生成式人工智能知识产权的融合路径保护

生成式人工智能并不能简单的理解为是一种信息软件系统，也不能视为是被计算机化的传统知识数据的集合。我国《生成式人工智能服务管理暂行办法》将生成式人工智能技术规定为具有文本、图片、音频、视频等内容生成能力的模型及相关技术，但仍然应当对生成式人工智能的基本范畴、层次进一步予以界定，以便于与传统计算机程序进行区分。

(一) 生成式人工智能的特性

生成式人工智能是一种基于算法与深度学习技术的人工智能模型，具有一些独特的性质，例如：创造性、通用性、多样性以及自适应性。首先，生成式人工智能能够模拟人类的创造性思维，能够生成具有一定逻辑性和连贯性的语言文本、图像、视频等内容。与传统的人工智能系统不同，生成式人工智能能够自己创造出新的内容，具有创造性，而不是只能根据输入数据进行分析输出。其次，在使用生成式人工智能时，不同领域的用户可以根据自己的需求，无需区分行业、领域、数据类型等分类，直接输入个性化的内容即可获得自己期望的结果，即生成式人工智能可以为用户提供通用式的服务或帮助。再次，生成式人工智能可以生成无限多数量、类型的成果，包括自然语言文本、图像、视频等，这使得其生成的内容具有多样性，并且生成式人工智能还可以生成多种不同的解决方案，为不同应用场景提供相对应的解决方案。最后，生成式人工智能可以适应不同的环境和任务，具有很强的自适应性，这意味着生成式人工智能可以在不同的领域中应用，例如新闻撰稿、医疗保健、金融等。生成式人工智能是基于深度学习技术的模型，其核心是获得大量数据进行学习，由于其缺乏人类大脑的自主学习和自我调整的能力，因此无法完全替代人类大脑的复杂性和多样性，但这几类特性已然使生成式人工智能具备模仿人类思维的能力，而区别于传统的人工智能工具。

(二) 与传统计算机程序的辨析

与传统计算机程序类似，生成式人工智能同样具有固定的算法，并按照固定的算法进行智能化运行，从这一角度来生成式人工智能并没有摆脱编程的范畴，但生成式人工智能算法的更新频率可能更快，更新范围可能会更多。因此，可以理解为生成式人工智能在传统计算机程序的基础上进行了继承和迭代，这也意味着需要生成式人工智能的法律保护更为特殊。

在运行目标方面，生成式人工智能更专注于实现模仿人类思维的能力，具有较高的智能性和适应能力。传统计算机程序通常基于预定义的规则和算法，按照固定的逻辑流程执行操作，虽然可以高效地完成特定的任务，但通常缺乏智能性和适应能力，很难自主地解决新的问题或适应新的环境。相比之下，生成式人工智能具有更高的智能性和适应能力，可以通过深度学习技术训练模型来学习和模拟人类思维，包括学习、推理、识别和决策等，从而可以自主地生成新的、有用的内容，如语言文本、图像、视频等，而不需要程序员手动编写代码。此外，生成式人工智能具备的适应能力可以适应不同的环境和任务，灵活调整新情况下适用的解决方案和行动策略。

在运行技术方面，生成式人工智能持续处动态更新状态。传统计算机程序的算法以二进制逻辑为基础，算法框架和结构一经确定，通常会按照设计的算法逻辑持续稳定运行，几乎处于静止断更状态。然而，生成式人工智能涉及的技术领域非常广泛，包括深度学习、自然语言处理、计算机视觉、强化学习等多个方面，随着这些技术的不断发展和进步，以及数据收集量的不断扩充，生成式人工智能可以产生更多的应用场景和可能性，生成式人工智能的性能也将不断提升和迭代。这种持续的技术进步和创新为生成式人工智能的未来发展提供了更广阔的空间和可能性。同时，也需要我们持续关注和研究生成式人工智能的技术进展和应用场景，对其适用更加细致和全面的法律保护，以更好地应对其带来的挑战和机遇。

