AI法律纠纷审理的“七把标尺”——最高人民法院《关于依法审理涉人工智能纠纷案件的意见》解读（上）

一、引言

2026年9月7日，最高人民法院发布《关于依法审理涉人工智能纠纷案件的意见》（法发〔2026〕10号，以下简称“《意见》”）。《意见》是最高人民法院首次就涉人工智能纠纷的实体裁判与程序处理作出系统性指引。在专门性人工智能立法尚未形成的背景下，《意见》利用现行法律体系回应进入司法视野的人工智能相关问题。

我们就《意见》进行了解读，推出本系列文章。本系列分为上下两篇，上篇围绕《意见》第3条至第16条涉及的实体规则展开，并将针对其中较为重要的应用场景归纳为七把审理“标尺”；下篇则讨论程序规则，如何将“七种武器”应用于具体案件。

本文总体将从两个层面出发探讨实体规则：第一，《意见》相关规则与现行上位法之间的衔接；第二，既有生效裁判所呈现的对于实体规则的七个应用场景。

二、涉人工智能纠纷案件的审理趋势

从整体设计看，《意见》呈现了如下司法审理趋势：

第一，以现行法律体系为规范基础，通过法律解释回应新型技术事实。我国目前尚无统一的人工智能基本法。《意见》并未另行创设独立的人工智能民事权利类型或责任形态，而是回归《民法典》《产品质量法》《个人信息保护法》《著作权法》《反不正当竞争法》《消费者权益保护法》等现有规范中，定位请求权基础和责任依据。可见，至少在现阶段，涉人工智能纠纷的裁判方法仍以既有法律规范的解释适用为主，而非另起一套专门的人工智能法律责任体系。

第二，责任判断从主体身份转向具体场景、控制能力与风险管理能力。《意见》具有鲜明的问题导向，针对“AI换脸拟声”“AI幻觉”“网络开盒”“大数据杀熟”、自动驾驶、模型训练等在司法实践中出现的争议场景作出回应。《意见》第3条、第6条、第9条和第12条均采用开放式考量因素，对过错、合理范围、产品缺陷以及知识产权责任作类型化判断。这一思路，与人工智能技术链条中主体众多、场景各异、控制能力分散的特点相适应。

第三，对尚未形成充分共识的实体问题保持必要“留白”。《意见》未就人工智能生成内容的可版权性，以及未经许可使用他人作品训练人工智能大模型的法律定性作出结论性规定。但留白并不等于规则真空。以第12条为例，《意见》虽未解决训练行为在《著作权法》上的最终定性，却对开发者提出不侵权抗辩时需要提供的训练数据来源、训练过程记录、模型运行模式及科学理论依据提出了明确要求。换言之，在实体规则尚待进一步凝聚共识之处，程序与证明责任已经先行。

以上三点共同指向一个值得重视的趋势——涉人工智能纠纷的审理，将越来越依赖对技术事实与合规过程的可验证性。训练数据来源、警示与说明文本、投诉处置日志、模型版本与升级记录、个人信息拒绝权响应记录等材料，不仅具有日常合规意义，也可能直接影响过错、缺陷、必要措施以及合理抗辩能否成立。对企业而言，人工智能合规因此不能停留在规则论证层面，而应逐步转化为可持续、可追溯的过程管理与证据管理。

三、涉人工智能纠纷案件的七把标尺

标尺一：归责原则、过错认定与产品定性

(一)不同侵权类型对应不同的归责基础

不同侵权类型对应不同的归责基础。《意见》第3条并未为涉人工智能侵权设定统一的归责原则，而是依据现行法区分一般侵权、产品责任及个人信息侵权等不同路径。就常见情形而言，可以概括如下：

不同责任路径在构成要件、举证责任与免责事由上存在显著差异。因此，涉人工智能侵权案件的首要法律问题，往往不是抽象地判断行为人“是否有过错”，而是先确定具体行为应当纳入何种既有责任规范，以及相关主体在该规范下承担何种证明责任。

