生成式 AI 進入網絡遊戲：從輸入權利到發佈證據鏈

研究事實截止：2026 年 7 月 22 日
本文僅供一般研究和討論，不構成針對具體產品、交易或法域的法律意見。

摘要

生成式人工智能已經同時進入網絡遊戲的生產工具、技術供應鏈和麪向玩家的運行系統。它可以生成概念圖、貼圖、音樂、配音、代碼和劇情，也可以在遊戲運行時生成 NPC 對話、任務、語音、圖像和玩家 UGC。由此產生的法律問題並非一個“AI 輸出有沒有版權”的單點問題，而是一條相互連接但不能混同的鏈條：第三方素材和玩家數據能否被輸入；模型/API 合同如何分配輸入、輸出、訓練使用和停服風險；生成結果是否體現人的獨創表達；即便輸出本身可受保護，是否仍侵害在先作品、角色、肖像、聲音或商業祕密；內容如何標識、審覈、分發和留證。

本文以中國法爲主，結合 8 個案例或監管樣本、6 組發行渠道政策以及歐盟《人工智能法案》第 50 條作有限比較，提出三項主要判斷。第一，公開可訪問、自有持有和取得完整訓練授權是三種不同狀態；“能看到”“已購買”“公司硬盤裏已有”均不等於取得訓練、微調、檢索增強和再發布所需權利。第二，中國裁判並未形成 AI 圖片一概受保護或一概不受保護的規則；相反結論主要來自生成過程、人的表達性控制和原始證據的差異。第三，實時生成使傳統的上線前清權轉變爲運行中治理：模型版本、安全層、玩家提示、顯式與隱式標識、舉報和回滾記錄共同決定責任。

對遊戲企業而言，最可執行的治理對象不是抽象的“AI 風險”，而是三張可以審計的表：輸入來源與許可表、模型/API 義務表、生成資產與發佈證據表。只有將三者接入素材庫、版本控制、構建和平臺提交流程，AI 才能從不可解釋的生產捷徑轉化爲可融資、可發行、可維權的資產。

**關鍵詞：**生成式人工智能；網絡遊戲；著作權；聲音權益；玩家 UGC；內容標識；平臺規則；證據鏈

一、問題提出、研究邊界與方法

一張由模型生成的角色立繪，至少可能同時觸發六組問題：參考圖是否允許輸入；模型是否允許商用；供應商會否用輸入繼續訓練；圖片是否達到作品門檻；圖片是否與他人角色實質性相似；發佈時是否需要標識。前一個問題得到肯定答案，不會自動解決後一個問題。

本文區分：

1. 輸入合法性：素材、數據和祕密是否可以用於訓練、微調、RAG 或提示；
2. 模型供應鏈：基礎模型、API、插件和平臺合同允許什麼、排除什麼；
3. 輸出可保護性：結果是否爲人的獨創性智力成果，哪些部分由誰創作；
4. 輸出侵權：結果是否利用或再現他人在先表達、角色、聲音、肖像或祕密；
5. 傳播治理：標識、內容安全、UGC 機制與平臺提交要求；
6. 證據與責任：誰能夠證明來源、過程、審覈和處置，誰控制風險、從中獲益。

《生成式人工智能服務管理暫行辦法》要求面向境內公衆的生成式 AI 服務提供者尊重知識產權、依法處理個人信息，並對訓練數據來源等承擔義務。[1] 但員工在企業內部使用外部工具、遊戲內向玩家直接提供生成能力、發行商將 AI 素材上傳到商店，是三種不同的主體和場景，不能把同一組義務機械套用。

本文不展開傳統遊戲整體、玩法、角色和視聽作品的一般保護，也不展開 SDK、玩家畫像和跨境傳輸的完整合規結構。AI 角色只有在形成穩定人設、持續記憶和情感互動時，才提示進入擬人化互動專項規則；一般任務 NPC、戰鬥提示和一次性對話不因使用大模型就當然成爲“擬人化互動服務”。

研究採用規範解釋、案例比較、公開合同條款分析、內容生命週期分析和有限比較法。案例樣本包括中國 AI 圖片相反裁判、AI 聲音人格權、模型參數不正當競爭、LoRA/模型分享幫助侵權、內容標識執法，以及美國版權局和聯邦法院的人類作者樣本。平臺政策以公開頁面爲限；PlayStation 和 Nintendo 的完整認證材料位於合作伙伴後臺，本文只能確認公開狀態，不能代替具體賬號內的上線覈驗。