(三) 生成式人工智能的层次界定

生成式人工智能技术在《生成式人工智能服务管理暂行办法》中被规定为具有文本、图片、音频、视频等内容生成能力的模型及相关技术，根据技术的应用对象、应用范围等因素，生成式人工智能可以被划分为以下三个层次：通用类、专业类、服务类。

生成式人工智能是指那些可以广泛应用于多个领域和行业的人工智能技术，这类人工智能具有高度的通用性和灵活性，可以适应不同的任务和环境，例如：类似chatGPT这样的语言模型，它们可以应用于自然语言处理、内容创作、智能客服等多个领域。通用类生成式人工智能可能会涉及更广泛的知识产权、隐私保护、数据安全等问题，因为它们的应用范围广泛，可能影响到多个行业和领域。

专业类生成式人工智能是指那些针对特定行业或领域开发的人工智能技术，这类人工智能通常具有更高的专业性和针对性，可以更好地满足特定行业或领域的需求，例如：在医疗领域，生成式人工智能可以用于生成诊断报告、制定治疗方案等；在金融领域，它可以用于风险评估、投资建议等。专业类生成式人工智能可能需要满足特定行业或领域的法规和标准，同时还需要考虑数据保护、社会伦理等问题。

服务类生成式人工智能是指那些为用户提供特定服务或功能的人工智能技术，这类人工智能通常与用户直接交互，为用户提供便捷、高效的服务，例如：智能客服、个性化推荐系统、自动驾驶等。服务类生成式人工智能需要特别关注隐私保护、数据安全等问题，因为它们直接与用户交互，涉及用户的个人信息等权益。

赋予生成式人工智能以知识产权保护，需要从知识产权理论着手，综合考虑知识产权劳动理论、知识产权人权理论以及知识产权经济学理论等学说，分析其是否具有正当性以及面临哪些挑战，以便于对知识产权制度予以及时的调适。

(一) 知识产权劳动理论的束缚

洛克的财产权劳动理论是他的政治哲学中的一个重要组成部分，主张人们的财产权是源于自身的劳动，而非君主的赐予或人们的相互同意。洛克认为，在自然状态下，人类享有生命、自由、平等和财产等不可剥夺的自然权利，这些权利是天赋的，即人们生来就拥有，不需要通过任何外部因素来获得。其中，财产权是人们生命和自由权的基础，因为只有拥有了自己的财产，人们才能真正地享有自由和独立。人们通过自己的劳动，可以将共有状态的财产转变为自己的私有财产。当人们将自己的劳动与某个共有状态的物品混合在一起时，他就取得了该物品的所有权。

知识产权劳动理论是在洛克的财产权劳动理论基础之上产生的。作者在作品成果中付出了脑力劳动，有权就自己的创造性劳动获得相应价值的回报，在这种情况下，知识产权可以视为财产权的一种表现形式，即作者有权获得知识产权保护。但在生成式人工智能领域适用知识产权劳动理论，却受到了“劳动者”和“劳动”等概念的束缚，难以解释生成式人工智能的知识产权保护正当性基础。

一方面，生成式人工智能模型及相关技术并不符合劳动者的认定标准。洛克的财产权劳动理论目的是保护人权，强调以人作为保护权利的重心，尊重人们的生命和自由权。在生成式人工智能模型及相关技术产出成果的过程中，对外做成果输出的直接对象是模型及相关技术，而并不是劳动者。但这些模型和技术是通过复杂的算法和大量的数据训练，才具备了自主地生成新的内容或解决特定问题的能力，模型和技术始终是使用者支配的对象，是使用者开展创作活动中的客体，而永远无法成为创作主体，也就无法被评价为劳动者。

