创作者对人工智能利用其作品进行训练的抵制，缘于利益分配机制付之阙如。在调整因新技术带来的作品使用形式变化所引发的新的社会关系时，既要确保创作者能公平地参与到由创作带来的收益分配中，维护其劳动尊严和劳动收入，又要防止版权人通过杠杆优势制约技术发展。可考虑从知识产权制度为解决市场失灵而创设的四种特殊许可模式中汲取经验，为人工智能训练建立一套整体协调但内部区隔的模块化授权许可机制：大型人工智能企业应尽最大努力获取授权，主动建立版权许可机制，与版权人分享收益；中小企业同时面临被大型内容平台拒绝许可与缔约成本高的双重困境，应要求大型内容平台作出以公平、合理、无歧视方式进行授权的声明，并发挥其中介组织的优势，保障个体创作者的合法利益、企业获得充足训练语料，同时防止掌握海量内容数据的大型内容平台封锁人工智能产业。

生成式人工智能 合理使用 法定许可 AI投喂 训练数据可携带权

引 言

生成式人工智能（Generative AI）是一种通过学习已有数据生成新内容的人工智能，其在改造旧的生产方式的同时不断创造新业态。人工智能制作的漫画、电影画面和短片已经进入市场。服务于日常办公、语言学习和会话聊天的人工智能，不仅可以帮助企业降本增效，还能把劳动者从单调枯燥的工作中解脱出来，让人们学习和从事需要人类智慧和陪伴的事务。面对创造出巨大商业价值、正在改变人们生产方式的人工智能，法律的首要使命就是确保和引导这种新型生产方式有序地发生、稳定地生产，以便产生更高的社会经济价值。

版权法作为以作品为基础、调整新技术带来的新收益之分配关系的法律制度，首先需要对人工智能作出回应。事实上，随着作品内容的信息化和数据化，版权法已习惯于处理“复制依赖型技术”（copy-reliant technology）所引发的版权问题，比如网络检索和在线浏览。人工智能所使用的文本数据挖掘（text and data mining）技术需要批量、自动地复制海量的信息内容以供大模型训练，其虽亦属复制依赖型技术，但与网络检索和在线浏览不同，人工智能对文本内容的复制不以阅读、欣赏作品为目的，甚至在结果上也不会再现作品的表达。由此似乎可以推断，版权人应当更容易接受人工智能的训练行为；然而现实中，版权人却前所未有地团结在一起，共同针对人工智能未经许可的复制行为提出了抗议。欧美等地的作者及其组织相继提起了针对人工智能复制和学习作品的侵权诉讼。不少艺术家和编剧走上街头，抗议人工智能对其作品的无偿使用，表达对自身职业生计的担忧。究其根源，版权人没有因其作品是人工智能发展的基石而从愈加繁荣、已经产生了巨大商业价值的人工智能产业中分一杯羹，甚至还可能面临“教会徒弟，饿死师傅”的困境。

为在版权保护与发展人工智能技术、鼓励创作“民主化”之间寻求平衡，有必要从利益分配的角度重新审视人工智能服务提供者与作品被用作训练数据的版权人之间的冲突和纠纷。版权制度通过产权激励创作的关键机制在于，激活和促进智力成果的市场交易。然而，从知识产权制度的发展历史和比较经验中可以发现，知识产权的许可绝非完全依赖于自由市场机制，而是存在多种解决市场失灵的特殊许可模式。本文尝试在系统、全面地比较分析知识产权特殊许可模式的基础上，以人工智能产业的发展需求及其对创意产业的影响为考量要素，为人工智能企业利用版权内容进行训练提供一种模块化许可机制，促进人工智能企业与版权人形成正和博弈。

一、人工智能训练行为的版权困境：现有解决方案及其局限

现阶段人工智能的发展仍极其依赖人的智力劳动，需要复制并通过对内容的数据化编码，来“学习”人类语言和艺术创作的规则、模式、结构及趋势等，以生成符合语言习惯并具有审美价值的内容。书籍作为“高质量长篇写作的最佳范例，是大语言模型训练数据集的关键内容”。因此，版权人强烈要求人工智能就其训练行为寻求许可并给予他们公平的报酬。围绕二者间的法律纷争，版权学界发展出两种对立的观点：以合理使用（fair use）或“非版权性使用”为依据的“技术优先派”与以法定许可制度为基础的“利益分享派”。诚然，这两类解决方案均具有合理性，但在教义和实施层面仍存在一些问题。

