解析中國江蘇省「企業知識產權管理規範」之內容與對台商的影響
陳宏志
專案經理 編譯整理
日本《人工智慧技術研究開發及應用促進法》簡介 資訊工業策進會科技法律研究所 2025年06月25日 為全面性且有計畫地推動人工智慧（以下簡稱AI）相關技術之研發及應用，同時為改善國民生活和促進國家經濟健康發展做出貢獻，日本內閣於2025年2月28日提出《人工智慧技術研究開發及應用促進法》（以下簡稱本法）草案。 [1] 本法進一步於同年5月28日經參議院表決通過[2] ，通過之條文內容與2月28日提出之草案並無二致，惟5月27日內閣委員會另外通過20點附帶決議[3] ，其中涵蓋共多具體措施。本法於6月4日公布施行[4] ，以下將介紹本次日本《人工智慧技術研究開發及應用促進法》及附帶決議內容。 壹、立法緣由 近年AI技術及應用蓬勃發展，然而日本卻深感國內對AI發展不如其他主要國家，依據科學技術創新推進事務局（科学技術・イノベーション推進事務局，以下簡稱科技事務局）釋出之立法概要，本次立法主要有兩大理由 [5]： 一、國內AI技術開發、應用起步緩慢 科技事務局引用史丹佛大學於2024年所發布之《AI指數報告》（AI Index Report 2024），該份報告彙整2023年各國對於AI相關產業之民間投資額，如下圖所示。從此圖可知，作為世界主要經濟體的日本，對於AI的民間投資於2023年竟僅有6.8億美元，遠遠不及美國的670.22億美元、中國77.6億美元及英國37.8億美元。[6] 圖一、各國對於AI相關產業民間投資額統計 資料來源：STANFORD INSTITUTE FOR HUMAN-CENTERED AI [HAI], Artificial Intelligence Index Report (2024). 此外，根據日本總務省於2024年所發布之調查結果，如下圖所示，日本僅有9.1%的國民有使用過生成式AI之經驗，相較於中國的56.3%、美國的46.3%、英國的39.8%及德國的34.6%，仍有相當程度之落後。 [7] 圖二、各國國民使用過生成式AI之經驗調查 資料來源：総務省，令和6年版情報通信白書 不僅國民的AI使用率低，日本總務省亦針對企業將AI運用於其業務進行調查，如下圖所示，目前有在使用AI之企業僅有46.8%（包含已取得具體成效及尚未取得成效），其餘53.2%之企業則正在測試階段、正在商議導入或至今仍未討論導入。對比中國的95.1%、德國的80.6%及美國的78.7%，雖不如國民使用率落後，但仍有不少進步空間。[8] 圖三、各國企業業務中AI運用情形調查 資料來源：総務省，令和6年版情報通信白書 二、多數國民對於AI仍感到不安 科技事務局引用KPMG於2023年所發布的《全球AI信任研究報告》（Trust in AI: A Global Study 2023），僅有13%的日本國民認為現行法規已足以確保AI可被安全使用，亦低於中國的74%、德國的39%及美國的30%。此調查結果亦如實反映出有77%的日本國民迫切希望國內能針對AI訂定相關規範。[9] 除上述兩項主要理由外，考量日本有需要進一步促進創新發展、積極應對AI產生之風險，因此科技事務局決定訂立新的AI法規。 貳、立法重點 《人工智慧技術研究開發及應用促進法》總計28條，共分為四個章節，包含第一章總則（第1條至第10條）、第二章基本政策實施（第11條至第17條）、第三章人工智慧基本計畫（第18條）及第四章人工智慧戰略本部（第19條至第28條）。考量依法規條文及章節順序不易說明，以下將以科技事務局所提供之立法概要之脈絡進行說明。 一、目的 第1條即說明本法旨在全面且有計畫地制定AI相關政策，推動AI技術之研發與應用，以改善國民生活並為國民經濟發展做出貢獻。 二、基本理念 第3條亦規定AI技術之研發與應用應以提升AI產業之國際競爭力為目標，希冀藉由AI技術創造高效率新業務，並得以應用於國民日常生活與經濟活動之各階段，另考量AI技術若經不當使用，將有助漲犯罪行為或洩漏個資等風險發生之可能性，故應確保AI技術之正確使用。最後，同條亦規定日本應在AI技術之研發與應用上進行國際合作，並努力在國際合作中取得主導地位。 三、AI戰略本部 本法第四章皆為設立AI戰略本部相關之條文，第19條、第20條及第25條第2項規定AI戰略本部應由內閣所設立，其職責有以下兩項： （一）研擬AI基本計畫草案，並推動相關事宜。 （二）促進AI相關技術研發及應用相關重要政策之規劃、提案及統籌協調等事宜。 （三）除本法規定的事項外，總部相關必要事項由政令規定。 為使AI戰略本部可順利履行上述職責，第25條賦予AI戰略本部認為有必要時，得向行政機關、地方公共團體、獨立行政機構、地方獨立行政機構的首長以及公共機關的代表，要求提供資料、發表意見、進行說明及提供其他必要協助。 第21條至第28條則為與本部組成相關之規定，其規定AI戰略本部組成成員包含以下三個職位： （一）部長：由總理擔任，掌管總部事務，並領導監督總部工作人員。 （二）次長：由官房長官及AI戰略大臣（由總理任命）擔任，負責協助部長履行職責。 （三）由除部長、次長以外的所有國務大臣組成。 四、AI基本計畫 如上所述，AI戰略本部重要職責之一，即研擬AI基本計畫草案。依第18條規定，總理應將AI戰略本部所研擬之AI基本計畫草案，提請內閣決定是否同意草案內容，待內閣作成決定後，總理應立即公布AI基本計畫。 同條亦明定AI戰略本部應以前述第二節的基本理念及以下第五節的基本政策實施之相關規定為基礎，研擬AI基本計畫草案，其應涵蓋之事項包含： （一）AI技術研發及應用政策實施的基本方針。 （二）為促進AI技術研發及應用，政府應全面性且有計畫地實施政策。 （三）政府為能全面性且有計畫地實施政策所採取的必要措施。 五、基本政策實施 第二章所涵蓋之第11條至第17條則規定政府應執行之基本政策實施事項，包含： （一）促進AI技術研發 依第11條規定，國家應採取措施促進AI技術研發，使AI技術可順利從基礎研究階段進展至實際應用階段，並在研發機構間建立研發成果得以互相流通之制度，同時提供研發成果資訊。 （二）提升基礎設施建置與使用 依第12條規定，國家應採取措施建置AI基礎設施，包含AI技術研發及應用所需之大規模資料處理、資通訊、電磁紀錄儲存等設備及為特定目的所收集之資料集等，並使AI基礎設施得以廣泛供研發機構或企業所使用。 （三）確保符合國際規範 依第13條規定，國家應根據國際規範制定基本方針並採取其他必要措施，以確保AI技術之研發及應用得以適當之方式進行。 （四）確保人力資源 依第14條規定，國家應與地方政府、研發機構和企業緊密合作，並採取必要措施，以確保、培訓和提升各領域人才的專業素質，使其具備AI技術從基礎研究至實際應用於民眾生活或經濟活動之各階段所需之專業知識，並提升其專業知識之廣度及深度。 （五）提升教育 依第15條規定，國家應提升與AI技術相關之教育與學習、辦理推廣活動或採取其他必要措施，以增進大眾對AI技術之認知與興趣。 （六）研究調查 依第16條規定，國家應掌握國內外AI技術研發及應用之最新趨勢，並進行有助於AI技術研發及應用發展之研究與調查，包含分析因不正當目的或不適當方法研發應用所導致國民受侵害之案例，及針對不正當使用之因應對策。 同時，國家亦應根據此類研究調查成果，向研發機構、企業和其他人員提供指導、建議和最新資訊，並採取其他必要措施。 （七）國際合作 依第17條規定，國家應進行AI技術研發及應用之國際合作，積極參與國際規範之制定過程。 六、職責 第4條至第8條分別規定國家、地方政府、研發機構、企業與國民應各司其職，其職責分述如下： （一）國家 依第4條規定，國家應依前述第二節的基本理念，制定並實施促進AI技術研發及應用之基本政策實施相關之計畫。此外，國家應在行政機關間積極應用AI技術，以提升行政效率。 （二）地方政府 依第5條規定，地方政府應依前述第二節的基本理念，在與國家進行適當分工後，結合各地方特色，制定並實施自主政策，以促進AI技術之研發及應用。 （三）研發機構 依第6條規定，大學及研發機構應依前述第二節的基本理念，積極進行AI技術之研發，推廣其成果，培育具有專業性和廣泛知識之人才，並協助國家與地方政府之政策實施，而國家與地方政府則應促進大學研究活動，尊重研究人員自主權及將各大學之特色納入考量。 此外，研發機構應進行跨領域或綜合性研發，同時為有效推動AI技術研發，應綜合考量人文科學及自然科學等領域之專業知識。 （四）企業 依第7條規定，任何企業有意開發或提供使用AI技術之產品或服務，或任何其他有意在其業務活動中使用AI技術，應依前述第二節的基本理念，提升其業務之效率和品質。 此外，上述企業應透過積極使用AI技術創造新興產業，並須配合執行國家依第4條所定之措施及地方政府依第5條所定之措施。 （五）國民 國民應依前述第二節的基本理念，加深對AI技術之認知與興趣，並盡可能配合執行國家依第4條所定之措施及地方政府依第5條所定之措施。 七、附帶決議 本次立法過程除條文本身外，5月27日內閣委員會亦通過20點附帶決議，針對政府實施本法時應採取之適當措施進行補充說明，以下摘錄重點說明 ：[10] （一）政府應以「以人為本之AI社會原則」為基礎，進行AI技術研發及應用。 （二）政府制定AI基本計畫和基本方針，或執行政策措施時，應將風險降至最低，並考量推廣AI之益處。 （三）企業和國民應充分了解AI應用之注意事項及規避風險之措施，並透過教育使國民了解AI合理使用方法及其風險。 （四）政府針對AI應用導致之失業或貧富差距擴大採取必要措施。 （五）政府應透過法規打擊AI技術之濫用，特別是利用兒童圖像產生之深偽色情內容，並加強對網站管理員刪除違法內容之監管，保護受害者。 （六）政府和民間機構將合作開發以日語為基礎之大型語言模型。 （七）政府應消除新創企業等新進者之壁壘，創造公平開放之市場環境。 （八）政府應將AI定位為國家戰略重要領域。 （九）政府應考慮電力供需，策略性地建設資料中心。 （十）政府應以跨學科之觀點強化對AI人才之培養，並確保足夠有投資。 （十一）政府應積極營造有利於國家、地方政府、企業應用AI之環境，並避免因營運效率提升而出現裁員情形。 （十二）政府應執行降低AI風險之措施，並進行公私合作以確保安全。 （十三）政府於進行調查和指導時，應避免施加過重之負擔或要求過多資訊揭露，同時考慮保護企業之商業機密等智慧財產權。 （十四）政府於國民權益受害之個案進行調查和指導時，應即時自企業或服務使用者和人工取得資訊，以便迅速發現個案並因應。 （十五）針對依《廣島人工智慧進程國際行為準則》負有報告義務之企業，政府應最大限度地減少其與現行國內法規之報告義務之重複。 （十六）政府應不斷修訂本法及其他相關計畫與方針，以確保AI應用能促進國民生活改善和國民經濟發展，並及時應對新風險。 （十七）AI戰略總部之組織架構，應消除各部會、機構垂直分工造成之弊端，並積極自民間招募人才。 （十八）政府應儘早成立由AI倫理、法律和社會議題等領域專家組成的智庫機構。 （十九）如出現現行法規難以因應之新風險，政府應考慮導入風險導向之概念，依風險等級而採取不同監管措施。 （二十）因應AI應用產生之智慧財產權相關侵權行為，政府應參考其他國家之情形，探討因應措施。 參、總結 日本緊接著韓國之後，成為亞洲第二個在法律層級通過AI法規的國家，惟相較歐盟或韓國通過的AI法，日本在法律條文的訂定上，主要是針對政府與各界之職責進行規範，而缺乏對於AI技術開發或應用風險之監管。儘管附帶決議中較多具體內容，仍須待AI基本計畫訂定後，日本對於AI技術開發或應用之監管模式才會有較清晰之雛形。 考量到日本尚有通過20點附帶決議，日後仍可關注AI戰略本部如何依據AI法及附帶決議擬定AI基本計畫，未來或可成為我國人工智慧法制政策規劃之參考依據。 [1]人工知能関連技術の研究開発及び活用の推進に関する法律案（第217回閣法第29号）。 [2]〈議案情報：人工知能関連技術の研究開発及び活用の推進に関する法律案〉，参議院，https://www.sangiin.go.jp/japanese/joho1/kousei/gian/217/meisai/m217080217029.htm（最後瀏覽日：2025年6月11日）。 [3]参議院，〈人工知能関連技術の研究開発及び活用の推進に関する法律案に対する附帯決議〉，https://www.sangiin.go.jp/japanese/gianjoho/ketsugi/current/f063_052701.pdf（最後瀏覽日：2025年6月11日）。 [4]人工知能関連技術の研究開発及び活用の推進に関する法律法律（令和7年法律第53号）。 [5]內閣府，〈人工知能関連技術の研究開発及び活用の推進に関する法律案（AI法案）概要〉，https://www.cao.go.jp/houan/pdf/217/217gaiyou_2.pdf（最後瀏覽日：2025年6月11日）。 [6]STANFORD INSTITUTE FOR HUMAN-CENTERED AI [HAI], Artificial Intelligence Index Report (2024), https://hai.stanford.edu/assets/files/hai_ai-index-report-2024-smaller2.pdf (last visited June 11, 2025) [7]総務省，〈令和6年版情報通信白書〉，https://www.soumu.go.jp/johotsusintokei/whitepaper/ja/r06/pdf/n1510000.pdf（最後瀏覽日：2025年6月11日）。 [8]総務省，〈令和6年版情報通信白書〉，https://www.soumu.go.jp/johotsusintokei/whitepaper/ja/r06/pdf/n1510000.pdf（最後瀏覽日：2025年6月11日）。 [9]KPMG, Trust Inartificial Intelligence: Country Insights on Shifting Public Perceptions of AI (2023), https://assets.kpmg.com/content/dam/kpmgsites/xx/pdf/2023/09/trust-in-ai-country-insight.pdf.coredownload.inline.pdf (last visited June 11, 2025). [10]参議院，〈人工知能関連技術の研究開発及び活用の推進に関する法律案に対する附帯決議〉，https://www.sangiin.go.jp/japanese/gianjoho/ketsugi/current/f063_052701.pdf（最後瀏覽日：2025年6月11日）。