另一方面，生成式人工智能模型及相关技术产出成果的过程与传统劳动不同。人通过进行有创造性的脑力劳动而获得知识产权保护，体现了财产权劳动理论在人们创作活动领域的扩张与发展，认可了智力成果的财产属性。适用知识产权保护，要求脑力劳动需要具备创造性这一前提条件，否则无法赋予脑力劳动财产属性。但生成式人工智能中蕴含的人类脑力活动，更集中体现在模型及相关技术的设计、编程和实验阶段，而在产出成果的过程中几乎无需人类付出新的脑力劳动，仅通过数据算法技术就可以得到相应的成果或结论。生成式人工智能的使用主体是人类，生成式人工智能模型及相关技术在使用过程中仅扮演着辅助工具的角色，处于被人类支配的地位，即使能够自主进行运算，也无法视为通常语境下的脑力劳动。因此，生成式人工智能虽然也可以产出有价值的成果，但其产出过程能否被评价为劳动仍然是需要讨论的问题。

(二) 知识产权人格理论的局限

传统财产权人格理论主张财产权是一种将人格利益作为内容的权利，主要体现人的精神价值追求和保护人格尊严。传统的人格权理论注重人格权的精神利益和尊严价值，而不涉及财产利益。然而，随着商品经济的发展，人格要素逐渐进入市场并成为交易对象，其财产利益价值逐渐显现，这导致传统的人格权理论无法适应现代社会中人格商业化的需求，因此，为了满足这种需求，人格权理论应当承认人格权的财产利益成分。

知识产权人格理论的发展来源于传统财产权人格理论，将智力成果视为创作者自由意志体现，对智力成果进行知识产权保护是对创作者人格权益的尊重和保障。但在生成式人工智能领域适用知识产权人格理论，却受到了“自由意志”和“人格”等概念的局限，难以解释生成式人工智能的知识产权保护正当性基础。

难以认定生成式人工智能模型及相关技术具有自由意志，亦不必然具有人格或个性。生成式人工智能模型做出的决策和生成的内容是基于预先设定的算法和大量的训练数据，这意味着它们的“行为”并非出于自由意志，而是基于预先编程的规则和输入的信息。自由意志通常与主观体验相关，如意识、情感、欲望等，然而，当前的生成式人工智能模型并没有这些主观体验，它们无法感受到情感、欲望或意识，因此难以说它们具有自由意志。生成式人工智能模型的行为在很大程度上是可预测和可控制的，通过调整模型的参数或输入不同的数据，可以影响模型的输出，这种可预测性和可控制性表明模型的行为并非出于自由意志。如果认定生成式人工智能模型具有自由意志，那么可能会引发一系列道德和伦理问题，例如：模型做出了不道德或有害的决策，那么应该由谁来承担责任？这是一个复杂且尚未解决的问题。

(三) 知识产权经济学理论的失灵

生成式人工智能在知识产权方面除了面临劳动理论、人权理论的挑战之外，传统的知识产权经济学理论在某些情况下可能也会失灵。首先，生成式人工智能成果的所有权具有复杂性。在生成式人工智能的情境下，确定创新成果的所有权可能变得复杂，由于人工智能系统是由多个实体（如开发者、投资者、用户等）共同贡献的，那么如何根据各方贡献来分配知识产权可能成为一个棘手的问题。其次，生成式人工智能可能导致市场失灵。在某些情况下，如果人工智能生成的内容具有极高的价值，但难以确定其所有权，那么可能会出现“搭便车”现象，即其他人未经授权地使用这些内容，导致原创者的利益受损。再次，生成式人工智能使激励理论面临挑战。激励理论适用的目标是通过实施经济补偿，对生产经营过程中的资源损耗进行弥补，进而鼓励开展既消耗经济费用、又消耗智力资源的生产付出活动，实现激励创新的目标。传统的知识产权制度通过授予创新者独占权来激励创新，然而，在生成式人工智能的情境下，生成式人工智能模型无法具有自然人拥有的经济理性人假设，激励理论的前提难以成立，激励效率可能较低。最后，大量作品囤积将产生较高许可成本，亦阻碍后续的研发创新。有学者指出，人工智能创作物面临着反悲剧问题，反公地悲剧理论是相对于公地悲剧理论被提出的，认为排他权的大量增加会限制智力资源的利用效率，最终导致研发或创新受阻。人类完成新创作的过程相对于生成式人工智能是很慢的，生成式人工智能能够在短时间能产出大量、多样的成果，这类成果可能会被分散掌握在不同主体手中。如果成果持有者拒绝他人使用或者要求支付高额许可费，这违背了知识产权法鼓励知识充分传播使用的立法目标。由于生成式人工智能具有创造性、通用性、多样性以及自适应性，这就导致知识产权的反公地悲剧问题更为凸显，阻碍后续的研发创新。

