AI侵权如何认定过错？读懂最高法《意见》的六项因素

2026年9月7日发布的《关于依法审理涉人工智能纠纷案件的意见》（下称“意见”），针对社会和行业普遍关注的多类人工智能纠纷案件指出了核心审理思路。许多文章已经做了全景式评述，但详细讨论《意见》第（三）条列举的六项过错认定因素（即：人工智能应用的具体场景、自主化程度、技术与信息透明度、潜在风险及影响范围，人工智能开发者、提供者等相关主体为预防和减少人工智能侵权所采取的措施及技术上的可能性，人工智能使用者对利用人工智能技术实施的侵权行为可能造成损害的预见能力与控制能力）的观点仍不多见。考虑到人工智能技术正在以一日千里的速度发展，现有的法律条文和司法经验可能无法完全解决层出不穷的新类型问题，需要依靠对这些认定因素的把握和判断，从而形成个案结论。《意见》第（三）条提出的这些过错认定因素，将很可能成为全新类型案件的破局思路，值得深入思考和讨论。本文将专门讨论和分析上述六大认定因素的具体内涵，并尝试代入到具体案件和日常风险管控场景中，探讨这些因素在实务中的潜在作用。

认定因素1：人工智能应用的具体场景

《〈最高人民法院关于依法审理涉人工智能纠纷案件的意见〉的理解与适用》（下称“意见理解与适用”）对这一因素做了两处具体阐释：其一是做了举例式的说明：“如将人工智能应用于生成合成文字图片，与应用于自动驾驶、医学诊疗等场景，危险程度不同，注意义务标准应有区别”。其二是引述了杭州互联网法院“生成式人工智能‘幻觉’侵权纠纷案”。该案中，针对AI对话程序做出的“10万元赔偿”承诺，法院基于涉案场景，从“对话程序没有民事主体资格”“被告未将对话程序作为意思表示的途径”“基于交易习惯原告无信赖利益”“被告没有明确接受AI生成内容约束的外在表示”四个要点驳回了原告的相应诉请。实际上，杭州互联网法院对该案的评述中还做了进一步延伸说明：“当然，在其他足以产生合理信赖的情况下，如人工智能客服的应用场景中，生成内容确有可能被视为相关服务提供者的意思表示，从而对其产生约束力”。而加拿大就有类似可比案例。在 Moffatt v Air Canada案中，加拿大航空被认定需对其AI客服提供的错误信息承担“过失性不实陈述”的侵权责任。可见，人工智能在不同场景下的行动或回应可能对相关方产生截然不同的法律效果。

从现有涉AI案件的分布情况推测，未来涉AI案件可能更多发生在以下三个典型场景中。笔者尝试对这三个场景中的案件特点、重点和思路予以分析。

场景一：服务场景。现有案例大多数集中在这一场景下，具体包括经营者在利用人工智能技术提供信息搜索、内容生成、网络营销等服务时，引发的侵害人格权、知识产权或一般侵权类案件。在这些案件中，服务提供者是否尽到了合理注意义务往往是核心焦点。此时，服务提供者应当履行的注意义务，需要综合服务之目的和效果、服务所要求的专业能力、服务是否有偿、技术手段的可靠性、服务者和被服务者之间的认知能力差距、用户合理信赖的程度、出现损害的概率及其损害后果等因素予以判断。笔者认为，人工智能开发者或提供者需要高度关注以下三项风险来源：

其一，人工智能应用于专业、高危、强监管领域服务时的较高注意义务。例如，在医疗健康、金融、法律、新闻等强监管领域，由于用户与服务提供者的信息不对称，且一旦产生损害对人身财产权利影响较重，相应领域的人工智能开发者和提供者需要履行的责任和义务可能将显著更重。在确定责任义务时，相关特定领域的法律法规规章、标准规范、指导与建议性文件等在具体案件中将成为重要依据。

其二，普通用户认知能力与人工智能行为潜力的显著差距。根据《生成式人工智能服务管理暂行办法》第十条，AI提供者确有义务根据说明适用人群、场合、用途并对用户提供必要指导。欧盟《人工智能法》第四条也有类似规定。鉴于人工智能的强大能力、透明度低、可预测性弱，即便人工智能开发者或提供者作出了说明提示，不具有专业知识的普通用户也可能难以充分理解。如果没有对用户的能力进行鉴别，也没有进行相应指导培训，导致用户在没有相应能力的情况下，使用超过其认知能力的人工智能产品服务，进而造成损害的，相应产品的开发者或使用者依然有可能具有过错。

