吳太軒，廣西大學法學院教授；

鄧朝輝，西南政法大學經濟法學院

以該論文為基礎的同名文章詳見《電子知識產權》2025年第8期

摘要：生成式人工智能基于內容生成行為的侵權較之數人侵權、物件侵權、自己責任和替代責任的侵權等傳統侵權行為，具有單獨性、直接性、深度自主性和純技術性，進而誘發諸多侵權歸責歧見。從理論基礎和實踐效益之二維出發，分別對一般過錯、無過錯和過錯推定在生成式人工智能侵權歸責場景中的適用加以檢視，發現一般過錯和無過錯責任皆難完全滿足現實的利益衡平要求，可能造成兩造舉證義務分配失衡、抑制產業發展積極性、消弭企業技術進步自覺性等遺害，而過錯推定則有望產生內外兩重適用優勢。是故，建議以“過錯推定”為基點，將生成式人工智能服務提供者確定為責任主體，并進一步將之界分為開發者、運營者，要求二者各自就其過錯承擔獨立舉證責任；同時，為服務提供者推翻推定過錯提供舉證方案。如此，方可在規制生成式人工智能侵權行為時，既保障受害人得到有效救濟，又不至于遏制新興產業與高新技術發展。

關鍵詞：生成式人工智能；侵權責任；過錯推定；責任主體；舉證方式

一、問題的提出

自1956年達特茅斯會議提出人工智能概念以來，人工智能不斷勃發自身強大的生命力和社會影響力。經過60余年沉淀演進，OpenAI旗下ChatGPT橫空出世及后續的更新迭代，掀起新一輪AI熱潮。然而喧囂之下，生成式人工智能不可忽視的風險也在不斷增加。2023年4月，ChatGPT回答用戶問題時將澳洲某市長錯誤描述為曾被指控參與賄賂犯罪并因此入獄的官員，受害人經公眾告知后為維護個人名譽，要求OpenAI即刻修復，否則將提起誹謗訴訟；無獨有偶，同年6月美國主持人Mark Walters狀告OpenAI，因ChatGPT捏造并向某研究實際法庭案件的記者提供了原告曾挪用公款的不實信息。

由此，人工智能自主生成信息內容（Artificial Intelligence Generated Content, AIGC）侵害他人合法權益時，該如何對此種侵權行為進行法律歸責成為時代之問。本文擬從生成式人工智能的侵權行為特性和歸責爭議出發，對一般過錯責任、無過錯責任和過錯推定責任的適用分別進行理論和實踐的雙重檢視，并最終以過錯推定為基點，對生成式人工智能侵權歸責的時代之問作出回應。

二、生成式人工智能的侵權行為特性與歸責爭議

行為與權益是侵權法的核心概念，行為邏輯影響歸責邏輯。使受有損害的權益與造成損害發生或擴大的行為結合，并將該損害轉嫁給相關責任人承擔，是歸責程序運行之要義。但以ChatGPT為代表的生成式人工智能的侵權行為，日益表征出異于傳統侵權行為的獨有屬性，且這種異常介入因素也使歸責問題產生諸多歧見。因此，有必要梳理當下生成式人工智能的侵權行為特性以及由此產生的諸種歸責爭議。

（一）生成式人工智能的侵權行為特性

生成式人工智能是具有文本、圖像、音頻、視頻、虛擬場景等信息內容生成能力的計算機模型，如ChatGPT便是在海量文本數據上預訓練（Pre-Trained），并于人機對話（Chat）中處理并生成（Generative）自然語言的大語言模型。作為受“無中生有、有中生有”之涌現效應影響的復雜系統，生成式人工智能能夠創造并發布超脫于舊有訓練數據的全新信息，但也可能基于“幻覺”產生有害他人合法權益的錯誤信息，進而使人工智能的內容生成行為沾染侵權色彩。

由于侵權行為本身的概念界定也非易事，從其內涵，既有精要者謂之“因加害行為造成他人損害而由加害人承擔責任的行為”，亦有詳盡者以“由于過錯”“違反義務”等內容進行延展續釋；觀之外延，又存在立足侵害客體、歸責原則等不同標準的諸種見解。較系統的則將其分為：一般侵權與特殊侵權、單獨侵權與數人侵權、人類致損與物件致損的侵權、自己責任與替代責任的侵權。是故，為于侵權法意義上對生成式人工智能的行為特性進行準確歸納，須在明確其行為內在特性之基礎上，進一步將其與傳統侵權行為比較。由于一般與特殊侵權內有分歧，故主要選取單獨與數人侵權、人類致損與物件致損的侵權、自己責任與替代責任的侵權作為比較對象，分述如下：

