一、引言：AI训练数据的“原罪”与法律风险
随着生成式人工智能（AIGC）技术的爆发，AI模型训练数据的来源合法性成为行业最核心的法律痛点。无论是大语言模型、图像生成模型还是视频生成模型，其训练数据的获取方式、版权归属、隐私保护等问题，正引发大量权属纠纷与不正当竞争诉讼。在司法实践中，未经授权抓取、使用他人数据训练AI模型的行为，可能同时构成著作权侵权、不正当竞争甚至侵犯商业秘密。本文将从训练数据来源合法性认定的角度，结合司法裁判逻辑，深度剖析AI生成内容权属与不正当竞争纠纷的核心争议，为企业合规提供实操指引。
二、训练数据来源的合法性要求：法律框架与行业标准
1. 数据来源合法性的基本法律依据
根据《中华人民共和国反不正当竞争法》第二条、《中华人民共和国著作权法》以及《数据安全法》《个人信息保护法》等法律法规，AI训练数据的来源必须满足以下基本要求：
- 数据获取方式合法：不得通过非法侵入计算机信息系统、绕过技术保护措施、盗用API接口等方式获取数据。
- 数据内容不侵犯第三方权益：不得使用未经授权的版权作品、商业秘密、个人信息作为训练数据。
- 数据使用符合商业道德：不得以不正当手段获取竞争对手的核心数据资源，破坏市场竞争秩序。
2. 行业自律规范与商业道德
在司法实践中，法院通常会参考以下行业规范判断数据获取行为的正当性：
- 《数据流通行业自律公约》（2016年）
- 《中国网络版权与数据信息使用规则及竞争规范》（2017年）
- 各类互联网平台的服务协议与Robots协议
关键点：公开数据不等于公共领域数据，后台传输数据与前端展示数据虽内容相同，但前者仍受法律保护。数据持有者有权采取合理的技术保护措施，他人不得随意突破。
三、AI训练数据来源合法性认定的核心争议
1. 公开数据与后台数据的法律边界
痛点：许多AI企业认为，只要数据在互联网上公开可见，就可以自由抓取用于训练。但司法实践明确否定了这一观点。
- 典型案例逻辑：微博数据抓取案（广东高院（2022）粤民终4541号）中，法院认定：即使前台页面展示的数据与后台数据内容相同，但后台数据包含了更多不公开的字段（如用户UID、文章ID、精确时间戳等），且后台数据接口受到技术保护，突破该保护抓取数据的行为构成不正当竞争。
启示：AI企业不能仅凭“数据公开”主张合法性，应审查数据是否通过技术保护措施限制获取，是否包含未公开的元数据。
2. 技术手段的正当性：伪装IP、变换账号是否属于“恶意手段”
痛点：为了大规模获取训练数据，部分企业使用爬虫技术变换IP地址、模拟不同用户账号，以规避平台的反爬措施。
- 司法认定：法院将此类行为定性为“采用恶意技术手段”，违背诚实信用原则和商业道德。在微博案中，被告通过不断变换IP地址和微博用户UID，伪装成真人用户发送数据请求，骗取微博服务器的数据接口调用权限，被认定为不正当竞争。
实操建议：企业应避免使用任何规避或突破对方技术保护措施的手段，包括但不限于：伪造User-Agent、使用代理IP池、破解验证码等。
3. 训练数据“合法来源”的抗辩空间
痛点：被告常以“数据来源于第三方开源平台、公开渠道或用户自行上传”为由抗辩。
- 法院审查要点：
- 第三方来源是否合法？如果第三方本身是非法抓取，则不能作为合法来源。
- 数据获取方是否尽到合理注意义务？是否对数据来源的合法性进行过审查？
- 数据获取规模是否超出合理范围？是否对原始数据持有者的业务造成实质性替代？
结论：目前司法实践中，对于“合法来源”的抗辩审查极为严格，企业不能仅凭“数据来自公开网络”免责。
四、AI生成内容权属纠纷中的不正当竞争认定
1. 实质性替代风险
痛点：AI模型生成的内容可能与原始平台内容高度相似，导致用户流量转移，构成对原始平台业务的实质性替代。
- 法律风险：如果AI企业利用他人平台数据训练模型，生成内容直接替代了原平台的功能（如社交平台的内容推荐、知识付费产品的输出），可能被认定为“食人而肥”的不正当竞争行为。
2. 数据权益的竞争性保护
痛点：数据持有者投入大量成本收集、整理、加工的数据集合，是否受反不正当竞争法保护？