技术优先派的共同主张是，人工智能将作品作为训练语料的数据和文本挖掘行为不构成侵权。其中，主张合理使用的学者认为，大模型训练行为是对作品的转换性使用，既没有创造出独立的副本，也不追求在结果上占据原作品的市场，其目的是提升人们创作内容的效率，因而应当予以版权侵权的豁免。主张非版权性使用的学者则通过区分“作为作品使用”与“作为数据使用”，认为人工智能使用的是作品在网络传播时所产生的闲置资源——数据，而非对受版权保护的表达性内容的使用或欣赏，因而版权的本质未受到侵害。由此不难看出，技术优先派以允许人工智能的训练行为不会破坏版权对创作的激励作用为理据，凸显了“版权作为必要的恶”的功利主义理念。而进一步深究后可以发现，技术优先派所依据的法理并不能赋予人工智能获得训练语料的法律地位，在效果上也难谓合理地平衡了版权人的权利与人工智能产业的发展利益，不符合《保护文学和艺术作品伯尔尼公约》第9条第2款对著作权限制所提出的“三步检验法”。

首先，上述主张本质上均是对版权侵权的抗辩而非赋予使用者以相应的权利；使用者无权要求版权人为其实现对作品的合理使用提供方便。具体到人工智能的背景下，即便认为训练数据属于合理使用或非版权性使用，人工智能企业也不能禁止内容平台采用技术手段限制其数据爬取行为。为解决该问题，“自由的权利化”不失为一种方案，即赋予特定的使用者以诉权和强制执行的权利，使合理使用的自由成为“使用者权”。例如，德国2021年颁布的《著作权—服务提供者法》就赋予超大型内容分享平台的使用者以基于戏仿等行为的诉权。参照此规定，数据挖掘行为也须“权利化”以确保人工智能企业有权获得训练数据。例如，欧盟2019年《数字化单一市场版权指令》仅规定限制科学研究目的的数据挖掘的合同约定无效，仍然要求基于商业目的的数据挖掘须取得版权人的许可。可见，单纯的合理使用条款不足以保障人工智能获得训练数据。

其次，为满足“三步检验法”，合理使用的“四要素”兼具质与量的要求。例如，在具有里程碑意义的“谷歌数字图书馆案”中，美国联邦第二巡回上诉法院认定谷歌的行为属于合理使用的核心理由是，其复制图书所提供的搜索服务属于对作品的转换性使用，以及为实现此服务所展示的作品片段具有微量性和绝对必要性；此外，法院还特别强调，因为不会有人通过不断调整搜索关键词以达到阅读整本书的目的，所以谷歌数字图书馆根据关键词所展示的“片段预览”服务不会对作品产生替代性作用，反而会提升作品的销量。又如，尽管学术研究和课堂教学对科学和文化教育事业的发展具有重要意义，但美国仍对老师、学校和科研机构合理使用作品的比例、数量和方式作出严格限制，并对超出该限定的行为设置最低赔偿额，防止以牺牲版权人合法利益为代价来片面追求政策目标。同理，在人工智能利用版权内容训练的场景下，明智的做法是从质和量两个方面严格审查人工智能服务的转换性水平和对作品的替代效果。当下，各类人工智能企业服务的性质、内容、目的及技术水平天差地别。有些企业囿于算力、算法和财力难以实现对训练语料的高水平转换，有些企业因服务于利基市场的目的而专门从文学艺术作品中“挖掘”具体的表达性内容供使用者“挪用”。一些网文创作应用能提炼小说大纲，提供针对具体情节、高潮段落的仿写建议，以方便用户模仿原著的语言表达和情节设计。鉴于此，即使认为需要适用合理使用规则解决人工智能训练的版权问题，也应当根据人工智能企业提供具体服务的性质、内容和目的等因素，设置具体的版权限制和例外条款，以满足“三步检验法”的特例性，不影响作品正常使用和利益平衡的要求。

