是时候提升认定门槛了：AIGC内容独创性认定的五种排除情形

北京互联网法院判决的“文生图”第一案开创性的认定了AIGC内容受到版权保护的可能，我认可这一判决思路并在此前写过多篇相关分析文章，该案原告当事人通过AI生成图片的时间是2023年2月，至今已经过去2年的时间，而这2年的时间里，模型能力发生了翻天覆地的变化，可以说用当时的模型跟现在的主流模型相比，一个是小学生一个是大学生了。

如此大的模型能力差距之下，我们必须考虑一个问题，就是当用户使用ai（例如最新的deepseek、grok3等）生成内容后，在认定是否可以成为作品时，原来文生图案中列举的一些判断细节还是否具有同等参考作用，注意我这里指的是具体细节而非整体判断逻辑。

例如，文生图案中的作者在第二轮提示中给出的基本上都是参数调整，真正对表达本身提出要求的只有第一轮提示词。这种方式在当时的模型能力条件下，认定为对独创性的贡献是可以成立的，但在当今模型能力之下还能否成立呢？

基于此，笔者认为，应当对现在的AIGC内容在生成时用户的独创性贡献（存在与否而非程度高低）提出更高认定门槛，结合当前的技术发展实践，至少应排除如下五种不具有独创性的用户工作：

提示模版排除

在当今的AIGC领域，许多AI工具和平台以及资深用户都提供了丰富的提示词模板，这些模板包含了特定的提示参数。从法律角度看，使用模板提示参数生成的内容很难认定具有独创性。

模板提示参数本质上是一种标准化的指令集合，它预先设定了内容生成的大致框架和基本特征。用户在使用这些模板时，更多的是遵循既定的模式，而非发挥自己的独特创意。以常见的图文生成模板为例，模板可能规定了图片的风格、尺寸、颜色搭配、构图比例、文字字体和排版方式等参数。用户只需按照模板的要求输入一些基本信息，AI就能快速生成相应的同质化内容。在这个过程中，用户的操作主要是对模板的选择和基本信息的填充，并没有对内容的核心表达进行实质性的创造。

从著作权法的独创性要求来看，作品应当是作者独立创作并直接作用于表达。而使用模板提示参数生成的内容，由于受到模板的限制，很难体现出用户的独创性。因此，在认定AIGC内容的独创性时，应当将基于模板提示参数生成的内容排除在外。

首轮提示排除

在“文生图”首案中，第一轮提示词可能被认为对内容的独创性有一定贡献。但在当前强大的模型能力下，这种情况需要重新审视。

现在的AI模型具有极高的学习能力和理解能力，仅依靠第一轮的提示词，即便该提示颗粒度很细、非常有针对性，但模型往往能够自动生成丰富多样的内容可供选择。在这种情况下，模型根据其内置的算法和大量的训练数据，自行完成了内容的生成过程，用户的提示词只是触发了模型的生成机制，其无法自始对模型生成的最终结果有足够的预见，也缺少对最终表达的有效控制。

从法律层面讲，首轮提示词更应该归入思想和创意的范畴，对于仅依靠第一轮提示词生成的AIGC内容，应当排除在具有独创性的作品范畴之外。

风格和类型化提示排除

风格和类型化提示是指用户在使用AIGC时，仅仅对内容的风格或类型提出要求，如“复古风”、“侘寂风”、“梵高印象派”、“悬疑”等。这种提示方式虽然在一定程度上限定了内容的大致方向，但并不能体现用户的独创性。

风格和类型本身是一种通用的概念和表现形式，它们在艺术和文学领域已经被广泛使用和传播。当用户仅仅给出风格和类型化提示时，AI模型只是根据其预先学习到的相关风格和类型的特征进行内容生成。用户并没有对具体的内容元素、构图、情节等细节表现进行独特的设计和安排。

从著作权法的角度来看，风格和类型化的提示缺乏能够体现用户个性和创造性的实质内容。而且生成结果的发散性非常大，难以预见，不应被认定为具有独创性的作品。

简单图生图排除

图生图是指用户使用一张已有的图片作为基础，让AI根据这张图片生成新的图片。如果在这个过程中，用户并没有对AI给出具体的修改指令，而是给出一些模糊的提示即依赖模型自身能力生成新图片，新生成的图片很难具有独创性。

用户提供的原始图片本身已经是固定好的表达，而图生图的过程主要是AI对原始图片的特征提取之后加以参考进行再次生成。如果过程中人没有给出具体如何在原图基础上进行调整，则新生成的图片即便可能会对原始图片进行一些变形、添加元素等操作，但这些变化往往是基于模型的算法和预设规则，而不是用户的独立创作。

从法律认定的角度看，简单图生图生成的内容更多地AI参考原始图片再度生成，用户在这个过程中只是提供了一个素材和简单指令，并没有对新图片的核心表达进行独立的创作，应当排除在具有独创性的作品认定范围之外。

精准定向模型生图排除

精准定向模型是指专门为生成某个（类）固定内容训练的AI模型，包括微调（checkpoint）和Lora等，如专门用于生成某个动漫人物，这种模型的指向性和跟随性极强，其生成的内容同质化严重，如同流水线生产的产品，这种模型最初训练的目的就是高度自动化的完成某一类生成任务，尽量减少人为干预，其在训练过程中就已经学习了目标内容的大量数据和特征，其生成的内容往往遵循该领域的常见模式和风格。用户在使用定向模型时，通常只能在模型预设的范围内进行一些简单的调整，而无法对内容进行实质性的创新。

从法律层面分析，定向模型生图的过程中，用户的操作更多地是对模型功能的利用，而不是独立的创作行为，而且呈现出模型越精准，人的参与度越低的特点。因此，对于简单使用精准定向模型生成的图片，应当排除在具有独创性的作品认定之外，除非用户通过干预突破了模型自带的精准度，生成了非标准化的内容。

小结

随着AIGC技术的不断发展和模型能力的不断提升，我们需要对AIGC内容的独创性认定提出更高的门槛。以上五种排除情形的提出有助于更加准确地判断AIGC内容是否具有独创性，当然这些角度并不是绝对的，而是应该在个案裁判中加以甄别之后赋予不同的考虑权重，最后综合得出结论，这样才能让真正有独创性的AIGC内容浮出水面，否则模型能力日新月异，《著作权法》即将面临保护范围过于宽泛，保护内容溢出和司法资源枯竭的窘境。