作者：曹文娟、范苏菲
摘要 生成式人工智能（如ChatGPT）、大数据等技术的爆发式发展，正在重构“技术逻辑”与“法治逻辑”的关系——技术突破倒逼规则迭代，法治完善又为创新划定边界。本文结合腾讯诉盈讯AI生成内容著作权案、欧盟《人工智能法案》、中国《生成式人工智能服务管理暂行办法》现行有效等典型案例与法规，分析AI前沿发展对国际法治的三大挑战（权属模糊、算法歧视、跨境数据冲突），梳理主要法域的规制模式（欧盟强监管、美国市场导向、中国平衡模式），并从国际协同、国内立法、行业自律、技术创新四层面提出协同路径。AI治理需坚持人类中心主义，以伦理为底色、规则为保障，最终实现“技术向善”与“法治向善”的统一。 引言 2023年，ChatGPT以两个月破亿的用户增速，将AI从工具化推向智能化新阶段；同年，欧盟《人工智能法案》（AI Act）生效，成为全球首部全面规制AI的综合性立法；中国《生成式人工智能服务管理暂行办法》也于8月落地，明确“发展与安全并重”的监管原则。当AI技术的“指数级增长”与法律规则的“线性演进”碰撞，当算法的“黑箱性”与法治的“透明性”矛盾，当数据的“跨境性”与主权的“地域性”冲突，人工智能已从技术议题升级为国际法治议题。 从全球范围看，AI的治理困境本质是“技术效率”与“法治公平”的权衡：技术追求创新与去中心化，而法治强调安全与主权；AI生成内容的权属、算法歧视的问责、跨境数据的流动，没有一国能单独解决——毕竟，AI是全球技术，其治理需全球规则。本文试图回答：AI前沿发展如何挑战国际法治？国际社会如何回应？中国又能贡献怎样的平衡方案？ 一、AI前沿发展对国际法治的时代挑战 AI技术的迭代，正在突破传统法治的人类中心主义框架，带来三大核心挑战： （一）AI生成内容：从“人类创作”到“机器生成”的权属模糊 著作权法的根基是“人类智力成果”——《中华人民共和国著作权法》第二条规定“作品需由公民、法人或非法人组织创作”，第三条将“作品”定义为“具有独创性的智力成果”。但生成式AI的出现打破了这一逻辑：AI通过学习海量数据，能生成具有独创性的文字、图像，但其作者是机器还是人类？ 在腾讯诉盈讯科技侵害著作权纠纷案（2020年最高法十大案件）中，法院认定AI生成的财经文章属于“法人作品”——腾讯作为AI的开发与使用者，主持创作了该文章，因此享有著作权。这一判决解决了个案争议，但未回答更根本的问题：若AI完全自主生成内容（如独立撰写小说），权属如何认定？国际上，美国版权局明确拒绝为AI生成内容授予版权（2023年“AI生成图像版权案”），欧盟AI法案则要求“高风险AI的使用者对生成内容负责”。这种分歧暴露了传统著作权法的规则滞后——当创作主体从人类扩展到机器，“著作权”的定义亟须重新校准。 （二）算法歧视：从“技术中立”到“算法责任”的认知觉醒 算法是AI的大脑，但“数据偏见”会导致算法歧视——比如美国亚马逊的求职算法因学习历史数据（男性更易被录用），自动拒绝女性简历；中国某信贷APP的AI模型因“农村户籍”权重过高，导致农民贷款成功率低于城市居民。这些案例证明：算法并非中立，其“黑箱性”会放大社会偏见，而传统法治难以问责——毕竟，算法是自主学习的，企业常以“技术不可控”为由逃避责任。如何让普通用户理解深度学习模型的决策逻辑？中国《生成式人工智能服务管理暂行办法》第四条规定“在算法设计、训练数据选择、模型生成和优化、提供服务等过程中，采取有效措施防止产生民族、信仰、国别、地域、性别、年龄、职业、健康等歧视”，但“有效措施”的标准尚不明确。算法歧视的治理，需要技术透明与法治问责的结合——而这需要国际社会制定“算法透明度”的最低标准。 （三）跨境数据流动：从“自由”到“主权”的平衡难题 AI的发展依赖数据喂养——生成式AI需要海量跨境数据训练，但数据的主权性与流动性天然矛盾。例如，OpenAI的ChatGPT训练数据包含全球网页内容，而中国《数据出境安全评估办法》要求重要数据出境需经国家安全评估，欧盟GDPR要求向第三国传输数据需确保充分保护。故跨国企业面临双重合规压力——一家美国AI公司若想在中国开展业务，需将中国用户数据传输至美国总部，既要符合中国《个人信息保护法》的主管机关批准要求，又要满足欧盟GDPR的数据主体同意规则，合规成本极高。 