(二)人工智能产品适用产品责任规则的分析

我们认为，“以实物为载体”是人工智能产品适用产品责任规则的重要边界。《产品质量法》第2条以“经过加工、制作，用于销售的产品”为基本定义，《意见》第9条进一步强调“以实物为载体的人工智能产品”。据此，自动驾驶汽车、具身机器人、智能座舱等随硬件一并交付的人工智能系统，原则上可能进入产品责任的评价框架；以API、SaaS或网页服务等形态提供的生成式人工智能服务，则通常不属于第9条所称“以实物为载体”的产品，其侵权责任仍主要依据一般侵权等规则判断。这一区分使人工智能技术的交付形态成为责任规范选择中的重要事实。我们认为可特别关注如下事项：

• 硬件生产者引入第三方模型或算法时，有必要通过合同对风险分配与追偿机制作出更为细致的安排。《民法典》第1204条允许生产者、销售者在承担责任后向有过错的第三人追偿，但第三方模型供应商在具体案件中能否以及如何适用该条，仍需结合其参与程度和过错加以判断。因此，在相关合作合同中，建议就缺陷原因的认定、技术资料与证据的提供、事故调查协助、责任限制的例外等事项作出明确约定。

• 软件升级尤其是OTA更新，可能改变原有产品功能和风险边界。《意见》第9条将“升级更新情况”列为缺陷认定因素，意味着缺陷判断并非仅以产品首次交付时的状态为基准。若升级新增功能、改变功能适用条件或扩大自动化程度，原有说明书和警示内容可能不再足以覆盖新的风险。相应地，升级说明、风险提示、用户确认及版本记录，应当与产品更新同步形成并留存。

• 自主学习能力既是人工智能产品的重要技术特征，也会影响可预见性与风险控制能力的判断。企业在市场宣传中对“自我进化”“持续学习”等能力作出较高程度的表述时，该等表述也可能成为法院评价生产者对风险是否具有预见可能、产品实际能力与宣传是否一致的事实材料。因此，技术能力说明、营销表述与风险提示之间应保持基本一致。

需要特别关注的是说明、警示及其可理解性的审查要求。《意见》第9条要求重点审查生产者、销售者是否就适用场景、固有局限和可预见风险作出真实说明和明确警示。该规则与《消费者权益保护法》第18条第1款以及《产品质量法》第27条第1款第5项具有明显的规范衔接。该规则并非是另行创设告知义务，而是结合人工智能产品决策过程复杂、风险可能后置显现等特点，强调对说明、警示及其可理解性的审查要求。

在重庆市渝北区人民法院审理的一起辅助驾驶交通事故案件¹中，涉案L2级组合辅助驾驶系统未能识别静止的洒水作业车，自动紧急制动系统亦未触发。法院认为，该情形属于现阶段辅助驾驶技术的局限性，并不足以据此认定产品存在缺陷；同时，生产者已在《用户手册》中对功能限制作出明确声明和警示，销售者亦随车交付《用户手册》，故认定相关经营者已经履行相应告知义务，事故责任由驾驶人承担。该案的意义在于：技术局限并不当然等同于产品缺陷，但生产者、销售者能否据此主张免责或减责，很大程度上取决于实际功能、宣传内容与说明警示之间是否一致。

(三)过错判断因素与注意义务

《意见》第3条所列过错判断因素，为人工智能服务提供者的注意义务提供了更具可操作性的分析框架。

在杭州互联网法院审结的全国首例生成式人工智能“幻觉”侵权案²中，用户查询高校招生信息时，模型生成了并不存在的校区信息，并在后续交互中出现所谓“赔偿十万元”的表述。法院认定，人工智能本身不具有民事主体资格，不能作出具有法律意义的意思表示；在此基础上，法院按照一般过错责任规则审查服务提供者是否存在过错，最终驳回原告诉讼请求。