模型內記憶化即構成重製--德國慕尼黑地方法院 判決Suno敗訴對AI訓練合理使用之衝擊模型內記憶化即構成重製--德國慕尼黑地方法院 判決Suno敗訴對AI訓練合理使用之衝擊 資訊工業策進會科技法律研究所 2026年08月24日 前言 生成式人工智慧以受著作權保護之作品為訓練資料，其行為是否構成著作權侵害、又能否主張合理使用或文字與資料探勘之限制，是人工智慧快速應用以後在著作權領域最主要的核心爭議。德國慕尼黑第一地方法院於2026年7月31日就 GEMA 控告 Suno 案作成終局判決[1]，首度就生成式音樂AI的「模型內記憶化」特點給予著作權定性，並明確指出引據主張文字與資料探勘限制之適用界線。 壹、事件摘要 德國慕尼黑第一地方法院（Landgericht München I，LG München I）於2026年7月31日就德國著作權集體管理團體「音樂表演權與機械性重製權協會」（Gesellschaft für musikalische Aufführungs- und mechanische Vervielfältigungsrechte，下稱 GEMA）訴美國 AI 音樂生成器業者（被告即 Suno）案（案號42 O 763/25）作成終局判決，認定被告將受著作權保護之音樂著作「記憶化」（Memorisierung）於其模型中，構成德國著作權法（Urheberrechtsgesetz，UrhG）第16條第1項之重製，並侵害權利人之「公開再現（öffentliche Wiedergabe）」利用權[2](相當於我國著作權法上提供或傳達著作內容，包括使公眾得於其各自選定之時間或地點，以上述方法接收著作內容的公開傳輸)。 本案系爭標的為六首德語經典流行音樂：「Atemlos durch die Nacht」、「Daddy Cool」、「Rasputin」、「Big in Japan」、「Forever Young」，以及「Mambo No. 5」之副歌。原告主張，使用者僅需輸入原曲歌詞、風格或標題等簡單提示，被告之音樂生成器即會輸出與原曲高度近似之音樂[3]。法院判決被告不得以系爭音樂著作訓練模型、於模型中儲存系爭著作、在德國境內提供以系爭著作訓練之模型，以及製作侵害系爭著作之著作物[4]。本判決尚未確定，被告得提起上訴[5]。 貳、重點說明 一、模型內「記憶化」構成重製 法院認為 AI訓練依時間先後區分為三階段：抽取訓練素材並轉入機器可讀格式，即訓練資料之製作；資料之分析及以後設資訊加以增益，即模型之訓練；其後藉提示與輸出對已訓練模型之利用。整體流程依訓練性質可區分為--「僅為轉入數位格式或為分析目的而作之重製」與「留存於模型中之重製」[6]。本件關鍵在於第二階段：系爭音樂著作以可再現之方式含於模型中，其記憶化即構成著作權上相關之重製[7]。 （一）模型記憶化之概念 法院認定系爭音樂著作含於模型中，得作為輸出而被抽取，此即「記憶化」；其係指模型於訓練時，非特定之參數不僅自訓練資料集抽取資訊，且於訓練後所特定化之參數中，可見對訓練資料之完整承接（Übernahme，意指納入其中）[8]。所謂「完整」指承接超出單純資訊（如模式與相關性）之部分，非指承接之數量須完整或精確，而係至少部分地承接其內容[9]。模型自訓練資料習得統計規律，本身不受著作權法非難，然若所承接者已是著作的內容而非關於著作的資訊，性質不再只是「分析」而是「留存」 [10]。而且，被告之模型格外易受影響，特別擅長把與該提示相符之受著作權保護曲目，以極貼近原曲之方式生成為輸出[11]。換言之，使用者毋須指名要哪一首歌，只要在語音節奏上仿寫得夠像，模型即可能把原曲於輸出中再現。 法院指出記憶化判定標準因模型類型而異，有的研究要求原作與輸出內容同一，有的以部分一致為已足；就生成圖像或音訊之模型，訓練時僅抽取經選取之基礎特徵，細節資訊則被有意捨棄，故要求百分之百精確一致並不實際亦非必要。而且，模型因訓練時採「量化」（Quantisierung）而有意捨棄細節資訊，因此難以想像有一訓練資料被百分之百精確相符的記憶化，不過法院指出這些被捨棄的本就是人類感官難以掌握之細節，所以記憶化之認定應兼採「檢視旋律、節奏、和聲、識別度與風格相似值之自動檢核」及「人為評價」[12]。而記憶化的原因來自於模型自含有著作各種變體之訓練資料學習後，特定後設資料（如標題、類型或歌詞）與著作音樂特性（調性、節奏等）間之統計關聯被強化，造成使用者於提示中使用此等後設資料時，AI以所學得之統計機率導出「音樂特性大致相似」之輸出[13]。至於證明方法，法院認為訓練資料為已知時，得逕以訓練資料與輸出之比對認定；訓練資料不明時，則得借助「熵」（Entropy）與「困惑度」（Perplexity）等參數，探究模型再現一輸出之確定性[14]。 （二）記憶化之事實認定 法院以系爭著作為訓練資料一事並無爭執，而且系爭著作可藉「原歌詞、音樂風格及著作標題」之提示，明顯可辨識地再現於所提出之輸出中，認定本件記憶化已得逕以系爭音樂著作與輸出之比對認定[15] 。法院就被告之抗辯，逐一駁斥： 1. 系爭提示為簡單、開放結果之提示，輸出並非藉操控性提示所誘發：雖然被告主張原告以歷時數月、上千次、高度脈絡化之提示故意誘發記憶化，但法院認為原告固曾為3,779次提示，惟其中僅338次涉及系爭六曲；且同一提示之反覆輸入並未將輸出導向特定方向，此有別於「以評價性或暗示性指定改變脈絡」之誘發性提示[16]。 2. 系爭輸出不應歸類為偶然：鑑於所生成音樂之複雜性、長度及其與訓練資料之廣泛相符，已可排除係偶然出現的相似[17]。 3. 原告每曲僅提出一則輸出並無妨害：因為記憶化之存在，與「以不變提示是否生成同一輸出」無關[18]。 4. 無關訓練資料全部存儲可能性：雖然被告主張其模型儲存空間於數學上不足以精確儲存全部訓練資料，但法院認為重要的僅為系爭六曲是否可辨識地被記憶化[19]。 （三）記憶化含攝於著作權法之重製概念 法院就被告聲請鑑定「系爭著作是否於模型中儲存或記憶化」予以駁回，認為「權重與參數之區分於何範圍構成重製」係法律問題、非鑑定所能及[20]。法院基於下述理由認為記憶化已構成著作權法之重製： 1. 重製含「直接或間接」、「暫時或永久」及「以任何方法及任何形式」，不僅為與原件同一原樣之重製，亦包括以變更形式對著作之固著，例如類比著作之數位化、以 MP3 等壓縮檔格式之儲存，或以縮小版本之儲存[21]。 2. 因為記憶化是透過模型特定化參數中之資料，而該等參數本身又具體存於伺服器上，所以系爭著作之著作權重製要件「具體固著」。至於採何等技術固著並非決定性，模型若因訓練所導出之統計資訊而具「生成可辨識地再現該音樂著作之統計上可能詞元序列（Tokenfolgen）」之能力，即為已足[22]。 3. 固著於模型中之著作，得藉音樂生成器、一具螢幕之終端裝置及簡單、開放結果之提示，讓一般使用者以其可及之技術輔助接觸，感知並不困難。而且，重製不以可反覆之再現為前提，故認為被告要求評估的「特定輸出之機率與可反覆性」，頂多涉「是否存有記憶化」之事實問題，而非「法律意義之重製是否存在」[23]。 二、模型內重製不能主張文字與資料探勘 （一）文字與資料探勘之定義與目的拘束 法院認為「文字與資料探勘」（Text and Data Mining，TDM）係指對數位著作之自動化分析，以自其中取得特別是關於模式、趨勢與相關性之資訊[24]。而自動化分析本身並非著作權上相關之行為，蓋著作中所含非創作性之資訊本身不受保護。但因為文字與資料探勘有時須有可能侵及利用權之準備措施而涉及重製，故 TDM 的核心思想在於此等重製僅為其後分析目的而作，不損及著作人之利用利益，故人工智慧訓練為準備訓練語料之重製行為，為 TDM 所涵蓋[25]；惟本案所爭執者，並非此等準備階段之重製，而是訓練後留存於模型內、並得於輸出中再現之重製[26]。 （二）記憶化逾越文字與資料探勘 法院認定系爭著作於模型中之重製並非文字與資料探勘，因為文字與資料探勘旨在抽取單純資訊，將此等資訊轉入模型參數。惟系爭著作之記憶化讓作為訓練資料之音樂著作不僅被分析，而且被承接入模型參數，並損及著作人之利用利益。因此，藉由模型記憶化所生之重製，並非「不觸及利用利益」之第一階段（製作訓練資料），文字與資料探勘限制於此不成立[27]。 （三）不得類推、無合法接觸 法院進一步排除歐盟數位單一市場著作權指令第4條[28]之類推適用，因為該條所規範的是「僅抽取單純資訊、著作本身未被重製」之情形，反之於模型內重製則使著作利用受持續損害；若類推適用，權利人將陷於無保護狀態，明顯有違該指令前言認限制對權利人所生損害僅屬「極微」之考量[29]。因此，法院進一步認為若依技術現狀無從防止訓練資料之記憶化，則以受保護資料訓練模型，即不能適用文字與資料探勘限制[30]。另外，法院亦認為本件被告係破解 Rolling Cipher 保護裝置、以串流側錄（Stream-Ripping）自 YouTube 下載系爭著作；Rolling Cipher 係為阻止下載而設，被告欠缺合法接觸，不能主張德國著作權法第44b條第2項「合法接觸」之規定[31]。 三、模型提供與生成記憶內容構成公開再現的侵害 法院認定藉模型之提供、生成音樂之應用及系爭輸出，造成權利人所享之公開再現權利受侵害[32]。 （一）公開再現之判斷標準與認定 法院指出公開再現之保護範圍，判斷標準在於著作之原創要素於另一標的中可辨識，亦即受保護著作中足以反映著作人人格之創作抉擇，是否可辨識地被承接於被指摘之標的。縱使所涉僅為著作之一小部分，只要該部分本身表達著作人自己之精神創作，即構成侵害[33]。其判斷只須以一般平均音樂聽者之聽覺理解為準[34]。 