二、遊戲研發和運營中的生成式 AI 使用類型

生成式 AI 在遊戲中的位置，決定適用規則和責任強度。內部工具與面向玩家的系統不應只用“都用了同一個模型”來歸類。

這六類場景沿着“由企業控制、可在上線前固定”到“由玩家觸發、在運行中變化”的光譜分佈。越接近實時生成和玩家 UGC，越難依靠一次性的上線前清權完成治理；企業需要把審覈、標識和證據設計成持續運行的系統。

三、訓練輸入、參考素材與數據來源

（一）訓練、微調、RAG 與提示輸入需要分別定性

“輸入模型”不是一個單一行爲。基礎訓練可能形成大規模複製和技術處理；微調或 LoRA 通常使用較小但更有針對性的數據集，輸出復現特定角色或風格的概率更高；RAG 可以不修改模型參數，但仍可能複製、索引並向用戶返回受保護內容；提示輸入可能是一次性處理，也可能被服務商保留、人工查看或迴流訓練。具體項目應分別記錄：是否產生副本、是否改變模型參數、是否向公衆輸出、是否保留原文、是否包含個人信息或祕密。

訓練材料可能同時承載以下利益：文字、圖片、音樂、代碼、角色設定和數據庫編排中的著作權；表演者權、錄音錄像製作者權以及合同約定的使用範圍；姓名、肖像、聲音、隱私和個人信息權益；源代碼、未公開劇情、數值設計、模型權重和運營數據中的商業祕密；數據集合和平臺投入形成的競爭利益；以及網站條款、素材庫許可、API 使用政策和保密協議產生的合同限制。

中國著作權法沒有一項面向商業生成式 AI 訓練的概括性“文本與數據挖掘當然許可”。合理使用需要逐項滿足法定情形及不得影響正常使用、不得不合理損害權利人合法權益等條件，不能以“技術創新”替代法定分析。[2]

（二）四類來源不能用同一個“可用”標籤

1. 公開網絡數據。 公開可訪問只說明沒有訪問障礙，不說明權利人同意訓練。網頁圖片可能受著作權保護，公開簡歷和玩家發言可能包含個人信息，網站還可能以條款限制抓取和自動化使用。robots.txt、登錄牆和技術措施影響授權、過錯與不正當競爭判斷，但遵守 robots.txt 也不等於取得作品許可。採購“公開網絡數據集”時，至少應要求供應商說明採集來源、排除機制、權利請求渠道、個人信息處理、去重與刪除能力；“數據來自互聯網”不是合格的權利保證。

2. 授權素材庫。 普通商用許可經常只允許把素材用於最終產品，不允許訓練模型、創建衍生素材庫、提取風格能力或向第三方 API 上傳。企業需要在許可中尋找或單獨取得“機器學習／訓練／微調／合成／生成衍生內容／轉授權／模型共享”等權利。若條款只寫“可商用”“永久買斷”，仍不足以回答是否能訓練及是否能分發權重。

3. 自有資產。 公司持有文件不等於公司擁有全部權利。創始人在公司設立前製作的 Demo、外包畫師交付的立繪、員工使用個人素材庫完成的音樂、聯名 IP 和僅限某地區或某作品使用的配音，都可能沒有被完整轉入公司。訓練會放大原許可中的缺口：原合同允許在一款遊戲中使用角色，不必然允許將角色用於訓練通用模型或服務其他項目。

4. 用戶內容。 用戶協議中的“爲提供服務所必要的許可”通常不能自然擴張爲改進通用模型或對外商業訓練。若玩家內容包含肖像、聲音、聊天記錄、未成年人信息或第三方作品，還需要處理人格權、個人信息和第三方權利。把敏感個人信息用於模型訓練原則上需要滿足個人信息保護法的嚴格要求；擬人化互動服務中的敏感交互數據，專項規則進一步要求單獨同意。[3]

（三）建立“用途—權利”矩陣，而不是來源白名單

四、模型/API 合同與供應鏈責任

公開商業條款經常約定客戶保留輸入、取得供應商對輸出可能享有的權利。OpenAI 和 Anthropic 的公開商業條款均採取相近結構。[4][5] 這類條款有三個邊界：供應商不能通過合同創造法律本來不承認的著作權；合同只約束供應商與客戶，不能排除輸出侵害第三方；相似輸出條款意味着其他用戶可能得到相近結果，企業不能僅憑供應商讓與條款證明獨立創作或市場獨佔。

