通常而言，获取AI数据主要有以下方式：第一，自行采集，如通过网站、App、智能家居设备等渠道收集数据；第二，从第三方数据供应商采购；第三，通过网络爬虫等技术手段抓取现有数据。前两种方式AI数据来源相对确定，主要问题在于如何获得数据所有者及涉及的其他权利人的授权。而技术抓取的数据，数量庞大且来源广泛，除了上述授权问题之外，应更加关注数据本身以及抓取行为的风险。总体而言，AI数据的法律风险包括：侵害民事权益的风险，主要涉及自然人的人身权，通过《民法典》[1]调整；侵害知识产权的风险，主要涉及著作权，通过《著作权法》调整；侵害商业权益、竞争秩序的风险，主要通过《反不正当竞争法》调整。此外，如果相关行为达到了严重危害社会程度，触犯《刑法》，还会面临刑事风险。

当然，相比于其他场景下对数据的使用，由于本文讨论的主要是人工智能机器学习过程中的使用行为，这种使用一般属于内部研发阶段使用，相关数据通常不会向公众公开，且相关数据直接应用于“人工智能”，因此受到关注或者泄露的风险相对更小一点。但是，其中风险仍不容小觑、需予以关注。

如上文所述，AI数据可能包括图形、视频、音频等，而如果其中涉及自然人的形象、声音、个人信息等内容，应关注其侵害人格权的风险。《民法典》总则编第一百一十条规定，自然人享有生命权、身体权、健康权、姓名权、肖像权、名誉权、荣誉权、隐私权、婚姻自主权等权利。第一百一十一条规定，自然人的个人信息受法律保护。AI数据可能涉及的人格权，主要包括上述权益中的肖像权、隐私权和个人信息权益。

1、侵害肖像权的风险

《民法典》在人格权编第四章规定了肖像权，姓名的许可与声音的保护参照适用肖像权的规定。[2]肖像权，基于公民的肖像而产生，肖像是指通过影像、雕塑、绘画等方式在一定载体上所反映的特定自然人可以被识别的外部形象。肖像权是自然人的法定的权利，是自然人基于本人的形象而享有的专有权，对他人肖像的商业化使用，需要征得当事人同意，否则构成侵权。肖像主要通过画像、照片、录像等方式展现，需要完整清晰，要求能够再现原形人的相貌综合特征。

在我国司法实践中，肖像权并不局限于自然人在现实世界的样貌，一些影视剧中的剧照等如果能体现自然人的特征，表演形象也被认为属于肖像的一部分。如在葛优与艺龙网肖像权纠纷一案[3]中，法院认为：肖像是通过绘画、摄影、电影等艺术形式使自然人的外貌在物质载体上再现的视觉形象。肖像权，是指自然人对自己的肖像享有再现、使用或许可他人使用的权利。其载体包括人物画像、生活照、剧照等。剧照涉及影视作品中表演者扮演的剧中人物，当一般社会公众将表演形象与表演者本人真实的相貌特征联系在一起时，表演形象亦为肖像的一部分，影视作品相关的著作权与肖像权并不冲突。《我爱我家》中的“葛优躺”造型确已形成特有网络称谓，并具有一定的文化内涵，但一般社会公众看到该造型时除了联想到剧目和角色，也不可避免地与葛优本人相联系，该表现形象亦构成原告的肖像内容，并非如艺龙网公司所称完全无肖像性质。即便该造型已成为网络热点，商家亦不应对相关图片进行明显的商业性使用，否则仍构成对葛优肖像权的侵犯。

鉴于AI数据可能涉及照片、图片、录像、影视剧等内容，只要数据中涉及的肖像、声音能再现自然人的特征，或者一般社会公众能够将影视剧中的表演形象与表演者本人真实的相貌特征联系在一起，相关的影视形象、自然人形象均构成自然人肖像权控制的范围。根据《民法典》第一千零一十九条的规定，未经肖像权人同意,不得制作、使用、公开肖像权人的肖像。

此外，根据《民法典》的规定，未经肖像权人同意,肖像作品权利人不得以发表、复制、发行、出租、展览等方式使用或者公开肖像权人的肖像。在本文场景下，如果需要使用照片（即摄影作品）中的自然人图像，不仅需要获得摄影作品作者的授权，也需要获得肖像权人的许可，否则仍存在侵害肖像权的法律风险。