第一，較之數人侵權，生成式人工智能侵權行為具有單獨性、直接性。人工智能生成內容就屬性而言是網絡信息，沾染侵權色彩則可歸為侵權信息。不可否認，人工智能具有類似搜索引擎的信息檢索功能，若向用戶提供的信息僅是從已有互聯網信息中檢索獲得，且未作實質改變，則在信息理論視角下僅為傳播者，而非發布者。但生成式人工智能完全有能力擺脫服務提供者的外部幫助，單獨完成侵權信息的創造性編撰，并同時向用戶直接發布該侵權信息，從而“切斷將人工智能生成解釋為人類操縱人工智能生成的可能”。在“Mark Walters v. OpenAI案”中，ChatGPT便在與其用戶Fred Riehl的人機對話中徑直表明，Mark Walters作為第二修正案基金會（SAF）的財務主管和首席財務官，曾因私自挪用組織資金用于個人開支并篡改財務記錄和銀行對賬單，同時未能向領導層及時準確提供財務報告而受到該機構創始人Alan Gottlieb的投訴。但上述內容無論是身份抑或行為方面的信息均不符合事實情況。后續Fred Riehl繼續追問時，ChatGPT甚至獨立捏造并提供了完全虛假的投訴文本。這一完全由ChatGPT單獨實施的誹謗行為，使本案原告暴露在公眾不良評價下，損害了原告聲譽。反觀數人侵權，共同加害和共同危險強調多方侵權行為主體的存在，教唆幫助則偏重間接促進他人實施侵權行為。因此，生成式人工智能有能力單獨且直接實施侵權行為，其侵權行為具有單獨性、直接性，有別于數人侵權。

第二，較之物件侵權，生成式人工智能侵權行為具有深度自主性。參考歐洲議會《機器人民事法律規則（Civil Law Rules on Robotic）》責任部分第AA條，人工智能若能擺脫外在人力介入和干預而獨立決策并達成決策目標，則具備自主性。一方面，生成式人工智能無需服務提供者的外部介入和干預便可實施內容生成行為。同時，基于內容自主生成的能力，其已在事實層面獲得社會對其主體身份的認可，如人工智能生產內容（AIGC）業已成為與專業生產內容（Professional Generated Content，PGC）和用戶生產內容（User Generated Content，UGC）齊肩的第三種互聯網內容生產模式。另一方面，生成式人工智能自主生成內容的行為逐漸脫離外在人力的可控制范疇。由于智能“涌現”，生成式人工智能行為開始呈現不可理解、不可預測和不可控制的趨勢。因此，生成式人工智能不僅能夠自主實施侵權行為，而且其自主性程度將隨著技術的發展而不斷得到深入拓展與加強。反觀物件致損的侵權行為，如普通的產品缺陷致損、林木折斷致損、堆放物倒塌致損等，主體均為普通物件，并無自主活動可能。存有疑問的是飼養動物致損的侵權行為。雖然動物與林木等無智商物相比，具有一定自主活動能力，但從行為概念來看，動物舉動均為自然反映而非有意識的自主活動，因此動物不是事實主體已成共識。特別較之生成式人工智能，動物顯然缺乏足夠的行為理性與邏輯判斷能力，無法獲得被社會整體認可的事實主體身份。因此，生成式人工智能的侵權行為具有深度自主性，有別于物件致損的侵權行為。

第三，較之自己責任與替代責任的侵權，生成式人工智能侵權行為具有純技術性。由于生成式人工智能的侵權行為具備相當顯著且日漸增強的深度自主性，因此學界對人工智能的法律地位認知和資格判斷受到極大影響，諸多學者呼吁應賦予其法律人格和獨立責任。但當前并不適宜作此判斷，因為生成式人工智能侵權行為“不可理解、不可預測和不可控制”是值得商榷的：其一，服務提供者有能力刪除或禁用涉嫌侵權的內容，如OpenAI用戶協議第9條（d）提及：“如果您認為您的知識產權受到侵犯，請發送通知至以下地址或填寫相應表格，我們可能會刪除或禁用涉嫌侵權的內容，并可能終止重復侵權者的帳戶。”其二，服務提供者有能力實施行之有效的導向性控制，如通過人工內容標注等行為來引導生成式人工智能避免生成并發布涉嫌種族歧視、法西斯主義等有害公共利益的內容，或依托對齊微調（Alignment Tuning）使生成式人工智能行為符合人類價值觀與道德偏好，減少違法和不良信息的生成，實際此類信息在人機對話中也確實難覓蹤跡。其三，人工智能自主程度受制于人類設計，即其自主程度與其被設計成的可與環境進行交互的復雜程度成正比。因此，生成式人工智能的內容生成行為仍然無法完全脫離人類的干預和控制，其在形式意義上實施的獨立自主行為本質上依舊遵循著人類預先設計的技術邏輯，這使得所謂的深度自主性客觀來講也附有技術色彩，而基于該種非自然、純技術性的自主，生成式人工智能將無法被賦予法律意義上的主體資格和獨立責任。經過比較分析，可得如下結論：

其一，生成式人工智能侵權行為有別于自己責任的侵權行為。自己責任又稱直接責任，如常見的侵犯他人人身或財產權益、違反保護性法律規范等，行為主體應當自負其責。但侵權法中，責任主體與為責任提供法律評價對象的行為主體并非始終具有同一性，“不法行為責任不僅可歸于行為人，也可歸于依法律規定或社會觀念而應承擔責任的人”。生成式人工智能的侵權行為雖由其獨立、自主、直接實施，但因其未被賦予法律上的獨立責任，所以將發生行為主體與責任主體的分離。

其二，生成式人工智能侵權行為有別于替代責任的侵權行為。生成式人工智能侵權場景中雖發生行為主體與責任主體的分離，相關責任由他人代而承擔，但傳統視域下替代責任主體與侵權行為主體間普遍存在監護、雇傭、代理等特定關系，被監護人員、執行職務的雇員等行為主體均具有法律意義上的獨立人格。法律主體作為人格人，其不僅具有意志，而且始終為目的性存在。反之，生成式人工智能雖被賦予技術層面的感知與決策能力，但始終是人類智能的工具性延伸，不同于人類的情緒感知與行為決策能力，無法改變其“物件”本性，因此不是法律主體，其侵權行為有別于替代責任的侵權行為。