将上述案件与《意见》第3条所列因素结合观察，可以看到注意义务具有明显的场景化特征。就服务类型而言，一般查询、娱乐或闲聊服务对信息准确性的注意义务，与医疗、金融、法律等高风险场景并不相同。就透明度而言，风险提示应与具体功能和使用场景相匹配；仅在较深层级的用户协议中作一般性说明，未必足以证明已充分履行提示义务。就技术措施而言，生成式人工智能的“幻觉”现象难以完全消除，但并不当然免除服务提供者采取当时可行措施的义务，例如检索增强、来源标注、敏感领域限制以及上线前评测等。因此，对于高风险应用场景，企业有必要形成能够说明模型准确性评估、风险识别与缓释措施的技术合规记录，并持续保留版本变化。

标尺二：个人信息的使用与侵权认定

《意见》第6条将《个人信息保护法》关于公开个人信息的既有规则具体化于人工智能训练场景。其规范基础主要来自《个人信息保护法》第13条第1款第6项与第27条：在合理范围内处理个人自行公开或者其他已经合法公开的个人信息，可以不取得个人同意，但个人明确拒绝的除外；相关处理对个人权益有重大影响的，仍应依法取得同意。《意见》的重要作用在于确认上述规则可以适用于模型训练，并进一步从处理目的与模型功能的必要性和适当性、信息类型与敏感程度、原公开场景与个人合理预期等方面，细化“合理范围”的判断。

“已经公开”并不当然意味着可以不受限制地用于模型训练。人民法院案例库入库参考案例《麦某波诉北京法某科技有限公司、北京律某信息技术有限公司网络侵权责任纠纷案》³指出，对已公开个人信息的处理如果超出合理范围，不能适用无需取得个人同意的例外。该案中，平台在收集律师公开执业信息后，又进一步设置收费标准、展示“胜诉率”并虚构承揽业务次数。法院结合商业目的、处理方式以及对个人权益的实际影响，认定相关处理已超出合理范围。因此，就模型训练而言，其法律评价显然不能停留在“信息已公开”这一事实本身，而应进一步考察：训练目的与原公开目的之间是否具有合理关联；处理方式是否超出个人在原公开场景中能够合理预期的范围；以及模型输出是否可能进一步放大对个人权益的不利或负面影响。

就模型训练的具体实践而言，需特别关注如下问题：

• “个人未明确拒绝”具有持续性和动态性。若企业拟以已公开个人信息用于训练，仅在隐私政策中抽象规定拒绝权并不足够，还需要建立能够将拒绝请求传导至数据管理和后续训练流程的机制。考虑到已训练模型的完全“遗忘”在技术上可能成本较高，企业至少应确保数据来源与个体信息具有可追溯性，使拒绝请求能够在后续数据集更新、再次训练或模型优化中得到落实，并如实向个人说明既有模型可能存在的技术边界。

• 涉及敏感个人信息、自动化决策，或者模型输出可能重新识别到具体个人时，不能仅以信息“已公开”为由当然排除风险。敏感个人信息仍需适用《个人信息保护法》关于特定目的、充分必要性及单独同意等更严格要求；训练成果若用于自动化决策，还应同时遵守透明度、公平性以及不得实施不合理差别待遇等规定；如果模型能够在输出端复现足以识别具体个人的信息，则还需重新审视入口端去标识化或匿名化措施是否真正达到法律要求。

• 应当准确区分“去标识化”与“匿名化”。《个人信息保护法》第73条第4项所称匿名化，要求个人信息经过处理后无法识别特定自然人且不能复原，其门槛明显高于一般意义上的去标识化。在大模型训练场景中，仅依赖数据进入模型前的匿名化或脱敏，并不足以覆盖全部风险，还应结合输出端过滤、记忆性测试、敏感信息拦截等措施，降低模型在生成环节重新暴露个人信息的可能性。

