本文来自微信公众号： Internet Law Review ，作者：张颖
2026年9月7日，最高人民法院发布《关于依法审理涉人工智能纠纷案件的意见》（以下简称《意见》）。这是最高院首次就人工智能裁判颁发的裁判规则。该《意见》共24条，试图在尚无专门AI立法的情况下解决如下问题：当人工智能造成伤害，包括深度伪造、幻觉诽谤言论、隐私泄露或版权冲突时，谁应承担法律责任？
《意见》并未对侵权部分建立单一的规则，而是按照技术形态、损害对象与举证能力做分层处理。最高院的基调是：以一般过错为默认原则，但同时以实物的产品责任、个人信息保护的推定原则、通知规则作为对特别事项的处理规则，再用诉讼规则中的举证和调查等破解人工智能的黑箱。
总体上，这份最高院的《意见》对于“AI出事即平台全责”，或“有免责声明即无责”两种极端，均不予认可——属于“平衡型偏创新”，而非“安全压倒创新”。
一、归责原则：一般过错为底座、实物适用产品责任
《意见》第3条明确：法律无特别规定使用无过错或过错推定的，适用民法典1165条第1款“一般过错”处理。
起草组在理解与使用中说明，生成式大模型主要向用户“提供信息”，不像机动车、高度危险物那样直接危及人身财产，因此，不宜广泛使用无过错责任，避免在人工智能技术和行业仍处于早期发展阶段时施加过高责任，阻碍创新。
但同时，《意见》也明确，在具体的案件中应当综合6类因素：应用场景、自主化程度、技术透明度、潜在风险、影响范围预防措施的技术可行性、使用者预见与控制能力。由于这6类因素分别是由AI模型的开发者、提供者和使用者分别或共同决定，因此，最高院明确要在不同的主体之间做出合理的法律责任划分。
这里特别注意的是，第9条将“人工智能产品”限定于实物载体，并适用“产品责任”，并列举了智能机器人、自动驾驶汽车。传统的产品缺陷在于出厂时的固定状态，而AI会自主学习、与环境交互，决策不透明，故单独列因素。其意义在于防止产品责任泛化至所有的软件服务。而与之相对的，以API、SaaS或网页服务等形态提供的生成式人工智能服务，则通常不属于第9条所称“以实物为载体”的产品，其侵权责任仍主要依据一般侵权等规则判断。
这意味着，人工智能技术的交付形态将成为纠纷中的最重要的定责事实。
这一归责方式，与欧盟形成了对比。欧盟在2025年2月撤销了《人工智能责任指令》，修订后的产品责任指令现明确将AI软件视为“产品”——自2026年12月9日起，严格责任条款生效。这意味着AI的开发者也就是制造商，对AI产品中导致用户或第三方合格损害的缺陷负有严格责任——纠纷中原告也无需证明制造商违反了注意义务，仅需要证明AI系统存在缺陷（未提供安全人员应有的期望），他们遭受了合格的损害，并且缺陷导致了损坏。
然而对于具有概率输出的复杂人工智能系统来说，“缺陷”这一概念很难一概而论。这或许也是中国的最高院未将AI视为“产品”的理由之一。
二、黑箱举证：不要求原告懂模型、平台须留痕
学界对于AI侵权问题的责任原则是有争议的，其中有学者主张AI导致侵害应当适用过错推定，其最重要的理由在于，训练数据、日志、参数均不在受害人手中。当侵权事件发生后，受害人通常没有技术能力和优势地位，为自己受到的侵害举证。
为此，《意见》为了解决受害人举证困难的问题，使用了4种机制予以回应：
1、通知规则（第7条）：AI生成内容侵害人格权益的，权利人以提示词、输出结果、身份及初步证据通知AI服务提供者。如果服务提供者未及时停止生成、未屏蔽相关指令的，就应当对扩大的损害承担责任；反之，如果网络服务提供者接到通知后，及时采取了必要措施，通常不需承担侵权责任。
这相当于对于生成式人工智能服务提供者参照适用了传统的网络服务“避风港规则”，避免其负担过于繁重的预测、审查和拦截的责任，同时给予用户及时阻止损失的救济途径。