合同至少應覈對六個變量：

1. 輸入使用：是否用於改進服務，是否存在濫用監測、人工訪問、備份、反饋和 Beta 功能例外；
2. 輸入保證：是否由客戶保證有權提交，員工擅自上傳第三方美術或未公開代碼會首先構成客戶違約與自身權利鏈風險；
3. 輸出複覈：供應商通常要求客戶判斷適用性、準確性和使用合法性，遊戲還要審查角色相似、開源許可證片段、聲音可識別性和內容安全；
4. 知識產權賠償：供應商常排除客戶輸入、客戶應用、組合和修改、已知侵權以及商標商業使用等情形，遊戲輸出通常會與引擎、角色和品牌組合；
5. 暫停和變更：違法、政策、安全緊急情況、第三方依賴或地區限制都可能觸發暫停，模型或安全層更新也會改變實時 NPC 行爲；
6. 終止和數據：刪除期限、法定留存、濫用內容例外、導出格式和日誌可得性決定企業能否還原生成過程。

對於核心生產或運行功能，採購文件至少應固定允許的遊戲與地區、輸入類別、禁止訓練默認項、人工訪問限制、數據位置和子處理者、模型版本和變更通知、服務水平、內容安全分工、知識產權賠償、侵權通知協作、日誌導出、停服過渡和替代模型遷移。所謂“API 可替換”必須通過數據格式、系統提示、安全規則和迴歸測試證明，而不是採購表上的一句判斷。

五、AI 輸出的作品屬性、作者與權屬

（一）共同門檻：人的獨創性表達，而不是成品的精美程度

著作權法所稱作品，是文學、藝術和科學領域內具有獨創性並能以一定形式表現的智力成果。[2] 在現行中國法結構下，模型本身不是自然人作者。問題不是“AI 是否參與”，而是最終成果能否歸因於自然人或依法視爲作者的法人、非法人組織的獨創性智力活動。

成品看起來專業、製作成本高或能夠商用，都不能替代作品要件。相反，AI 輔助程度很高也不當然否定保護：人可能在構圖設計、角色造型、素材選擇、節奏、鏡頭、局部重繪、代碼結構或整體編排中形成可識別的表達。應把“生成結果”拆成可保護和不可保護部分，而不是給整個文件貼一個二元標籤。

作爲有限域外參照，美國版權局 2023 年登記指引和 2025 年可版權性報告也把分析重點放在人類可識別的創作貢獻，並要求登記時披露、排除不受保護的 AI 生成部分。《Zarya of the Dawn》區分了受保護的文字、選擇編排與不單獨登記的 Midjourney 圖像；《Thaler v. Perlmutter》處理的是申請人明確把 AI 列爲唯一作者的窄問題，均不能直接推出“AI 輔助作品一概不受保護”。[23][24][25][26]

（二）不同內容類型的證據重點

提示詞既可能是不可保護的思想、命令或風格要求，也可能包含較具體的表達。其意義通常不在於字數夠不夠，而在於能否證明用戶對最終表達作出可識別的選擇和安排。參數設置可證明使用環境和控制過程；反覆迭代可證明創作過程，但機械點擊“重新生成”與有目的地修改構圖、動作、光線並不相同；候選選擇可能構成選擇和編排貢獻；局部重繪、分層編輯、剪輯和組合最容易形成可以與 AI 部分區分的人類表達。

即使某位美術或策劃通過充分的人類貢獻成爲作者，公司是否取得財產權仍需分析職務作品、法人作品、委託創作和合同轉讓。外包合同應明確 AI 使用許可、輸入來源保證、過程記錄交付、可保護部分的著作權轉讓、不可保護部分的使用承諾、第三方索賠和模型文件歸屬。署名、AI 標識和平臺披露回答的是不同問題，三者可以同時存在。

六、生成過程的證據與案例比較

北京互聯網法院（2023）京0491民初11279號案中，原告使用 Stable Diffusion，通過提示詞、反向提示詞、參數設置、反覆調整和候選選擇形成圖片併發布。法院結合在案生成過程認定圖片體現原告的個性化表達，構成美術作品，原告爲作者。[6] 這一結論的限定詞是“結合具體生成過程”，不是“使用 Stable Diffusion 的圖片都受保護”。