标尺三：训练材料的著作权定性——实体留白与举证规则

《意见》颁布后，学界与实务界均注意到，该意见中并没有明确提及未经许可使用他人作品训练人工智能模型是否构成著作权侵权，也没有就其能否适用合理使用作出结论。但第12条规定，开发者提出不侵权抗辩的，应当提供训练数据来源、训练过程记录、模型运行模式以及科学理论依据予以佐证。这意味着，在实体规则尚未最终定型之前，开发者是否具备完整、可追溯的训练资料，已经成为能否有效提出抗辩的重要前提。

国内既有裁判为理解第12条提供了一定的参考。例如，在“美杜莎”案⁴中，法院从复制权“再现”作品的功能出发，认为在涉案事实下，将权利作品输入模型进行训练并非当然完成复制权意义上的侵害；当模型依用户指令生成与权利作品实质性相似的内容，使作品表达得以再次呈现时，相关行为才进入复制权侵权的评价范围。该裁判由此对输入端与输出端作出了较为鲜明的区分。需要注意的是，上述裁判建立在特定事实和对复制权的具体解释之上，并不宜被概括为“训练阶段当然不存在著作权风险”。关于商业性模型训练是否应取得作品授权，学界与实务界仍存在分歧，我们认为这也是《意见》暂不就训练行为定性作出统一规定的原因。

从域外比较角度，目前域外规则也仍在持续形成之中。比较上述法域可以发现，虽然规范结构并不相同，但数据来源是否合法、权利人是否保留权利、模型输出是否复现受保护表达以及是否形成市场替代，均成为反复出现的判断因素。对中国法下尚待解决的训练定性问题而言，这些域外规则可以提供分析参照，但不能直接替代对我国现行《著作权法》规范结构与具体案件事实的判断。

• 美国目前尚未形成统一结论。Bartz v. Anthropic认为，以合法取得的作品训练模型具有转换性，相关训练在该案事实下构成合理使用，但以盗版方式获取并留存作品的行为仍可单独构成侵权；Kadrey v. Meta同样作出有利于被告的裁判，但判决并未将人工智能训练概括为当然的合理使用，而是特别强调原告在市场影响等方面的举证不足；Thomson Reuters v. Ross Intelligence则因被诉产品与原作品之间存在较强的市场替代关系，否定其合理使用的抗辩。相关案件表明，训练用途的转换性、数据来源是否合法以及对原作品市场的影响，仍是美国合理使用分析中的核心变量。

• 欧盟采取了相对结构化的制度路径。2019年《数字单一市场版权指令》（DSM指令）第4条为文本与数据挖掘设置限制或例外，同时允许权利人以适当方式保留权利（opt-out）。《人工智能法案》又进一步引入通用人工智能模型训练内容的透明度要求，对新投放市场的相关模型自2025年8月2日起适用，对此前已投放市场的存量模型则设有过渡期。与美国主要依赖个案中的合理使用判断不同，欧盟的合规重点更强调权利保留机制、数据使用规则与透明度义务的制度化衔接。

• 日本《著作权法》第30条之4所规定的“非享受性使用”例外，对以信息分析为目的的作品利用提供了相对宽松的空间，但并非没有边界。针对特定作品进行过度学习、为检索增强生成（RAG）建立可能直接提供受保护表达的数据库，以及仅以特定创作者少量作品进行追加学习并以复现其创作性表达为目的的情形，仍需结合具体目的、利用方式及对权利人利益的影响进行审查。

我们认为，基于现阶段规则与裁判实践，训练数据治理可以按照风险程度作分层处理。相比简单区分“可以使用”或“不能使用”，更重要的是结合数据来源、获取方式、竞争关系、权利保留及输出风险，建立持续评估机制。

另外，需提示的是第12条同样适用于人工智能内容的企业主体使用者，例如广告公司、游戏美术团队、MCN机构等。对于具有较高知名度的在先IP，如果使用者直接以其名称、形象或参考图作为提示词或生成基础，权利人关于“接触可能性”的证明通常较为容易。因此，企业在引入和采用生成式人工智能内容时，应建立来源审查、提示词管理、相似性复核和权利投诉处置机制。

