司法实践与产业启示 生成式人工智能的爆发式发展，使数据成为驱动产业创新的重要生产要素，而数据合理使用边界的模糊性，已成为制约人工智能产业合规发展的瓶颈。此类纠纷的本质是数据合理使用规则的适用分歧，不仅关乎相关法律条款的落地，更直接影响人工智能产业的合规发展。赛迪研究院建议建立健全数据合理使用规则体系、完善数据产权保护体系、强化协同共治，为人工智能产业合规发展、数据要素高效利用提供指引。-2-一、人工智能数据权益的核心

2、知识产权界定需要厘清两个问题（一）数据产权权属界定（一）数据产权权属界定 一是权利主体与内容划分不明。一是权利主体与内容划分不明。数据流转涉及收集者、整理者、原始权利人等多主体，各主体的权利范围如何界定，缺乏统一标准。二是数据类型的权属差异模糊。二是数据类型的权属差异模糊。从形态看，独创性汇编作品与非独创性数据集合的保护路径未明确区分；从来源看，个人信息数据、企业经营数据、公共数据的产权边界亟待厘清。三三是非独创性数据集合争议突出。是非独创性数据集合争议突出。实践中此类数据的权属证明难度大，如数据堂案中双方争议点为非独创性数据的权利归属，因我国缺乏此类数据权利认定的明确依据，导致案件审理中权属

3、判定难度较大，这也直接暴露了相关规则空白，进而影响数据的合法流转与利用。（二）数据合理使用边界（二）数据合理使用边界 数据合理使用的争议也是数据合理使用的争议也是 AI 场景下数据权益纠纷的首要焦场景下数据权益纠纷的首要焦点。一是点。一是 AI 训练使用他人数据的合理使用认定标准不明。训练使用他人数据的合理使用认定标准不明。对于AI 训练行为是否符合合理使用范畴，尚未细化明确判断要素，包括使用行为是否具备转化性、是否会对权利人的市场利益造成实质性损害等核心考量维度，导致实践中裁判标准不统一。二是二是商业与科研用途的边界划分不足。商业与科研用途的边界划分不足。现行规则未对商业性 AI 训练与科研

4、性 AI 训练的合理使用范围作出明确差异化界定，导致在实践中难以兼顾技术创新的发展需求与知识产权人的合法权益 -3-保护。三是非法来源数据的合理使用争议。三是非法来源数据的合理使用争议。针对盗版数据、未经授权获取的敏感数据等非法来源数据，其是否存在合理使用的豁免情形，目前仍存在争议。二、当前人工智能合理使用数据面临的制度困境（一）制度存在空白，具体规则不明确（一）制度存在空白，具体规则不明确 一是人工智能专项规制体系缺失。一是人工智能专项规制体系缺失。我国尚未出台针对人工智能数据合理使用的专项立法，生成式人工智能服务管理暂行办法虽明确训练数据需合法合规，但对数据来源合法性界定、流转环节违法性传

5、导等主要问题未作细化，仅依托 著作权法 反不正当竞争法等传统法律构建多层保护体系，存在明显规制缺口。二是非独创性数据保护标准模糊二是非独创性数据保护标准模糊。相关不正当竞争纠纷案如“刷宝 APP”不正当竞争纠纷案虽界定了非独创性数据集合的经营性利益保护规则，但缺乏统一的权利认定标准与救济路径，导致企业对数据投入的预期稳定性不足。三是全链条责任划分不三是全链条责任划分不明。明。AI 模型训练、内容输出等环节的侵权责任边界，以及避风港规则在 AI 平台的适用范围仅通过个案探索，未形成系统性规则，增加企业合规不确定性，加剧企业法律风险顾虑。（二）制度弹性不足，平衡创新与保护的能力有限（二）制度弹性不

6、足，平衡创新与保护的能力有限 一是规则包容空间不足。一是规则包容空间不足。现有制度以著作权优先，反不正当竞争法兜底为核心，未明确转化性使用、小额使用等豁免情形，对商业性 AI 训练的合理使用预留空间狭窄。二是二是创新激励效能创新激励效能 -4-受限。受限。规则刚性过强导致企业因担心侵权风险放缓研发进度，难以兼顾技术创新需求与知识产权人合法权益的平衡。（三）跨域适配性弱，制约企业国际化布局（三）跨域适配性弱，制约企业国际化布局 一是规制体系差异显著。一是规制体系差异显著。我国数据合理使用制度与欧美主流框架存在区别，美国实行逐案裁量的合理使用机制，欧盟坚持先授权后训练刚性规则，我国则缺乏明确细化的