生成式人工智能的快速发展带来了许多创新的技术成果，但同时也引发了关于知识产权保护的讨论，在对生成式人工智能适用知识产权制度进行保护时，需要权衡不同类型权益的利弊，在保护知识产权与促进技术成果的开放创新之间实现平衡。

(一) 商业秘密保护的价值辨析

将生成式人工智能算法视为商业秘密并拒绝公开可能会对人工智能的发展迭代产生多方面的阻碍和影响，为了促进人工智能技术的进步和创新，需要适度鼓励开放和共享的精神，推动生成式人工智能算法成果的公开和广泛应用。因此，在保护商业秘密的同时，企业也需要权衡利弊，考虑如何更好地促进技术成果的开放共享和创新发展。

一些企业将生成式人工智能算法视作自己的商业秘密，拒绝对外公开，这将对人工智能的发展迭代产生阻碍，引发多重问题，例如：阻碍技术进步、限制创新、增加成本等。首先，将生成式人工智能算法视作商业秘密进行保护意味着其他企业和研究者无法接触和学习这些算法，从而限制了技术的传播和应用，这可能会导致技术进步的速度减缓，因为缺乏广泛的合作和竞争。其次，当生成式人工智能算法被视为商业秘密时，其他企业和研究者可能无法在其基础上进行创新，无法充分利用已有的知识和技术来开发新的算法和应用，这限制了整个行业的创新潜力。再次，由于算法的秘密性，企业可能需要投入更多的资源来自主研发生成式人工智能算法，而不是利用已有的开源技术或与其他企业合作，这增加了研发成本和时间，并可能限制算法的广泛应用。然后，商业秘密的保护意味着缺乏透明度和公开验证，可能导致人们对生成式人工智能算法的信任度降低，人们可能难以相信这些算法的真实性和可靠性，这将会影响人工智能技术在各个领域的应用和推广。最后，商业秘密的保护也可能限制了对生成式人工智能算法的学习和培训，人们无法充分接触和了解这些算法的实现原理和细节，这使得人才培养变得困难。

将生成式人工智能算法视为商业秘密进行保护，对于维护企业的竞争优势、促进企业的创新发展、保障企业的长期发展以及提升企业的信誉度具有关键作用。首先，商业秘密的保护意味着只有少数人或组织掌握这些关键算法，从而为企业带来独特的竞争优势，这种竞争优势可能体现在技术领先、产品差异化或服务优化等方面，有助于企业在激烈的市场竞争中脱颖而出。其次，生成式人工智能算法作为企业的核心技术和知识产权，对其进行保护可以防止他人非法获取和使用，避免技术泄露和侵权行为，这有助于维护企业的技术成果和创新投入，激发企业的创新活力，推动企业的技术进步和产品升级。最后，商业秘密的泄露可能导致企业遭受重大损失，甚至可能导致企业倒闭，通过保护商业秘密，企业可以确保自身的长期稳定发展，维护企业的经济利益，保护企业的声誉和品牌形象。

(二) 专利权保护的价值辨析

赋予生成式人工智能算法以专利权，可以为编程者提供法律保护，帮助企业在市场中获得竞争优势，但面对大量的专利申请，可能会产生较高的专利审查成本，亦可能导致专利泄露，并产生高额的后续维护费用。因此，对生成式人工智能进行专利保护有其利弊，在决定是否对生成式人工智能赋予专利权时，应权衡这些因素，并综合考虑社会价值、企业价值等效益评价。

