《意见》共5个部分24条，结构如下：

三项基本原则如下：

• 坚持以人为本：把人民群众合法权益作为AI司法治理的出发点和落脚点；

• 支持创新发展：以包容审慎态度平衡权益保护与产业发展，营造"鼓励探索、宽容失败"的良好环境；

• 筑牢安全底线：区分通用与专用、开源与闭源模型的差异，故意犯罪依法严惩，创新行为依法审慎处理。

（一）归责原则：过错责任为原则

《意见》第3条：利用人工智能侵害民事权益产生的法律责任，法律没有明确规定适用无过错责任或者过错推定责任的，应当适用一般过错责任原则。

最高法《理解与适用》明确，对不同应用场景下的人工智能侵权应当分别适用不同的归责原则：

这一规则逻辑是：生成式人工智能本质上只是"向人类提供信息"，一般不会直接危害人身安全或财产安全，因此不宜直接套用民法典中的无过错责任体系。如果在 AI 技术与产业尚处发展初期就普遍引入无过错责任、过错推定责任，会严重影响创新主体的探索积极性。

判断过错需要综合六项因素：应用场景（生成文字 vs 自动驾驶）、自主化程度、技术与信息透明度、潜在风险及影响范围、预防侵权所采取的措施及技术上的可能性、使用者对损害的预见能力与控制能力。

（二）训练数据"安全港"：公开个人信息不必逐个授权

《意见》第6条：为人工智能模型训练，在合理范围内处理个人自行公开的或者其他已合法公开的个人信息，且个人未明确拒绝的，一般不认定为侵害个人信息权益的行为。对个人权益有重大影响的，应当依照法律规定取得个人同意。

最高法《理解与适用》区分了两类已公开个人信息：

• 个人自行公开：个人主动在社交媒介上发布姓名、联系方式、地址等；

• 其他已合法公开：新闻报道中公开的个人信息、国家机关依法公开的个人信息等。

判断"合理范围"的三个考量因素：

1. 处理目的与模型功能的必要性和适当性；

2. 个人信息类型、敏感程度及对个人权益的潜在影响；

3. 公开时的场景及合理预期。

对 AI 企业而言，训练通用大模型时使用公开爬取的个人信息有了更明确的边界。但若训练出的模型能"生成可识别特定自然人的虚拟形象"，则可能超出"合理范围"，需另行取得同意。我们建议AI企业建立"训练数据来源记录 + 处理目的匹配性评估 + 重大影响识别"的合规闭环，以备法庭举证。

（三）避风港规则延伸到生成式AI

《意见》第7条：生成式人工智能自动生成的内容侵害他人名誉权、隐私权等人格权益，经权利人通知，生成式人工智能服务提供者未及时采取停止生成侵权内容等必要措施的，应当对造成的损害依法承担侵权责任。

据此，《意见》第7条明确，生成式AI服务提供者对避风港规则参照适用——通知后未及时采取必要措施的，就扩大的损害承担连带责任；用户恶意输入侵权提示词的，由该用户依法承担侵权责任。同时，《意见》第7条对恶意诱导生成内容的情形作出新规：网络用户通过输入侵权提示词等方式恶意诱导生成式AI生成侵权内容并造成他人损害的，该网络用户依法承担侵权责任。

当前述两条规则放在一起时，"AI 生成"将不再成为有效的抗辩理由，平台及时停止生成侵权内容通常不担责；未及时停止的，就扩大的损害承担连带责任；用户恶意输入侵权提示词的，用户自己担责。

（四）产品责任严格限定：纯软件AI服务不适用无过错责任

《意见》第9条：人民法院应当依据产品质量法关于"产品"的定义，依法准确认定以实物为载体的人工智能产品并适用相应的法律规则。

最高法研究室主任周加海在答记者问中进一步解释，《意见》将人工智能产品限定为以实物为载体的产品（比如智能机器人、自动驾驶汽车等），将没有实物载体的人工智能服务排除在外。

这一限定关系到 许多AI 服务提供者的生存问题。如果所有 AI 服务都被纳入产品责任（即无过错责任）， AI 技术服务的发展空间将被严重限制。现在最高法把产品责任限定在"以实物为载体"的范围，纯软件 AI 服务企业将获得更大的生存空间。

缺陷认定结合产品性质与用途、自主学习能力、升级更新情况、用户对系统的控制程度、是否符合相关国家标准或行业标准，重点审查生产者、销售者是否就产品的适用场景、固有局限以及可预见的风险进行了真实的说明和明确的警示。