縱論及此，可知生成式人工智能是行為主體和事實主體，卻非責任主體與法律主體。“似人而非人，非人而似人”的主體特點使其具有單獨性、直接性、深度自主性和純技術性的侵權行為無法與任何一種傳統的侵權行為相類同。

（二）生成式人工智能的侵權歸責爭議

生成式人工智能的侵權行為呈現特殊屬性，進而導致與之對接的侵權歸責程序陷入運轉困窘。前文曾述及，學理界曾圍繞人工智能主體性認定問題衍生兩派差異觀點，并由此對人工智能可否作為獨立的法律主體承擔侵權責任存有分歧。而鑒于我國當前并未認可人工智能的法律主體身份且實無認可之現實需求，因此僅就非主體前提下的生成式人工智能侵權歸責路徑展開梳理。總體而言包括兩大類別：

第一類，一元歸責路徑。其中又可分為：（1）以高度風險、產品缺陷或責歸于上為基點提出的無過錯責任。如高度風險說認為，人工智能內容生成行為涉嫌侵犯多種人格權益、內容生產結果無法有效預測、存在誘發大范圍系統性不利后果的風險，具有極大潛在危害，因而適用無過錯責任；產品缺陷說繼續堅持沿用產品概念涵攝人工智能，強調產品技術問題造成的損害理應使用無過錯的產品責任；還有學者從現實合理性出發，將利于降低相關侵權風險、減少制度不確定性成本、提供可預期法治經營環境等作為適用無過錯責任的依據。（2）為糾偏原被告舉證失衡格局、動態調整被告責任負擔而適用的過錯推定責任。如我國《人工智能示范法1.0（專家建議稿）》第66條第1款規定，“研發、提供的人工智能侵害個人權益造成損害，研發者、提供者未履行本法規定的義務，應當承擔損害賠償等侵權責任，但研發者和提供者能證明自己沒有過錯的除外。”相關學者也多針對無過錯責任提出批駁，主張應利用過錯推定實現舉證責任倒置，紓解原告訴訟壓力。（3）以現有技術水平、合理人工智能作為過錯認定標準的一般過錯責任。參照既往有關智能算法侵權的判例可知，司法機關較多依法優先適用一般過錯進行歸責，如“劉權訴北京三快科技案”中，原告因智能算法殺熟起訴被告侵犯其知情權等人格權益，法院因原告無法證明被告過錯而予以駁回，并強調“除法律另有規定外，行為人因過錯侵害他人民事權益，才應當承擔侵權責任。”轉見生成式人工智能侵權領域，部分學者順應歷史邏輯繼續堅持一般過錯并提出多種過錯認定新標準，如“在現有技術條件下是否盡到了采取必要措施的義務，是否盡到了預防和防范的義務，從而認定其是否具有過錯”，或通過建構“合理人工智能”作為預期對象并同涉案人工智能行為加以比較得出過錯判斷。

第二類，多元歸責路徑。其中包括但不限于：（1）基于侵權風險差異，針對禁用型人工智能侵權要求服務提供者承擔無過錯責任、對高風險型采用過錯推定責任、對低風險型僅依一般過錯加以歸責；（2）基于信息錯誤誘因差異，過錯推定被廣泛嵌入生成式人工智能因存儲數據本身虛假而生成錯誤信息、使用者提示虛假信息而生成錯誤信息和提供者故意摻入虛假信息而生成錯誤信息三類情形，無過錯的產品責任則單獨應用于通過真實數據生成錯誤信息的場景；（3）基于可解釋性差異，人工智能被劃歸為完全可解釋的“白箱AI”、一定程度可解釋的“灰箱AI”和完全不可解釋的“黑箱AI”，并順次適用一般過錯、過錯推定和無過錯責任；（4）基于標準化程度差異，對少量可實現標準化生產與經營的生成式人工智能適用無過錯的產品責任，而對大部分無法完成標準化改造的繼續適用一般過錯責任；等等。

雖然生成式人工智能有其特殊的侵權行為邏輯，甚至可能因應現實場景變化而衍生多種事實差異，但依據奧卡姆剃刀“如無必要，勿增實體”之理念，若能夠遵循既有體系為其選配適宜歸責原則，那么實無必要額外創設過于繁雜的責任認定和分配規范。立足《中華人民共和國民法典》侵權責任編，或可以“過錯”為節點，對一般過錯、無過錯和過錯推定責任在生成式人工智能侵權場景中的適用，分別進行理論基礎與實踐效益的雙重檢視。

三、一般過錯責任在生成式人工智能侵權中的適用證否（一）一般過錯責任的理論基礎

古早成文法采結果責任，即不論過錯與否，行為人只要造成他人損害便負有侵權責任。問題在于，結果責任的適用與現實生活實際存有巨大矛盾，因為即便個人正當追求自身權利或利益的實現，“仍可能在客觀層面以另一方權利的排除或減損為代價。”為解決該問題，以主觀過錯為正義基礎的一般過錯責任（Fault Liability）便獲得自然發展。