最后，还有必要重视技术优先派在教义之外所带来的深层问题，即它塑造了人工智能企业与版权人的零和博弈，这将不利于人工智能技术和产业的良性发展。人工智能的高质量发展依赖于持续更新、丰富多样的训练语料库，以及使用者特别是文化创意产业从业者对人工智能生成内容的积极修改和完善。换言之，没有创作者的鼎力支持，人工智能产业难以实现颠覆式创新。从文化繁荣发展的维度考虑，即便未来人工智能生成物可能成为文化艺术市场的组成部分，社会仍需要那些具有突破性、创新性且能够真实反映社会现实与变革的文化艺术作品，而这类作品依赖于人类引领的新表达形式和对社会现状进行反思的先锋运动。从政治经济学的角度观察，人工智能系统以创作者的作品作为训练素材，实际上是通过这一手段独占了由此产生的财富。这种现象与经典的资本主义生产关系极为相似：掌握生产资料（大数据）的少数群体能够迅速积累财富，并制定有利于自身利益的规则，而那些贡献了作品和数据劳动的创作者却被排除在财富分配之外，无法公平分享技术进步的红利。这种不平衡的局面不仅威胁到文化创意产业的健康发展，也可能在更广泛的社会层面引发人们对知识产权制度和财富分配机制的质疑。

（二）利益分享派：可实施性难题与必要性缺失

二、人工智能训练的版权许可模式初探

为化解人工智能企业与版权人之间的利益冲突，引导人工智能场景下新型生产模式有序发展，有必要深入分析人工智能企业的发展现状和实际需求，研究该产业可能给创作者生计和创意产业生态带来的冲击与挑战，探求一种精细、灵活且兼顾各方需求的解决方案。

考察人工智能企业与创意产业的需求现状后可以发现，处于不同市场地位的版权人和人工智能企业在训练许可中的策略和面临的挑战存在显著差异。具体而言，领先的人工智能企业在应对版权问题时展现出高度的灵活性与前瞻性。其一面积极应对版权人的诉讼并进行政治游说，一面主动与各领域的版权商合作，例如，OpenAI公司每年支付给美联社、Politico等新闻机构的人工智能训练版权费用在100万至500万美元之间。这种双重策略不仅能够在短期内帮助人工智能企业降低法律风险，确保其获得高质量的训练数据，更能够在长期发展中增强其在细分市场上的竞争优势和对未来版权立法的影响力。然而，从创作者的角度审视，这种带有投机色彩的企业策略并不利于维护劳动尊严和劳动收入。在人工智能训练行为的合法性尚不明确的情况下，人工智能企业为了获取竞争优势，往往优先与掌握海量版权的大型内容平台和在细分市场占据主导地位的企业型版权人合作，而忽视个体版权人的授权许可。这种倾向导致个体创作者无法平等参与财富分配，其利益诉求无疑被边缘化。即使训练行为最终被认定为合理使用，版权人之间的保护水平不平等也难以得到有效缓解。正如前文所述，拥有丰富资源的企业型版权人仍可以通过技术手段，“迫使”人工智能企业与其达成数据使用协议，而缺乏保护意识和技术支持的个体创作者则难以得到同等水平的保护。因此，若任由大型人工智能企业采取此种歧视性许可策略，将可能导致越来越多的个体创作者放弃在网络上传播作品。这不利于年轻创作者的长远发展，也会影响创意内容的多元性。

中小体量的人工智能企业虽然也在努力建立与内容平台的合作关系，以获取更优质的学习语料，但其在寻求训练许可的过程中面临两类特殊困难。其一，掌握海量版权的大型内容平台往往正在开发自己的大模型，如百度的“文心一言”、腾讯的“混元大模型”等。这些大型平台很可能出于市场保护的考量，拒绝将其内容许可给潜在的竞争对手进行大模型训练。其二，处于发展初期的中小型人工智能企业在技术和资金层面处于相对弱势地位，难以吸引版权人给予授权许可。这些独立企业亦无法像与大型平台关联的人工智能企业那样，直接利用平台所掌握的海量内容进行训练。这必将严重遏制独立的、中小型人工智能企业的发展动力及其在市场竞争中的生存能力。若上述问题得不到有效解决，人工智能产业内的发展不均衡现象将会进一步放大，这不仅会抑制技术创新的多样性与活力，还可能因大型人工智能企业获得支配地位而压缩创作者的选择空间，导致后者议价能力降低、劳动收入下降。