标尺四：数据权益的保护机制

数据资产是指主体通过合法采集、加工、标注、聚合等方式形成，能够被实际控制、可重复使用并带来经济利益的数据资源、数据集合及其衍生产品。在人工智能时代，数据资产的重要性被反复提及，高质量的训练数据是人工智能技术发展的基石。

然而，由于其本身非排他性、可复制性、边际成本趋零等特征，对数据资产的保护无法套用所有权制度，只能以“权益束”方式分场景保护。《中共中央国务院关于构建数据基础制度更好发挥数据要素作用的意见》（以下简称“《数据二十条》”）中提出了数据资源持有权、数据加工使用权、数据产品经营权“三权分置”的产权运行机制。而《意见》确立了对涉人工智能的数据资源设立了分层保护的机制，与《数据二十条》的立场予以呼应。

《意见》第16条明确对数据权益做出确认，明确在数据来源合法的前提下，人工智能开发者的数据权益可以获得多角度、多层次的保护。该条所规定的递进保护的四层结构为：

• 第一层，《著作权法》保护——对构成汇编作品或符合其他作品构成要件的数据、数据集合，依照《著作权法》保护；

• 第二层，商业秘密保护——对构成商业秘密的数据、数据集合，依照《反不正当竞争法》关于商业秘密的规定保护；

• 第三层，竞争法兜底——对不构成商业秘密的数据、数据集合，被诉行为违反《反不正当竞争法》或者《反垄断法》相关规定的，依法承担责任；

• 第四层，强调技术合规性——明确采取典型技术攻击手段如数据干扰、恶意标注、对抗样本攻击的需要承担法律责任。

对于人工智能企业来说，《意见》第16条存在两个层次的启示：第一是要关注数据资产的管理，包括确权与授权链条，这是数据资产受保护的前提；第二是即使没有专门的人工智能相关立法，数据权益仍能在现有法律体系下得到保护。如果企业的数据权益受到侵害，现行法律已经能够提供相对明确的维权的路径，企业完全可以积极采取法律措施保护应有权利。

标尺五：生成式人工智能服务提供者的“类避风港”责任限制

就生成式人工智能服务提供者的侵权责任，《意见》第7条参考《民法典》第1195条至第1197条规定的“避风港原则”，确定了类似的“通知-处置-免责”的责任限制结构，并针对人工智能行业做了适配性调整。

最高法相关部门负责人在答记者问中指出，生成式人工智能与传统网络服务在运行机理上存在类似之处，具有参照使用避风港原则的正当性、合理性基础。理论上，避风港原则建立在三个前提上：技术中立与工具属性、海量内容与审查不能、信息不对称与成本分配，而这三个前提在生成式人工智能服务中仍然存在。

同时，比起传统避风港原则，《意见》第7条针对生成式人工智能服务的特点作了优化：首先，通知要件不要求提供侵权内容链接，只需要包括初步证据与权利人身份；其次，生成式人工智能服务提供者需要采取的必要措施为“停止生成侵权内容、屏蔽相关生成指令”。最高法之所以要对避风港原则做前述优化，是为了进一步明确责任承担与控制能力、注意义务相匹配的原则。

《意见》第7条进行的行业适配还存在一个重要创新意义：从“删除存量”到“防范增量”的范式转换。传统规则要求删除、屏蔽、断开链接，针对的是“已存在于服务器上的静态内容”；而生成式场景中，侵权内容是模型根据提示词实时运算的产物，删除某一条对话记录并不能阻止同样的内容再次被生成。第7条因此将必要措施的重心从“处置存量内容”转向“防范未来生成”——停止生成、屏蔽生成指令均指向模型的未来输出。这一转变也带来过错认定标准的联动调整：防止模型再次生成侵权内容比删除既有内容技术难度更高，应结合服务提供者现有技术水平及已经履行的合规义务、已经采取的防范措施综合判断是否已采取了“合理必要措施”，从而认定是否存在过错，不能仅凭“重复出现侵权内容”这一结果进行认定。