一般過錯責任中“過錯”要素的判定，實以怠于履行善良管理人的注意義務為標準，即應注意能注意而不注意。此間既包括積極追求的故意不注意，也指向疏忽大意或過于自信的過失不注意。分歧源于注意義務之前提條件，即：損害的發生可以被合理預見與避免。諸多學者主張生成式人工智能侵權僅可適用無過錯責任，便是因生成式人工智能侵權行為本身在一定程度上具有不可預測性和控制性，進而使善良管理人的注意義務缺失生發前提，其引發的損害與其說是遭自“不法”行為，毋寧言為“不幸”后果，使侵權歸責中的“過錯”要素發生不適用。當然，前文曾述及所謂生成式人工智能侵權行為完全不可理解、預測和控制的結論過于絕對，無論是開發者的刪除禁用承諾，還是導向性控制、對齊微調等都予以了充分佐證。關鍵在于，判定“過錯”所需的注意義務在性質上屬于作為義務，而形式義務學說始終強調作為義務不僅可以通過給定情形的“致害事實”推定（如先行行為、職務或業務要求、對危險源的監管要求等），更可源自法律條文的直接賦予。結合《互聯網信息服務深度合成管理規定》與《生成式人工智能服務管理暫行辦法》可知，事實上我國目前已經在安全評估、算法備案、內容標注等方面為生成式人工智能服務提供者依法設立了相當明確的善良管理人注意義務。

由此，前述以不可理解、預測和控制為邏輯起點，試圖驗證注意義務缺失并主張排除適用過錯責任的觀點便不再具有當然合理性，一般過錯責任至少在理論層面不會存在適用阻滯。

（二）一般過錯責任的實效弊端

雖然一般過錯責任自誕生后逐漸占據侵權歸責體系的中心地位，并在一定程度上矯正了此前由結果責任引發的非正義現象，但自十九世紀工業革命爆發，一般過錯責任本身也開始暴露出內部缺陷，其中最為顯著的便是工業化大生產背景下因忽視經營者、消費者之實質不平等地位而形成的對兩造舉證義務分配的不公平、不正義問題。人工智能時代，歐盟《人工智能責任指令》施行目的之一同樣是在減輕人工智能相關索賠中作為消費者的原告承擔的過重舉證責任（Easing the Burden of Proof for AI-Related Claims）。從其問題成因，具體有二：

第一，受害方所負舉證責任遠超于其能力范圍。受害人受客觀限制，往往難以對具有較高技術水平的商品或服務形成充分且合理的認知，要求其承擔遠超自身能力范圍的舉證責任不具有正當性。現代侵權法始終強調“過錯”是經法律評價的事實，對應于社會成員對相關主體通常能采取的損害規避措施的合理期待。換言之，過錯責任的承擔并非建立在道德缺點上，而是看相關主體是否達到符合社會公共利益的理想行為標準。該種標準在生成式人工智能場景則集中表現為服務提供者應當履行的善良管理人注意義務，生成式人工智能侵權行為過錯要素的證明將與該注意義務的履行情況相對應。但生成式人工智能屬于典型的科技水平較高、專業性極強的高新技術，無論是其內容生成的行為過程，還是服務提供者進行安全評估、內容標注等注意義務的義務履行過程，均超出作為一般人的消費者的正常認知限度。因此，要求受害人從局外角度出發，追根溯源以舉證侵權方過錯的存在，不免有強人所難之嫌。

第二，侵權方所負舉證責任遠低于其能力范圍。農業社會、工業社會與信息社會的漸次發展，使市場主體間的力量對比關系發生嚴重失衡。產品或服務的生產者和銷售者在經營中占有更多資金、技術、人才等資源，形成較之消費者的強勢地位。這種強勢不僅體現在前者具有更雄厚的經濟實力和風險承擔能力，還突出表現為更強的舉證能力和訴訟能力。如果僵化適用一般過錯責任，將“在維護形式正義的同時也維護著實質的非正義”。生成式人工智能侵權方較之受害方，更了解人工智能內容生成的行為機理與自身注意義務的履行情況，舉證成本更低、證明效果更強。若堅持法律形式主義，繼續維持業已失衡的舉證義務分配結構，將使得一般過錯責任演變為保護處于實質優勢地位的侵權方的工具。

事物合理與否的判斷并非始終固定不變，其不僅要在通常場景中表征合宜，更應與特殊情形相兼容。經濟生活的真實變化使歸責原則的選擇不得不重視當事人之間不平等的社會現實，此時在生成式人工智能侵權場景中摒棄一般過錯責任更加合宜。

四、無過錯責任在生成式人工智能侵權中的適用摒棄（一）無過錯責任的理論基礎

無過錯責任（No Fault Liability），意指損害產生后，只要加害行為與該損害后果存在因果關系，不問過錯皆應承擔侵權責任。如果說過錯責任以制裁、教育加害人和預防加害行為再次發生為目的，那么無過錯責任實際僅著眼損害的合理分配。因為伴隨社會發展，人民享受發展福利時也面臨工業災害、交通事故、環境污染等致害風險，但無論是原子能與航空工業、交通運輸事業還是生態環境開發利用，都是社會經濟發展的必要活動，即便引起損害也實無不法性可言，更無必要予以禁止。當然，倘若來自于現代文明發展負面影響的不幸后果全由受害人獨自承擔，顯然有失公平正義，故無過錯責任的唯一職能便是合理分配該不幸后果，由此體現高度現代化、社會化大生產條件下的公平正義觀。