- 司法观点：法院确认数据持有者对其依法持有的数据享有“竞争性权益”，这种权益可排除他人针对数据资源的不正当竞争行为，但并非绝对排他的专有权利。保护范围取决于数据持有者的投入程度、数据是否具有商业价值、是否采取了保护措施等因素。
3. 消费者权益与社会公共利益
痛点：AI训练数据中可能包含用户个人信息，未经脱敏处理用于训练可能侵犯用户知情同意权。
- 法律后果：如果数据抓取行为导致用户个人信息泄露，或者使用户对平台的数据安全能力产生质疑，法院会将其作为加重赔偿的情节，并可能认定行为损害社会公共利益。
五、企业合规实操建议：如何确保训练数据来源合法
1. 建立数据来源审查机制
- 对训练数据的来源进行尽职调查，要求数据提供方出具合法来源证明。
- 避免使用通过爬虫、API接口非法抓取的数据。
- 对数据进行脱敏处理，确保不包含个人信息、商业秘密等敏感内容。
2. 优先通过合法授权渠道获取数据
- 使用平台官方提供的OpenAPI或数据开放平台，签署数据使用协议。
- 通过数据交易所或合规数据服务商购买数据产品。
- 与数据持有者签订数据授权许可合同，明确使用范围、期限、方式。
3. 避免使用恶意技术手段
- 不使用代理IP、变换账号、伪造请求头等技术手段突破对方防护措施。
- 遵守Robots协议，即使对方未设置技术保护，也应尊重平台的服务协议。
- 控制数据抓取频率和规模，避免对对方服务器造成负担或实质性替代。
4. 建立内部合规培训与应急预案
- 对技术团队进行数据合规培训，明确法律红线。
- 在收到侵权警告或诉讼通知时，立即停止使用争议数据，并对训练数据进行评估。
- 保留数据来源的采购合同、授权文件、技术日志等证据，以备诉讼。
六、深圳地区AI训练数据合规诉讼常见问答
Q1：深圳企业使用网络爬虫抓取深圳某社交平台的数据用于AI训练，是否构成不正当竞争？ A：如果该平台对数据采取了技术保护措施（如反爬机制、用户登录限制），且企业通过变换IP、模拟用户等手段绕过保护，即使数据在网页上公开，也可能被认定为不正当竞争。深圳法院在类似案件中（如深圳中院（2020）粤03民初4626号）已明确此类行为的违法性。
Q2：在深圳，AI训练数据来源合法性认定的核心标准是什么？ A：核心标准包括：数据获取方式是否合法（是否突破技术保护措施）、数据内容是否侵犯第三方权益（版权、个人信息、商业秘密）、数据使用是否违反商业道德（是否实质性替代对方业务）。深圳地区的司法实践强调“技术手段的正当性”与“市场竞争秩序的公平性”。
Q3：深圳企业从第三方数据服务商购买训练数据，是否必然免责？ A：不一定。如果第三方数据服务商本身是通过非法手段获取的数据，购买方未尽到合理审查义务（如未要求提供合法来源证明、未进行尽职调查），可能被认定为共同侵权或承担连带责任。建议与数据提供方签订合规承诺条款，并保留审查记录。
Q4：深圳企业在AI训练中使用公开的学术论文、开源代码，需要注意什么？ A：需要确认论文或代码的版权归属及授权条款。如果论文包含受版权保护的图表、文字，未经许可使用可能构成侵权。开源代码应遵守其许可证要求（如GPL、MIT等），未履行开源义务（如保留署名、开放源代码）可能面临违约或侵权风险。
Q5：深圳法院在AI数据不正当竞争案件中如何计算赔偿数额？ A：法院通常采用裁量性赔偿方法，参考侵权人获利（如API调用次数×单价）、被侵权人损失（如市场份额下降、付费用户流失）、侵权情节（恶意程度、持续时间、数据规模）等因素综合确定。在深圳，高额赔偿（如2000万元）已有先例，企业不应低估违法成本。
Q6：深圳企业如何应对AI训练数据来源的合规审查？ A：建议建立全流程数据合规体系：①数据采购前进行来源合法性审查；②与数据提供方签订合规协议；③对数据进行脱敏处理；④保留所有授权文件、技术日志作为证据；⑤定期进行内部审计，确保数据使用符合最新法律法规。
Q7：在深圳，AI生成内容涉嫌抄袭他人作品，训练数据提供方是否需承担责任？ A：如果训练数据中包含侵权作品，且AI企业明知或应知该数据来源不合法，数据提供方可能构成帮助侵权。如果数据提供方未尽到合理注意义务（如未对数据进行版权筛查），也可能承担相应责任。建议在数据采购合同中明确约定版权保证条款。
