Q11. 爬取具备知识产权的数据用于训练，有哪些合规要点？

企业在爬取数据时，可能会涉及到文章、绘画作品、音视频作品等具有较强知识产权属性的数据，且这部分数据通常在AIG C模型研发中占据重要地位。然而，爬虫爬取数据的方式是直接复制并保存在自身服务器中。若未取得原作者同意，则这种复制和保存很有可能涉及侵犯《著作权法》第10条规定的著作权中的复制权。

提请注意，鉴于所爬取数据的量级较大，事实上不太可能保证对于每一条数据都获取原作者许可。因此，企业在爬取数据时，为保证不侵犯他人合法知识产权，可以关注被爬取平台自身的特定用户条款和知识产权声明，批量地从平台方获得授权许可。例如，一些平台可能规定作品在网络平台发布即视为开放授权，此时爬取数据的风险就较小。此外，除开知识产权为原作者所有之外，也可能存在网站平台规定在本平台上发布内容的知识产权归平台所有或由平台和原作者共有的情况。对于这些情况，除考虑原作者外，还需考量平台本身对自有知识产权的保护态度。

Q15. AIGC企业怎样通过购买和交易的方式获取训练数据？有哪些流程要点需要注意？

当前我国数据交易类型可以分为场内交易和场外交易。前者通过各地数据交易所或交易中心进行，而后者则在买家和卖家之间自主进行。当前，我国并不强制要求必须场内交易，但从各地立法情况来看，部分特殊数据存在必须场内交易的可能，例如《上海市数据条例》第46条明确了公共数据应当进场交易。由于目前我国数据交易行业发展仍处起步阶段，存在场内交易占比低、场外交易混乱的问题，因此在未来也存在国家出台规定要求必须场内交易的可能。

提请注意，在交易过程中，AIGC企业需要注意的主要有以下几个要点。

一是交易价格。目前，大部分地区的数据交易价格由买卖双方自由议价，但少数地区可能会有特殊性规定。例如，上海数据交易所规定，价格需由市相关主管部门和行业协会等介入，制订数据交易价格评估导则，构建交易价格评估指标。贵阳大数据交易所则规定数据交易价格则是依据数据品种、数据实时性、数据样本覆盖、数据完整性、数据深度、时间跨度而定。企业需要权衡自身研发能力和资金能力，结合所在地区规定确定适当的数据交易量及相应报价。

二是购买模式。目前，国内不同数据交易所的买卖模式有所区别。例如，北京国际大数据交易所使用专有数据交易系统；上海数据交易所既支持“网购式”采购，也同样鼓励“点对点”撮合成交；贵阳大数据交易所则鼓励撮合成交，主要以签订数据招投标合约的形式进行交易。企业需要结合买卖双方的地理位置实际情况，选择适合的交易场所和购买模式，并在签订合同时注意数据用途、权责范围等要点。

三是数据交付方式。数据虽然依赖物理载体，但本身具备可复制性，在交付和使用上也与普通实物商品有很大不同。目前，数据交付方式主要包括三种。第一种是数据包交付模式，即卖方将数据拷贝至双方约定的数据交易场所；第二种是API交付模式，即卖方使用API接口向买方传输数据；第三种是数据托管模式，即买方在双方约定的服务器环境内直接使用卖方数据。企业应当依据自身产品研发时对数据的使用特点选择适合的交付方式。

Q21. 企业对原始数据进行自主加工形成数据集，是否能够主张知识产权或其他所有权？

对数据进行加工时客观上需要对数据的结构、特征和具体内容进行研究和思考，并根据数据实际情况采取合适的加工方法，故加工形成的数据集应当归属于智力活动成果。但在数据集是否属于创造性成果、能否据此主张知识产权乃至其他权利等方面，我国尚属探索阶段，相关立法仍属空白，因此我们试图在对当下法律框架现状进行分析的基础上给出一些浅显的意见建议，仅供参考。