在加害行為不法性不作為適用無過錯責任的前提條件時，無過錯責任適用的理論依據有三：一為誰開啟風險，誰承擔責任；二為誰從風險中獲益，誰承擔責任；三為誰能夠合理的控制或分散風險，誰承擔責任。生成式人工智能侵權行為完全符合上述要求：其一，生成式人工智能侵權風險因開發、運營而產生；其二，生成式人工智能開發、運營作為經營性活動，服務提供者從中獲取實際收益；其三，生成式人工智能內容生成行為并非完全不可預測和控制；其四，相關風險損害能夠經由商品或服務的價格機制或保險制度加以分散。因此，僅就理論基礎而言，無過錯責任足以構成生成式人工智能侵權歸責的潛在選擇。問題在于，無過錯責任在生成式人工智能侵權場景中的實踐應用，或難達致合理分配損害風險、充分救濟受害人等規范目的。

（二）無過錯責任的實效弊端

將諸多適用無過錯責任的個案進行抽象概括，會發現已知的可歸責事由主要包括高度危險、特定關系和優勢地位。（1）基于高度危險的無過錯責任，如《民法典》第八章所列高度危險作業致人損害、民用核事故致人損害等產生的責任均屬典型。關于高度危險的判定，常要求同時符合風險廣泛性和損害高度嚴重性，且更多考慮后者。雖然生成式人工智能可能輸出虛假性、歧視性或侵犯他人版權的信息，但在損害嚴重程度方面根本無法與核事故、航空事故等相提并論。因此，基于高度危險的無過錯責任難以適用。（2）基于特定關系的無過錯責任，如監護人責任、雇主責任等。域內外均有主張人工智能與其服務提供者間可類比雇傭或監護關系，并由后者承擔替代責任。前文曾述及替代責任下常要求法律關系各方（特別是替代者和被替代者）均具備獨立的法律主體資格，若生成式人工智能侵權徑行適用替代責任，將在一定程度上打破固有的責任適用要求，因此雇主責任、監護人責任等僅可作為參照進行類比，但不宜施行“拿來主義”。（3）基于優勢地位的無過錯責任。此分類實際較為寬泛，但《民法典》第四章和《中華人民共和國產品質量法》規定的產品責任或為較鮮明之示例。我國亦有學者主張就人工智能侵權歸責適用產品責任。

關鍵問題在于，產品責任能否契合ChatGPT此類生成式人工智能侵權的特殊情況，并產生無過錯責任所應具備的社會實效？本文主張為否。前人工智能時代，產品缺陷（特別是設計缺陷）判斷標準包括“危險—效益標準”和“消費者期待標準”。前者要求受害人證明現有設計所產生的危害風險大于收益可能，并應提出具有可行性和更加安全的替代設計；后者則指產品是否能滿足一般消費者在合理使用時對產品的預期。隨著人工智能侵權問題出現，諸多學者均意識到“危險—效益標準”會致使受害人面臨極大的舉證困囿，因而轉向倡議舉證責任相對更輕的消費者期待標準。但消費者期待標準同樣有頗受詬病之弊端，即“模糊不清，更適于評判簡單產品設計，而無法適用于復雜產品設計”。延及生成式人工智能，暫不論其是否構成產品，單就技術復雜性而言已遠遠超出消費者正常認知限度，難以要求消費者對其形成相對合理的安全期待值。基于此，產品責任雖被歸為無過錯責任，但并不意味著不存在“過錯”，其僅是將客觀存在的產品缺陷視作“過錯”。因此，產品責任在生成式人工智能場景下的責任認定方法與一般過錯并無本質區別，不過是從證明“主觀過錯”轉為證明“客觀缺陷”，仍然無法應對當事人舉證地位極端不平衡的現實矛盾，故基于優勢地位的無過錯責任（如產品責任），不具有可適用性。

隨之而來的問題是，若為生成式人工智能侵權設置獨立且純粹的無過錯責任，是否能夠滿足社會實效層面的要求？本文依然秉持否定態度，理由如下：

第一，施加過重的額外負擔將抑制相關產業發展積極性。雖然在創設理念和適用范圍方面，無過錯責任和結果責任存在顯著差異，但從形式上來說，二者均歸于純粹的客觀歸責體系，一般唯有加害方證明受害方存在故意才能免除自身責任。不可否認無過錯責任對保障弱勢受害人的合法權益極為有利，但若生成式人工智能服務提供者確無過錯，無過錯責任相對偏頗的設定也會剝奪其自證清白的權利與機會，進而造成個案適用的有失公允。當生成式人工智能服務提供者動輒得咎，將使得服務成本攀升，進而在一定程度上概括抑制產業發展的積極性，導致寒蟬效應。

第二，價格與保險機制介入將消弭企業技術進步自覺性。以價格機制和保險制度為基礎并實現損害分配社會化的無過錯責任，將使生成式人工智能服務提供者不必再為其造成的損害自行賠付。根據利爾德·漢德公式，當預防事故成本（B）大于預期事故成本（PL），責任主體作為理性的功利最大化者（Rational Maximizer）將不再采取預防措施。換言之，當采取安全保障措施和提高技術安全性的費用大于提價損失或保險費用支出，服務提供者必然放棄提高產品或服務安全性，也不會自覺秉持謹慎服務態度。如二十世紀平托車事件中，福特對召回并加裝安全裝置的費用與車禍傷亡者的賠償費用進行計算，并最終做出不利于技術升級和保護消費者安全的放棄召回決定。

