生成式 AI 进入网络游戏：从输入权利到发布证据链

研究事实截止：2026 年 7 月 22 日
本文仅供一般研究和讨论，不构成针对具体产品、交易或法域的法律意见。

摘要

生成式人工智能已经同时进入网络游戏的生产工具、技术供应链和面向玩家的运行系统。它可以生成概念图、贴图、音乐、配音、代码和剧情，也可以在游戏运行时生成 NPC 对话、任务、语音、图像和玩家 UGC。由此产生的法律问题并非一个“AI 输出有没有版权”的单点问题，而是一条相互连接但不能混同的链条：第三方素材和玩家数据能否被输入；模型/API 合同如何分配输入、输出、训练使用和停服风险；生成结果是否体现人的独创表达；即便输出本身可受保护，是否仍侵害在先作品、角色、肖像、声音或商业秘密；内容如何标识、审核、分发和留证。

本文以中国法为主，结合 8 个案例或监管样本、6 组发行渠道政策以及欧盟《人工智能法案》第 50 条作有限比较，提出三项主要判断。第一，公开可访问、自有持有和取得完整训练授权是三种不同状态；“能看到”“已购买”“公司硬盘里已有”均不等于取得训练、微调、检索增强和再发布所需权利。第二，中国裁判并未形成 AI 图片一概受保护或一概不受保护的规则；相反结论主要来自生成过程、人的表达性控制和原始证据的差异。第三，实时生成使传统的上线前清权转变为运行中治理：模型版本、安全层、玩家提示、显式与隐式标识、举报和回滚记录共同决定责任。

对游戏企业而言，最可执行的治理对象不是抽象的“AI 风险”，而是三张可以审计的表：输入来源与许可表、模型/API 义务表、生成资产与发布证据表。只有将三者接入素材库、版本控制、构建和平台提交流程，AI 才能从不可解释的生产捷径转化为可融资、可发行、可维权的资产。

**关键词：**生成式人工智能；网络游戏；著作权；声音权益；玩家 UGC；内容标识；平台规则；证据链

一、问题提出、研究边界与方法

一张由模型生成的角色立绘，至少可能同时触发六组问题：参考图是否允许输入；模型是否允许商用；供应商会否用输入继续训练；图片是否达到作品门槛；图片是否与他人角色实质性相似；发布时是否需要标识。前一个问题得到肯定答案，不会自动解决后一个问题。

本文区分：

1. 输入合法性：素材、数据和秘密是否可以用于训练、微调、RAG 或提示；
2. 模型供应链：基础模型、API、插件和平台合同允许什么、排除什么；
3. 输出可保护性：结果是否为人的独创性智力成果，哪些部分由谁创作；
4. 输出侵权：结果是否利用或再现他人在先表达、角色、声音、肖像或秘密；
5. 传播治理：标识、内容安全、UGC 机制与平台提交要求；
6. 证据与责任：谁能够证明来源、过程、审核和处置，谁控制风险、从中获益。

《生成式人工智能服务管理暂行办法》要求面向境内公众的生成式 AI 服务提供者尊重知识产权、依法处理个人信息，并对训练数据来源等承担义务。[1] 但员工在企业内部使用外部工具、游戏内向玩家直接提供生成能力、发行商将 AI 素材上传到商店，是三种不同的主体和场景，不能把同一组义务机械套用。

本文不展开传统游戏整体、玩法、角色和视听作品的一般保护，也不展开 SDK、玩家画像和跨境传输的完整合规结构。AI 角色只有在形成稳定人设、持续记忆和情感互动时，才提示进入拟人化互动专项规则；一般任务 NPC、战斗提示和一次性对话不因使用大模型就当然成为“拟人化互动服务”。

研究采用规范解释、案例比较、公开合同条款分析、内容生命周期分析和有限比较法。案例样本包括中国 AI 图片相反裁判、AI 声音人格权、模型参数不正当竞争、LoRA/模型分享帮助侵权、内容标识执法，以及美国版权局和联邦法院的人类作者样本。平台政策以公开页面为限；PlayStation 和 Nintendo 的完整认证材料位于合作伙伴后台，本文只能确认公开状态，不能代替具体账号内的上线核验。