2025 年公開的“貓咪晶鑽吊墜”案則相反。原告沒有提交涉案圖片在 AI 軟件中的原始生成記錄，訴訟中使用 describe 功能對成品作事後描述並模擬復現；法院認爲該過程無法還原原始提示、操作環境和選擇，復現結果與原圖也有差異。在案證據不足以證明人的創造性勞動，一、二審均駁回。

兩案差異可以壓縮爲一條證據鏈：

原始輸入 → 環境與參數 → 候選與迭代 → 人的修改 → 最終輸出。

傳統遊戲資產管理常保存最終 PNG、WAV、腳本和合同。AI 參與後，最終文件只能證明“有這個結果”，不能充分證明來源、過程或獨創貢獻。企業應保存工具和模型名稱、精確版本、賬號和工作區、生成時間、系統提示、正／反向提示、參數、seed、採樣器、插件和 LoRA；輸入／參考素材 ID 與哈希；候選、廢案、選擇人和選擇理由；PSD／工程文件、局部重繪、音軌、代碼 diff 和人工提交；審覈、批准入庫、構建號和首次發佈日期。

過程證據同時服務於四個方向：主張自己的著作權、反駁抄襲、證明輸入有權、證明平臺已經採取合理注意。它不應由創作者自行散落在個人賬號，而應進入公司控制的 DAM、Git、工單和審計倉。

七、輸出侵權、人格權、商業祕密與責任分配

一張圖片可能因人的編輯而構成新作品，同時仍復制或改編他人在先角色；一段代碼可能體現開發者的選擇，同時含有受許可證約束的片段；一段合成語音可能形成錄音製品，同時侵害被克隆者的聲音權益。判斷順序應當是：先識別輸出中的在先要素，再分析接觸可能、實質性相似、法定例外和許可，最後判斷各參與者的行爲與過錯。

著作權一般不保護抽象思想、題材和單純風格，但會保護具體的人物造型、畫面、音樂、代碼和選擇編排。僅稱輸出“像某工作室”不必然完成侵權證明；如果輸出穩定復現特定角色的服飾、五官、標誌、構圖或連續情節，風險顯著提高，還可能疊加商標、商品化權益和反不正當競爭。

杭州互聯網法院審理的“奧特曼 LoRA／模型”案說明，平臺責任的對象不只是一張最終圖。用戶可以上傳奧特曼圖片訓練模型，把模型、封面和相似輸出放在平臺供瀏覽、下載、發佈或分享；法院認定平臺構成幫助侵害信息網絡傳播權，二審維持。司法建議要求完善通知與必要措施、LoRA 模型監管、日常知識產權管理和合規建設。[8] 對遊戲內 AI 工坊而言，模型文件和生成模板本身可能成爲侵權傳播節點；通知、刪除或斷開鏈接等措施還需與《信息網絡傳播權保護條例》的網絡服務責任框架銜接。[27]

（一）聲音、肖像和真人復刻

《民法典》規定對自然人聲音的保護參照適用肖像權規則。[9] （2023）京0491民初12142號案中，配音演員曾爲有聲讀物錄音，但訓練數據授權書並非本人簽署，原有委託和姓名、肖像使用約定也未覆蓋 AI 處理和合成聲音。法院通過庭審生成測試認定合成聲音與原告的音色、語調和發音風格高度一致，在一定範圍內具有可識別性，聲音權益及於該 AI 聲音。[10]

這對遊戲項目有三層含義：取得錄音製品或表演的使用權，不當然取得克隆自然人音色的權利；訓練授權要明確採樣範圍、模型訓練、合成用途、角色、語言、期限、地區、再許可、API 調用、退出和模型刪除；“像不像”以可識別性爲核心，不必讓所有公衆知道配音員姓名。遊戲內允許玩家復刻主播、演員或其他玩家時，不能只依賴用戶保證，還應設置真人名稱、聲音和肖像申訴、快速凍結和重複侵權者處置。

（二）源代碼、劇情和模型參數中的祕密

員工把未公開代碼、數值表、反作弊邏輯、發行計劃或玩家投訴記錄輸入公共模型，風險不止是供應商會不會訓練。一旦輸入違反公司的保密措施、合同或最小必要原則，可能破壞商業祕密管理，觸發客戶或合作方責任，並在未來難以證明祕密性和合理保密措施。

