备案之外的司法风险：最高法这份意见，把 AI 产品的责任划到了哪里

声明：本文基于最高人民法院公开发布的司法文件及公开报道整理，用于合规工作与产品风险盘点参考，不含任何产品与厂商推广，亦不构成法律意见。文中涉及具体案件的表述以官方发布文本为准，具体适用请咨询专业法律人士。

0 先说结论

很多团队把 AI 产品的合规理解成一件有终点的事：备案过了、评估做了、标识加了，就认为这一关走完了。

但备案解决的是一个准入问题——你能不能上线。它不解决另一个问题：上线之后出了事，谁赔、赔多少、谁来承担刑事责任。

这两个体系互不替代。而且它们之间有一个容易被忽略的连接点：

备案与评估材料里写下的每一项义务承诺，进了法庭就是注意义务的判断标准。

换句话说，你在备案材料里写"我们设置了显著提示""我们建立了投诉处置机制""我们对语料来源做了登记"，那都是可以成为衡量你有没有过错的材料的——做到了是抗辩依据，没做到是自己写的证据。

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》（法发〔2026〕10 号），5 个部分共 24 条。这是首部由国家最高审判机构发布的涉人工智能司法裁判规则文件。它讲的是判决怎么判，但对企业来说，它实际上是一份**"出事之后会怎么被追问"的清单**。

本文把这份意见拆到产品可执行的层面，回答三个问题：责任落在谁身上、凭什么判、现在要补什么。

1 先分清两个体系：行政合规与司法责任

这两件事经常被混在一起谈，但它们的触发条件、后果形态、应对方式完全不同。

三件事需要特别记住。

第一，备案不产生民事免责效果。 一个产品即使备案齐全、标识规范，只要生成了侵害他人权益的内容，该承担的民事责任一样承担。备案是行政许可性质的准入程序，不是责任豁免凭证。

第二，行政与司法是两条并行的线。 2026 年 9 月 15 日国家网信办公布的执法典型案例中，有一起是江苏某科技公司以"API 中转站"方式调用多个大模型接口提供对话问答服务，未按规定开展安全评估，被责令改正、从严处理责任人并予以警告处罚。这是行政线。同期，央视《法治在线》在 9 月 22 日做了一期 AI 换脸专题，梳理的则是民事侵权与刑事追责的边界——那是司法线。同一个产品行为，可能同时触发两条线。

第三，产品的合规投入要按"两段"来规划。 一段是上线前，把准入做齐；另一段是上线后，把"出了事能不能说清楚"做齐。很多团队只做了前一段。

2 这份意见的骨架：5 个部分、24 条

先把结构看清楚，后面所有讨论都能挂在这张表上。

三项基本原则是：坚持以人为本、支持创新发展、筑牢安全底线。 其中"支持创新发展"单独作为一项原则写进去，值得注意——它意味着司法对技术探索中的创新性行为持审慎态度，强调恪守罪刑法定、罪责刑相适应。这一点在后文会反复出现：多处规则都在"保护权利"和"给技术留空间"之间做了平衡设计。

还有一个信息对企业有直接意义：这份意见对分歧较大的问题采取了留白处理。 人工智能生成内容的可版权性、未经许可使用他人作品训练大模型如何定性，起草过程中意见分歧较大，暂未作出规定，待经验积累后再明确。留白不等于没有风险，只意味着这些领域的裁判规则还在形成中，产品设计上要预留可调整空间。

3 第一层：归责原则——默认是过错责任，但有两处不是

责任怎么分，第一道门槛是"归责原则"——也就是法院先要确定：原告要不要证明你有错。

《意见》第 3 条的规则是：利用人工智能侵害民事权益产生的法律责任，法律没有明确规定适用无过错责任或者过错推定责任的，应当适用一般过错责任原则。

也就是说，默认情况下，主张被侵权的一方要证明你存在过错。但有两类例外需要提前认清：

三个判断值得记下来。

一、生成式 AI 不宜适用无过错责任，这一点在意见的论证里说得很明白。 理由是大模型与人类的交互方式决定了它主要是向人类提供信息，一般不会直接危害人身安全或财产安全。这个定性对做应用层产品的团队是个好消息——你不是"出事即赔"，而是"有过错才赔"。

