最高人民法院9月7日发布《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，下称《意见》）。文件共24条，不是另起炉灶制定一部“人工智能法”，而是把民法典、个人信息保护法、著作权法、消费者权益保护法、民事诉讼法等现有规则，放进模型训练、生成内容、算法交易、自动驾驶等具体场景中适用。
对企业而言，变化不只在“出了一个新文件”。过去不少AI合规工作停留在上线前的审核清单；《意见》把审判中会被追问的问题提前摆了出来：数据从哪里来，模型如何运行，风险提示是否清楚，收到投诉后做了什么，关键记录能不能提交。这些问题一旦进入纠纷，往往决定责任由谁承担、承担到什么程度。
责任不再只看“是不是AI造成的”
《意见》第3条明确，法律没有特别规定无过错责任或过错推定责任的，仍以过错责任为原则。法院判断过错时，会结合应用场景、自主化程度、技术和信息透明度、风险及影响范围，以及开发者、提供者预防和减少损害所采取的措施来判断。
这意味着，“内容由模型自动生成”不是当然免责理由，也不等于平台对所有结果承担同样的责任。模型开发者、服务提供者、接入方和使用者的控制能力并不相同。企业需要把角色划分、产品能力边界、人工干预环节和处置流程写清楚，不能只在用户协议里笼统声明“结果仅供参考”。
换脸、拟声和“AI复活”，先看是否可识别
文件对人格权保护给出了较明确的规则。未经同意，利用人工智能处理自然人的姓名、肖像，生成并公开可识别的虚拟数字形象，可能构成对姓名权、肖像权等人格权益的侵害；未经同意以他人声音训练并生成可识别的合成人声，也可能侵害声音权益。利用AI制作、使用死者虚拟形象，损害死者姓名、肖像、名誉等的，近亲属可以依法主张权利。
这里的重点不是产品有没有标注“AI生成”，而是相关形象或声音能否识别到特定个人、是否取得同意、使用方式是否造成权利损害。做数字人、语音克隆、营销素材或纪念服务的企业，应把授权范围、使用渠道、保存期限、撤回机制和二次使用限制落实到合同及后台权限中。
模型训练不是“公开数据就能随便用”
《意见》第6条为训练阶段处理已公开个人信息留出了合理空间：在合理范围内处理个人自行公开或其他已合法公开的信息，且个人未明确拒绝的，一般不认定侵害个人信息权益。但如果处理对个人权益有重大影响，仍应依法取得同意。
“合理范围”不是一句抽象口号。文件要求综合判断训练目的与模型功能是否必要、信息是否敏感、对个人可能造成什么影响，以及个人公开信息时可以合理预期的使用范围。企业不能因为数据页面可访问，就把全部抓取、长期保留和多目的训练视为当然合法。数据来源说明、拒绝处理机制、敏感信息筛查和训练记录，会成为解释处理行为的重要材料。
平台收到有效通知后，不能只做形式处理
对于生成内容侵害名誉权、隐私权等人格权益的情形，《意见》第7条强调：权利人提出包含初步侵权证据和真实身份信息的通知后，服务提供者未及时采取停止生成侵权内容等必要措施的，应依法承担责任。用户通过恶意提示词诱导模型生成侵权内容的，由该用户承担相应责任；平台未及时停止生成、屏蔽相关指令的，也可能与用户共同面对责任主张。
因此，投诉入口并不是一个客服配置问题。企业需要预先确定通知受理标准、分级时限、模型侧拦截措施、人工复核权限和处理留痕。尤其是面向公众的聊天、图像、视频和语音产品，单纯删除已发布内容未必足够；是否需要停止继续生成、限制相近指令，要根据侵权风险和技术可行性作出响应。
从“AI幻觉”到自动驾驶，产品说明会被放到证据桌上
《意见》将以实物为载体的人工智能产品纳入产品责任规则，并提出认定产品是否存在不合理危险时，应考虑产品用途、自主学习能力、更新情况、用户控制程度及相关标准；生产者、销售者还应就适用场景、固有局限和可预见风险作出真实说明和明确警示。
这对提供带有智能决策、自动化控制或专业建议功能的产品有现实意义。产品介绍中把能力说得过满，用户手册却没有说明适用边界，发生损害后就可能成为缺陷或误导宣传的争点。自动驾驶和辅助驾驶事故中，车辆的自动化等级、驾驶人的操作、系统记录及宣传表述都可能影响责任划分，数据控制方还可能被要求提供真实、完整的事件记录。
知识产权纠纷，关键在于把训练和生成过程讲清楚
《意见》没有简单给出“AI生成内容侵权时谁负责”的单一答案。法院将结合服务类型、行业特点、训练数据来源、参与程度、必要措施和获利情况，判断开发者、提供者、使用者的责任。开发者主张不侵权时，可能被要求提供训练数据来源、训练过程记录、模型运行模式及相应科学依据；使用者明知或应知存在在先作品，仍生成实质相似内容且没有合理抗辩理由的，也可能承担责任。
对企业法务来说，这要求把知识产权工作前移到采购、训练、部署和营销各环节。开源组件要保留许可证、版本和安全风险披露；第三方数据要留存授权链条；生成内容投入商业发布前，应设定与在先作品、商标和人物形象有关的复核规则。出了纠纷再试图补齐记录，通常已很被动。
证据规则的变化，先影响内部留痕
文件对证据审查的规定尤其值得企业重视。对于大数据分析报告，法院将关注原始数据来源、清洗规则和分析方法的科学性；对区块链存证，会审查上链前数据真实性及平台可靠性。把AI生成内容作为侵权证据时，提示词及其影响、重复测试的一致性、内容相似程度、模型训练和过滤机制，都可能被纳入判断。
文件还明确，向法院提交由人工智能生成的诉讼文书、案例检索报告等材料前，应核实法律、司法解释和案例的真实性、准确性；提交时要说明使用了AI辅助，并对内容承担责任。对律师和企业法务而言，AI可以帮助整理材料，却不能替代核验。错误引用、虚构判例或被选择性展示的生成结果，都可能反过来伤害自己的诉讼信誉。
企业现在可以做的四件事
第一，按“开发、提供、使用、分发”重新梳理本企业在产品链条中的位置，明确每个主体可控制的风险和合同责任。
第二，建立训练数据、模型版本、提示词策略、内容过滤、投诉处置和产品更新的留痕规则，确保发生争议后能够快速还原事实。
第三，检查对外宣传、用户协议、隐私政策和产品说明是否一致，特别是自动化能力、适用边界、风险提示和人工审核安排。
第四，把AI生成内容纳入诉讼材料和对外文书的复核流程。任何“看起来像法律意见”的内容，都应回到法条、判例和原始事实核对。
《意见》的意义，不在于让企业把所有AI项目都变得保守，而在于把创新与责任放到同一套可验证的事实框架里。技术可以快速迭代，责任链条和证据链条不能等出了问题才补。