更严重的是数据安全风险：2021年，美国Clearview AI公司因非法收集全球30亿人的面部数据，被欧盟、英国等国监管机构处罚，理由是“违反数据主体的同意权”。跨境数据流动的治理，需在安全与便利间找到平衡——而这需要国际法治的规则协调。 二、国际法治环境对AI的规制回应：三种模式的比较 面对AI挑战，不同法域形成了三种典型规制模式，各有侧重但目标一致，即实现创新与安全的平衡。 （一）欧盟：“分类监管+伦理约束”的强监管模式 欧盟是AI监管的“先行者”，2023年生效的《人工智能法案》（AI Act）是全球首部全面规制AI的立法，核心是分类监管：将AI分为四类——（1）不可接受风险（如社会评分、实时生物识别）：直接禁止；（2）高风险AI（如医疗设备、自动驾驶）：需满足“透明性、可解释性、人类监督”要求；（3）中等风险（如聊天机器人）：需披露“AI身份”；（4）低风险（如游戏AI）：无需额外监管。 此外，欧盟通过GDPR（数据保护）、DSA（数字服务）构建双重框架，强调预防为主。比如高风险AI需接受伦理审查，确保不歧视、不伤害。这种模式的优点是安全可控，但也被批评阻碍创新——生成式AI企业认为，“可解释性”要求会增加研发成本。 （二）美国：“市场导向+行业自律”的灵活模式 美国的AI监管更强调创新优先，2023年提出的《人工智能法案》（AI Bill of Rights）仅设定“安全、透明、公平”的原则，未制定强制规则。其核心是行业自律：美国国家标准与技术研究院（NIST）发布《AI风险管理框架》（AI RMF），为企业提供自愿性风险评估指南；联邦贸易委员会（FTC）通过执法而非立法规制AI——比如2022年处罚Clearview AI公司非法收集生物数据，依据是《联邦贸易委员会法》中的不公平贸易做法条款。 这种模式的优点是灵活适配，能快速响应AI迭代，但缺点是规则模糊——企业缺乏明确合规指引，易引发监管套利（如ChatGPT在欧盟需遵守高风险规则，在美国仅需自律）。 （三）中国：“发展与安全并重”的平衡模式 中国的AI监管遵循创新驱动、安全可控原则，构建了“三法一条例”框架：《数据安全法》《个人信息保护法》《生成式人工智能服务管理暂行办法》《网络安全审查办法》。其特点是针对性——（1）针对生成式AI，《生成式人工智能服务管理暂行办法》第四条要求“提高生成内容的准确性和可靠性”；（2）针对跨境数据的安全风险，《数据出境安全评估办法》第二条规定重要数据出境需经安全评估；（3）针对算法歧视，《生成式人工智能服务管理暂行办法》要求防止民族、性别歧视。 中国的模式既鼓励AI在政务、医疗等领域的应用，又通过“清单管理”约束风险——如2023年发布的《生成式AI服务备案清单》，要求企业提交“训练数据来源”“内容安全机制”等材料。 （四）国际组织：“软法引导”的全球治理 联合国教科文组织（UNESCO）2021年发布的《人工智能伦理建议书》，是全球首个AI伦理的国际软法文件，核心是“人类中心主义”：AI需尊重人权、平等、透明度。此外，G20、OECD也发布了AI治理原则（如OECD的《人工智能原则》强调信任与创新）。这些“软法”虽无强制力，但为各国立法提供了共同语言。 三、AI与国际法治的协同路径：从冲突到融合 AI的全球性决定了其治理需全球协同，需从国际、国内、行业、技术四层面构建多元融合的机制： （一）国际层面：构建规则协同的治理框架 1.建立AI国际治理组织：由联合国牵头，吸纳各国政府、企业、学界代表，制定全球AI伦理宪章，协调各国立法冲突（如跨境数据流动的规则互认）。 2.推动技术合作：共同研发“可解释AI”（XAI）技术，解决算法黑箱问题；建立AI公平性测试平台，帮助企业检测算法偏见（如欧盟的“AI偏见检测工具”）。 3.强化数据互认：推动中国“个人信息保护认证”与欧盟“GDPR认证”互认，减少企业双重合规成本；制定跨境数据流动安全标准（如数据加密、访问控制），统一各国评估口径。 （二）国内层面：完善精准适配的立法体系 1.明确AI生成内容的权属：将AI生成内容纳入“法人作品”，规定AI使用者为著作权人，但需满足人类干预条件（如训练数据选择、生成参数设置）——既保护企业创新，又避免机器作者的争议。 