在赋予生成式人工智能专利权过程中，可能会存在产生较高的审查成本、发生技术泄露、支付高额维护成本以及阻碍新生创新的弊端。首先，在审查成本方面，申请专利需要经过一系列的审查和评估，这是一个复杂且耗时的过程，对于生成式人工智能算法这样的复杂技术，审查可能会更加严格和繁琐，导致审查成本较高，这可能会对一些小型企业或初创企业构成较大的经济压力。其次，在公开技术方面，在专利申请过程中，需要公开技术细节以供审查，这可能会导致技术泄露的风险，使竞争对手有机会了解并可能模仿受保护的算法，虽然专利法为专利申请人提供了一定的保密期，但在此期间，技术泄露的风险仍然存在。其次，在维护成本方面，获得专利权后，企业需要支付一定的维护费用来维持专利的有效性，这些费用可能会随着时间的推移而增加，对于一些企业来说可能构成不小的经济负担。此外，还需要投入资源来监控和保护专利不被他人侵犯，这也需要一定的成本。最后，在新生创新方面，过于严格的专利保护可能会阻碍新生创新。如果生成式人工智能算法的专利权过于宽泛或排他性过强，可能会限制其他研究人员和企业在相关领域的创新活动，为避免侵犯专利而不敢进行某些研究，这可能会抑制整个行业的发展和进步。

专利权在对生成式人工智能算法进行法律保护、提高市场竞争优势、获得经济回报方面具备优势。首先，在法律保护方面，专利权为生成式人工智能算法提供了强有力的法律保障。通过获得专利，企业能够确保其算法的独特性和创新性得到法律保护，防止他人非法使用、复制或侵权。这为企业提供了在法律框架下的安全感，有助于维护企业的技术成果和创新投入，鼓励企业投入更多的研发资金。其次，在提高市场竞争优势方面，拥有生成式人工智能算法的专利权可以使企业在市场上获得竞争优势。由于专利权的排他性，其他企业无法随意使用或模仿受保护的算法，从而为企业提供了独特的竞争优势，这有助于企业在激烈的市场竞争中脱颖而出，提高市场占有率和盈利能力。最后，在获得经济回报方面，专利权可以为企业带来可观的经济回报。企业可以通过专利的转让、授权或商业化应用等方式，将专利转化为实际的经济效益。这不仅可以弥补企业在研发过程中的投入，还可以为企业带来额外的收入来源，进一步促进企业的创新和发展。

(三) 著作权保护的价值辨析

对生成式人工智能采取著作权保护也需要权衡考虑多方面因素，一方面，过度保护可能会限制知识的共享和传播，阻碍科学和技术的发展，引发侵权纠纷和法律诉讼时将增加社会成本和司法负担，另一方面，著作权可以激励创作者继续创新，维护市场公平竞争，促进知识传播，进而保障权利人的经济利益。

对生成式人工智能适用著作权保护，可能存在限制知识的共享和传播、阻碍科学和技术的发展、增加社会成本和司法负担的弊端。首先，在限制知识共享方面，著作权保护的本质是赋予创作者对其作品的独占权，这可能会在一定程度上限制知识的共享和传播。在生成式人工智能领域，如果过度强调著作权保护，可能会导致其他研究人员难以获取和使用相关算法和数据，从而限制了知识的流通和共享，因为许多创新都建立在前人的研究基础上。其次，在科学技术发展方面，如果著作权保护过于严格，可能会抑制科学和技术领域的创新。这主要体现在两个方面：一是其他研究人员可能因为担心侵犯著作权而不敢进行某些具有创新性的研究；二是生成式人工智能技术的商业化应用可能会受到限制，因为许可和授权等程序可能会增加技术应用的成本和复杂性。最后，在社会和司法成本方面，著作权纠纷可能会引发法律诉讼，这不仅会增加社会成本，还可能给司法系统带来额外的负担。在生成式人工智能领域，由于技术的复杂性和创新性，著作权纠纷可能会更加复杂和难以解决。这可能会导致法律资源的浪费，并可能降低司法效率。