诚然，处于不同市场地位的人工智能企业和版权人所面临的困难及挑战有所区别，但二者均希望能以最低的成本来维护自身的经营自由和利益，因而其关系呈现出对抗与合作的双面性。追溯版权人与互联网对抗与合作的发展史可以看出，前者首先会以打击盗版为名，试图封锁互联网技术以维护其传统的商业模式；然而随着新市场和新商业模式的建立，创作者会逐步适应互联网所带来的新型生产方式，利用版权法所保障的权利和利益，继续致力于创作和传播具有市场竞争力的作品。于是，版权法承担的使命就是在新的生产关系下实现权利及其限制所保障的利益分配：一方面，更严厉地打击盗版，防止作者的权利收益被分流乃至截流，确保市场信号可以正确传递到真正的作者处；另一方面，要求大型网络内容平台将其建立在（版权）内容提供与分享基础上的收益，公平合理地分配给版权人，并建立有效的版权纠纷解决机制以化解使用者与创作者间的矛盾，保障前者合理使用作品的自由。相似的历史场景正在人工智能训练领域重演。一方面，由于法律承诺给予版权人的精神利益和经济报酬尚无法在新技术场景下实现，如欧盟《数字化单一市场版权指令》为保障版权人自主权而新增的主动退出商业性数据挖掘的权利迟迟未能落地，人工智能企业与版权人之间的矛盾愈演愈烈。大型内容平台和拥有丰富资源的企业版权人尚能依靠其市场力量进行谈判和维权，而个体版权人则往往陷入被动，难以与技术巨头抗衡。另一方面，版权的排他性使得拥有海量版权的超大型平台能够利用其在数据上的支配地位，将其优势传导至新兴的人工智能行业，进一步提高其他公司的进入壁垒。因此，领先的人工智能企业常常会与拥有优势资源的大型内容平台和企业型版权人“强强联合”，从而进一步加剧了人工智能领域和创意产业内部的发展不均衡现象。

在这种动态关系中，人工智能训练许可的制度安排需要精准施策，既要让不同市场地位的人工智能企业以最低成本来维护创作者的劳动尊严及其自治利益，还要在维护人工智能企业创新活力的同时，防止数字版权寡头利用其对内容数据的杠杆优势为人工智能产业设置行业壁垒。鉴于此，有必要结合知识产权制度的发展历史和比较经验，研究为克服各类市场失灵而创设的特殊许可模式，在版权保护、创新激励和市场开放之间寻找新的平衡。

知识产权可以理解为针对第三方使用智力成果的特定行为的禁止权，而针对这种权利的交易，即使用权的许可也就成为知识产权交易的主要形式。然而，完全依赖市场的使用权交易未必能实现知识产权激励创新和提高社会福利的根本目的，原因在于信息不对称、交易成本过高、权利滥用等现象导致的市场失灵问题层出不穷，且在不同的行业和商业模式中表现出不同特征。通过对行业实践和司法判例的借鉴和吸收，知识产权制度发展出四类特殊许可模式，以消除智力成果使用权的流转障碍。除上文提及的法定许可外，另外三类特殊的许可模式包括：（1）适用于标准必要专利的公平、合理、无歧视（以下简称FRAND）许可声明；（2）超大型内容分享平台负担的“尽最大努力获取授权”义务；（3）知识共享协议（creative commons）。如上所述，由于人工智能训练领域的版权许可交易同样受制于自由市场的局限性，有必要审视这四类特殊许可模式的借鉴价值。鉴于法定许可前已论及，下文将重点分析后三类许可模式的具体内容及其在解决人工智能训练版权许可问题上给我们带来的启示。

1.标准必要专利的FRAND许可声明机制

标准必要专利的FRAND许可声明机制产生于专利法和反垄断法的交叉地带，即在专利属于为实施标准而必须使用的技术时，权利人须作出将其以FRAND方式进行许可的声明，由此担负诚信谈判、发出许可要约的义务。在功能目的上，FRAND许可声明机制通过规范权利人的议价方式来维护公平的竞争环境；在发生机制上，为使其专利成为某类产品互联互通的必要基础，专利持有人在向标准制定组织提交指定其专利为标准必要专利的申请时，须同时提交FRAND许可承诺。可以看出，与法定许可制度相比，FRAND许可声明采取以市场为基础的自由谈判机制；司法工作者由此避免了对许可费用的明确估值，而得以采用对谈判过程进行回顾性审查的方式，来维护市场交换结果的公平性。正因如此，司法工作者经常在权利人意图通过杠杆优势制约新技术发展之时，将FRAND许可条件作为衡量权利行使合法性的审查标准，而不问权利人是否事先作出过相关承诺。例如，在诉争专利属于“事实标准”的“橘皮书标准案”中，尽管专利持有人没有事先作出FRAND许可承诺，德国联邦最高法院仍裁定其拒绝许可或提出歧视性许可条件的行为违法。在受版权保护的内容构成进入市场的“必需设施”（essential facility）时，欧盟法院和委员会在一系列裁定中再三强调，版权人关于许可的谈判必须公平，并且在拒绝许可时需要给出合理理由。