其三，人工智能发挥意思表示、交易引导、售后处理、应急保障等特殊服务场景时的更高注意义务。当一方可以合理信赖人工智能生成的内容就是人工智能开发者或提供者的意思表示时，如智能客服、自动报价、业务办理、交易信息查询、投诉建议处理、信息公开、消费者权益保障等环节，人工智能开发者或提供者应对内容不准确或错误引发的后果承担责任。如果人工智能客服如果程序持续空转、不能理解用户诉求，经营者又没有提供便捷的人工服务入口，致使消费者无法取得重要交易信息、行使退货退款权或者获得紧急救济，经营者可能承担违约、消费者权益保护法上的责任。目前，我国已经颁布GB/T 47746—2026《顾客联络服务 人工与智能客户服务协同要求》推荐性国家标准，可以作为相关侵权案件处理和合规自查的参考。

场景二：市场竞争场景。有竞争必有损害，法院在面对人工智能冲击已有竞争利益和竞争格局的案件时，不仅会考察竞争损害，也会同时充分考虑技术进步、产品创新及其对消费者福利和公共利益的增进效果。例如，在近期热议的“AI智能体访问互联网平台”的场景中，虽然平台用户协议往往禁止程序脚本的自动访问操作，但如果AI智能体未明显破坏平台维护的公平规则和安全机制，未对社会公共利益造成严重后果，未扭曲优胜劣汰的竞争机制和创新激励机制，还能为合法用户提供较大便利的，笔者预计法院很可能更愿意给人工智能发展留出更加充足的自由空间。不过，创新性也不能完全阻却违法性。如果滥用AI技术扰乱网络秩序、窃取核心经营成果、非法收集用户上传信息，也很可能得到更加严重的制裁。另外，“屠龙少年”也可能成为“恶龙”，随着AI智能体的普及，其对第三方模型、外部连接器、插件等的功能限制、兼容问题可能成为AI竞争的外化表现。

场景三：商业合作场景：如大模型平台服务（为大模型开发提供算力、网络、存储、训练软硬件工具与资源）、大模型开发定制、大模型应用运营等。这类场景下易发生因履约瑕疵产生的合同纠纷，以及商业合作过程中的经营成果归属纠纷等。这类案件的结果往往取决于当事人之间合同约定的细致周密程度、对涉案疑难复杂技术和商事合作情况的举证与还原能力，以及阐释涉案AI领域的技术概念、重点、难点和商业格局的能力。

认定因素2：自主化程度

根据经济合作与发展组织（OECD）《人工智能系统定义的解释性备忘录》，所谓人工智能的自主化程度，是指在人类授予自主权和流程自动化权限后，无需人类干预的情况下学习或行动的程度。当人工智能的自主化程度越高，其决策或行动可能越难以预期，损害发生的位置或结果可能就越难以预见，这样就会导致因果关系和过错判断变得十分困难。

《意见理解与适用》指出：“通常自主化程度越高，开发者、提供者相较于使用者应承担越高的注意义务。”这一判断的基础不是“技术越先进责任越重”，而是系统自主行动能力的扩大通常来自开发者或者提供者的设计和授权，其也更有条件进行测试、设置权限边界、监测异常和停止服务。具体案件仍需考察系统是在生成建议，还是能够调用工具、访问账户、向外发送信息或者直接控制物理设备；不同能力对应的风险和控制义务并不相同。与此同时，自主化程度高也并不意味着使用者可以绝对免责。例如，使用者不能在收到明确警示、可以人工核验、有条件及时介入、可以合理设置权限等情况下，仅以自主化高、开发者或提供者控制力强而主张自身免责。否则将产生反向的道德风险：用户可能通过保持无知、忽视提示或者放弃必要核验等方式，在享受效率收益的同时，将不利后果留给开发者或提供者承担。