最高人民法院 2025 年發佈的“變身漫畫特效”典型案例確認，經數據訓練、優化和調校形成、能帶來創新優勢和經營收益的模型結構與參數可以構成反不正當競爭法保護的競爭利益。法院結合接觸可能、模型結構和參數比對及自主研發證據，認定直接使用他人模型結構與參數具有高度蓋然性。[11] 因此，企業既要控制外部輸入，也要保護自研模型：訓練數據、權重、系統提示、評測集、安全規則、實驗記錄和部署參數應分級、限權並留痕。

（三）開發者、模型供應商、玩家與發行商如何分責

責任不宜用“誰最後按下發布鍵”概括。應圍繞控制能力、知情、獲益和處置能力判斷：基礎模型／API 提供者通常控制訓練、通用安全、接口政策和日誌；遊戲開發者或部署方控制系統提示、RAG、角色、護欄、玩家入口和最終體驗；玩家控制自行上傳素材、提示和發佈選擇；發行商或運營商控制商店提交、營銷、社區、商業化、投訴和下架；應用商店與傳播平臺控制上架、分發、推薦和舉報渠道。

平臺“中立”不能掩蓋其是否提供訓練、模型分享、推薦、交易和技術防控。相反，也不能因爲平臺有過濾能力就要求其對所有不可預見輸出承擔結果責任。較穩妥的分析是按功能類型設置合理注意標準，並觀察平臺收到具體通知後是否定位到內容、模型、賬號和相似復現路徑，是否採取與風險相稱的措施。

八、內容標識、實時生成與玩家 AI UGC

《人工智能生成合成內容標識辦法》把生成合成內容定義爲利用 AI 技術生成、合成的文本、圖片、音頻、視頻和虛擬場景，區分用戶可明顯感知的顯式標識與寫入文件數據的隱式標識；涉及人臉、人聲、虛擬場景等技術時，還應與《互聯網信息服務深度合成管理規定》共同覈對。[12][28]

其責任結構至少包括四層：生成服務添加顯式及隱式標識；傳播服務覈驗元數據並根據元數據、用戶聲明或檢測結果提示“生成／可能生成／疑似生成”；用戶發佈時主動聲明，不得惡意刪除、篡改、僞造或隱匿標識；應用商店在上架審覈時要求 App 說明是否提供生成合成服務並覈驗材料。2026 年網信部門已通報“剪映”“貓箱”“即夢 AI”未有效落實標識要求並採取約談、責令改正、警告等措施，標識已從制度文本進入執法。[13]

最需要避免的誤區，是把“最終資產已經人工修過”當成自動免除標識。人的編輯會影響著作權判斷，但標識規則關注內容是否屬於 AI 生成合成以及服務／傳播場景，兩者的法律目的不同。

實時生成的上線驗收至少應覆蓋：知名角色、藝術家、真人和競品名稱的誘導測試；色情、仇恨、自殘、詐騙、作弊、外掛和未成年人高風險提示；跨語言、拼寫變形、編碼、圖片提示和連續對話繞過；RAG 文檔越權、提示注入、商業祕密泄漏和玩家之間的數據串聯；模型或知識庫更新後的迴歸測試；斷網、供應商停服、過濾超時和人工審覈積壓時的降級方案。如果 AI 角色進一步具備穩定人格、跨會話記憶和持續情感互動，可能進入擬人化互動服務專項規則，需要另行評估未成年人虛擬親密關係、依賴提醒和危機干預等要求。[14]

玩家使用遊戲內工具生成 UGC 時，協議至少要回答五個問題：玩家是否有權上傳圖片、音樂、聲音、代碼和真人素材；純 AI 輸出與玩家人類創作部分、平臺模板和遊戲既有資產如何區分；平臺需要哪些運營、展示、推廣和技術處理許可；訓練素材、模型、成品和賬號如何分層審覈、舉報和申訴；玩家內容是否用於模型訓練以及敏感個人信息如何排除或單獨授權。

Apple 的 UGC 規則要求過濾不當內容、應用內舉報和及時響應、屏蔽濫用用戶以及公開聯繫方式；Google Play 的 UGC 和 AI 生成內容政策要求持續審覈、應用內舉報／標記，並用舉報改進過濾。[15][16] 這些是渠道審覈要求，不是著作權法的替代品，但會直接決定遊戲能否上線和持續分發。