对生成式人工智能适用著作权保护，在激励创作者继续创新、维护市场公平竞争、促进知识传播、保障权利人的经济利益等方面具备优势。首先，在激励创作者继续创新方面，著作权保护为生成式人工智能的创作者提供了法律上的保障，这意味着他们的创意和技术努力得到了认可，可以有效防止他人非法复制或盗用他们的成果。这种保护不仅鼓励了创作者继续深入研究和开发新的生成式人工智能技术，还吸引了更多的创作者投入到这一领域，从而推动了整个行业的创新和发展。其次，在维护市场公平竞争方面，在一个充满竞争的市场环境中，确保每个创作者都能公平地获得回报是至关重要的，著作权保护通过防止不正当竞争和侵权行为，为市场营造了一个公平、有序的竞争环境，这有助于保持市场的活力和健康发展，促进了整个行业的繁荣。此外，在知识传播方面，虽然著作权保护赋予了创作者对其作品的独占权，但同时也鼓励了创作者通过授权、转让等方式让更多的人接触到这些知识，这有助于推动知识的广泛传播和应用，促进了科技进步和社会发展。最后，在保障权利人的经济利益方面，著作权保护为生成式人工智能的创作者提供了经济上的保障，创作者可以通过授权、销售等方式获得经济回报，这有助于激发他们的创作热情和投入更多资源进行深入研究。同时，这也为整个行业吸引了更多的投资和资源，推动了行业的快速发展。

根据生成式人工智能被划分的不同层次，结合知识产权保护的相关理论，可以选择适用不同类型的知识产权制度进行保护。在保护过程中，需要综合考虑技术的特点、保护需求以及法律制度的适用性，确保知识产权得到合理有效的保护，同时促进生成式人工智能技术的开放创新和应用发展。

(一) 通用类生成式人工智能：商业秘密保护

通用类生成式人工智能产品可以公开使用，但其背后的技术可以被视为商业秘密。通用类生成式人工智能可以广泛应用于多个领域和行业的人工智能技术，这类人工智能具有高度的通用性和灵活性，可以适应不同的任务和环境，由于这种广泛的适用性，通用类生成式人工智能的潜在商业价值往往非常高。通用类生成式人工智能产品可以公开使用，适度公开有助于促进人工智能技术的发展迭代，虽然通用类生成式人工智能是其他类别人工智能技术的基础，但技术持有者出于保护自身市场竞争地位、知识成果等顾虑，通常不会主动公开主要技术。因此，对于通用类生成式人工智能，适度采用商业秘密保护确实是一个值得考虑的策略。

对于通用类生成式人工智能这种具有高度商业价值和技术价值的技术，采用商业秘密保护策略是非常合理的。公开使用通用类生成式人工智能产品可以使得更多的用户和企业受益，为众多领域提供了创新的解决方案，从而推动技术进步和产业升级。然而，如果其背后的核心技术被泄露，那么可能会损害原始创新者的利益，并可能阻碍整个行业的创新步伐，对于这类技术，采用商业秘密保护是非常合理的。通过赋予商业秘密权利，可以为通用类生成式人工智能的核心技术提供非公开的、排他的保护保护，确保了它们在市场上的独特性和竞争优势，并确保只有少数人或组织知道这些技术的关键细节。这有助于维护创新者的竞争优势，并鼓励他们在未来继续投入研发，也确保了整个行业能够从中受益。同时，由于这种保护方式不需要公开技术细节，可以保持技术的灵活性和市场竞争力。

需要注意的是，我们也必须认识到商业秘密保护所带来的挑战。首先，商业秘密保护需要强有力的内部保密措施和合规文化来支撑，如果保密措施不到位，或者员工、合作伙伴等违反保密义务，那么商业秘密可能会泄露，导致创新者的利益受损。企业在采用商业秘密保护通用类生成式人工智能时，应建立完善的保密制度，加强员工培训，并与合作伙伴签订保密协议，确保技术的安全。其次，保密措施需要得到严格的执行和维护，任何疏忽或内部泄露都可能导致核心技术的曝光，进而损害企业的竞争地位。再次，与其他保护方式如专利权和著作权相比，商业秘密的保护力度和范围可能相对较弱，这要求企业在选择保护策略时，必须综合考虑各种因素，确保选择的策略能够最大程度地保护其核心利益。最后，随着通用类生成式人工智能技术的不断发展和应用，我们也需要关注其可能带来的知识产权和伦理问题。例如，如何确保技术的公平使用和利益分配？如何避免技术被滥用或误用？这些问题都需要我们在保护商业秘密的同时，进行深入的思考和探讨。