为了避免开发者、提供者、使用者相互“甩锅”的僵局，可能首先需要努力回溯各方行为，判断“各方都做了什么”。当查明提示词、输入输出、模型及版本信息、系统配置、工具调用记录、AI思考链、执行日志、用户审批记录等事实后，应该有希望查明哪些行为和决策与侵权结果之间具有法律上的因果关系。进一步地，再根据举证判断AI开发者、提供者和使用者各自的认知能力、控制能力、预防成本，最终得出相应的责任归属或分配比例。这样，就可以把表面上的高度自主行为，转换为“各方做了哪些行为+行为和后果有无因果关系+是否有义务且最适合采取行动避免后果+何方在多大程度上未履行义务”的判断思路，最终得出清晰的结论。

认定因素3：技术与信息透明程度

技术透明度主要是指在技术上能否被解释、测试、验证和追溯，例如：训练数据来源是否合法、可追溯；模型采用什么基本运行机制；是否保留提示词、参数、输出、版本和操作日志；是否可以通过审计发现偏差、漏洞和侵权风险等等。技术透明不等于无条件披露参数、模型架构等核心技术信息，而是要求系统在风险管理和争议解决所必要的范围内具有适当的可解释性、可测试性和可追溯性，其目的是保障事前充分知情同意、运行使用安全可靠、平台治理公平适当、用户权益不受侵害、事后救济有据可依。北京互联网法院发布的典型案例中，平台利用算法检测文章是否由AI生成并采取“折叠”措施，却不能合理说明判断原理和依据，法院认定其未尽到合理适度的说明义务。一起涉及辅助驾驶的消费者权益保护案件也表明，广告和使用说明形成的安全期待如果明显高于产品实际能力，而功能局限没有得到准确呈现，可能影响缺陷和责任的认定。《意见》在人工智能生成内容侵害著作权纠纷中的举证责任分配上，要求提出不侵权抗辩的一方举证模型的训练数据来源、训练过程、运行模式等事实，必要时还应当提供有关科学理论依据予以佐证，同样体现了鼓励提高技术透明度的倾向。

而信息透明度主要是指开发者、提供者有没有以用户能够理解的方式披露产品功能、安装调试与使用方法、可能的缺陷漏洞和风险、不能保证的事项、侵权或致害风险、与第三方的关系、数据信息的传输与共享、出现异常时的处理方法等等。《意见理解与适用》一文中明确指出，应当考察开发者、提供者是否以防范侵权为目的，就技术及生成内容的局限性向使用者作出清晰的法律风险预警，即是信息透明度的体现。

对于人工智能开发者或提供者来说，技术透明度和信息透明度主要事关其说明、警示和风险管理义务的履行。如果人工智能开发者或提供者明知会产生虚假、歧视侵权或者危险结果，却宣传为“绝对准确”“完全可靠”，或隐瞒已知缺陷，亦不记录关键运行数据，使事故诱因无法追溯，这种行为可能加重其过错。相反，如“AI幻觉案”所指出的，当AI提供者已经显著提示说明服务功能及其可能缺陷，明确提示内容由AI生成注意核实内容真伪，提供了较高的信息透明度，可以作为认定服务提供者没有过错的重要依据。

对于使用者来说，充分、清晰并且能够理解的信息会提高其对风险的可预见性。使用者在收到明确警示后仍故意规避安全措施，或者将未经核验的高风险输出直接用于专业决策，可能具有较高过错。但风险提示不会当然转移法定责任，也不能当然排除产品缺陷或者经营者责任。同时，使用者自身也负有一定的“透明度”义务。如在发布内容时，声明内容由人工智能生成、不篡改、删除、隐匿AI标识，说明人工核查的程度及范围，不冒充真人行为、保留指令、输入材料和操作记录等。

认定因素4：潜在风险及其影响范围

《意见理解与适用》指出，“人工智能开发应用过程中潜在风险越高、影响范围越大，注意义务水平相应越高”。关于“潜在风险”和“影响范围”大小的评估，不少国内外立法、政策和建议意见都提到了“损害发生可能性”和“损害后果严重性”两个核心要素。例如：认定网络服务提供者对用户侵权行为是否构成明知或应知时，“提供服务性质、方式及其引发侵权可能性大小”和“作品类型、知名度及侵权信息明显程度”都属于“损害发生可能性”的认定因素，而“是否进行选择、编辑、修改、推荐”则对应“损害后果严重性”。在判断电商平台经营者对知产侵权行为是否采取合理措施时，“侵权成立可能性”“对平台内经营者利益可能的影响”同样对应上述要素。欧盟《人工智能法》第三条第（2）项将“风险”也定义为“损害发生概率与损害严重程度的组合”。在美国国家标准与技术研究院发布的《人工智能风险管理框架》（AI RMF）中，人工智能风险同样被认为取决于两个因素，即“将产生的负面影响或危害程度”和“发生的可能性”。