二、游戏研发和运营中的生成式 AI 使用类型

生成式 AI 在游戏中的位置，决定适用规则和责任强度。内部工具与面向玩家的系统不应只用“都用了同一个模型”来归类。

这六类场景沿着“由企业控制、可在上线前固定”到“由玩家触发、在运行中变化”的光谱分布。越接近实时生成和玩家 UGC，越难依靠一次性的上线前清权完成治理；企业需要把审核、标识和证据设计成持续运行的系统。

三、训练输入、参考素材与数据来源

（一）训练、微调、RAG 与提示输入需要分别定性

“输入模型”不是一个单一行为。基础训练可能形成大规模复制和技术处理；微调或 LoRA 通常使用较小但更有针对性的数据集，输出复现特定角色或风格的概率更高；RAG 可以不修改模型参数，但仍可能复制、索引并向用户返回受保护内容；提示输入可能是一次性处理，也可能被服务商保留、人工查看或回流训练。具体项目应分别记录：是否产生副本、是否改变模型参数、是否向公众输出、是否保留原文、是否包含个人信息或秘密。

训练材料可能同时承载以下利益：文字、图片、音乐、代码、角色设定和数据库编排中的著作权；表演者权、录音录像制作者权以及合同约定的使用范围；姓名、肖像、声音、隐私和个人信息权益；源代码、未公开剧情、数值设计、模型权重和运营数据中的商业秘密；数据集合和平台投入形成的竞争利益；以及网站条款、素材库许可、API 使用政策和保密协议产生的合同限制。

中国著作权法没有一项面向商业生成式 AI 训练的概括性“文本与数据挖掘当然许可”。合理使用需要逐项满足法定情形及不得影响正常使用、不得不合理损害权利人合法权益等条件，不能以“技术创新”替代法定分析。[2]

（二）四类来源不能用同一个“可用”标签

1. 公开网络数据。 公开可访问只说明没有访问障碍，不说明权利人同意训练。网页图片可能受著作权保护，公开简历和玩家发言可能包含个人信息，网站还可能以条款限制抓取和自动化使用。robots.txt、登录墙和技术措施影响授权、过错与不正当竞争判断，但遵守 robots.txt 也不等于取得作品许可。采购“公开网络数据集”时，至少应要求供应商说明采集来源、排除机制、权利请求渠道、个人信息处理、去重与删除能力；“数据来自互联网”不是合格的权利保证。

2. 授权素材库。 普通商用许可经常只允许把素材用于最终产品，不允许训练模型、创建衍生素材库、提取风格能力或向第三方 API 上传。企业需要在许可中寻找或单独取得“机器学习／训练／微调／合成／生成衍生内容／转授权／模型共享”等权利。若条款只写“可商用”“永久买断”，仍不足以回答是否能训练及是否能分发权重。

3. 自有资产。 公司持有文件不等于公司拥有全部权利。创始人在公司设立前制作的 Demo、外包画师交付的立绘、员工使用个人素材库完成的音乐、联名 IP 和仅限某地区或某作品使用的配音，都可能没有被完整转入公司。训练会放大原许可中的缺口：原合同允许在一款游戏中使用角色，不必然允许将角色用于训练通用模型或服务其他项目。

4. 用户内容。 用户协议中的“为提供服务所必要的许可”通常不能自然扩张为改进通用模型或对外商业训练。若玩家内容包含肖像、声音、聊天记录、未成年人信息或第三方作品，还需要处理人格权、个人信息和第三方权利。把敏感个人信息用于模型训练原则上需要满足个人信息保护法的严格要求；拟人化互动服务中的敏感交互数据，专项规则进一步要求单独同意。[3]

（三）建立“用途—权利”矩阵，而不是来源白名单

四、模型/API 合同与供应链责任

公开商业条款经常约定客户保留输入、取得供应商对输出可能享有的权利。OpenAI 和 Anthropic 的公开商业条款均采取相近结构。[4][5] 这类条款有三个边界：供应商不能通过合同创造法律本来不承认的著作权；合同只约束供应商与客户，不能排除输出侵害第三方；相似输出条款意味着其他用户可能得到相近结果，企业不能仅凭供应商让与条款证明独立创作或市场独占。