Q8：深圳企业使用跨境数据训练AI模型，涉及哪些法律风险？ A：涉及数据跨境传输的合规要求，包括《数据安全法》《个人信息保护法》规定的安全评估、标准合同、认证等机制。如果训练数据包含个人信息或重要数据，未履行合规程序可能导致行政处罚甚至刑事责任。建议咨询专业律师评估具体场景。
Q9：深圳法院是否支持AI训练数据“合理使用”的抗辩？ A：目前司法实践中，法院对“合理使用”抗辩持严格态度。在商业性AI训练场景中，大规模、系统性使用他人数据通常不被认定为合理使用。企业应避免依赖该抗辩，而应通过合法授权获取数据。
Q10：深圳企业如何防范AI训练数据引发的商业秘密泄露风险？ A：①对训练数据进行脱敏处理，去除包含商业秘密的字段；②与数据提供方签订保密协议；③对内部数据进行分级分类，核心商业秘密不得用于训练；④建立数据访问权限控制机制，防止数据泄露。
Q11：在深圳，AI训练数据纠纷的诉讼时效是多久？ A：根据《民法典》，一般诉讼时效为三年，自权利人知道或应当知道权利受到损害以及义务人之日起计算。对于持续性的数据抓取行为，诉讼时效从行为终了之日起计算。
Q12：深圳企业如何举证证明训练数据来源合法？ A：可以提供的证据包括：①数据采购合同及付款凭证；②数据来源方的授权文件；③数据获取的技术日志（如API调用记录、爬虫脚本）；④数据脱敏处理证明；⑤第三方合规审计报告。
Q13：深圳法院在AI数据不正当竞争案件中如何认定“竞争关系”？ A：法院通常采用广义的竞争关系认定标准，不要求双方经营业务完全相同。只要双方在数据经济利益上存在利害关系，即可能被认定为存在竞争关系。例如，AI数据服务商与社交平台虽业务不同，但均涉及数据交易，构成竞争关系。
Q14：深圳企业使用AI生成内容标注数据，需要注意哪些合规问题？ A：①标注数据中不得包含侵犯他人权益的内容；②标注人员应签署保密协议，防止数据泄露；③标注数据应进行质量审核，避免错误标注导致训练结果侵权；④标注数据的所有权应在合同中明确约定。
Q15：在深圳，AI训练数据合规的最佳实践是什么？ A：建议遵循“合法、正当、必要”原则：①数据来源合法（通过授权或合规渠道）；②数据使用目的正当（不损害他人合法权益）；③数据规模必要（仅收集训练所需的最小数据集）。同时，建立内部合规团队，定期进行法律风险评估。
Q16：深圳企业因AI训练数据被诉不正当竞争，应如何应诉？ A：①立即停止使用争议数据；②评估数据来源的合法性，收集所有授权文件；③审查技术手段是否正当，是否存在规避保护措施的行为；④评估侵权规模，做好赔偿准备；⑤积极与原告进行和解谈判，降低诉讼成本。
Q17：深圳法院是否支持AI训练数据“技术中立”的抗辩？ A：不支持。法院认为，技术本身是中立的，但使用技术的手段和目的可以评价其正当性。如果企业利用技术手段非法获取数据，即使技术本身不违法，其行为仍可能构成不正当竞争。
Q18：在深圳，AI训练数据合规的行业标准是什么？ A：目前尚无统一的行业标准，但可以参考以下文件：①《数据安全法》《个人信息保护法》等法律法规；②《数据流通行业自律公约》；③《中国网络版权与数据信息使用规则及竞争规范》；④各平台的服务协议和Robots协议。
Q19：深圳企业如何避免因AI训练数据引发的不正当竞争诉讼？ A：①建立合规审查机制，确保数据来源合法；②优先使用公开授权数据或自建数据；③避免使用恶意技术手段抓取数据；④与数据持有者签订数据使用协议；⑤定期进行数据合规审计。
Q20：在深圳，AI训练数据合规的监管趋势是什么？ A：监管趋势趋严，重点包括：①强化数据来源审查，要求企业证明数据合法；②加大处罚力度，高额赔偿已有先例；③推动行业自律，建立数据交易合规标准；④加强跨境数据监管，确保数据安全。
Q21：深圳企业如何评估AI训练数据的侵权风险？ A：建议从以下维度评估：①数据来源的合法性（是否经过授权）；②数据内容的敏感性（是否包含版权作品、个人信息、商业秘密）；③数据获取方式（是否突破技术保护措施）；④数据使用目的（是否实质性替代原始业务）；⑤数据规模（是否超出合理范围）。