第三，濫設無過錯責任將貶損現代侵權責任的功能。無過錯責任本身科以被告的負擔難謂絕對正義公平，因此必須通過法律明文規定的形式對其適用予以特定化。相較兼具制裁、教育、預防和賠償職能的過錯責任，僅強調賠償救濟受害人而不發揮教育和預防功能的無過錯責任已在實質上淡化了侵權責任的本源含義，甚至難謂具有侵權責任屬性，故有學者直言“無過錯責任在哪里發展，過錯責任就在哪里消滅”。更重要的是，如果在生成式人工智能此類新興侵權場景中不加審慎考量地濫設無過錯責任，可能便于加害方借由保險制度、價格機制將侵權損害向大眾轉移，從而使得侵權責任規范無法發揮約束和指引公民行為的基本功能，貶損以過錯為基礎的侵權責任體系的應有價值。

有鑒于此，無過錯責任在生成式人工智能侵權場景中不具有可適用性。

五、過錯推定責任在生成式人工智能侵權中的適用證成（一）過錯推定責任的理論基礎

過錯推定是指若受害人能證明自身合法權益因被告加害行為而受有實際損害，則從損害事實本身出發推定加害人具有主觀過錯，如果被告未證明或不能證明自己沒有過錯，則需承擔侵權責任。《民法典》第1165條第1款和第2款為一般過錯和過錯推定侵權設立請求權基礎。其中，過錯推定的根本目的是為受害人提供更充分的救濟受償機會，這使其職能重心相較一般過錯，由制裁、教育、預防向賠償傾斜。殊值注意的是，過錯推定責任的出現雖改變了過錯責任體系的格局，但其本身未脫離過錯責任體系，本質依舊以“過錯”為核心，所以“我國現行侵權法仍以一般過錯為主線，過錯推定為補充”。由此，過錯推定責任在理論層面的適用條件同一般過錯責任并無實質差異，可以用于規制生成式人工智能侵權行為。

（二）過錯推定責任的實效優勢

關于生成式人工智能侵權行為的可預測和控制性，目前能得到的結論是基于不完全意義上的。當然，也有少數學者曾提出反對意見，認為人工智能的自主行為并非設計者可以控制，進而強調侵權責任不應由設計者承擔。但多數學者常作二分判斷，主張人工智能的自主行為大部分情況下均處于開發者控制范疇，但不排除產生異常狀態并擺脫人為控制的可能。由是觀之，似應結合生成式人工智能侵權行為可否預測和控制并為其分別配置侵權責任，以滿足具體問題具體分析的需求。但關鍵問題是，過分細致入微的侵權責任二分法，實則會給司法實務帶來操作層面的極大不便。因此，為保障生成式人工智能侵權責任規范具備良好的可操作性，仍需適用統一的歸責原則。此外，適用過錯推定責任還可能產生如下效益：

第一，過錯推定責任的外在比較優勢。（1）較之一般過錯責任，更有利于實現舉證責任的合理分配。將生成式人工智能侵權致損的情形同《民法典》業已列明的無民事行為能力人在教育機構遭受人身損害、動物園飼養動物致損和林木折斷致損等八種過錯推定情形相結合，不難發現原告均客觀缺失有效的證明手段，難以完成舉證。同時，生成式人工智能服務提供者、教育機構等被告相對更容易接觸到可能構成過錯的事實，此時通過推定將與過錯相關的舉證責任倒置給履行證明義務更加便利的被告，有利于保障原告享有合理受償機會，以實現原被告間舉證責任的合理分配。類似邏輯亦可見于《中華人民共和國民事訴訟法》第112條文書提出命令規則，比較法上英美的“事物自道其緣”（the Things Speaks for Itself）也存在相當內容。（2）較之無過錯責任，更有利于激勵產業良性發展，更契合過錯責任適用優位要求。一方面，秉持不純粹客觀歸責理念的過錯推定雖然在加害行為、損害結果、因果關系得以證成時事先推定過錯，但依舊為加害行為人保有自證機會。服務提供者得以通過積極舉證來推翻推定的過錯，這同時也反向激勵從業者注重技術的改進和安全性的提升，助推產業走上可持續的發展道路。另一方面，由于《民法典》呈現“過錯責任為一般，嚴格責任為例外”的二元格局，因此，原則上侵權行為都應優先適用過錯歸責原則，而過錯推定作為其內在組成，置于生成式人工智能侵權場景，也正契合過錯責任優位適用的一般要求。

第二，過錯推定責任的內在獨有優勢。（1）有利于實現過錯不明風險的合理轉移。應當承認，生成式人工智能侵權行為在當下無法實現完全預測和控制，甚至有時不僅受害人無法就過錯進行舉證，連服務提供者也不知自己是否存在過錯。在有無過錯的事實真相不明時，過錯推定中舉證義務倒置，意味著基于過錯不明所產生的不利后果（如敗訴）將由處于優勢地位的服務提供者來承擔，也能同時實現對雙方不平等關系和不對稱權利結構的矯正要求。（2）有利于明確生成式人工智能侵權行為的類別界限。目前無論是法律還是技術都尚未對生成式人工智能自主行為的可控標準形成統一認知，行為可控與不可控之間的界限仍然模糊不清。過錯推定的持續適用恰可使該界限自主顯現。當生成式人工智能侵權糾紛不斷展露于現實，服務提供者將竭力證明自身就涉案行為不具有過錯，而根據證明成否情況，能夠自然知悉哪些行為可為其所控。雖然隨著技術的發展進步，當下不可控的侵權行為會有部分進入人類控制范疇，但隨著時間的推移，可控與不可控行為之間的界限將逐漸清晰，對可控標準的統一認知也將日漸成型。（3）有利于滿足法律體系解釋的一致性要求。新興技術活動致人損害適用過錯推定責任，并非首創于生成式人工智能侵權場景，如信息處理行為侵害個人信息權益中適用的《個人信息保護法》第69條第1款便是典型前兆。更重要的是，信息處理行為作為先行行為，使個人信息處理者負有法定作為義務，而在涉及法定作為義務產生過錯推定責任的規定中，《民法典》也同樣要求特定主體通過舉證已經履行作為義務從而免于承擔侵權責任。因此，生成式人工智能侵權采用過錯推定責任，不僅可與同處新興技術領域的信息處理侵權歸責規范遙相呼應，而且也能同《民法典》內的侵權責任體系保持步調一致。