合同至少应核对六个变量：

1. 输入使用：是否用于改进服务，是否存在滥用监测、人工访问、备份、反馈和 Beta 功能例外；
2. 输入保证：是否由客户保证有权提交，员工擅自上传第三方美术或未公开代码会首先构成客户违约与自身权利链风险；
3. 输出复核：供应商通常要求客户判断适用性、准确性和使用合法性，游戏还要审查角色相似、开源许可证片段、声音可识别性和内容安全；
4. 知识产权赔偿：供应商常排除客户输入、客户应用、组合和修改、已知侵权以及商标商业使用等情形，游戏输出通常会与引擎、角色和品牌组合；
5. 暂停和变更：违法、政策、安全紧急情况、第三方依赖或地区限制都可能触发暂停，模型或安全层更新也会改变实时 NPC 行为；
6. 终止和数据：删除期限、法定留存、滥用内容例外、导出格式和日志可得性决定企业能否还原生成过程。

对于核心生产或运行功能，采购文件至少应固定允许的游戏与地区、输入类别、禁止训练默认项、人工访问限制、数据位置和子处理者、模型版本和变更通知、服务水平、内容安全分工、知识产权赔偿、侵权通知协作、日志导出、停服过渡和替代模型迁移。所谓“API 可替换”必须通过数据格式、系统提示、安全规则和回归测试证明，而不是采购表上的一句判断。

五、AI 输出的作品属性、作者与权属

（一）共同门槛：人的独创性表达，而不是成品的精美程度

著作权法所称作品，是文学、艺术和科学领域内具有独创性并能以一定形式表现的智力成果。[2] 在现行中国法结构下，模型本身不是自然人作者。问题不是“AI 是否参与”，而是最终成果能否归因于自然人或依法视为作者的法人、非法人组织的独创性智力活动。

成品看起来专业、制作成本高或能够商用，都不能替代作品要件。相反，AI 辅助程度很高也不当然否定保护：人可能在构图设计、角色造型、素材选择、节奏、镜头、局部重绘、代码结构或整体编排中形成可识别的表达。应把“生成结果”拆成可保护和不可保护部分，而不是给整个文件贴一个二元标签。

作为有限域外参照，美国版权局 2023 年登记指引和 2025 年可版权性报告也把分析重点放在人类可识别的创作贡献，并要求登记时披露、排除不受保护的 AI 生成部分。《Zarya of the Dawn》区分了受保护的文字、选择编排与不单独登记的 Midjourney 图像；《Thaler v. Perlmutter》处理的是申请人明确把 AI 列为唯一作者的窄问题，均不能直接推出“AI 辅助作品一概不受保护”。[23][24][25][26]

（二）不同内容类型的证据重点

提示词既可能是不可保护的思想、命令或风格要求，也可能包含较具体的表达。其意义通常不在于字数够不够，而在于能否证明用户对最终表达作出可识别的选择和安排。参数设置可证明使用环境和控制过程；反复迭代可证明创作过程，但机械点击“重新生成”与有目的地修改构图、动作、光线并不相同；候选选择可能构成选择和编排贡献；局部重绘、分层编辑、剪辑和组合最容易形成可以与 AI 部分区分的人类表达。

即使某位美术或策划通过充分的人类贡献成为作者，公司是否取得财产权仍需分析职务作品、法人作品、委托创作和合同转让。外包合同应明确 AI 使用许可、输入来源保证、过程记录交付、可保护部分的著作权转让、不可保护部分的使用承诺、第三方索赔和模型文件归属。署名、AI 标识和平台披露回答的是不同问题，三者可以同时存在。

六、生成过程的证据与案例比较

北京互联网法院（2023）京0491民初11279号案中，原告使用 Stable Diffusion，通过提示词、反向提示词、参数设置、反复调整和候选选择形成图片并发布。法院结合在案生成过程认定图片体现原告的个性化表达，构成美术作品，原告为作者。[6] 这一结论的限定词是“结合具体生成过程”，不是“使用 Stable Diffusion 的图片都受保护”。

2025 年公开的“猫咪晶钻吊坠”案则相反。原告没有提交涉案图片在 AI 软件中的原始生成记录，诉讼中使用 describe 功能对成品作事后描述并模拟复现；法院认为该过程无法还原原始提示、操作环境和选择，复现结果与原图也有差异。在案证据不足以证明人的创造性劳动，一、二审均驳回。