虽然这些判例主要基于反垄断法框架，但适用类FRAND审查标准的根本目的是避免知识产权的静态效率与动态效率之间的失衡。当知识产权持有人掌握的资源由于锁定效应、网络效应或高昂的独立再创造成本构成进入市场的必要条件时，法律会通过限制权利人的行权方式，避免垄断导致的短期非效率无法转化为长期的动态效率。这种制度理念同样体现在欧盟为数据集合提供“准版权”保护的《数据库指令（草案）》中。该草案明确规定，当某数据库构成利基市场的唯一信息来源时，数据库持有人有义务以公平且非歧视的条款向第三方许可其数据，以供第三方再利用，包括商业目的在内，以消除市场进入壁垒，鼓励有活力的市场竞争。因此，要求知识产权持有人以FRAND条件进行授权谈判，是知识产权制度核心理念的规则转化，其适用的关键条件并非权利人是否事先作出相关承诺，而是该知识产权持有人是否控制了进入市场的必需资源。如果权利人能够凭借知识产权的垄断权利封锁市场从而排除所有竞争，那么就有必要确保第三方能够以公平合理的方式获得进入市场的机会，从而维持竞争的活力，促进技术和产品的创新。

在人工智能领域，为防止大型人工智能企业与超大型内容平台“强强联合”，封锁新兴的人工智能市场，抑制行业的竞争活力，可以考虑在人工智能训练领域引入FRAND许可声明机制。具体而言，可以要求超大型平台在授权其关联公司使用其内容进行大模型训练时，同时承诺以FRAND条件与其他人工智能企业进行授权谈判。这既可以提高版权持有人的可预见性，也能为中小型人工智能企业保留进入市场的公平机会。

2.尽最大努力获取授权机制

尽最大努力获取授权机制是欧盟为避免在超大型内容分享平台与版权人之间产生巨大的“价值差”（value gap）而创设的特殊许可模式：一方面，通过扩张“向公众提供作品权”（making the work available to the public），给予版权人要求超大型内容分享平台将其利用版权内容而获得的广告收益合理分配给自己的法律地位；另一方面，考虑到平台寻求授权的实操成本与其实现的重要社会利益，允许其在获取授权成本不合比例时适用“通知屏蔽规则”，以避免承担侵权责任。可见，通过对权利人赋权和为使用者提供责任优待，该机制既可以保障版权人对其作品的自治权，促使占有优势地位的使用者以具有竞争力的条件获得事前授权，又能让其以可接受的交易成本实现商业模式合法合规。

事实上，早在尽最大努力获取授权机制建立之前，YouTube视频平台就已经主动采用了集版权登记、监控、处理和利益分配机制于一体的“版权管理系统”（Content-ID），帮助版权人实现对其作品的控制。在我国，长、短视频平台间的版权合作也已成为视频平台的重要商业策略：短视频平台上的创作者可以在合法授权的基础上对大量长视频内容进行“二次创作”，而长视频的版权人亦能受惠于短视频的“导流”作用，获得更多的关注以及随之而来的收益。由此可见，当版权内容可以给新业态带来不菲的收益时，从业者会主动创建并实施有利于版权人的利益分配机制，以吸引更多的优质内容，提升自身的竞争力并塑造尊重创作个性的企业形象。然而不容忽视的是，尽最大努力获取授权机制的实施需要天时、地利、人和的有利条件，即成熟的版权过滤技术，大型人工智能企业的谈判优势，以及深受互联网影响的创作者和使用者。大型网络平台在内容分发上的巨大优势是个体版权人主动寻求合作的原因；高效的版权管理机制和熟稔于参与式创作的网络用户亦使平台能够以可接受的成本实现作者和使用者的共赢。版权法只需因势利导，在要求平台承担寻求授权义务的同时给予其一定的责任优待，就能在保障版权人获得收益分配的同时，确保信息传播的持续性和公共利益的实现。