总之，对于通用类生成式人工智能这种既是公开产品又具有高度商业价值的技术适用商业秘密保护，是一种既合理又有效的策略，这既能促进技术的广泛应用，又能保护创新者的核心利益。

(二) 专用类生成式人工智能：专利权保护

对于对具备技术特征的生成式人工智能技术，可以适用专利权进行保护。专业类生成式人工智能是指那些针对特定行业或领域开发的人工智能技术，这类人工智能技术的设计和开发都紧密围绕某一特定领域的需求，通常具有更高的专业性和针对性，可以更好地满足特定行业或领域的需求。例如，医疗领域的人工智能可能专注于图像识别以辅助诊断，而金融领域的人工智能则可能专注于风险评估或投资策略，这些人工智能技术的目标都是优化和改进特定行业或领域的工作流程，提高工作效率、降低成本，甚至帮助创新。如果专业类生成式人工智能的技术特征具有新颖性、创造性和实用性，那么这些技术确实可以申请专利。专利权可以为这些技术提供法律保护，防止他人未经授权地使用或复制这些技术，这对于鼓励创新、保护研发投资以及促进技术的商业化应用都具有重要意义。

技术特征是生成式人工智能获得专利权保护的必备条件。在我国《专利审查指南》已明确，如果权利要求涉及抽象的算法或者单纯的商业规则和方法，且不包含任何技术特征，则这项权利要求不应当被授予专利权。需要明确生成式人工智能技术的技术特征，包括其算法、模型、数据结构、创新点等，并确保这些特征具有新颖性、创造性和实用性，以满足专利法的要求。首先，技术特征的明确性对于专利权的保护范围至关重要。在申请专利时，需要详细描述生成式人工智能技术的算法、模型、数据结构和创新点等关键特征，这些描述将成为专利权保护范围的依据，确保在未来的专利侵权纠纷中，专利权人能够明确主张其权利。其次，技术特征的新颖性、创造性和实用性是获得专利权的关键要素。根据专利法的规定，一项发明要获得专利权，必须同时具备新颖性、创造性和实用性，这意味着能够获得专利权保护的生成式人工智能技术，必须在现有技术基础上有所创新，具备独特的算法、模型或数据结构，并且这些创新能够在实际应用中产生积极的效果。在判断技术特征的新颖性时，需要对比现有技术，确保生成式人工智能技术未被他人先前申请或获得专利，这通常需要进行专利检索和分析，以确定技术的独特性和创新性。在评估创造性时，需要考察生成式人工智能技术是否具备突出的实质性特点和显著的进步，这要求技术不仅在现有技术基础上有所改进，而且能够在性能、效率、成本等方面带来明显的提升。在分析实用性时，则要求生成式人工智能技术必须能够在工业上应用，并产生积极的效果，这意味着技术不仅要在理论上可行，还需要在实际应用中具有可操作性和经济效益。

总之，对于具有新颖性、创造性和实用性技术特征的生成式人工智能技术适用专利权保护，可以促进技术创新、保护投资、促进技术应用和防止技术垄断，同时，也需要制定合理的专利政策和法律法规，避免过于严苛的专利审查阻碍人工智能申请专利保护，确保专利权的保护既能激励创新，又能促进技术的广泛应用和发展。

(三) 服务类生成式人工智能：著作权保护

服务类生成式人工智能生成的成果如果符合著作权作品的标准，可以享有著作权，平台和用户可以通过协议约定著作权归属。这意味着这些由人工智能生成的作品可以在法律上被视为原创作品，受到著作权法的保护。服务类生成式人工智能是指那些为用户提供特定服务或功能的人工智能技术，这类人工智能通常与用户直接交互，为用户提供便捷、高效的服务。