两案差异可以压缩为一条证据链：

原始输入 → 环境与参数 → 候选与迭代 → 人的修改 → 最终输出。

传统游戏资产管理常保存最终 PNG、WAV、脚本和合同。AI 参与后，最终文件只能证明“有这个结果”，不能充分证明来源、过程或独创贡献。企业应保存工具和模型名称、精确版本、账号和工作区、生成时间、系统提示、正／反向提示、参数、seed、采样器、插件和 LoRA；输入／参考素材 ID 与哈希；候选、废案、选择人和选择理由；PSD／工程文件、局部重绘、音轨、代码 diff 和人工提交；审核、批准入库、构建号和首次发布日期。

过程证据同时服务于四个方向：主张自己的著作权、反驳抄袭、证明输入有权、证明平台已经采取合理注意。它不应由创作者自行散落在个人账号，而应进入公司控制的 DAM、Git、工单和审计仓。

七、输出侵权、人格权、商业秘密与责任分配

一张图片可能因人的编辑而构成新作品，同时仍复制或改编他人在先角色；一段代码可能体现开发者的选择，同时含有受许可证约束的片段；一段合成语音可能形成录音制品，同时侵害被克隆者的声音权益。判断顺序应当是：先识别输出中的在先要素，再分析接触可能、实质性相似、法定例外和许可，最后判断各参与者的行为与过错。

著作权一般不保护抽象思想、题材和单纯风格，但会保护具体的人物造型、画面、音乐、代码和选择编排。仅称输出“像某工作室”不必然完成侵权证明；如果输出稳定复现特定角色的服饰、五官、标志、构图或连续情节，风险显著提高，还可能叠加商标、商品化权益和反不正当竞争。

杭州互联网法院审理的“奥特曼 LoRA／模型”案说明，平台责任的对象不只是一张最终图。用户可以上传奥特曼图片训练模型，把模型、封面和相似输出放在平台供浏览、下载、发布或分享；法院认定平台构成帮助侵害信息网络传播权，二审维持。司法建议要求完善通知与必要措施、LoRA 模型监管、日常知识产权管理和合规建设。[8] 对游戏内 AI 工坊而言，模型文件和生成模板本身可能成为侵权传播节点；通知、删除或断开链接等措施还需与《信息网络传播权保护条例》的网络服务责任框架衔接。[27]

（一）声音、肖像和真人复刻

《民法典》规定对自然人声音的保护参照适用肖像权规则。[9] （2023）京0491民初12142号案中，配音演员曾为有声读物录音，但训练数据授权书并非本人签署，原有委托和姓名、肖像使用约定也未覆盖 AI 处理和合成声音。法院通过庭审生成测试认定合成声音与原告的音色、语调和发音风格高度一致，在一定范围内具有可识别性，声音权益及于该 AI 声音。[10]

这对游戏项目有三层含义：取得录音制品或表演的使用权，不当然取得克隆自然人音色的权利；训练授权要明确采样范围、模型训练、合成用途、角色、语言、期限、地区、再许可、API 调用、退出和模型删除；“像不像”以可识别性为核心，不必让所有公众知道配音员姓名。游戏内允许玩家复刻主播、演员或其他玩家时，不能只依赖用户保证，还应设置真人名称、声音和肖像申诉、快速冻结和重复侵权者处置。

（二）源代码、剧情和模型参数中的秘密

员工把未公开代码、数值表、反作弊逻辑、发行计划或玩家投诉记录输入公共模型，风险不止是供应商会不会训练。一旦输入违反公司的保密措施、合同或最小必要原则，可能破坏商业秘密管理，触发客户或合作方责任，并在未来难以证明秘密性和合理保密措施。

最高人民法院 2025 年发布的“变身漫画特效”典型案例确认，经数据训练、优化和调校形成、能带来创新优势和经营收益的模型结构与参数可以构成反不正当竞争法保护的竞争利益。法院结合接触可能、模型结构和参数比对及自主研发证据，认定直接使用他人模型结构与参数具有高度盖然性。[11] 因此，企业既要控制外部输入，也要保护自研模型：训练数据、权重、系统提示、评测集、安全规则、实验记录和部署参数应分级、限权并留痕。