二、举证责任倒置的那一类最需要注意。 个人信息处理场景适用过错推定，意味着一旦涉诉，需要证明无过错的是你。而证明"无过错"只能靠记录：谁在什么时候、基于什么授权、处理了什么数据。没有记录，法律上就等于没有做。

三、具身智能类产品要按最严格的标准准备。 一旦落入"产品"的定义，无过错责任意味着责任不再取决于你有没有疏忽，而取决于产品是否存在不合理危险，以及你有没有把局限与风险说清楚。

这一节的结论可以压成一句话：归责原则决定"谁举证"，谁举证决定"谁必须留痕"。

4 第二层：过错怎么认定——六个考量因素就是你的抗辩清单

既然默认是过错责任，那么"过错"如何认定就成了核心。《意见》在过错认定上列出了六类考量因素：

第 5 条尤其值得注意：考量的不是"你有没有采取措施"，而是"以现有技术水平，你是否采取了合理的措施"。这是一个可对标的标准——行业普遍能做到而你没做，很难解释。

已经有一个可以参照的案例。 在全国首例"AI 幻觉"侵权案（梁某诉某人工智能公司网络侵权责任纠纷案）中，法院明确审理生成式 AI 侵权纠纷应适用过错责任原则，并指出：服务提供者若已履行服务功能的显著提示说明义务、功能可靠性的基本保障义务和服务协议约定的注意义务，可以认定其不具有过错。

这三个义务正好对应三种可交付物：

• 显著提示说明——不是放在用户协议第 8 条，而是用户在功能界面上能看到的说明；
• 功能可靠性的基本保障——有测试记录、有兜底策略、有已知局限的处理方案；
• 服务协议约定的注意义务——写进协议并真正在系统里实现的那部分。

三者中最后一项有一个反向风险：写在协议里但系统里没实现，等于给别人提供了一份证明你"承诺过却没做到"的材料。

5 第三层：避风港规则参照适用——但门有三道

生成式 AI 服务提供者难以预测或控制每一次输出内容，《意见》认可其责任具备参照适用"通知—删除"规则（避风港规则）的正当性基础。规则本身是：生成内容侵害他人名誉权、隐私权等人格权益，经权利人通知，服务提供者未及时采取停止生成侵权内容等必要措施的，应当对造成的损害依法承担侵权责任。

但参照适用不等于自动免责。这道门有三道，每一道都有具体门槛。

有两点需要补充说明。

一是"红旗规则"没有被写入，但风险并未消失。 《意见》未对红旗规则作出规定，但这不表示它没有适用可能——在确有证据证明服务提供者知道或应当知道用户利用其服务实施侵权的特定情形下，仍可能参照《民法典》第 1197 条处理。

二是避风港机制的性质要认清。 它是一个配合机制，不是一份免责声明。没有通知通道、没有处置记录、没有时限，就不构成"机制"，也就没有可参照的基础。

6 第四层：人格权益——四类高风险动作

这一块与产品的关系最直接，因为 AI 换脸、拟声类功能过去两年增长最快。《意见》对四类行为作了明确：

另外两类需要一并记住。

一是"网络开盒"。 《意见》第 5 条明确：以刺探隐私为目的，利用 AI 对特定自然人的公开信息进行追踪、分析，获取私密信息，或者泄露、公开所获取的私密信息，或者利用所获取信息侵扰私人生活安宁的，构成对隐私权的侵害。注意这里的逻辑：公开信息的二次聚合本身就可能构成侵权。 这个规则对做数据聚合类 AI 功能的产品影响很大——单个信息是公开的，聚合成画像就不是了。

二是人格权侵害禁令（第 8 条）。 有证据证明行为人利用 AI 正在实施或即将实施侵害人格权益的行为，不及时制止将造成难以弥补的损害的，可以向法院申请人格权侵害禁令。

这条的时间性质要特别理解：它不是等判决，而是要求"先停下来"。 对一个正在运营的产品来说，"先停"的商业代价可能远大于最终赔偿。所以人格权响应流程的速度，本身就是风险管理的一部分。

7 第五层：个人信息——训练语料的"合理范围"