2、侵害隐私权的风险

一般认为，隐私权是指自然人享有的对其个人的、与公共利益无关的个人信息、私人活动和私有领域进行支配的一种人格权。《民法典》在人格权编第一千零三十二条规定，自然人享有隐私权。任何组织或者个人不得以刺探、侵扰、泄露、公开等方式侵害他人的隐私权。隐私是自然人的私人生活安宁和不愿为他人知晓的私密空间、私密活动、私密信息。尽管当前对于何种信息属于隐私权在我国司法实践中仍存争议，但是根据我国相关法律和行政法规的规定，有一些信息属于法定的隐私范围，如基因信息[4]、病历资料[5]。对于其他信息或者资料，从最大可能降低风险的角度考虑，只要是自然人不愿意公开的信息，一般也会被纳入隐私权的控制范围。根据《民法典》第一千零三十三条的规定，侵扰、非法采集、公开他人私密信息是侵犯隐私权的主要形式，但未经自然人同意，处理他人的私密信息，同样属于侵害隐私权的行为。[6]

隐私权具有私密性，一般认为，已经合法公开的信息，不属于隐私权保护范围。如《最高人民法院关于审理利用信息网络侵害人身权益民事纠纷案件适用法律若干问题的规定》第十二条规定，使用自然人自行在网络上公开的信息或者其他已合法公开的个人信息一般不构成侵害隐私权。[7]

因此，对于AI数据，如果相关数据内容是自然人自行通过互联网公开或者通过其他合法方式公开的，对相关数据的使用一般不涉及对自然人隐私权的侵犯。但是，如果相关数据内容系偷拍、偷录或者以非法手段取得并进行上传、分享，则对该等数据的使用，仍存在较大的侵害自然人隐私权法律风险。

3、侵害个人信息权益的风险

《民法典》在人格权编设置了专章对个人信息进行了规范。[8]关于个人信息的收集和处理，法律要求须遵循合法、正当、必要原则，不得过度收集、处理，并征得该自然人或者其监护人同意，公开收集、处理信息的规则，明示收集、处理信息的目的、方式和范围且不违反法律、行政法规的规定和双方的约定。关于个人信息的储存和使用，法律要求信息收集者、控制者不得泄露、篡改其收集、存储的个人信息；未经被收集者同意，不得向他人非法提供个人信息（但是经过加工无法识别特定个人且不能复原的除外）。信息收集者、控制者还应当采取技术措施和其他必要措施，确保其收集、存储的个人信息安全，防止信息泄露、篡改、丢失。《网络安全法》、《信息安全技术 个人信息安全规范》等法律和国家标准亦对个人信息的收集、储存、使用、共享等全流程作出了规范。

对于AI数据，尤其是通过技术手段抓取的数据，其不可避免含有一些个人信息，因此做好个人信息合规工作十分重要。一旦违反个人信息相关规定可能面临民事纠纷、行政处罚甚至刑事风险。如在周新营诉保监会侵权案[9]中，因保监会的网站存在漏洞，含有原告个人信息的内容被百度爬虫抓取并收录，导致了个人信息的泄露，法院最终认定了保监会构成侵权。在秦帅等侵犯公民个人信息罪案[10]中，被告人通过技术手段，侵入某科技公司后台系统，爬取公民信息，制作数据报告，构成侵犯公民个人信息罪。

AI数据作为人工智能学习的基础数据，对企业竞争有着至关重要的作用，在获取、使用AI数据过程中，同样应当关注其侵害其他主体商业权益的法律风险。

1、侵害商业秘密的风险

根据我国《反不正当竞争法》的规定，不为公众所知悉、具有商业价值并经权利人采取相应保密措施的技术信息、经营信息等商业信息，均属于商业秘密。AI数据作为重要的商业信息，很多企业通过商业秘密的方式予以保护，若AI数据满足商业秘密的条件，以不正当手段获取权利人的商业秘密、以及使用以上述手段获取的商业秘密均属侵权行为。

一般而言，公开的数据因其不符合“不为公众所知悉”的要件，较难被认定为商业秘密，但如果企业在用户协议、隐私政策等文件中将其界定为“商业秘密”，依然可以表明此类数据的重要价值，从而可能通过《反不正当竞争法》第二条的原则性条款予以保护[11]，具体论述详见下文。

2、违反不正当竞争原则性规定的风险

如上文分析，除了《反不正当竞争法》具体条文中规定的侵害商业秘密行为，经营者实施其他不正当行为，还有可能被认定为违反原则性条款的不正当竞争行为。如企业通过Open API、爬虫等技术手段，取得AI数据且不加修改地使用数据，可能被认定为搭便车、构成混淆等不正当竞争行为。涉及数据的典型不正当竞争案件如大众点评诉百度地图使用“用户点评信息”不正当竞争案[12]、谷米公司诉元光公司获取使用“实时公交位置数据”不正当竞争案[13]、淘宝公司诉美景公司获取“生意参谋”大数据产品不正当竞争案[14]、新浪微博诉脉脉获取使用“微博用户信息”案[15]等。在前述新浪微博诉脉脉案中，法院虽然没有认定被告有侵害商业秘密的不正当竞争行为，但一审法院将“《开发者协议》中将用户信息定义为微博商业秘密”作为考量因素，认定了用户信息的重要价值，亦对案件定性产生了影响，同时法院也确立了使用Open API模式获取数据应遵循“用户授权”+“平台授权”+“用户授权”的三重授权原则，否则存在较大的不正当竞争的法律风险。