（三）开发者、模型供应商、玩家与发行商如何分责

责任不宜用“谁最后按下发布键”概括。应围绕控制能力、知情、获益和处置能力判断：基础模型／API 提供者通常控制训练、通用安全、接口政策和日志；游戏开发者或部署方控制系统提示、RAG、角色、护栏、玩家入口和最终体验；玩家控制自行上传素材、提示和发布选择；发行商或运营商控制商店提交、营销、社区、商业化、投诉和下架；应用商店与传播平台控制上架、分发、推荐和举报渠道。

平台“中立”不能掩盖其是否提供训练、模型分享、推荐、交易和技术防控。相反，也不能因为平台有过滤能力就要求其对所有不可预见输出承担结果责任。较稳妥的分析是按功能类型设置合理注意标准，并观察平台收到具体通知后是否定位到内容、模型、账号和相似复现路径，是否采取与风险相称的措施。

八、内容标识、实时生成与玩家 AI UGC

《人工智能生成合成内容标识办法》把生成合成内容定义为利用 AI 技术生成、合成的文本、图片、音频、视频和虚拟场景，区分用户可明显感知的显式标识与写入文件数据的隐式标识；涉及人脸、人声、虚拟场景等技术时，还应与《互联网信息服务深度合成管理规定》共同核对。[12][28]

其责任结构至少包括四层：生成服务添加显式及隐式标识；传播服务核验元数据并根据元数据、用户声明或检测结果提示“生成／可能生成／疑似生成”；用户发布时主动声明，不得恶意删除、篡改、伪造或隐匿标识；应用商店在上架审核时要求 App 说明是否提供生成合成服务并核验材料。2026 年网信部门已通报“剪映”“猫箱”“即梦 AI”未有效落实标识要求并采取约谈、责令改正、警告等措施，标识已从制度文本进入执法。[13]

最需要避免的误区，是把“最终资产已经人工修过”当成自动免除标识。人的编辑会影响著作权判断，但标识规则关注内容是否属于 AI 生成合成以及服务／传播场景，两者的法律目的不同。

实时生成的上线验收至少应覆盖：知名角色、艺术家、真人和竞品名称的诱导测试；色情、仇恨、自残、诈骗、作弊、外挂和未成年人高风险提示；跨语言、拼写变形、编码、图片提示和连续对话绕过；RAG 文档越权、提示注入、商业秘密泄漏和玩家之间的数据串联；模型或知识库更新后的回归测试；断网、供应商停服、过滤超时和人工审核积压时的降级方案。如果 AI 角色进一步具备稳定人格、跨会话记忆和持续情感互动，可能进入拟人化互动服务专项规则，需要另行评估未成年人虚拟亲密关系、依赖提醒和危机干预等要求。[14]

玩家使用游戏内工具生成 UGC 时，协议至少要回答五个问题：玩家是否有权上传图片、音乐、声音、代码和真人素材；纯 AI 输出与玩家人类创作部分、平台模板和游戏既有资产如何区分；平台需要哪些运营、展示、推广和技术处理许可；训练素材、模型、成品和账号如何分层审核、举报和申诉；玩家内容是否用于模型训练以及敏感个人信息如何排除或单独授权。

Apple 的 UGC 规则要求过滤不当内容、应用内举报和及时响应、屏蔽滥用用户以及公开联系方式；Google Play 的 UGC 和 AI 生成内容政策要求持续审核、应用内举报／标记，并用举报改进过滤。[15][16] 这些是渠道审核要求，不是著作权法的替代品，但会直接决定游戏能否上线和持续分发。

九、平台披露与分发规则

Steam 将 AI 内容分为 pre-generated 与 live-generated。前者包括开发阶段借助 AI 生成的美术、代码、声音等，开发者在内容调查中说明；后者是在游戏运行时生成的内容，开发者除披露外还需说明为防止非法内容采取的护栏，并提供举报路径。[17]

截至研究截止日，Apple 公开 App Review Guidelines 未设置与 Steam 相同的“所有制作阶段 AI 内容”统一商店披露字段，但 Guideline 1.2 对 UGC 要求过滤、举报、及时响应、屏蔽和联系方式，Guideline 4.7 将动态聊天机器人等软件的合规责任归于 App 提供者，Guideline 5.1.2 要求向包括第三方 AI 在内的第三方共享个人数据时明确披露并取得明确许可。[15]