九、平臺披露與分發規則

Steam 將 AI 內容分爲 pre-generated 與 live-generated。前者包括開發階段藉助 AI 生成的美術、代碼、聲音等，開發者在內容調查中說明；後者是在遊戲運行時生成的內容，開發者除披露外還需說明爲防止非法內容採取的護欄，並提供舉報路徑。[17]

截至研究截止日，Apple 公開 App Review Guidelines 未設置與 Steam 相同的“所有制作階段 AI 內容”統一商店披露字段，但 Guideline 1.2 對 UGC 要求過濾、舉報、及時響應、屏蔽和聯繫方式，Guideline 4.7 將動態聊天機器人等軟件的合規責任歸於 App 提供者，Guideline 5.1.2 要求向包括第三方 AI 在內的第三方共享個人數據時明確披露並取得明確許可。[15]

Google Play 的公開規則聚焦生成內容安全、受限內容和應用內舉報或標記，開發者應利用舉報改進過濾。[16] Microsoft Store Policies v7.19 第 11.16 條針對由生成式 AI 模型根據用戶輸入創建動態內容的產品，要求在商店元數據中披露 live generative AI，並在 Partner Center 提交時說明，同時確保動態內容符合全部商店政策。[18]

PlayStation 和 Nintendo 的公開開發者入口不能提供完整的認證、問卷和政策版本；部分資料需合作伙伴資格和保密義務。公開信息不足本身就是盡調結論。上線前應由實際賬號持有人導出或截圖當期提交問卷、內容政策、年齡分級與在線安全要求，並由發行合同明確誰負責回答、保存和更新。

十、中國標識制度與歐盟 AI Act 的有限比較

歐盟 AI Act 第 50 條將不同透明度義務分配給 AI system providers 與 deployers：直接與自然人互動的 AI 系統應使用戶知曉其 AI 身份；生成合成文本、音頻、圖像、視頻的系統提供者應使輸出具有有效、可靠、穩健、可互操作的機器可讀標記；部署者還要對情緒識別、生物特徵分類、深度僞造以及特定公共利益文本履行告知。[19]

歐盟委員會於 2026 年 7 月發佈的透明度指南和問答顯示，Article 50 自 2026 年 8 月 2 日適用，對 8 月 2 日前已投放市場系統的部分機器可讀標記義務有有限寬限。[20][21] 兩套制度可以共享技術底座：生成事件 ID、模型版本、內容哈希、元數據寫入、交互身份提示和構建校驗。但前端文案、例外、責任主體和過渡期必須分法域配置。

十一、從生成到發佈的證據鏈和治理結構

建議把 AI 資產和功能接入七道控制門：

1. 來源准入：每一數據集、素材、知識庫和聲音語料都有來源、權利人、用途、期限、地域和限制；
2. 工具准入：模型/API 經過法務、隱私、安全和業務連續性評估，賬號由公司控制；個人數據處理安排應同時保存 DPA；
3. 生成留痕：模型版本、輸入、參數、參考素材、候選和時間戳自動歸檔；
4. 人工創作：重繪、剪輯、編曲、代碼修改和劇情編輯進入專業工具與版本庫；
5. 入庫審覈：相似性、開源許可證、真人元素、祕密、內容安全和標識共同驗收；
6. 發佈提交：構建保留元數據，法律標識與商店問卷按地區、渠道生成並保存回執；
7. 運行處置：實時輸出可審計、可舉報、可凍結、可回滾，模型更新觸發迴歸測試。

一個可用的生成資產記錄至少包含：asset_id、項目、創作者和員工／供應商依據；來源資產 ID、許可及允許的 AI 用途；供應商、模型、版本、工作區和生成時間；系統提示、正／反向提示、參數、seed 和插件；候選、選擇理由、人類編輯文件和提交 hash；相似性、聲音／肖像和許可審查；顯式與元數據標識、構建號和商店提交；投訴、處置、回滾版本以及保存和刪除安排。並非所有字段都應向玩家公開，目標是公司內部可追溯，並按爭議、監管和個人信息最小必要原則控制訪問與保存期限。