在人工智能训练领域，此般天时、地利、人和的条件也只存在于领先的大型人工智能企业与版权人的关系中。因此，为督促此类人工智能企业主动建立版权许可机制，与版权人分享其利用版权内容训练大模型所获得的收益，可以考虑向其施加尽最大努力获取授权的义务。与此同时，考虑到人工智能技术对于推动数字经济创新发展的重要性，有必要设置具体的责任优待规则。例如，当获取授权的成本不合比例时，允许大型人工智能企业采取合理的替代性措施，以避免承担侵权责任。因此，针对大型人工智能企业采用尽最大努力获取授权的机制具有合理性和必要性，这既可以避免引发版权人之间收入分配不公平的现象，也不会对大型人工智能企业造成过重的负担。

3.知识共享协议

知识共享协议是由莱西格（Lessig）等人设计的一种面向社会大众的版权使用许可模式，其允许作者按其意愿，灵活地授予他人复制、传播以及演绎的权利。在操作层面，知识共享协议通常包含多种可视化图标，版权人能够清晰地向外界表明授权条件，而使用者也能一目了然其使用作品的方式。例如，“BY”意味着可以在保留署名的条件下自由使用，“NC”则表示不得用于商业目的。因此，知识共享协议并非将作品置于公有领域，而是作者在版权法框架内，以放弃财产性报酬的方式对他人使用其作品进行附条件的事先授权；若使用者违反授权条件，版权人得立即终止授权并依据版权法主张救济。支持“创作共用”和“开放共享”的版权人普遍乐于参与人工智能的发展，并相信该技术将为文化艺术的繁荣带来广泛益处。然而，大模型尚无法理解和遵守版权人所要求的授权条件，这造成了知识共享社区与人工智能企业之间的矛盾。换言之，将知识共享协议推广至人机合作领域，有助于解决现代知识产权制度下的内容和信息垄断问题，但实施关键在于确保人工智能企业在此过程中尊重版权人的自治权和劳动尊严。

三、许可机制的模块化思维与应用

（一）许可机制的一种模块化思维方法

（二）人工智能训练的模块化许可机制

结 语

人工智能的颠覆性影响在于，人类不再是学习知识、使用知识和创造知识的唯一主体。然而，人工智能训练作为人工智能产业发展过程中的一个阶段，仍极其依赖于人的智力劳动。训练数据的质量和人的反馈水平，决定着人工智能的市场竞争力和发展前景。在这一背景下，人工智能给现行版权制度带来的冲击虽富于挑战性，但并不具有颠覆性。版权法的主要制度仍能被用来继续处理人工智能的版权问题，即通过创作者、使用者和社会大众的权利义务配置，来调整因新技术带来的作品利用形式变化所引发的新的社会关系。

这也并不意味着在人工智能快速发展的背景下，版权制度无需进行调整和创新。在人工智能训练过程中，拥有大量内容数据的企业可以凭借杠杆优势限制中小型人工智能企业进入行业，而大型人工智能企业与大型内容平台的“强强联合”，可能进一步加剧创意产业内部的收入不平等。个体创作者，尤其是年轻作者将难以维持生计，亦无法公平地参与到人工智能产业发展所带来的收益分配中以补贴创作。由知识产权四种特殊许可类型所构成的模块化许可机制，在捍卫创作者主体性的同时，能够更为精细、灵活地应对权利人和使用者所面临的不同难题。可以说，这种模块化许可机制不仅为人工智能训练中的版权问题提供了有效的解决路径，还通过减少协调成本，为版权制度应对日趋复杂的内容商业化难题提供了分析框架。未来的知识产权制度应成为协调技术创新、市场竞争与社会公共利益的关键制度。在技术迅速变化的时代，法律制度的灵活性与前瞻性将直接决定着其对技术进步和经济繁荣的支持能力。至于人工智能生成的内容是否会取代人类创作，或者在多大程度上损害创作者的生计，仍是未知的。唯有尊重作者的主体地位及其自主权利，才能形成自由竞争的市场环境，推动人工智能产业向善发展。