《意见》第7条与既有的司法案例主旨相吻合。在前文提及的“美杜莎”案中，涉案平台即因及时下架被诉模型、更新审核关键词并履行转通知义务，被认定“采取了必要措施”从而不构成侵权。与此相对的，在全国首例人工智能大模型名誉侵权案“李小亮诉某公司案”⁵中，该模型公司辩称其“无法预见用户会输入的信息，因此无法控制人工智能的输出、AI幻觉也不受公司控制”从而无法采取措施，就被法院认定为“存在主观过错”从而成立侵权。因此，生成式AI服务提供者应当关注其免责的边界，既要考虑成本控制，又要尊重他人权利，尽合理努力采取必要措施制止侵权行为。

标尺六：人格权的保护与侵权认定规则

由于生成式人工智能服务早已不限于文字生成，因此其在音频、视频、图像等领域与人格利益的互动关系被重点关注。《意见》第4条规定下列典型行为均构成对人格权益的侵害：

• 未经同意生成具有可识别性的虚拟数字形象并使用、公开：侵害姓名权、肖像权；

• 未经同意使用自然人声音作为训练语料、生成具有可识别性的合成人声：侵害声音权益；

• 操控生成的可识别虚拟数字形象、声音降低他人社会评价的：侵害名誉权；

• 擅自制作、使用死者虚拟数字形象致其姓名、肖像、名誉等受侵害的：侵害死者人格利益。

自生成式人工智能普及以来，由于公众人物知名度更广、其肖像、声音等素材更容易获得，公众人物的人格权、隐私权面临更大的挑战。而《意见》明确，未经公众人物同意私自以相关素材训练人工智能模型并使用构成对人格权的侵犯，其核心要件为“可识别性”。侵害肖像权的迪某案⁶、侵害声音权益的殷某桢案⁷中，法院均使用“可识别性”标准认定是否构成侵权。可识别性并不要求完全一致，只需要能被一般公众或特定人群识别即可。同时，公众人物的知名度、侵权人是否属于相关行业构成影响可识别性和注意义务的衡量因素。

《意见》第5条规定下列典型行为构成对隐私权的侵害：

• 以刺探隐私为目的，利用人工智能追踪、分析电话号码、网络账号、社交媒体公开信息；

• 将所获私密信息泄露、公开；

• 利用所获信息侵扰私人生活安宁；

• 利用人工智能对私密空间、私密活动实施拍摄、窥视、窃听。

第5条中最具技术含量的设计是“以刺探隐私为目的”这一主观要件的设置。其规范功能在于划定合法与违法的边界：对公开信息的追踪、分析本身并不当然违法——商业尽调、舆情监测、风控反欺诈、新闻调查等场景同样涉及对公开信息的聚合分析；唯有行为人以刺探他人隐私为目的，将公开信息作为线索、借助人工智能的关联分析能力“还原”出私密信息（住址、行程、亲属关系、财务状况等），才落入侵权评价。

标尺七：消费场景中的侵权归责原则

《意见》第10条第1款确立“大数据杀熟”的侵权责任规则，禁止经营者针对同一商品或服务，利用算法在交易价格等交易条件上实行不合理的差别待遇。认定“不合理”需综合三项维度：差别待遇是否对消费者的知情权、自主选择权、公平交易权造成实质性限制或损害；是否基于消费者的消费偏好、支付意愿、支付能力、浏览记录等信息形成针对其个人的交易条件；是否违背诚信原则及商业伦理。

差别待遇构成侵权要求具有“不合理性”，并非所有差异化定价皆违法。如刘权诉北京某公司案⁸，法院认定平台依据实时供需关系调整运费属于正常商业运营范畴。该案揭示了“杀熟”诉讼的举证结构：原告须完成事实上存在差别待遇的初步举证；经营者则可以“清晰提示＋退出路径”作为抗辩因素——若其已通过显著方式告知个性化定价/推荐机制并提供便捷的关闭选项，差别待遇的“不合理性”即难以成立。