《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》（即“数据二十条”）中提出“建立数据资源持有权、数据加工使用权、数据产品经营权等分置的产权运行机制”，这体现了我国在数据产权上尝试创新性地采取“三权分立”方式的特殊政策导向。这是因为数据虽然依赖物理存储介质，但其与传统实物不同，具备可复制性、非排他性，不像实物那样一旦被某一主体占有就客观上无法被其他主体分享。并且，单一的原始数据没有价值，只有对大量数据进行集合和处理加工形成的结构化数据集才具备相当的科研及商业价值，这与实物只要存在即有价值也是不同的。因此，就数据集而言，我们推测将来会形成与传统知识产权或财产权等有所区别的新型产权形态，这种新形态可能吸纳传统产权的部分原则，亦可能考虑到数据本身特点而创设全新保护路径。

目前，国内多地对数据产权保护都开始了制度探索，例如《浙江省数据知识产权登记办法（试行）》认定数据主体对依法收集、经过一定算法加工、具备实用价值和智力成果属性的数据资源可以进行数据知识产权登记。据此我们推测，在未来的立法中，企业应当可以主张对自主加工形成的数据集拥有产权。

我们还推测，能否主张产权或许还会受到数据获取方式的影响，这是因为采取不同方式所付出的工作成本也是不同的。如果是爬取得来的数据，则企业在爬虫开发和设置上需要花费较多精力，且大概率需要对数据进行费时费力的标注，因此能够主张数据产权的可能性较高；而如果是直接使用开源数据集或从他人那里购买数据集，则获取到的已经是成型数据集，使用方可能仅需略微调整即可使用，故此时主张产权的可能性较低。

针对第一个问题，我们认为，在我国既有法律框架下，ChatGPT生成物不具备知识产权，原因如下。首先，著作权的享有者必须是自然人、法人或非法人组织，也即法律意义上可以被视为“人”的主体，而ChatGPT本身虽然看似具备人的思维能力，但其本身依旧由内置算法逻辑控制，属于人制造的机器，不能拥有法律上的著作权主体地位。并且，若主张ChatGPT背后的OpenAI公司可以作为著作权主体，也是站不住脚的，否则根据类推原则就可以无限制扩大计算机生成内容具备著作权的范围。如果可以这样的话，那微软就可以主张对用户使用Excel对表格进行分析和计算产生的新数据拥有著作权，这显然是不合理的。退一步说，ChatGPT生成内容，除了要依靠开发主体为其进行数据投喂和训练，还需要依靠用户提出相应的问题，以及依靠该问题相关的海量数据，本身就是多个主体共同享有的结果，即使非要为其生成的内容找一个著作权主体，这个主体是否是企业本身还要打一个问号。

其次，著作权所保护的客体应当是具备独创性的智力成果表达，但ChatGPT进行回答的本质只是针对用户的输入并结合一定的内置算法逻辑，挑选自身数据库中储存的对应数据，并将其以符合人类语法的排列形式输出。因此，ChatGPT所生成的回答不是自发地进行创新表达，只是对已有数据的规则性抽取和排列，故也不符合著作权的客体要求。综上，无论是在主体还是客体上，要求ChatGPT生成物具备知识产权都是站不住脚的。

（新观点增补）

针对第一个问题，（2023）京0491民初11279号“AI生成图片著作权侵权第一案”提出了新的观点。北京互联网法院审理认为，原告进行了一定的智力投入，比如设计人物的呈现方式、选择提示词、安排提示词顺序、设置相关参数、选定图片等，涉案人工智能生成图片体现了原告的个性化表达和智力投入，具备“独创性”要件，应当被认定为作品，受到著作权法保护。该案首次认可自然人对其利用AI绘画大模型生成图片在符合一定条件下享有著作权，肯定了AI生成内容的可版权性。

对此，学术界也有不同的看法。例如，王迁教授持反对观点，他认为，“人工智能文生图第一案”的判决及相关学术观点不符合著作权法的基本原理，在逻辑上无法成立。

Q23. 有哪些数据加工步骤可以委托或合作？企业在进行委托加工或合作加工时有什么要点需要注意？