經比對譜例與聽覺印象，法院認定輸出廣泛承接六曲之旋律、作曲與編曲，各輸出均未與原曲保持充分距離。例如「Big in Japan」創意在於旋律自主歌經前副歌至副歌之三段式遞升，表達蓄積而終告釋放，同時和弦速度加快而傳遞急迫印象；AI輸出重演此整體情況，聽者因而體驗到相同之音樂起伏與情感效果[35]。 （二）被告直接為再現行為並應歸責 法院認為「再現行為」（Handlung der Wiedergabe）應不問技術手段，廣義涵蓋受保護著作之一切傳輸，故認定被告藉模型之提供及生成音樂之應用，經由使用者介面使系爭著作可被存取，模型並儲存於德國境內之邊緣伺服器，故其侵害公開再現之利用權[36]。而且只要有被存取之可能即構成，著作實際是否被存取並非所問[37]。 而且法院認被告應歸類為正犯，蓋其對藉內容輸出所為重製具行為支配（Tatherrschaft）。被告基於訓練決定輸出內容，於再現中扮演核心角色，並決定模型運作方式、訓練資料選取與訓練鋪陳，係自身為公眾開啟著作享用，非僅只是中介角色。且此等內容藉簡單提示即被再現，決定輸出具體內容的不是提示而是被告所運作之模型，被告未將行為支配給予使用者。是以，被告之模型並非僅提供「錄製私人重製所需之器械」，亦不能與不負內容責任之販售平台相比擬[38]。 基於上述理由，法院未採被告主張援引歐盟數位服務法第6條[39]的責任限制，認為該條僅限制「儲存使用者所提供資訊之中介服務」之責任，就服務提供者自身之內容並不適用。本件被告非僅提供技術中立之基礎設施，而係提供模型並製作系爭輸出，其前之提示簡單且未於內容上指定或誘發，故各輸出為被告自身之資訊，就此其扮演主動角色，而非被動中介之外來資訊[40]。 四、合理使用抗辯不成立 針對被告在美國境內之訓練行為，法院依美國著作權法（17 U.S.C.）審酌是否構成合理使用（Fair Use），認為四項因素綜合觀之均不利於被告[41]： （一）利用之目的與性質 本件被告之應用並未生成新音樂著作，而係生成與訓練所用系爭著作實質相似之錄音，音樂著作並未被轉化[42]。被告之利用亦為商業性利用，其重製與原作追求相同的目的[43]。法院並將被告規避 Rolling Cipher、以串流側錄取得訓練資料一節，評價為惡意而顯著不利於被告[44]。 （二）著作之性質 系爭音樂著作為涉著作權核心之創意著作，被告所製作之音樂非僅承接概念，而係承接系爭曲之創意要素，故非如逆向工程般僅為研究功能而重製[45]。 （三）所利用之質量 被告為訓練其模型而對系爭音樂著作為廣泛重製，且未闡明其何以必須依賴此等廣泛重製。法院指出於大量重製之情形，關鍵在於所重製之著作係向公眾提供，抑或僅參與技術上不可見之後端程序；本件與 Google Books 案顯著不同，該案被告並未將重製向公眾提供[46]。 （四）對潛在市場或價值之影響 法院認為訓練所生之輸出構成取代原作之替代物，在「使用者直接消費之娛樂音樂」市場與原作競爭[47]。被告抗辯系爭輸出係在同一提示反覆輸入多次之後才出現，故不足以認定市場影響；而且第四項因素不僅看具體侵害行為之影響，還要看此類利用行為一般而言是否可能對原作市場產生顯著負面效果。本件原告就各曲分別輸入4至176則相同提示始取得系爭輸出，惟被告之音樂生成器於2024年單一月份即錄得220萬名訪客，以此流行程度計，縱使平均每4次或每176次輸入才得到一個與原作實質相似之音樂，累積於市場上之替代效果仍屬顯著[48]。 法院特別強調本件輸入僅含歌詞之提示後生成實質相似輸出，與美國 Bartz、Kadrey 兩案顯著不同，該兩案中訓練資料未實質於輸出中讓使用者可觸及，未因生成實質相似輸出而明顯可看到對市場的影響[49]。權衡一切因素，法院認被告之具體利用不為合理使用所涵蓋，且並非所有模型均記憶化其訓練資料，故於本案件否定合理使用既不妨礙進步或競爭，亦不牴觸模型之發展公益[50]。 參、事件評析 本案立於歐盟資訊社會著作權指令與數位單一市場著作權指令所建構之重製權與文字與資料探勘體系，其「公開再現」與我國由公開播送、公開演出、公開傳輸等權能概念亦並不全等同，而其本身能否維持猶待上訴審檢驗，亦有待後續觀察。但本案的重點在於，把過去類似爭議的爭訟焦點由「訓練是否構成重製」展開為「模型是否留存並於輸出中再現受保護著作」，並進一步加重AI開發與服務提供者被歸責可能性，本文認為可歸納其重點如下： 一、法院未全面否定訓練之資料取用可主張合理使用，但前提須為合法取得 本判決雖判被告不得援引合理使用，惟其論證重心並不在「以受保護著作訓練模型」這件事本身。法院明白表示訓練一個能生成新音樂作品的模型，一般而言確實可能是具轉化性、追求更進一步目的而為合理使用所涵蓋之利用。本案之所以認定不同，是被告之應用並未生成新的音樂作品，而係以系爭輸出生成與訓練所用著作實質相似之錄音，音樂著作因而未受轉化。法院於綜合權衡時亦明言，並非所有模型都會記憶其訓練資料，於本案否定合理使用既不妨礙進步與競爭，也不牴觸公共利益，蓋須取得授權不等於不能訓練。