在司法实践中，有不少案例具体体现了“损害发生可能性”和“损害后果严重性”在认定注意义务上的重要作用。关于“损害发生可能性”，在“AI生成虚假种草文案”一案中，由于被告在提供AI写作工具时，将应用名称和用途明确指向小红书平台，使得该工具更容易成为侵权工具，对小红书的损害可能性明显提升，应承担更重注意义务。在“‘奥特曼’AI生成侵权案”中，法院认定，由于用户上传的LORA模型使用次数多，其他用户再叠加后还会生出更多侵权内容，侵害后果明显且扩散风险高，被告应当对侵权内容的生成承担更高注意义务。而关于“损害后果严重性”，在人民法院案例库参考案例“李某某诉北京某科技有限公司网络侵权责任纠纷”中，由于被网暴对象系未成年人，网暴内容包括黄色内容，披露了姓名、微信号等信息，会产生严重人格损害后果，且短时间内流量飙升，网络服务提供者应当采取有效措施及时处理。

发生概率较低并不当然意味着注意义务较低。自动驾驶失控、错误医疗建议、关键基础设施异常等风险即使不常发生，一旦实现也可能造成不可逆的人身或者公共安全损害，因此仍可能需要严格测试、冗余保护和紧急停止机制。相反，频繁发生但影响轻微、容易纠正的错误，通常不宜要求经营者投入与风险明显不成比例的成本。注意义务的实质是以合理成本降低风险，而不是把所有风险一律降为零。

人工智能风险治理可以据此实行分层、分类和分级。分层是按照数据、模型、产品与交互、传播与执行等环节配置控制措施；分类是区分知识产权、人格权和个人信息、消费者权益、产品安全及竞争秩序等风险；分级则依据发生概率、后果强度、影响范围、可逆性、传播速度和受影响群体，将风险划分为不同等级。风险越高、扩散越快，越需要采取更严格的测试、权限管理、人工复核、监测和应急处置措施。

认定因素5：开发者、提供者预防和减少侵权的措施及其技术可能性

《意见理解与适用》采用举例方式解读该项：“比如，以现有技术条件，生成式人工智能服务提供者对模型生成内容的预测性和控制力有限，采取措施完全避免侵权内容生成不具有技术上的可能性，则一般不应当要求其承担结果性的审查义务”。该例子的背景案例是“AI幻觉”案。该案的核心问题是，当人工智能应用程序生成不准确信息时，该应用提供者是否存在过失。一方面，法院基于人工智能的技术原理，指出生成式人工智能服务提供者无需对生成信息的准确性尽结果性的审查义务；另一方面，法院同时强调，提供者应当尽到显著提示说明义务，并采取“行业通行技术措施”提高生成内容准确性的注意义务。在“‘度加’软件AI成片功能侵害著作权”一案中，法院亦指出，如果生成式人工智能服务提供者构建了适当的知识产权侵权防范体系，则即便生成了侵权内容，也可认为内容生成行为不具有过错。上述两个判例可以总结为一条规律：在风险可预见、措施技术可行且成本合理时，未采取措施可能加重过错；已经采取与风险相称的行业通行措施，或者完全避免损害在现有技术条件下确不可行，则可能减轻或排除过错。

当下，各类网络服务普遍接入了人工智能，而“预防和减少侵权的措施及其技术可能性”还会构成网络服务提供者对侵权“明知或应知”的认定因素。《民法典侵权责任编理解与适用》则进一步指出，如果网络服务提供者采用预防措施的成本较低，则其‘知道’义务的范围就越广。而在信息网络侵害人身权和侵害信息网络传播权案件中，是否积极采取预防侵权措施及其技术可能性也是认定“明知或应知”的因素之一。例如，在权利人已经向平台主动发送侵权预警函，指明了版权内容、常发侵权的账号和过往已侵权链接，使网络服务提供者能够以较低成本采取措施的情况下，网络服务提供者对侵权行为的存在已处于已知或应知状态。如果此时网络服务提供者未采取任何主动措施，应认定其构成侵权。