人工智能生成的作品在法律上被视为作品的前提条件，主要包括三个方面。首先，作品需要满足著作权法对“原创性”的要求。原创性并不仅仅意味着作品必须是独一无二的，而是要求作品必须是通过独立构思和创作产生的。这意味着人工智能生成的作品不能简单地复制或模仿已有的作品，而必须表现出一定的创造性和个性化表达，这种创造性可以体现在作品的内容、形式或表达方式等方面。其次，人工智能生成的作品需要符合著作权法中关于作品形式的要求。这主要是指作品必须以一定的形式表现出来，能够被人们感知或复制，例如，人工智能生成的文本、图像、音频或视频等都需要能够被固定下来并以某种形式传播或使用。最后，尽管人工智能本身不能直接成为著作权的主体，但人工智能生成的作品的著作权可以归属于其他主体，如人工智能的所有者、开发者或使用者，这需要根据具体情况和法律规定来确定，并可以通过协议来明确著作权的归属和使用。

在划分不同主体对人工智能生成作品享有的著作权比例时，可以参照人工智能的所有者、开发者或用户的贡献度进行约定。首先，对于所有者而言，他们为生成作品提供了资金支持和物质保障，没有充足的资金，可能无法开展大规模的数据收集与处理，也无法购买高性能的计算设备来训练和优化算法，所有者愿意为人工智能项目提供资金支持，通常意味着他们对项目的前景和潜在价值持乐观态度，并希望通过这种方式获得相应的回报，如果所有者在项目启动、设备购置、数据收集与处理等方面提供了大量的资金支持，那么他们在著作权划分中应该享有相应的权益。其次，对于开发者而言，他们通过设计和训练人工智能算法和模型，为生成作品提供了基础技术和框架，负责收集、清洗和整理大量的数据用于模型训练和学习，确保人工智能能够从中学习到有用的信息和模式，提供必要的技术支持和维护，确保系统的稳定性和可靠性，投入了大量的时间和精力来优化算法、提高模型的准确性和效率，这对于作品的生成至关重要。最后，对于用户而言，用户通过向人工智能系统提供具体的指令和需求，引导人工智能生成特定的作品，用户的指令和需求直接影响了人工智能生成作品的内容和风格，并且用户在收到人工智能生成的作品后，通常会提供反馈和调整意见，这些反馈意见有助于人工智能系统不断优化和改进，提高生成作品的质量。人工智能并不具备独立思考的能力，是用户定义了人工智能生成作品的应用场景和目的，这使得作品更加符合实际需求和用途，用户对于作品的应用场景和目标受众的理解，为作品的生成提供了重要的指导。

在划分生成式人工智能生成的产品的著作权时，需要综合考虑所有者的经济保障、开发者的技术贡献、用户的指令与需求、作品的实际应用情况等多个因素，最终的著作权划分应该是基于公平、合理和合法原则的综合判断。为了避免潜在的纠纷和争议，在用户使用服务类生成式人工智能之初，可以通过《用户协议》约定著作权的归属和使用权，确保各方在作品创作、传播和商业化等方面的权益得到合理保障。

民营企业科技创新是推动我国经济发展的重要引擎，而生成式人工智能知识产权保护的深化与拓展则为其提供了坚实的法律保障。随着技术的不断进步，生成式人工智能已经成为民营企业创新的重要领域，民营企业知识产权的保护问题也日益受到关注。

深化生成式人工智能知识产权保护，不仅能够激发企业的创新活力，还能够维护市场公平竞争的环境，促进科技创新的良性循环。区分生成式人工智能的层次来适用知识产权保护，也能更好地适应人工智能技术的快速发展，为民营企业提供更全面的法律支持。展望未来，我们需要继续加强对生成式人工智能知识产权保护的力度，不断完善相关法律法规，推动民营企业科技创新的持续发展，为我国经济的转型升级注入新的动力。

【 特别声明：本篇文章所阐述和说明的观点仅代表作者本人意见，仅供参考和交流，不代表本所或其律师出具的任何形式之法律意见或建议。