本文是《意见》系列解读的第一篇。文章先从人工智能拟声案件切入，观察不同法院如何处理同类新技术引发的权利冲突，再讨论《意见》的法律性质、制定路径与规则形成机制。厘清这些基础问题，是准确理解《意见》各项具体裁判规则的前提，也为阅读本系列后续文章打下基础。

一、从裁判分歧看规则需求

生成式人工智能大幅降低了换脸、拟声等深度合成技术的使用门槛。最高法公布的数据显示，全国法院一审新收诈骗刑事案件2022年为5.2万件，2024年增至9.4万件，2025年为9.3万件，仍处高位；[1]2025年审结电信网络诈骗犯罪案件4.1万件，涉及8.5万人。[2]这些数据不能直接说明案件增长均由AI造成，但反映了诈骗犯罪的总体规模和技术化趋势。与此同时，AI合成声音还被用于商业推广、内容生产和娱乐表达，相关风险已从刑事诈骗延伸至人格权和商业利用纠纷。

从公开案例和报道看，声音深度伪造主要涉及三类受影响主体：一是配音演员、有声书主播等以声音为职业资源的人；二是声音易被仿冒、并被用于带货、推广或恶搞的公众人物；三是因不法分子假冒亲属、同事或领导而遭受诈骗的普通公众。司法一方面要判断合成声音是否指向特定自然人，另一方面要应对训练素材、算法和数据处理过程通常由平台掌握所造成的举证困难。

北京案与成都案的裁判分歧

北京互联网法院审理的殷某案[3]与成都铁路运输第一法院审理的孟帅案[4]，集中反映了声音可识别性判断上的分歧。北京案中，被告自认仅使用原告一人的录音素材开发文本转语音产品，法院结合训练素材来源和当庭勘验，认定相关公众能够将AI声音与原告联系起来。成都案则强调，应以一般社会公众能否仅凭声音识别特定自然人为准，并未依据当事人提交的声音比对结果认定侵权。

两案的差异不只是裁判结果不同。其一，可识别性的判断标准不同：应以一般社会公众为准，还是以相关行业公众的认知为准。其二，证据评价规则不同：声音比对、声学鉴定能够证明音频之间的相似程度，但相似是否足以在合成音频与特定自然人之间建立身份关联，仍需要法律评价。此外，两案也共同暴露出举证分配的现实困境：训练素材和模型过程由平台控制，若仍要求权利人完整证明其声音被用于模型训练，维权门槛可能高到难以实现。

这组案件揭示了涉AI纠纷的共同难题：技术事实复杂，证据控制不对称，开发者、提供者和使用者之间的责任链条较长，而现行法律多以较为抽象的权利和责任条款加以调整。最高法需要回应的，不只是个案中原告的诉请能否成立，更是法院应当依据什么规则、查明哪些事实、采用怎样的论证结构。

二、《意见》的法律性质与制定路径

《意见》以法发〔2026〕10号文件发布。最高法将其定位为涉人工智能司法裁判规则文件，并说明其依据民法典、网络安全法、数据安全法、著作权法、个人信息保护法和民事诉讼法等现行法律，提炼形成审理理念和裁判规则指引。从发布形式和功能看，《意见》并非新设权利义务的法律渊源，而是面向全国法院审判工作的司法指导性文件，其直接作用是统一裁判理念、分析方法和审判工作机制；个案裁判仍需回到现行法律和司法解释，确定请求权基础和裁判依据。

技术仍在快速迭代，案件数量、应用场景和争议问题也不断变化：人工智能场景下的部分问题已形成较为稳定的裁判经验，也有一些前沿问题尚不具备给出“标准答案”的条件。最高法在总结既有审判实践的基础上听取各方意见，将已经成熟的认识写入《意见》，对仍有分歧的问题保留空间。这是一条由个案发现问题、经调研提炼方法、再以司法文件统一适用的规则形成路径。

三、《意见》处理争议的三种方式

从规则成熟度和规范密度看，《意见》大体采取三种处理方式。

（一）确认已有共识的规则

对于现行法已有明确依据、司法实践共识较高的问题，《意见》直接确认责任底线。例如：

• 法律没有规定无过错责任或者过错推定责任的，涉AI侵权原则上适用一般过错责任；

  
  

• 未经同意使用自然人声音作为训练语料，生成能够识别该自然人的合成人声的，构成对声音权益的侵害；

  
  

• 权利人发出符合条件的通知后，生成式AI服务提供者未及时采取必要措施的，应依法承担相应责任；

  
  

• 自动驾驶和辅助驾驶车辆发生事故的，仍依据道路交通安全、产品责任等现行规则处理；

  
  

• 利用AI伪造证据或者提交未经核验的虚假材料的，应承担相应的程序后果。

从责任配置看，《意见》将责任归于开发者、提供者、使用者以及生产者、销售者等现实主体，并未赋予AI系统独立的民事责任主体地位。同时需要注意，不同条款的适用范围并不相同。例如，第十二条规定的按各方参与程度、必要措施和获利情况划分责任，主要针对AI生成内容侵害知识产权的情形，不宜脱离具体条款，扩张为适用于所有AI侵权的统一公式。

（二）根据不同场景统一判断方法

《意见》第三条要求结合应用场景、自主化程度、透明度、潜在风险、控制能力和技术可能性判断过错；第六条以处理目的、信息类型、敏感程度、潜在影响和个人合理预期，判断公开个人信息用于训练是否超出合理范围；第九条要求结合产品用途、自主学习能力、升级情况、用户控制程度和风险警示判断产品缺陷；第十二条则综合服务类型、行业特点、训练数据来源、各方参与程度、必要措施和获利情况，划分知识产权侵权责任。