由是觀之，過錯推定責任的適用不僅具有堅實的理論基礎，而且能夠產生諸多社會實際效益，是解決當前生成式人工智能侵權歸責難題的應然選擇。

六、基于過錯推定的生成式人工智能侵權責任具體適用

歸責原則以“過錯”或“無過錯”為節點，不斷尋求侵權責任確立根據，當基于過錯推定的生成式人工智能侵權責任驗成，可以“過錯推定”為基點連結責任主體，同時與損害賠償等承擔方式接合，形成完整的侵權責任認定邏輯。但仍有兩個關鍵問題有待處理，即生成式人工智能侵權過錯推定責任應由誰承擔？被告方應通過何種舉證方式推翻推定的過錯？

（一）過錯推定責任的主體范圍

人工智能的自主性沒有為其賦予法律意義上承擔獨立責任的資格，因而為人工智能設置的侵權責任不是人工智能的責任，而是人工智能致人損害時的背后人的責任。確定責任承擔主體時，應充分考量生成式人工智能模型開發者（The Manufacturer）、運營者（The Operator）和使用者（The User）在此間產生的作用。但進一步來說，能夠影響到內容生成行為的主體實際遠不止以上三種，還可能包括其他惡意利用或濫用生成式人工智能侵害他人權益的第三人，如黑客攻擊使其無法保持正常工作，從而出現誤差以致他人損害，該情形通常可基于技術中立原則，認定侵權損害來源于惡意第三人之行為而非生成式人工智能模型，故此處實則尚未涉及生成式人工智能侵權過錯推定責任的主體確定問題。

有鑒于現實場景中生成式人工智能常由模型開發者自主運營，因此學理研究在討論人工智能侵權責任問題時，并未有意識地對開發者和運營者予以區分，而多以服務提供者為名進行合一處理。但隨著生成式人工智能模型功能的不斷強化，開發者除自行運營外，亦不排除將模型算法打包成組件并集成到其他經營者所運營的應用程序或網絡平臺之可能。比如，微軟便推出基于GPT-3.5和GPT-4技術的Azure OpenAI，向微軟用戶提供人工智能生成服務。在此過程中，微軟僅實施購入該項技術并將之內嵌于云平臺Azure的模型部署與運營行為，不會在實質上改變生成式人工智能原本的底層決策邏輯和行為功能走向。因此確有必要將開發者與運營者進行事先區分，這同時也意味著關鍵問題將聚焦于生成式人工智能侵權時，開發者和運營者誰是過錯推定責任的承擔主體？本文主張責任主體一般為開發者，而運營者僅在特定情形下負有證明自己無過錯的責任。

第一，開發者作為責任主體的情形。一方面，生成式人工智能侵權行為直接體現開發者意志。由于生成式人工智能的深度自主性是帶有純技術色彩的行為自主性，而非主觀層面的意志自主性，因此其始終不具備法律主體身份，而仍處物件范疇。故而，可適用“刺破人工智能面紗原則”要求背后實際控制人——即開發者——承擔侵權責任。如OpenAI作為ChatGPT的開發者通過訓練數據選取、變量選擇、權重設定等可直接決定ChatGPT內容生成行為的底層邏輯，自主創造并發布侵權信息的行為歸根結底遵循開發者預先設計的程序，受到開發者控制，是開發者意志的集中體現。另一方面，生成式人工智能是涉案侵權信息的直接來源。若生成式人工智能創造并發布的一手信息涉及侵權，便需依“誰發布、誰負責”原理追究發布者的責任。同時，因為侵權行為背后由開發者意志支撐，所以需穿透式地要求開發者承擔生成式人工智能侵權的過錯推定責任。當然仍需強調，若ChatGPT輸出的侵權信息僅是從已有互聯網信息中檢索所得，且未作實質性改變，那么生成式人工智能本身僅為傳播媒介，并不會與侵權事件產生直接關聯，此時開發者僅需承擔因未履行必要的通知刪除等義務而產生的連帶責任。