在产品责任领域，人工智能产品生产者未采取预防和减少损害的措施，导致产品存在不合理危险的，有可能导致人工智能产品构成缺陷产品。根据《产品质量法》第四十六条，产品缺陷是指“产品存在危及人身、他人财产安全的不合理的危险”。而“不合理的危险”，是指缺陷产品的生产者或销售者没有尽到注意义务，没有采取适当的预防措施，没有使用有效的警示方式而使产品无法向消费者提供他们有权得到的安全。因此，当人工智能产品生产者已经可以预见危险的存在，而某项安全措施具有现实可行性而生产者未采用，可以成为认定产品存在不合理危险的重要证据。例如，在自动驾驶中，出现道路标线不清、天气恶劣等不适宜自动驾驶系统运行的情况显然是可以预见的危险，《道路交通安全法（修订草案）》第九十六条第四款已经将这一场景纳入立法草案，计划明确禁止在不符合设计运行条件时激活自动驾驶功能。此时，如果自动驾驶功能仍能被用户激活，则可能构成产品缺陷。不过，未采取预防或减少损害措施也并非当然成立产品缺陷，仍须结合风险、效用、替代设计、成本、警示及产品投入流通时的技术水平综合判断。

认定因素6：使用者对人工智能技术见与控制能力

在英美侵权法当中，“可预见性规则”是用于判断行为人是否存在过失，行为与侵权结果是否存在因果关系，乃至侵权责任范围大小的重要规则，其核心思想是“行为人只对合理预见范围内的损害承担责任”。而在我国侵权法中并没有将“可预见性规则”纳入法律文本之中，在实践中更多作为过失认定中判断当事人是否履行合理注意义务的因素。

值得注意的是，《意见》第（三）条在这一过错判定要素添加了主体限定，即“人工智能使用者”。而先前的五个要素中，并没有将主体限定为“人工智能使用者”。这说明司法可能已经意识到，有效治理人工智能风险不能仅依靠开发者和提供者，而是同时需要使用者承担与之能力相匹配的注意义务。

界定使用者的预见能力，首先需要界定预见的范围。一般来说，只要已经使某一可识别的受害人类别和某一类型化侵权损害进入理性使用者的风险视野，即可认定其具有相应的预见可能性，无需达到预见具体受害人的身份、损害实现的精确过程、损害的具体法律权益和最终损害大小的程度。例如，利用AI换脸时，应当能预见到该行为可能损害他人肖像权，即便其不知道相关人脸对应哪个具体的人；使用人工智能辅助驾驶时，应当预见到辅助驾驶在识别道路状况、响应、应对等方面具有局限性，无法完全避免交通事故及其损害，或甚至会误导驾驶员采取错误动作，无需具体到特定的风险场景。

使用者的预见能力，还需要结合使用者的专业程度、使用目的、历史背景和特殊行为予以综合判断。例如，在AI编写程序场景下，计算机专业人士对AI编写代码中的错误或恶意代码及其可能引发的严重后果的预见能力，显然高于无技术背景人士；以营利为目的制作AI短剧的制片公司对短剧内容侵害他人著作权、人格权预见能力，显然高于以体验尝试为目的的普通公众；已收到人工智能系统或产品发出的提示，或外部警示的使用者，对于人工智能致害的风险认知能力显然高于未收到提示警示的主体；行为人如果通过微调、系统提示词、插件、工具权限或者外部知识库，实质性改变了模型的知识来源、行为规则、权限边界和行动能力，那么其对风险的明知和应知程度很可能高于未采取任何额外行动的用户。

人工智能使用者对侵权行为及其损害的控制能力包括事前预防和事后减损。事前措施包括选择适当系统、阅读说明和警示、限制数据与工具权限、审慎下达指令、对高风险输出进行人工复核，以及监测自动执行过程；事后措施包括接到通知后停止使用、删除或者阻断传播、纠正错误信息、向提供者报告漏洞并防止损害扩大。事后措施通常不能消除已经发生的初始侵权，但会影响扩大损害、因果关系和责任范围的判断。