Google Play 的公开规则聚焦生成内容安全、受限内容和应用内举报或标记，开发者应利用举报改进过滤。[16] Microsoft Store Policies v7.19 第 11.16 条针对由生成式 AI 模型根据用户输入创建动态内容的产品，要求在商店元数据中披露 live generative AI，并在 Partner Center 提交时说明，同时确保动态内容符合全部商店政策。[18]

PlayStation 和 Nintendo 的公开开发者入口不能提供完整的认证、问卷和政策版本；部分资料需合作伙伴资格和保密义务。公开信息不足本身就是尽调结论。上线前应由实际账号持有人导出或截图当期提交问卷、内容政策、年龄分级与在线安全要求，并由发行合同明确谁负责回答、保存和更新。

十、中国标识制度与欧盟 AI Act 的有限比较

欧盟 AI Act 第 50 条将不同透明度义务分配给 AI system providers 与 deployers：直接与自然人互动的 AI 系统应使用户知晓其 AI 身份；生成合成文本、音频、图像、视频的系统提供者应使输出具有有效、可靠、稳健、可互操作的机器可读标记；部署者还要对情绪识别、生物特征分类、深度伪造以及特定公共利益文本履行告知。[19]

欧盟委员会于 2026 年 7 月发布的透明度指南和问答显示，Article 50 自 2026 年 8 月 2 日适用，对 8 月 2 日前已投放市场系统的部分机器可读标记义务有有限宽限。[20][21] 两套制度可以共享技术底座：生成事件 ID、模型版本、内容哈希、元数据写入、交互身份提示和构建校验。但前端文案、例外、责任主体和过渡期必须分法域配置。

十一、从生成到发布的证据链和治理结构

建议把 AI 资产和功能接入七道控制门：

1. 来源准入：每一数据集、素材、知识库和声音语料都有来源、权利人、用途、期限、地域和限制；
2. 工具准入：模型/API 经过法务、隐私、安全和业务连续性评估，账号由公司控制；个人数据处理安排应同时保存 DPA；
3. 生成留痕：模型版本、输入、参数、参考素材、候选和时间戳自动归档；
4. 人工创作：重绘、剪辑、编曲、代码修改和剧情编辑进入专业工具与版本库；
5. 入库审核：相似性、开源许可证、真人元素、秘密、内容安全和标识共同验收；
6. 发布提交：构建保留元数据，法律标识与商店问卷按地区、渠道生成并保存回执；
7. 运行处置：实时输出可审计、可举报、可冻结、可回滚，模型更新触发回归测试。

一个可用的生成资产记录至少包含：asset_id、项目、创作者和员工／供应商依据；来源资产 ID、许可及允许的 AI 用途；供应商、模型、版本、工作区和生成时间；系统提示、正／反向提示、参数、seed 和插件；候选、选择理由、人类编辑文件和提交 hash；相似性、声音／肖像和许可审查；显式与元数据标识、构建号和商店提交；投诉、处置、回滚版本以及保存和删除安排。并非所有字段都应向玩家公开，目标是公司内部可追溯，并按争议、监管和个人信息最小必要原则控制访问与保存期限。

收到侵权通知后，工单不应只删除最终图片。至少要定位被投诉的内容实例、生成该内容的模型／LoRA／模板、上传训练素材和发布结果的账号，以及可能继续复现或传播的推荐、交易和导出路径。根据风险采取下架单一内容、暂停模型、限制生成关键词、冻结交易、保存证据、通知供应商和回滚版本等措施。对误判也要提供反通知或申诉，避免审核机制反过来成为竞争打击工具。

十二、结论、研究限制与人工审核事项

生成式 AI 没有让游戏权利链消失，而是把权利链从“谁交付了文件”延伸到“谁提供了数据、谁控制了模型、谁形成了表达、谁审核并发布”。最重要的不是给每个资产贴“AI／非 AI”二元标签，而是保留足以回答以下问题的证据：输入为什么可以用于这个用途；模型条款在当时允许什么；哪些表达由人选择、修改和组合；输出如何经过在先权利、人格权、秘密和内容审核；中国、欧盟和发行平台分别需要什么标识或披露；收到通知、模型更新或停服时如何定位、处置和回滚。