对 AI 企业而言：

• 纯软件 SaaS 型 AI 服务（AI 客服、AI写作、AI 翻译等）适用过错责任原则；

• 智能机器人、自动驾驶汽车、辅助驾驶汽车适用产品责任（无过错责任）；

• 对"以实物为载体"的AI产品，缺陷认定会结合产品用途、自主学习与更新能力、用户控制程度等因素，进行动态场景化评价。

（五）AI 生成内容侵害著作权的责任认定与举证

《意见》第12条列举了认定人工智能生成内容侵害著作权责任的综合考量因素。最高法《理解与适用》将其细化为六大项：

1. 人工智能服务类型——不同类型AI服务在技术架构、运行逻辑和风险特征上存在显著差异。相较于信息查询服务，内容创作领域的AI服务提供者应负有更高的注意义务；

2. 行业特点；

3. 训练数据来源——训练数据的合法性是判断开发者是否实施侵权行为的重要情节；

4. 各方参与度；

5. 采取的必要措施——是否明知模型可能稳定生成与他人作品实质性相似的内容而未采取必要措施；

6. 获利情况——根据权责对等原则。

举证责任分配：

• 权利人：应当就侵权内容系由该人工智能生成、与其权利作品构成实质相似等事实进行举证；

• 开发者抗辩：提出不侵权抗辩的，应当就模型的训练数据来源、训练过程、运行模式等事实举证，必要时还应当提供有关科学理论依据予以佐证；

• 使用者侵权：根据《意见》第12条，人工智能使用者知道或者应当知道在先作品存在，利用人工智能生成与在先作品实质相似的作品且无合理使用等免责事由的，应当认定构成侵权——使用者不得仅以内容系人工智能生成为由免责。

责任划分：

• 使用者：知道或者应当知道在先作品存在，仍通过提示词输入、参数设置、素材输入等方式，利用人工智能生成与在先作品实质性相似的内容，应当认定构成侵权（但有法定许可、合理使用等合理理由的除外）；

• 服务提供者：参照《民法典》第1195条（避风港）、第1197条（红旗规则），生成式AI服务提供者可被视为"网络服务提供者"——知道或者应当知道使用者利用其AI服务生成内容侵害他人知识产权，未采取必要措施的，与该使用者承担连带责任；接到通知后未及时采取必要措施的，对损害的扩大部分与该使用者承担连带责任。

《意见》对目前争议较大的两个问题做了留白处理：

1. AI 生成内容的可版权性——AI 生成的内容能否获得著作权保护？归属谁？

2. 未经许可使用他人作品训练 AI 大模型的定性——是否构成著作权侵权？

对出海企业而言，两个留白恰恰是后续 AI 著作权纠纷的核心战场。训练数据来源、生成内容归属、跨境授权链条，都需要在合同里约定清楚。纽约时报在美国法院起诉某 AI 公司未经授权使用其数百万篇新闻文章训练大模型侵犯著作权一案——这一域外案件提示中国出海企业：在跨境 AI 业务中，训练数据的合法性是全球性议题，不是单一司法管辖区的合规问题。

第一，《意见》是中国 AI 治理方案对外输出的"司法名片"。最高法在答记者问中明确，《意见》是"为促进全球人工智能向上向善发展贡献的'中国司法智慧'"。它将和《中新数据合规指引》、APEC 跨境数据实务指引系列一起，构成中国参与全球 AI 治理的"三位一体"。

第二，涉外 AI 纠纷审理有了"接口"。《意见》第24条明确明确要求"妥善审理涉人工智能及数据跨境纠纷案件""推进人工智能领域涉外审判交流合作""加强规则对接与互鉴""推动构建更加公平合理、包容开放的人工智能治理体系"。涉外 AI 纠纷中，中国法院将更主动地行使管辖权，并注重与国际通行规则衔接。

第三，跨境数据合规需要"双线作战"。一方面数据跨境要满足《个人信息保护法》《数据出境安全评估办法》《促进和规范数据跨境流动规定》等国内合规要求；另一方面要满足欧盟 GDPR、美国各州隐私法、新加坡 PDPA 等海外监管要求。AI 训练数据的跨境流动尤其需要审慎评估。

结合《意见》24条，向 AI 企业、平台运营者和出海企业提出以下 5 点合规建议：

1. 训练数据来源记录——建立完整的训练数据来源、处理目的、个人信息授权链条记录。《意见》第12条把举证责任压给了开发者：开发者主张训练不构成侵权的，应当提供训练数据来源、训练过程记录等材料，否则可能败诉。

2. AI 产品形态评估——准确判断 AI 产品属于"以实物为载体的 AI 产品"还是"AI 服务"，对应不同的责任体系。

3. 平台通知机制建立——建立"通知接收 → 形式审查 → 停止生成 + 屏蔽指令 → 优化算法"的全流程机制，并保留处理记录。

4. 真人形象声音授权链条——涉及 AI 换脸、拟声、虚拟数字人、AI 复活等场景的，必须取得自然人或近亲属的明示授权。

5. 境外合规对接——出海前对训练数据来源、生成内容合规、数据跨境流动进行"双线"合规评估，必要时咨询专业涉外法律团队。