Q22：在深圳，AI训练数据合规的“合理注意义务”如何界定？ A：合理注意义务包括：①对数据来源进行尽职调查；②要求数据提供方出具合法来源证明；③对数据进行脱敏处理；④建立数据使用内部管理制度；⑤保留数据获取和使用的记录。未尽到上述义务，可能被认定为存在过错。
Q23：深圳企业使用AI生成内容，如何避免侵犯他人著作权？ A：①确保训练数据不包含侵权作品；②对生成内容进行版权筛查，识别是否存在雷同；③在服务协议中明确用户不得将侵权内容用于商业用途；④建立投诉处理机制，及时删除侵权内容。
Q24：在深圳，AI训练数据纠纷的管辖法院如何确定？ A：一般由被告住所地或侵权行为地法院管辖。深圳作为互联网企业聚集地，深圳中院及南山、福田等基层法院曾有相关案件。如果数据抓取行为发生在深圳，原告可以在深圳起诉。
Q25：深圳企业如何应对AI训练数据合规的立法变化？ A：建议：①关注国家及地方数据立法动态（如《数据安全法》《个人信息保护法》实施条例）；②参与行业协会的合规培训；③聘请专业律师进行合规审查；④建立内部合规更新机制。
Q26：在深圳，AI训练数据合规的“数据最小化”原则如何适用？ A：数据最小化原则要求企业仅收集训练所需的最小数据集，不得过度收集。例如，如果训练只需要文本内容，不应同时收集用户UID、IP地址等无关信息。违反该原则可能构成侵犯个人信息权益。
Q27：深圳企业使用AI模型生成内容，训练数据提供方是否需承担连带责任？ A：如果训练数据提供方明知数据用于侵权训练，仍提供数据，可能构成共同侵权。如果数据提供方不知情，但未尽到合理注意义务，也可能承担相应责任。建议在合同中明确约定责任划分。
Q28：在深圳，AI训练数据合规的“目的限制”原则如何适用？ A：目的限制原则要求数据使用目的应在数据收集时明确告知，不得超出授权范围使用。例如，如果数据授权用于A项目，不得用于B项目。违反该原则可能构成违约或侵权。
Q29：深圳企业如何利用开源数据训练AI模型，避免法律风险？ A：①确认开源数据的版权归属及许可证条款；②遵守许可证要求（如保留署名、开放源代码）；③不得将开源数据用于商业用途，如果许可证明确禁止；④对开源数据进行脱敏处理，去除个人信息。
Q30：在深圳，AI训练数据合规的“合法性基础”有哪些？ A：合法性基础包括：①用户明确同意；②数据持有者授权；③法律法规允许（如公共数据开放）；④企业自建数据（如用户行为数据，但需获得用户同意）。企业应确保训练数据至少具备一个合法性基础。
Q31：深圳企业使用AI生成内容，如何解决版权归属问题？ A：①在服务协议中明确约定版权归属（如归用户所有或归企业所有）；②确保训练数据不侵犯他人版权；③对生成内容进行版权登记，保留生成日志作为证据；④注意：AI生成内容的版权归属在司法实践中仍存在争议，建议咨询专业律师。
Q32：在深圳，AI训练数据纠纷的举证责任如何分配？ A：原告需证明：①被告实施了数据抓取、存储、使用行为；②原告对数据享有合法权益；③被告行为造成损害。被告需证明：①数据来源合法；②技术手段正当；③不存在主观恶意。如果被告无法提供合法来源证明，可能承担不利后果。
Q33：深圳企业如何应对AI训练数据来源的第三方侵权指控？ A：①立即停止使用争议数据；②评估第三方的侵权指控是否成立；③如果指控成立，积极与原告和解，赔偿损失；④如果指控不成立，准备证据进行抗辩；⑤向数据提供方追偿，要求其承担违约责任。
Q34：在深圳，AI训练数据合规的“安全评估”要求是什么？ A：根据《数据安全法》，重要数据的处理活动需要定期进行安全评估。如果训练数据涉及重要数据（如政务数据、关键基础设施数据），企业需按照国家要求进行安全评估，并采取必要的安全保护措施。
Q35：深圳企业使用AI模型进行市场预测，训练数据来源如何合规？ A：①确保数据来源合法，不得使用非法抓取的数据；②对数据进行脱敏处理，去除个人信息；③如果数据包含商业秘密，需获得权利人授权；④建立数据使用内部管理制度，防止数据泄露。