《意见》第10条第2款规定：经营者提供商品或服务时，利用人工智能实施“仿冒名人带货”且构成欺诈的，消费者依据《消费者权益保护法》第55条主张惩罚性赔偿的，法院依法支持。

该条的规范逻辑是“双轨并行”：对名人而言，仿冒行为侵害其肖像权、声音权益；对消费者而言，利用人工智能伪造名人背书使消费者陷入“名人推荐”的错误认识而购买，构成《消费者权益保护法》上的欺诈，可主张“退一赔三”的惩罚性赔偿。这意味着同一“人工智能声替带货”行为可能同时引发人格权侵权之诉（名人）、消费欺诈惩罚性赔偿之诉（消费者）与行政处罚（网信、市监部门）三条责任线的叠加。

《意见》第10条与第11条（自动驾驶、辅助驾驶事故责任、数据控制方提供事件记录义务）共同指向一个合规结论：算法应用的透明度义务正在从软法走向裁判规则。对经营者的直接影响有三：其一，个性化定价与推荐须设置显著提示与便捷关闭选项——这既是《个人信息保护法》《网络数据安全管理条例》的既有要求，经第10条转化后，又成为民事抗辩的重要依据；其二，定价算法须留存可审计的日志，以应对诉讼中的书证提出命令；其三，广告营销中使用人工智能合成名人形象、声音的，须取得人格权授权与广告代言双重合规审查，否则同时暴露于惩罚性赔偿与连带责任之下。

四、结语

《意见》的出台，标志着涉人工智能纠纷的审理从个案探索迈入规则引领的新阶段。在我国尚无专门人工智能立法的背景下，《意见》以《民法典》《著作权法》《反不正当竞争法》《消费者权益保护法》《个人信息保护法》等现行法律为规范基础，通过法律解释技术将既有规则适配于人工智能场景，在“无法可依”与技术加速演进之间架起了司法桥梁。从规则结构看，《意见》确立应用场景的七大审理规则并非简单的条文罗列，而是一个层次分明的体系：规则一关于归责原则与过错认定的规定构成统领性“总开关”，过错认定六因素为后述各场景规则提供了一般性的判断框架；规则二至规则七则分别针对个人信息使用、训练材料著作权、数据权益、生成式服务提供者责任、人格权保护与消费场景等高频纠纷类型，作出类型化的裁判指引。这种“总则性规则＋场景化规则”的立法技术，既保证了规则的可操作性，也为未来人工智能专门立法积累了司法经验。

人工智能技术与法律规则的互动才刚刚开始。《意见》以“用足用好现行法律”的智慧回应了“无法可依”的焦虑，又以审慎的“留白”为规则演进预留了空间。对于司法者，这是一部裁判指引；对于企业，这是一份合规清单。如何在这部“上篇”所梳理的七大规则框架下，应用程序规则将是下篇我们将继续讨论的主题。

[1] 重庆市渝北区人民法院（2024）渝0112民初49368号民事判决书。

[2] 杭州互联网法院（2025）浙0192民初18143号民事判决书。

[3] 《麦某波诉北京法某科技有限公司、北京律某信息技术有限公司网络侵权责任纠纷案》，人民法院案例库入库参考案例，入库编号2025-07-2-369-003。

[4]上海知识产权法院（2025）沪73民终1189号民事判决书。

[5] 南京市江北新区人民法院一审，南京市中级人民法院（2025）苏01民终14271号民事判决二审维持原判。

[6] 北京互联网法院（2025）京0491民初12346号民事判决书。

[7] 北京互联网法院（2023）京0491民初12142号民事判决书。

[8] 长沙市中级人民法院（2019）湘01民终9501号民事判决书。

声 明

《君合法律评论》所刊登的文章仅代表作者本人观点，不得视为君合律师事务所或其律师出具的正式法律意见或建议。如需转载或引用该等文章的任何内容，请注明出处。未经本所书面同意，不得转载或使用该等文章中包含的任何图片或影像。如您有意就相关议题进一步交流或探讨，欢迎与本所联系。