模型训练不可避免地会涉及已合法公开的个人信息，这一点《意见》给出了明确的平衡规则。

第 6 条：为人工智能模型训练，在合理范围内处理个人自行公开或其他已经合法公开的个人信息，且个人未明确拒绝的，一般不认定为侵害个人信息权益的行为；但对个人权益有重大影响的，应当依照法律规定取得个人同意。

这里有三处需要拆开看。

一是"合理范围"不是自由裁量，它有判断维度：处理信息的目的与模型功能的必要性和适当性；所涉个人信息的类型、敏感程度以及对个人权益的潜在影响；个人公开信息时的场景以及可合理预期的使用范围。"我在公开渠道拿到的"不足以论证合理，还要解释清楚和模型功能的必要性之间的关系。

二是"未明确拒绝"是一个需要被证明的事实。 这条规则隐含了一个前提：你需要能证明你没有收到拒绝。渠道有没有、拒绝记录留没留、收到拒绝后有没有真的从语料里排除——这三件事做不到，"未明确拒绝"就无从主张。

三是重大影响仍需同意。 人脸、声纹这类敏感个人信息，本身适用单独同意规则。也就是说，公开不等于放弃，自然人公开其个人信息并不意味着对个人信息权益的完全放弃。

8 第六层：知识产权与消费者权益

8.1 生成内容侵害著作权：责任在三方之间分配

《意见》第 12 条给出的认定路径是综合考量六项因素：人工智能服务类型、行业特点、训练数据来源、各方参与度、采取的必要措施、获利情况，据此合理认定开发者、提供者、使用者的责任。

两条具体规则值得单独记：

• 使用者知道或应当知道在先作品存在，仍通过提示词输入等方式生成与在先作品实质性相似内容的，应认定构成侵权；
• 服务提供者知道或应当知道使用者利用其服务生成内容侵害他人知识产权而未采取必要措施的，与使用者承担连带责任。

举证责任也要看清：权利人需就侵权内容系由该人工智能生成、与其权利作品构成实质相似等事实举证；而开发者提出不侵权抗辩的，需就模型的训练数据来源、训练过程、运行模式等事实举证。

这句话对工程的含义很直接：训练语料台账不是合规装饰，而是诉讼中的举证材料。 没有台账，"训练数据来源合法"就是一句无法证明的话。

8.2 开源软件：可以豁免，但有条件

《意见》第 13 条对开源相关方的责任以"综合考量、适当豁免"为思路，考量四类因素：开源许可协议类型、权利限制的具体内容、安全合规举措、信息披露程度。

其中有一条给了明确预期：以免费开源方式提供代码模块并已公开说明其功能和安全风险的，可认定不承担侵权责任。 注意两个限定——免费开源，以及公开说明功能与安全风险。"说明风险"这个动作被写进了免责条件里。

8.3 消费者权益：三种高风险做法

9 第七层：刑事与司法秩序

9.1 涉 AI 犯罪的类型（第 20 条）

对利用人工智能实施诈骗、侮辱、诽谤、损害商业信誉与商品声誉、侵犯公民个人信息、非法获取计算机信息系统数据、制作贩卖传播淫秽物品等行为，构成犯罪的依法追究刑事责任。同时明确：对故意利用 AI 实施危害国家安全、侵犯公民权益、扰乱社会秩序等犯罪行为，坚决依法严惩；对研发应用中的创新性行为，依法审慎处理。

辅助驾驶这一条尤其值得技术团队关注。 《意见》结合指导性案例 271 号（王某群危险驾驶案）明确：行为人激活辅助驾驶功能后，利用私自安装的配件逃避辅助驾驶系统监测并导致道路交通事故，构成犯罪的依法追究刑事责任。车载辅助驾驶系统不能代替驾驶人成为驾驶主体，醉酒后启用辅助驾驶功能，不影响刑事责任的认定。