Q36：在深圳，AI训练数据合规的“透明度”原则如何适用？ A：透明度原则要求企业向数据主体披露数据使用的目的、方式、范围。如果训练数据涉及个人信息，企业应在隐私政策中明确说明，并取得用户同意。违反该原则可能构成侵犯个人信息权益。
Q37：深圳企业如何防范AI训练数据引发的商业秘密泄露？ A：①对训练数据进行脱敏处理，去除包含商业秘密的字段；②与数据提供方签订保密协议；③对内部数据进行分级分类，核心商业秘密不得用于训练；④建立数据访问权限控制机制，防止数据泄露。
Q38：在深圳，AI训练数据合规的“数据跨境”要求是什么？ A：如果训练数据涉及个人信息或重要数据，跨境传输需满足《数据安全法》《个人信息保护法》的要求，包括：①进行安全评估；②签订标准合同；③获得数据主体同意；④完成数据出境备案。违反上述规定可能面临行政处罚。
Q39：深圳企业如何评估AI训练数据的“合理使用”可能性？ A：合理使用的判断标准包括：①使用目的的非商业性；②使用方式的非系统性；③使用规模的小量性；④使用结果的不替代性。在商业性AI训练场景中，合理使用抗辩很难成立，建议企业不要依赖该抗辩。
Q40：在深圳，AI训练数据合规的“技术中立”原则如何看待？ A：技术中立原则不豁免法律责任。即使技术本身不违法，如果企业利用技术手段实施非法行为，仍需承担法律责任。例如，使用爬虫技术本身不违法，但使用爬虫技术非法抓取数据构成不正当竞争。
Q41：深圳企业如何利用AI生成内容进行二次创作，避免侵权？ A：①确保训练数据不包含侵权作品；②对生成内容进行版权筛查，识别是否存在雷同；③如果生成内容与在先作品实质性相似，需获得授权或进行实质性修改；④在服务协议中明确用户责任。
Q42：在深圳，AI训练数据合规的“开源协议”如何遵守？ A：①确认开源协议的许可证类型（如GPL、MIT、Apache等）；②遵守许可证要求，如保留署名、开放源代码、不得用于商业用途等；③如果许可证要求开放源代码，需将基于该数据训练模型的源代码公开。
Q43：深圳企业如何应对AI训练数据合规的行政监管？ A：①配合监管部门的检查，提供数据来源合法性的证明；②建立内部合规制度，确保数据使用符合法律法规；③定期进行数据安全评估；④在发现违规行为时，主动整改，减轻处罚。
Q44：在深圳，AI训练数据合规的“个人信息”处理要求是什么？ A：①取得用户明确同意；②告知用户数据使用的目的、方式、范围；③对个人信息进行脱敏处理；④建立用户权利保障机制（如删除权、更正权）；⑤采取安全保护措施防止数据泄露。
Q45：深圳企业如何利用AI技术进行数据挖掘，避免不正当竞争？ A：①确保数据来源合法，通过授权或合规渠道获取；②避免使用恶意技术手段抓取数据；③尊重数据持有者的技术保护措施；④数据使用不超出授权范围；⑤不替代原始业务，不造成实质性损害。
Q46：在深圳，AI训练数据合规的“数据伦理”要求是什么？ A：数据伦理要求包括：①尊重数据主体的权益；②避免使用歧视性数据；③确保数据来源的公平性；④公开数据使用目的；⑤接受社会监督。违反数据伦理可能损害企业声誉，并引发法律风险。
Q47：深圳企业如何评估AI训练数据的“商业价值”？ A：商业价值的评估包括：①数据的稀缺性；②数据的时效性；③数据的准确性；④数据的完整性；⑤数据的可替代性。高价值数据更容易引发侵权纠纷，企业应更加谨慎。
Q48：在深圳，AI训练数据合规的“证据保全”如何操作？ A：①对数据采购合同、授权文件进行公证；②对数据获取的技术日志进行存证（如区块链存证）；③对数据脱敏处理过程进行记录；④保留所有数据使用记录，以备诉讼。
Q49：深圳企业如何利用AI技术进行竞争情报分析，避免法律风险？ A：①使用公开数据（如上市公司年报、行业报告）进行分析；②避免使用非法抓取的竞争对手数据；③如果使用第三方数据，需确保来源合法；④分析结果不得包含商业秘密或个人信息。
Q50：在深圳，AI训练数据合规的“行业自律”如何参与？ A：①加入行业协会，参与行业标准制定；②学习行业自律公约，遵守行业规范；③参加合规培训，提升合规意识；④向行业举报违规行为，维护市场秩序。
博超，北京市京都（深圳）律师事务所。