企业使用的AI数据，可能包含文字、图像、音视频资料等内容，这些内容可能构成受我国《著作权法》的保护的作品或录音录像制品，[16]未经授权使用他人作品，存在侵害著作权的法律风险。

根据我国《著作权法实施条例》第二条的规定，著作权法所称作品，是指文学、艺术和科学领域内具有独创性并能以某种有形形式复制的智力成果。在我国司法实践中，一般而言只要满足最低限度的独创性就有可能构成作品。因此，对于AI数据所涉及的某些资料，如文学著作、绘画摄影图片、音视频资源等由自然人直接或者间接创作的内容，如果满足最低限度的独创性的，则构成受《著作权法》保护的作品。企业在训练人工智能使用AI数据的过程中，一般会将相关AI数据复制或者下载到自己所有或者第三方服务器中进行保存以便于使用，该种行为属于著作权中的“复制”行为。而企业对AI数据的使用，一般系用于自身商业目的之使用，并不满足《著作权法》第二十二条所明确规定的“合理使用”的条件。在此情况下，使用他人作品，应获得权利人的明确授权，以避免产生著作权侵权法律责任。

如未经授权使用他人享有著作权的内容，无论是自行采集还是通过自动化抓取的方式，均可能构成侵权。在我国的司法实践中，主要表现为侵害著作权的民事纠纷，如大众点评网诉爱帮网侵害“点评信息”著作权案[17]、湖南卫视诉内聚公司等侵害《歌手》节目信息网络传播权案[18]等，上述案件中，法院认定通过自动化抓取等方式获取、提供作品的行为侵害了权利人的著作权。此外，情节严重的，亦有构成侵犯著作权罪的刑事风险。如在安徽许某、王某侵犯著作权案[19]中，被告人未经许可，利用爬虫软件采集复制他人文字作品并上传至其个人网站，并通过商业行为获利，情节严重，构成侵犯著作权罪。尽管企业对AI数据一般仅用于内部使用而不公开，被权利人关注和追究责任的风险相对较小，但如上文分析，未经授权“复制”行为本身即构成侵权，“内部使用”不会影响行为的定性。

在获取AI数据的过程中，如违反了《刑法》规定，造成严重后果的，还会面临其他刑事风险。这些风险主要来源于获取行为的非法性，其中以破坏技术措施、非法侵入、干扰计算机系统正常运行为主要风险来源。如上海晟品公司及其职员采用技术手段非法抓取科技公司服务器中存储的视频数据，破解科技公司的防抓取措施，情节严重，构成非法获取计算机信息系统数据罪。[20]又如，李文环等人使用“爬虫”软件，大量爬取全国各地及凉山州公安局交警支队车管所公告的车牌放号信息，之后使用软件采用多线程提交、批量刷单、验证码自动识别等方式，突破系统安全保护措施，将爬取的车牌号提交至“交通安全服务管理平台”车辆报废查询系统，构成非法侵入计算机信息系统罪。[21]

面对众多的法律风险，AI企业应当增强风控意识，做好数据合规工作。以下是根据我们工作经验，对企业AI数据合规的几点建议。

无论是肖像权、著作权还是个人信息、商业数据，获得数据权利主体的授权，都是合规使用数据的理想方案。获取授权，首先需要判断数据权益的性质与权利主体，如果相关数据来自于第三方，还应确定原始权利主体以及授权链条的完整性。实践中，AI学习需要的数据是海量的，获得每一个数据主体的授权一般难以实现。但我们认为，对于某些风险较大的数据，如个人生物识别信息、通信记录和内容、财产信息、征信信息、行踪轨迹、住宿信息、健康生理信息、病历信息等个人敏感信息（已匿名化的信息除外），应以授权同意为原则。如果是研发所必需，取得数据主体授权是研发主体难以豁免的法律义务。在获取、使用这类数据时，应对数据的原始权利主体、授权链条、授权范围等内容进行严格的审查。