因此，本判決所否定的是「訓練後留存於模型、並得於輸出中再現」，而非概括否定 AI 訓練之資料取得有主張合理使用之餘地。但法院對被告規避 Rolling Cipher、以串流側錄取得訓練資料一節評價為惡意，顯示取得手段是否合法，從目前國際上的司法案例看來，仍是決定是否能主張合理使用的重要環節。 二、能否主張合理使用或文字與資料探勘，取決於一般提示下是否再現實質近似內容 法院認定本案與美國 Bartz、Kadrey 二案顯著不同，關鍵在於本案訓練資料實質地在使用者僅輸入歌詞、未作任何音樂上要求之簡單且結果開放之提示下，即可生成與原曲實質相似之輸出。而文字與資料探勘之審酌，法院並不否認為準備訓練語料所為之第一階段重製落入德國著作權法第44b條範圍，真正逾越限制者是第二階段留存於模型內之記憶化。是以，若訓練所得之模型不會在一般、未經特別設計引導之提示下再現實質近似之內容，主張文字與資料探勘限制或合理使用仍有空間。而且必須注意的是，倘依技術現狀無從防止訓練資料之記憶化，法院認為將受保護資料訓練模型即不為該限制所涵蓋，則「能否防止記憶化」就是AI開發與服務業者重要的技術降險研發重點。 三、AI記憶化的輸出由模型提供者承擔侵權責任 本判決外溢效果最大者為責任歸屬，法院認定AI記憶化的輸出產生的再現行為，是源自於被告以模型與使用者介面，開啟讓公眾對已記憶化著作可存取。就輸出所生之重製，被告因對模型架構、訓練資料選取與訓練設計負責而具行為支配，應歸類為正犯；僅輸入提示觸發生成之使用者，不被視為重製行為人。顯見有關AI責任的認定，法院著重於誰對於結果具有實質主導的控制能力，AI 服務提供者將來可能更難以主張模型只是提供「工具」、由使用者決定產出，也不能主張自己是中立平台而把使用責任歸予使用者。 本案法院判決提出的模型記憶化(留存受保護著作)構成重製的觀點，其重點在於一定程度緩解權利人的內容再現舉證困難，並透過受訓練資料與特徵近似的生成結果判斷記憶化的存在，進一步認定存在重製結果，而且該重製欠缺轉化性、具商業目的、結果對權利人市場造成明顯負面影響。我國對於AI 訓練是否合法的認定，仰賴著作權法第65條合理使用之一般條款判斷，雖須個案、事後之權衡，但從本案法院見解可見，避免AI的記憶與所記憶內容的出現是關鍵點，如技術上可能，業者須溯源在訓練過程採取去記憶化的事前避險措施，以避免成為記憶內容之提供者而須自行承責。 本文著作權屬財團法人資訊工業策進會科技法律研究所所有，如需引用或轉載，請註明出處。 本文同步刊登於TIPS網站（https://www.tips.org.tw） [1]LG München I, Endurteil vom 31.07.2026, Az. 42 O 763/25。 [2]Id., Rn. 239, 262, 317, 375. [3]Id., Rn. 4, 26. [4]Id., Urteilstenor Nr. 1 a) aa), a) bb), b), c). 原告依德國著作權法第19a條公開提供權所為之聲明則遭駁回，法院認一次調取至多需輸入176個相同提示，該調取非於使用者所選定之時間發生；其餘之訴亦經駁回。Rn. 315, 316, 554. [5]Landgericht München I, Pressemitteilung vom 31.07.2026, https://www.justiz.bayern.de/gerichte-und-behoerden/landgericht/muenchen-1/presse/2026/16.php (last visited Aug. 21, 2026). [6]LG München I, supra note 1, Rn. 240. [7]Id., Rn. 241. [8]Id., Rn. 243. [9]Id. [10]Id., Rn. 240, 243, 283, 294. [11]Id., Rn. 244. [12]Id., Rn. 245. [13]Id., Rn. 246. [14]Id., Rn. 247. [15]Id., Rn. 249. [16]Id., Rn. 250-253. [17]Id., Rn. 258. [18]Id., Rn. 259. [19]Id., Rn. 260. [20]Id., Rn. 261. [21]Id., Rn. 263, 264. [22]Id., Rn. 268-270. [23]Id., Rn. 276-279. [24]Id., Rn. 283. [25]Id., Rn. 284, 285. [26]Id., Rn. 289, 293. [27]Id., Rn. 294, 295. [28]Directive (EU) 2019/790 of the European Parliament and of