2.规范算法的透明度与责任：制定相关条例，要求高风险算法（如求职、信贷）公开目的、逻辑、数据来源，向用户提供“可理解的解释”；明确算法责任——企业需对算法歧视结果承担法律责任，即使算法是自主学习的（如美国FTC的算法问责制）。 3.平衡数据安全与流动：细化《数据出境安全评估办法》中“重要数据”范围，建立数据出境快速通道——非敏感数据只需备案即可流动，降低企业合规成本。 （三）行业层面：强化自律自治的伦理约束 企业是AI的使用者，其自律是治理的第一道防线： 1.建立AI伦理审查委员会：由法律、技术、伦理专家组成，审查AI系统的伦理风险。 2.制定行业伦理准则：中国互联网协会2023年发布的《生成式人工智能服务伦理规范》，要求企业“坚持正确价值导向”“保护用户隐私”，引导企业自我约束。 3.加强用户教育：向用户说明AI生成内容的局限性，帮助用户识别虚假信息。 （四）技术层面：推动向善导向的技术创新 1.研发可解释AI：通过“模型可视化”（展示AI决策的关键特征）、“自然语言解释”（用人类语言说明决策逻辑），让算法可理解。 2.构建公平AI：在训练数据中“去偏见”（如删除带有性别歧视的求职数据），采用对抗性训练减少算法歧视。 3.强化安全AI：设计“鲁棒性测试”（检测AI对恶意数据的抵抗力）、“应急停机机制”（AI出现错误时自动停止运行），确保AI的可控性。 四、司法实践中的AI应用：从辅助到协同 AI不仅改变了立法，也重塑了司法流程——智能审判系统、AI法律文书生成、算法证据审查，正在提升司法效率，但需坚守辅助审判的底线。 （一）智能审判：坚守人类主导的原则 《最高人民法院关于规范和加强人工智能司法应用的意见》第三条明确：“无论技术发展到何种水平，人工智能都不得代替法官裁判，人工智能辅助结果仅可作为审判工作或审判监督管理的参考”。例如，上海的“206”刑事智能辅助系统，能自动识别证据矛盾（如被告人供述与证人证言不一致），但最终裁判仍由法官作出；北京互联网法院的“AI法官助手”，能生成判决书事实部分，但需法官修改后才生效。 智能审判的价值是提升效率——比如处理海量电子证据（如区块链存证的合同），但需避免技术依赖：法官需审查AI的“训练数据合法性”（如是否侵犯隐私）、“模型准确性”（如错误率是否在合理范围），确保AI辅助结果符合法律统一适用要求。 （二）AI生成法律文书：需实质审查 AI生成法律文书的应用越来越广泛，但需注意内容合法性——比如AI生成的起诉状可能遗漏诉讼请求，或引用失效法律条文。2023年，北京互联网法院审理的“AI生成起诉状案”中，原告使用AI生成的起诉状遗漏了赔偿金额，法官要求补充后才立案。因此，需对AI生成的文书进行实质审查，而非形式审查。 （三）算法证据的审查：从技术信任到法律验证 AI模型的输出（如风险评估报告、笔迹鉴定结果等）作为证据时，需审查三性（合法性、真实性、关联性）——合法性：AI模型的训练数据需符合法律规定；真实性：需记录AI的训练数据来源、生成参数、输出时间，确保可追溯；关联性：AI输出需与案件事实直接相关。 2023年，最高人民法院修订的《关于互联网法院审理案件若干问题的规定》明确，“电子数据生成过程符合法律规定”的可作为证据使用——这为AI证据的审查提供了法律依据。 结语：走向智治协同的时代 AI不是法治的敌人，而是法治的催化剂——它倒逼我们重新思考公平与正义的内涵，推动国际法治从地域性走向全球性。 中国作为AI大国，在AI治理中扮演着平衡者的角色：既鼓励AI在政务、医疗等领域的创新，又通过清单管理约束风险。未来，中国需继续坚持人类中心主义，以《数据安全法》《生成式人工智能服务管理暂行办法》为基础，积极参与国际协同——如提出“AI全球治理的五项原则”（人类优先、伦理约束、规则协同、技术向善、包容共享），推动“一带一路”沿线国家的AI治理合作，共同构建公平、安全、包容的国际法治环境。 声 明 本文仅代表作者观点，不得视为发现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，请注明出处。
蜀ICP备：17000577号-1