第二，運營者作為責任主體的情形。生成式人工智能模型運營者在本質上與微博、推特等傳統網絡服務提供者并無不同，當平臺中的人工智能生成內容侵害他人合法權益或公共利益時，需依據《民法典》第1194、1195和1197條，承擔因自己利用網絡侵害他人權益的自己責任，或在有效通知后與明知情況下，負有因未及時履行后續刪除、斷開連接等義務產生的連帶責任。特別問題是，倘若運營者與開發者之間形成關于生成式人工智能模型的承攬定作關系，是否可同時要求運營者成為過錯推定責任的承擔主體？根據《民法典》第1193條，定作人僅基于定作、指示或選任過錯而對承攬人在完成工作過程中造成的損害擔責，并未直接提及工作成果（即生成式人工智能模型）自主侵權時定作人的責任問題。結合過錯推定的一般原理，或可進行如下安排：其一，由于運營者的定作、指示等行為能夠直接影響甚至決定生成式人工智能的設計開發流程，因此可在視作運營者參與開發的基礎上要求運營者承擔生成式人工智能侵權的過錯推定責任；其二，由于運營者僅能夠通過定作、指示等行為對生成式人工智能模型的設計開發環節產生影響，因此過錯推定責任下運營者僅需證明就定作、指示或選任行為不存在過錯。

雖技術本身中立，但技術設計與合規情況乃至服務目的都由背后資本操縱，故生成式人工智能侵權過錯推定責任的承擔主體一般為開發者，運營者僅在模型承攬定作中就定作、指示或選任問題承擔過錯推定責任。當然，二者是否存在承攬定作關系仍需受害人舉證，若受害人無法證明承攬定作關系存在，則不應要求運營者承擔相關過錯推定責任。

（二）過錯推定責任的舉證方式

服務提供者主觀心理狀態究竟為故意還是過失，對生成式人工智能侵權歸責并無實質影響，過錯推定意味著“客觀違法行為”全部或部分取代對“主觀心理過錯”的證明。比如，動物園動物致人損害中負有安全保障義務的動物園未采取管理措施或管理措施實施不當的，則管理行為具有違法性并被推定有過錯。個人信息處理侵權致損中負有個人信息保護義務的處理者違法處理個人信息，則處理行為具有違法性并被推定有過錯。當然，過錯推定不僅利于原告，而且也能由被告使用，助其通過反證推翻推定過錯。循此邏輯并回歸生成式人工智能侵權場景，服務提供者或可進行如下舉證：

第一，通過證明不存在客觀違法行為來推翻推定的過錯。存在違法行為，才存在推定過錯。正如個人信息侵權過錯推定責任中，若處理者能證明自己的信息處理行為合法合規，便不具有過錯并可免于承擔過錯責任。同理，雖然受害人提起侵權訴訟常會指明生成式人工智能生成了哪些違法內容或服務提供者存在哪些違法行為，但若服務提供者能對受害人主張的具有違法性的原始事實進行反證，那么將直接使違法推定過錯適用的前提基礎完全喪失，進而免于因存在推定的過錯而擔責。比如，服務提供者可證明生成式人工智能所生成的內容不屬于虛假信息、歧視信息或其他被禁止生成的信息，抑或未對原告造成實際損害。

第二，通過證明雖然存在客觀違法行為，但是該行為不可預見和避免。不可否認，生成式人工智能的確可能超出服務提供者的預計和掌控范圍，自主生成侵權信息并導致侵權事實，若繼續推定服務提供者對此存在主觀過錯，并進而要求其承擔侵權責任并不妥當。參考個人信息侵權過錯推定責任中的注意義務可知，不可預見和避免這一結論實以服務提供者已經盡到其應盡之注意義務為前提，且該注意義務所涉內容并不僅限于申報安全評估、算法備案登記以及內容標準等法律規范業已列明的形式部分，還包括特定情形中可推知服務提供者應當履行的實質部分。比如《生成式人工智能服務管理暫行辦法》第4條僅規定，應當采取有效措施防止生成虛假信息、歧視信息等。但鑒于相關技術尚處起步階段，對具體措施內容并未闡明也無法闡明，因此服務提供者為防止生成虛假信息和歧視信息等內容所采取的預防措施應達何種程度并無確定標準，而是需結合技術實際發展水平加以判斷。總體而言，在存在客觀違法行為時，服務提供者不僅需證明自己已經履行法定注意義務，還應證明相關行為在現有技術條件下確實無法預測和避免。當然，受害人此間始終保有反證之權利。

七、結語

行為邏輯影響責任認定，責任認定應滿足現實的利益衡平要求。生成式人工智能的侵權行為雖存在單獨性、直接性、深度自主性和純技術性等特性，但尚不足以使其拒絕沿用傳統的過錯推定責任。同時，開發者和運營者若被推定存在過錯，則需各自就“過錯”獨立承擔不同的舉證責任。通過侵權行為特性剖析、侵權歸責原則選用、侵權責任主體確定三步程序，我們能對文首提出的時代之問——人工智能自主生成信息內容侵害他人合法權益時，如何對此種侵權行為進行法律歸責——形成初步回應。不過，侵權問題畢竟是一類極為古老且龐雜的社會糾紛，本文寥寥內容莫不謂是開其處理端緒，而關于生成式人工智能侵權，其他如損害類型、救濟措施乃至責任限制等，無一不是應接續研討之議題。

注:因字數關系，注釋省略。如引用、轉發請注明《電子知識產權》2025年第8期(未經授權禁止轉載、摘編、復制及建立鏡像，違者將依法追究法律責任)

本公眾號定期推送知識產權及競爭政策相關的法律政策與政府文件、最新全球行業信息、原創文章與專家觀點、業內高端活動消息、《電子知識產權》（月刊）&《競爭政策研究》（雙月刊）文章節選及重磅全文、專利態勢發布、中心最新成果發布及相關新聞報道等諸多內容，歡迎各界人士關注！