如上所述，AI研发需要的数据是海量的，逐一获取所有权利主体的授权并不现实，从数据供应商采购数据便成为了很多企业的解决方案。我们认为，在采购过程中，应通过协议等方式要求供应商对AI数据的知识产权，涉及第三方的民事权益（包括但不限于自然人肖像权、隐私权、个人信息）做无瑕疵或者不侵权保证，并要求该供应商确保授权权利的完整合法。如果相关数据可能涉及个人信息（尤其是个人敏感信息），应当在传输前由该第三方进行脱敏处理且做到无法还原。通过上述约定，AI企业可以降低潜在的侵权风险，并且可以将其用作合法来源抗辩的理由。

另外，我们建议在协议中应明确保密义务条款，即对企业购买的AI数据，要求供应商承担保密义务，以降低信息被披露的可能性，从而进一步降低法律风险。同时，AI企业可通过抽查的方式对供应商提供的数据权属文件进行审查，并对相关审查情况进行书面记录，作为潜在侵权纠纷中抗辩理由的证据，以进一步降低因购买数据而导致的潜在侵权法律风险。

“公有领域”是知识产权法中的概念，是指在现代知识产权法体系下，不适合于知识产权保护的思想和作品的总体，是人类的一部分作品、知识的总汇，可以包括文章、艺术品、音乐、科学理论、发明等。[22]对于已经匿名化的个人信息、政府公开数据等数据信息，亦可以将其视为广义的“公有领域”范围。

1、合理处理已经合法公开的个人信息

根据《民法典》第一千零三十六条的规定，合理处理该自然人自行公开的或者其他已经合法公开的信息，不承担民事责任，但是该自然人明确拒绝或者处理该信息侵害其重大利益的除外。国家标准《信息安全技术 个人信息安全规范》3.14条亦指明，个人信息经匿名化处理后所得的信息不属于个人信息。因此合理收集与使用已经合法公开的个人信息，收集和使用经匿名化处理后的个人信息，可以最大限度地降低使用AI数据的个人信息合规风险，但使用中，企业依然应当关注数据涉及的商业利益，避免因不当使用产生的不正当竞争风险及对个人财产权益的侵害。

2、使用公有领域的素材

根据我国《著作权法》第五条的规定，法律、法规，国家机关的决议、决定、命令和其他具有立法、行政、司法性质的文件，及其官方正式译文；时事新闻；历法、通用数表、通用表格和公式均不受著作权法保护。上述素材，可以不考虑其著作权而无偿使用。此外，《著作权法》亦规定了作品的复制权等著作财产权具有一定的保护期限。公民的作品，其著作财产权的保护期为作者终生及其死亡后五十年。法人或者其他组织的作品、著作权（署名权除外）由法人或者其他组织享有的职务作品，著作财产权的保护期为首次发表后五十年。电影作品和以类似摄制电影的方法创作的作品、摄影作品，著作财产权的保护期为首次发表后五十年。表演者权的保护期为该表演发生后五十年。录音录像制作者权利的保护期为该制品首次制作完成后五十年。对于已经超过著作权法保护期限的作品，任何主体都可以就该作品无偿使用。

企业通过爬虫、Open API等技术手段获取AI数据，应保证目的正当、手段合法。从防范风险的角度，我们建议企业建立配套的数据安全系统及专门的合规审查机制，重点关注爬虫行为的合规性（遵守robots协议、遵循“三重授权原则”等），爬取数据内容的合规性（甄别所爬取数据内容、获取权利人授权）以及对所爬取数据进行使用、储存的合规性。因为爬虫相关法律问题较为复杂，各位读者可以参考薛熠律师的文章《大数据从何而来，涉足大数据业务需留意的网络爬虫技术合规风险》。[23]

在AI数据使用过程中，我们建议企业对数据的使用、披露范围进行严格控制。通常情况下，企业的AI数据仅用于人工智能研发，因此建议企业通过内部规章制度或者员工保密协议，将数据的适用范围限制在“内部使用”。除了人工智能训练之外，如没有特别需求，建议企业不再将AI数据转授权或者对外公开、许可或转让，以降低可能的侵权风险。

如前所述，《民法典》《网络安全法》等法律及其配套法规、规范性文件对网络安全、个人信息保护等事项作出了系统的规定。作为掌握大量AI数据的主体，我们建议企业建立数据安全系统，设定合规审查机制，这样一方面可以保护公司数据财产安全，另一方面也是企业法定的数据合规义务。

人工智能作为快速兴起、蓬勃发展的新技术与新业态，会面临法律上的新问题与新风险。但我们相信，在产业从业者、政策制定者与司法裁判者的良性互动中，会找到解决问题的新思路与新方案，推动产业的新进步与新发展。