the Council of 17 April 2019 on copyright and related rights in the Digital Single Market and amending Directives 96/9/EC and 2001/29/EC, art. 4, 2019 O.J. (L 130) 92. [29]LG München I, supra note 1, Rn. 299. [30]Id., Rn. 304. [31]Id., Rn. 13, 308, 310. [32]Id., Rn. 317. [33]Id., Rn. 321. [34]Id., Rn. 323. [35]Id., Rn. 197, 349. [36]Id., Rn. 373, 374. [37]Id., Rn. 375, 376. [38]Id., Rn. 399-401. [39]Regulation (EU) 2022/2065 of the European Parliament and of the Council of 19 October 2022 on a Single Market For Digital Services and amending Directive 2000/31/EC (Digital Services Act), art. 6, 2022 O.J. (L 277) 1. [40]LG München I, supra note 1, Rn. 408, 409. [41]Id., Rn. 447-449. [42]Id., Rn. 484-486, 493, 494. [43]Id., Rn. 498-500. [44]Id., Rn. 504-510. [45]Id., Rn. 511, 512. [46]Id., Rn. 514-518. [47]Id., Rn. 519-523. [48]Id., Rn. 27, 492, 527. [49]Id., Rn. 480, 526. [50]Id., Rn. 530, 531.
美國《國際緊急經濟權力法》（IEEPA）美國《國際緊急經濟權力法》（International Emergency Economic Powers Act, 50 U.S.C. §1701-1708，下稱IEEPA）是美國總統針對國際經濟局勢，進行多種經濟交易相關限制之法源依據─只要外來任何威脅造成美國家安全、外交政策或者經濟出現隱憂，美國總統即可按IEEPA依職權調查、管制或限制「任何與特定國家的外國匯兌交易、透過金融機構進行任何涉及該國利益的信貸移轉或支付、輸入或輸出外幣或證券；亦可凍結與特定國家或該國人民有關的財產權」。1979年，卡特總統（Jimmy Carter）援引IEEPA因應伊朗人質危機（Iran Hostage Crisis），係迄今最長時間的經濟制裁（sanction）；2001年的911空襲事件之後，美國國會大幅擴張IEEPA，同時制裁阿富汗（Blocking Property and Prohibiting Transactions with the Taliban）。近期的中美貿易戰中，IEEPA亦扮演重要角色。舉例而言，2019年5月15日，美國總統川普（Donald Trump）即以IEEPA發布〈行政命令：保護資通訊技術及服務之供應鏈〉（Executive Order on Securing the Information and Communications Technology and Services Supply Chain），並於翌日將華為及其遍布26國的68間子公司列入《出口管制規則》（Export Administration Regulations, EAR）之管制名單。 美國憲法起草時，並無談及緊急權力（emergency powers）之概念，所以在過去的兩個世紀，美國總統僅能個案處理（ad hoc）緊急狀況，國會再後續追認。20世紀以降，美國開始出現緊急權力模式─透過國會立法，將原應由國會代表人民行使的權力(delegated powers）授予總統在緊急狀況下直接行使。復有1976年的《國家緊急法》（National Emergencies Act，下稱NEA），而1977年通過的IEEPA即是依NEA為法源所設。當美國總統行使IEEPA，必須遵守NEA：立即向國會發送緊急命令公告，並且將之發布於聯邦公報（Federal Register），總統亦須闡明其發布該緊急命令所援引之法源依據。《國際緊急經濟權力法》中，公權力對於私經濟的介入，則可溯及第一次世界大戰末期的《1917年對敵貿易法》（Trading with the Enemy Act of 1917），當時出現始料未及的經濟動員（economic mobilization）與制裁。