2、调查与书证（第17条）：训练数据、运行日志、生成记录、复现材料由平台控制的，当事人因客观原因不能收集，可以申请法院调查收集，通过法院和法律程序来强制控制人提交，控制方无正当理由拒不提交的，法院可对其做不利的认定。
3、辅助技术查明（第17条）：在“查明事实”的规则中，《意见》还特别强调了充分发挥人民陪审员、鉴定人、专家辅助人、技术调查官作用，辅助查明AI技术原理、运行机制。
一般民事侵权纠纷，以当事人举证为常态、法院依职权调查为例外。在一些案例中，法院曾强调，法院在民事诉讼里行使的是“调查权”，不是“侦查权”。当事人因客观原因无法自行收集证据时，确实可以申请法院调取，但前提是必须提供明确的证据线索。也就是说，法院的调查权是以“被动”为原则的。
涉及AI的案件并未放弃该原则，但是由于技术不对称、AI黑箱等问题，《意见》第17条经修改后增加了法院“应当”履行的职责——不是扩大了法院调查权的范围，而是在既有框架内，把法院调查权的行使门槛降低，加强引导释明，专业技术问题发挥四类专家作用，解决AI案件“技术性、专业性强、事实查明难”。这让原本“理论上可用但实际上很少用”的调查权，在AI案件中真正发挥作用，使得被侵害人在一般过错责任的原则下，举证责任得到了一定程度的补强。
因此，一般过错不意味着受害人需要自证模型错误，通过通知、要求对方提交、技术调查官等，可把AI提供者的注意义务违反转化为可裁判的事实。
三、个人信息在AI训练中的使用问题
从实践来看，所有AI模型都从公共数据中学习，其中个人信息起着重要作用。AI会利用网上发布的内容、提出的问题以及上传的照片进行训练——这些个人数据事实上已经成为训练和塑造AI模型的一部分。
从隐私角度看，AI模型的训练应当如何遵守《个保法》是关键的问题。如果从《个保法》目的限制、最小必要等基本原则出发，对“知情同意”进行严格的法律解释——多数预训练活动既没有经过信息主体的明确同意，也不符合已公开个人信息的合理使用，其处理个人信息的合法性基础就存在瑕疵。
然而，要逐一取得海量信息主体的同意，或者将所有个人信息从数据中完全剔除，至少目前是不现实的。于是《意见》第6条为AI模型训练中使用已公开个人信息设定了一个“合理范围”的安全港——处理个人已公开或合法公开的个人信息，只要处理过程在“合理范围”内且个人未明确反对，通常不构成侵权。
具体而言，《意见》第6条为“安全港”提出了4个必须同时成立的前提条件：
1）信息确属“个人自行公开”或“其他已经合法公开”；
2）处理目的限于模型训练，且与模型功能具有必要性和适当性；
3）处理未超出“合理预期的使用范围”；
4）不对个人权益造成“重大影响”。
这与《个保法》第27条一脉相承：已公开不意味着信息主体放弃权益，处理者仍受合法、正当、必要、诚信以及信息质量、信息安全等原则约束。
值得注意的是，第6条以“未明确拒绝”为安全港条件，拒绝虽然不要求事前逐一通知，但处理者应有可操作的拒绝受理渠道。另外，“可合理预期”究竟应该按信息主体主观预期、按同场景理性用户标准，还是按行业惯例？目前第6条只列了因素，未给权重。未来大概率个案化，垂直模型、敏感群体、儿童内容会从严。
四、结语：留白与免责声明
综观《意见》全文，其在诸多实体问题上保留了审慎的“留白”：AI生成内容的可版权性，训练使用受版权作用是否构成侵权，纯软件服务何时可突破一般过错、进入更严格的责任框架。这种留白并非回避，而是对尚未形成充分共识的技术与法律问题给予司法实践积累的空间。
但对于企业普遍关注的“免责声明”效力问题，《意见》虽未明确提及，但从其规则逻辑已可得出合理推论：单纯的免责声明无法自动免除责任——免责声明的价值不在于声明背后是否有对应的技术措施、警示行为与合规留痕。一份笼统的“概不负责”，既不能替代注意义务，也不能阻断过错认定；一份具体的、显著的、配套技术措施的声明，则可能成为“已尽合理注意”的辅助证据。