对初创团队，最低可行治理不是一份长制度，而是三张互相连接的表：输入来源与许可表、模型／API 义务表、生成资产与发布证据表。三表进入资产管理和构建流程后，法务审查才不再依赖口头回忆。

本文有以下限制：一，中国 AI 生成内容著作权仍处于个案发展阶段，本文不把一审个案抽象为普遍规则；二，“猫咪晶钻吊坠”案公开法院文章未披露案号，正式诉讼引用前应补查一、二审文书；三，欧盟 Article 50 最终指南发布于 2026 年 7 月，实施和执法实践尚待形成；四，PlayStation、Nintendo 等完整认证材料非公开，必须由合作伙伴账号内复核；五，供应商企业订单可能改变公开标准条款，特别是赔偿、数据保留、模型版本和停服安排；六，本文未展开数据跨境、未成年人数据和拟人化情感互动的完整制度，仅标明接口。

正式发布前，应选定目标游戏平台和首发国家后重跑平台／法域矩阵；由产品和技术确认实时 NPC、AI UGC、导出和分享的真实数据流；由采购提供全部模型订单、DPA、服务专项条款和后台设置截图；随机抽取 10 项 AI 资产，验证能否从最终文件追溯到来源、生成、人工编辑和发布；对真人声音、肖像、联名 IP、外包数据集和可下载 LoRA 做专项授权复核；并对 2026 年 8 月 2 日前后欧盟版本确认 Article 50 的角色、宽限期和技术标记实施方案。

参考资料

[1] 国家互联网信息办公室等，《生成式人工智能服务管理暂行办法》，source 。

[2] 《中华人民共和国著作权法》（2020 年修正），source 。

[3] 《中华人民共和国个人信息保护法》，source ；《人工智能拟人化互动服务管理暂行办法》，source 。

[4] OpenAI, OpenAI Services Agreement, source 。

[5] Anthropic, Commercial Terms of Service, source 。

[6] 北京互联网法院（2023）京0491民初11279号及相关材料，source 。

[7] 北京法院网，《主张 AI 文生图版权但无法提供生成过程记录证明智力投入 法院：证据不足予以驳回》，source 。

[8] 中国知识产权报，《规范 AI 平台，杭州互联网法院发出司法建议书》，source 。

[9] 《中华人民共和国民法典》第 1018、1019、1023 条，source 。

[10] 北京互联网法院（2023）京0491民初12142号及相关材料，source 。

[11] 最高人民法院，《2025 年人民法院反不正当竞争典型案例》“变身漫画特效”案，source 。

[12] 国家互联网信息办公室等，《人工智能生成合成内容标识办法》，source 。

[13] 中国网信网，《网信部门依法查处一批未落实人工智能生成合成内容标识要求的产品》，source 。

[14] 国家互联网信息办公室等，《人工智能拟人化互动服务管理暂行办法》，source 。

[15] Apple, App Review Guidelines, source 。

[16] Google Play, AI-Generated Content 与 User Generated Content，source ；source 。

[17] Steamworks Development, AI Content on Steam, source 。

[18] Microsoft, Microsoft Store Policies, v7.19 § 11.16，source 。

[19] Regulation (EU) 2024/1689, Article 50, source 。

[20] European Commission, Guidelines on Transparency of AI-Generated Content, source 。

[21] European Commission, Transparency obligations under Article 50 of the AI Act — Questions and Answers, source 。

[22] 《信息网络传播权保护条例》，source 。

[23] U.S. Copyright Office, Copyright and Artificial Intelligence, Part 2: Copyrightability, source 。

[24] U.S. Copyright Office, Copyright Registration Guidance: Works Containing Material Generated by Artificial Intelligence, source 。

[25] U.S. Copyright Office, Zarya of the Dawn registration reconsideration letter, source 。

[26] Thaler v. Perlmutter, source 。

[27] 全国网络安全标准化技术委员会，《网络安全标准实践指南——智能体部署和使用安全指引》，source 。

[28] 国家互联网信息办公室等，《互联网信息服务深度合成管理规定》，source 。