结语

上文逐项讨论了最高院《意见》中涉及过错认定的六项核心认定因素的具体内涵，以及在涉人工智能案件中可能发挥的作用与意义。六项因素并非彼此孤立，而是共同回答四个问题：风险是否可预见、何人最有能力控制、可采取何种合理措施，以及争议发生后如何证明。在认定与人工智能相关的侵权责任时，不应将责任简单固定归于技术提供者或使用者，而是使注意义务与风险、能力和控制收益相匹配。当然，限于现有案件的类型和笔者的眼界，上述分析必然有相当的局限性，但仍希望本文能够引发相关的探讨，并期待这些探讨在具体案件中与司法观点形成互动，共同塑造办理人工智能领域案件的经验与智慧。

1.Moffatt v Air Canada, 2024 BCCRT 149, paras. 13–29（British Columbia Civil Resolution Tribunal，2024年2月14日）

2.《生成式人工智能服务管理暂行办法》第十条：提供者应当明确并公开其服务的适用人群、场合、用途，指导使用者科学理性认识和依法使用生成式人工智能技术，采取有效措施防范未成年人用户过度依赖或者沉迷生成式人工智能服务。

3.欧盟《人工智能法》第4条第1款：AI 系统提供者（providers）与部署者（deployers）应采取措施，支持其员工以及代表其运营和使用 AI 系统的其他人员发展 AI 素养（AI literacy）；采取措施时应考虑上述人员的技术知识、经验、教育培训背景以及 AI 系统将被使用的场景，并考虑 AI 系统将被使用于其身的个人或群体。本项义务并不要求提供者或部署者保证任何个人达到特定的 AI 素养水平。原文：Providers and deployers of AI systems shall take measures to support the development of AI literacy of their staff and other persons dealing with the operation and use of AI systems on their behalf, taking into account their technical knowledge, experience, education and training and the context the AI systems are to be used in, and considering the persons or groups of persons on whom the AI systems are to be used. This obligation does not require providers or deployers to guarantee any specific level of AI literacy of any individual. 链接：https://artificialintelligenceact.eu/article/4/-article-4-2

4.经济合作与发展组织OECD《关于更新的OECD人工智能系统定义的解释性备忘录》第6页：AI system autonomy means the degree to which a system can learn or act without human involvement following the delegation of autonomy and process automation by humans. 链接：https://doi.org/10.1787/623da898-en

5.北京互联网法院发布八起涉人工智能典型案例之五——网络平台利用算法工具检测AI生成内容但未尽到合理适度说明义务的应承担违约责任（法院未公布案号）。

6.（2021）湘1202民初7684号

7.《最高人民法院关于审理侵害信息网络传播权民事纠纷案件适用法律若干问题的规定》第九、十、十一、十二条

8.《最高人民法院关于审理涉电子商务平台知识产权民事案件的指导意见》第十条

9.Article 3 Definitions For the purposes of this Regulation, the following definitions apply:......(2)’risk’ means the combination of the probability of an occurrence of harm and the severity of that harm; 链接：https://artificialintelligenceact.eu/article/3/-article-3-2

10.National Institute of Standards and Technology, Artificial Intelligence Risk Management Framework (AI RMF 1.0), page 4: In the context of the AI RMF, risk refers to the composite measure of an event’s probability of occurring and the magnitude or degree of the consequences of the corresponding event. 链接：https://nvlpubs.nist.gov/nistpubs/ai/NIST.AI.100-1.pdf

11.(2025)浙01民终3998号

12.(2024)浙01民终10332号

13.李某某诉北京某科技有限公司网络侵权责任纠纷——网络服务提供者对严重侵害未成年人权益的违法信息审查义务的认定，人民法院案例库编号2024-14-2-369-001。

14.(2024)湘0105民初3790号

15.《中华人民共和国民法典侵权责任编理解与适用》，人民法院出版社，2020年7月第1版，第281页。

16.(2024)沪73民终1057号

17.《中华人民共和国道路交通安全法（修订草案）》第九十六条……自动驾驶汽车生产企业、进口企业应当确保自动驾驶汽车在不符合设计运行条件时不能激活自动驾驶功能。