收到侵權通知後，工單不應只刪除最終圖片。至少要定位被投訴的內容實例、生成該內容的模型／LoRA／模板、上傳訓練素材和發佈結果的賬號，以及可能繼續復現或傳播的推薦、交易和導出路徑。根據風險採取下架單一內容、暫停模型、限制生成關鍵詞、凍結交易、保存證據、通知供應商和回滾版本等措施。對誤判也要提供反通知或申訴，避免審覈機制反過來成爲競爭打擊工具。

十二、結論、研究限制與人工審覈事項

生成式 AI 沒有讓遊戲權利鏈消失，而是把權利鏈從“誰交付了文件”延伸到“誰提供了數據、誰控制了模型、誰形成了表達、誰審覈併發布”。最重要的不是給每個資產貼“AI／非 AI”二元標籤，而是保留足以回答以下問題的證據：輸入爲什麼可以用於這個用途；模型條款在當時允許什麼；哪些表達由人選擇、修改和組合；輸出如何經過在先權利、人格權、祕密和內容審覈；中國、歐盟和發行平臺分別需要什麼標識或披露；收到通知、模型更新或停服時如何定位、處置和回滾。

對初創團隊，最低可行治理不是一份長制度，而是三張互相連接的表：輸入來源與許可表、模型／API 義務表、生成資產與發佈證據表。三表進入資產管理和構建流程後，法務審查纔不再依賴口頭回憶。

本文有以下限制：一，中國 AI 生成內容著作權仍處於個案發展階段，本文不把一審個案抽象爲普遍規則；二，“貓咪晶鑽吊墜”案公開法院文章未披露案號，正式訴訟引用前應補查一、二審文書；三，歐盟 Article 50 最終指南發佈於 2026 年 7 月，實施和執法實踐尚待形成；四，PlayStation、Nintendo 等完整認證材料非公開，必須由合作伙伴賬號內複覈；五，供應商企業訂單可能改變公開標準條款，特別是賠償、數據保留、模型版本和停服安排；六，本文未展開數據跨境、未成年人數據和擬人化情感互動的完整制度，僅標明接口。

正式發佈前，應選定目標遊戲平臺和首發國家後重跑平臺／法域矩陣；由產品和技術確認實時 NPC、AI UGC、導出和分享的真實數據流；由採購提供全部模型訂單、DPA、服務專項條款和後臺設置截圖；隨機抽取 10 項 AI 資產，驗證能否從最終文件追溯到來源、生成、人工編輯和發佈；對真人聲音、肖像、聯名 IP、外包數據集和可下載 LoRA 做專項授權複覈；並對 2026 年 8 月 2 日前後歐盟版本確認 Article 50 的角色、寬限期和技術標記實施方案。

參考資料

[1] 國家互聯網信息辦公室等，《生成式人工智能服務管理暫行辦法》，source 。

[2] 《中華人民共和國著作權法》（2020 年修正），source 。

[3] 《中華人民共和國個人信息保護法》，source ；《人工智能擬人化互動服務管理暫行辦法》，source 。

[4] OpenAI, OpenAI Services Agreement, source 。

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

[6] 北京互聯網法院（2023）京0491民初11279號及相關材料，source 。

[7] 北京法院網，《主張 AI 文生圖版權但無法提供生成過程記錄證明智力投入 法院：證據不足予以駁回》，source 。

[8] 中國知識產權報，《規範 AI 平臺，杭州互聯網法院發出司法建議書》，source 。

[9] 《中華人民共和國民法典》第 1018、1019、1023 條，source 。

[10] 北京互聯網法院（2023）京0491民初12142號及相關材料，source 。

[11] 最高人民法院，《2025 年人民法院反不正當競爭典型案例》“變身漫畫特效”案，source 。

[12] 國家互聯網信息辦公室等，《人工智能生成合成內容標識辦法》，source 。

[13] 中國網信網，《網信部門依法查處一批未落實人工智能生成合成內容標識要求的產品》，source 。

[14] 國家互聯網信息辦公室等，《人工智能擬人化互動服務管理暫行辦法》，source 。

[15] Apple, App Review Guidelines, source 。

[16] Google Play, AI-Generated Content 與 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] 《信息網絡傳播權保護條例》，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] 全國網絡安全標準化技術委員會，《網絡安全標準實踐指南——智能體部署和使用安全指引》，source 。

[28] 國家互聯網信息辦公室等，《互聯網信息服務深度合成管理規定》，source 。