这些规定统一的是裁判方法，而非各类场景的预设结果。同样是AI幻觉，服务提供者是否尽到合理注意义务，可能导致不同结论；同样是公开个人信息，公开场景、信息敏感程度和使用目的的不同，也会改变合理使用的范围。《意见》通过列明应当调查和权衡的事实，减少不同法院因分析起点不同而产生的裁判偏差。

（三）为重大分歧保留空间

对于尚未形成共识的问题，《意见》暂不作统一规定。最高法在答记者问中明确表示，AI生成内容的可版权性，以及未经许可使用他人作品训练大模型的定性，仍存在较大分歧，需要继续积累实践经验。由此还延伸出模型是否记忆并复制作品、模型权重或参数是否承载可识别的作品表达、风格模仿是否以及在何种条件下纳入著作权法调整范围等问题，这些都作为“留白”问题，留待进一步探讨。

四、程序规则：先解决技术事实如何查明

《意见》第十七条要求法院加强诉讼引导和释明，依法调查收集证据、审查证据保全申请，并充分发挥鉴定人、专家辅助人和技术调查官等专业机制的作用。当事人控制书证、电子数据等证据，无正当理由拒不提交，对方主张该证据内容不利于控制人的，法院可以依法认定其主张成立。这一规则适用于证据控制和妨碍证明的各类情形，并不限于模型训练资料。

第十八条进一步规定，当事人以AI生成内容作为侵权证据的，法院应结合提示词设计及其对生成结果的影响、生成内容与权利作品的相似程度、重复测试的一致性，以及训练、算法和过滤机制等因素进行审查。第十九条规制通过篡改标识、特定指令、选择性呈现或者对抗性干扰制造虚假证据的行为，并要求诉讼参与人对AI生成的诉讼文书、案例检索报告等材料履行核实和说明义务。

这些程序规则不能替代实体法，但能够先行统一技术事实进入法庭的方式。只有法院能够查明模型如何训练、内容如何生成、各方能够控制什么，后续个案才可能形成可比较、可复用的裁判经验。

五、上海AI声音侵权案：《意见》方法论的最新实践

2026年9月29日，上海市第一中级人民法院发布了上海首例人工智能合成语音引发的自然人声音权益保护纠纷案。A公司未经王女士授权，将与其声音高度相似的AI合成语音用于商业推广。双方当事人不服一审判决提起上诉。司法鉴定显示，案涉合成语音与王女士现场采集的声音，在28项共振峰声学指标中有24项偏离度低于10%，两段音频中较为相似或者高度相似的部分占90%。二审法院认为，案涉合成语音足以使普通社会公众与王女士建立特定身份关联，具有可识别性，遂驳回上诉，维持判赔5万元的原判。

该案例在《意见》发布22天后公布，其裁判思路与第四条、第十七条相呼应。法院结合王女士的配音作品已经公开发布、A公司存在接触相关声音素材的可能性，以及较高的声学相似度，认定权利人已完成初步举证。A公司掌握训练数据，却仅以相关员工离职、素材来源无法确认为由抗辩，因而承担举证不能的不利后果。

上海案并未终结声音可识别性标准的全部争议，但较为清晰地展示了与《意见》相衔接的裁判路径：通过司法鉴定、接触可能性和举证责任的动态分配，降低权利人证明训练素材来源的现实障碍。赔偿方面，法院提出优先参照同类许可使用费；许可费难以查实的，再综合侵权持续时间、传播范围、使用方式、过错程度、损害结果以及人格要素对商业收益的贡献酌定。

六、后续规则如何继续形成

《意见》第二十二条规定，对于涉及重大利益、疑难复杂的新类型、具有规则确立意义或者需要统一法律适用标准的涉AI案件，由上级法院提级审理，并应充分运用人民法院案例库加强案例指导。提级管辖使具有规则意义的案件由更高层级法院审理；案例库则从生效裁判中遴选经最高法审核、具有参考示范价值的案例，为类案提供较为稳定的参照。

法答网虽未直接写入《意见》，但在最高法统一法律适用的整体机制中承担另一项功能。它连接四级法院，汇集审判一线遇到的法律适用疑问，通过内部答疑发现高频、共性和前沿问题，并将具有普遍意义的答疑成果以精选答问等方式公开；必要时，这些成果也可为案例遴选和后续规范制定提供参考。案例库提供可供参照的裁判样本，法答网反馈实践中的疑难问题，二者共同为尚未成熟的AI规则提供持续积累的渠道。

小 结

可以看出，在快速变化的AI领域，个案不仅适用既有规则，也参与规则的形成与统一。《意见》建立了一套可随技术发展和司法实践持续演进的规则形成机制：对已有较高共识的权利底线和责任原则予以明确；对依赖具体场景、技术事实和利益衡量的问题，统一分析方法和证明方法；对重大分歧保留必要空间。在此基础上，再通过提级审理、案例库、法答网和后续个案不断积累经验、校准尺度。

接下来，本系列文章将沿着这一思路，分别讨论AI幻觉中的提供者责任、公开个人信息的训练边界、换脸拟声与数字复活的人格权保护、生成内容侵权的责任分配、训练数据与模型参数领域的著作权法介入、智能汽车事故中的责任迁移，以及AI案件进入法庭后的证据与技术事实查明。

[注]

[1]数据来源：最高人民法院，https://www.court.gov.cn/zixun/xiangqing/490061.html。

[2]数据来源：最高人民法院，https://www.court.gov.cn/zixun/xiangqing/492921.html。

[3]北京互联网法院，（2023）京0491民初12142号。

[4]成都铁路运输第一法院，（2024）川7101民初8969号。