9.2 司法秩序的三种红线（第 19 条）

这一条与内容标识制度直接衔接，做 AIGC 产品的团队要特别注意：

第一条的逻辑值得单独说：删除或篡改生成合成内容标识，过去主要被理解为标识合规问题；这里它成了"捏造事实"的手段。 同一行为在两个体系下的性质不同，风险叠加。

10 它和备案到底是什么关系

回到开头那个判断。备案与司法不是两件并列的事，它们有三个交叉点。

这张表推出来的实操结论只有一句：

备案材料应当按"将来可能被法庭阅读"的标准来写。

具体表现为三个动作：写进去的每一项义务，系统里要能找到实现；实现方式要能留下记录；记录要能定位到时间、对象与处理结果。做不到这三件事的表述，宁可写得更朴素、更准确。

11 工程落点：八项可交付能力

把上面所有规则收敛成可以派活的清单。

其中第 6 项最容易被忽略：人格权侵害禁令意味着"能不能立刻停下来"是一项能力，而不是一句态度。 如果产品没有能力在数小时内定位并阻断某类生成，那么面对禁令时就没有谈判空间。

12 把动作排成三档

P0——不完成不建议继续扩大用户规模

• [ ] 服务协议中承诺的注意义务，逐条核对系统是否实现（承诺与实现不一致的，先改承诺或先改系统）
• [ ] 显著提示与说明落到功能界面，而非只放在协议文本里
• [ ] 通知—处置通道建立，明确处置时限并留痕
• [ ] 训练语料台账建立，含来源、授权凭证与拒绝记录
• [ ] 生成合成内容标识全链路核验，确认导出与传播环节不丢标

P1——三个月内完成

• [ ] 生成指令屏蔽机制（含变体绕过测试）
• [ ] 人格权投诉响应与禁令应急流程
• [ ] 定价机制与宣传文案的合规审查环节
• [ ] 开源组件与第三方模型的许可与风险核查

P2——持续机制

• [ ] 诉讼材料使用 AI 的核实流程
• [ ] 变更（换模型、加功能）对既有承诺的影响评估
• [ ] 案例跟踪：涉 AI 裁判规则仍在形成，需要对留白领域保持关注

13 六个反模式

1. "我们备案过了"——把行政准入当成责任豁免。这两件事不在同一个体系里。
2. 把避风港当作免责声明——没有通知通道、没有处置记录、没有时限，就没有可参照的机制。
3. 只在用户协议里写"禁止侵权"——一写了之既不能免责，还会成为"承诺未落实"的材料。
4. 通知来了先删，不记录、不反馈——删对了内容，删不掉"是否及时"的举证问题。
5. 语料来源不记录——平时看不出价值，抗辩时是唯一的材料。
6. AI 生成的诉讼材料直接提交——第 19 条已明确核实义务与责任。

14 三个仍在留白的问题，怎么处理

有一件事需要坦白说清：这份意见不是把涉 AI 的法律问题都解决了。

人工智能生成内容的可版权性、未经许可使用他人作品训练人工智能大模型的定性，在起草过程中意见分歧较大，暂未作出规定，待经验积累、条件成熟时再明确。数据权益的一般归属规则同理——意见没有创设新的数据权属，而是把相关问题分散到个人信息与知识产权两处处理。

留白不等于没有风险。它意味着裁判规则还在形成，而这期间的产品决策，需要自己承担判断。

这三个领域有一个共同的应对原则：在留白的地方，按更保守的一侧设计，并保留可调整空间。 具体做法是把受影响的部分做成配置项而不是写死在流程里——将来规则明确时，需要改的是配置，不是重构。

15 结语

备案与司法，问的是两个不同的问题。

备案问的是"你能不能上线"，司法问的是"出了事，你拿什么说话"。

前一个问题有明确的提交节点，做完就有一个状态；后一个问题没有节点，它取决于你在过去每一天里留下了什么。

把这两件事放在一起看，会得到一个不太舒服但有用的结论：

过去写材料是为了通过审核；从现在起写材料，也是为了将来有一天能站得住。

而这两件事要的其实是同一种东西——产品真的做了，并且留下了能证明它做过的痕迹。

本文依据《最高人民法院关于依法审理涉人工智能纠纷案件的意见》（法发〔2026〕10 号，2026 年 9 月 7 日发布，共 5 个部分 24 条）及最高人民法院、央视网等公开报道整理。文中案例名称与规则表述引自公开报道与官方解读文章，具体适用以司法机关正式发布文本为准。本文不构成法律意见。