前置知识点（建议先学）
学习状态：
一句话定义
图像生成的版权争议集中在三个问题——训练数据授权（未经许可抓取是否侵权）、输出归属（纯 AI 图是否受版权保护）、风格模仿（「画得像某画师」是否违法）——三者在不同司法辖区答案不一，且都仍在演进中。
时效声明：本节为机制与争议框架整理，司法与立法持续变动（截至 2026-10），具体个案务必按当时当地规则核实，本库不构成法律意见。
为什么重要
这是从「会用」到「敢用、负责任地用」的必经一课：个人玩具与商业交付之间隔着授权链与权利瑕疵问题。三个争议问题的答案直接决定工作习惯——数据集怎么选、商用条款怎么看、产出物怎么署名与留证。争议背后的思想实验（模型输出与训练样本的「相似度从哪来」）也是对 kp-001「分布学习 vs 记忆」的最好检验。
前置知识
kp-001（生成 = 分布采样而非检索，理解争议的机制前提）。
核心概念
- 训练数据授权：网络抓取图像（含 LAION 类开放索引数据集）用于训练是否需要权利人许可。
- 合理使用（fair use）争议：转换性使用 vs 市场替代的对抗论点。
- 输出可版权性：纯 AI 生成 vs 人类创造性参与（提示词设计、后期编辑）的界线。
- 风格 vs 表达：版权保护具体表达而不保护抽象风格/思想（思想-表达二分法）。
- 许可链留证：数据来源、模型授权条款、使用记录的合规档案。
原理与机制
争议一：训练端。核心对抗：权利方主张大规模抓取+商业模型构成市场替代与未授权使用；模型方主张训练属转换性使用、学习的是统计规律而非复制作品。焦点案例（截至 2026-10 仍在演进）：艺术家集体诉讼指向 Stable Diffusion 及其数据集（LAION）链路，Getty Images 诉 Stability 案涉及图库内容的训练使用——两案的走向都在「转换性」与「市场损害」间拉锯。机制视角的价值：扩散模型确实存在记忆风险（重复训练样本可被逼近提取），但「能记住」与「每张输出都是复制」之间有分布学习的中间地带——争议的司法结论会落在机制光谱的哪个点，正是技术理解能帮你判断的部分。
争议二：输出端。多数辖区现行框架把「人类作者的创造性投入」作为可版权性前提：纯提示词生成（一键出图）在部分辖区被认定为不受版权保护或保护存疑（美国版权局的登记实践倾向此立场），而加入显著人类创作（构图设计、局部重绘控制、后期编辑）的部分可主张保护；中国 2023 年有法院判决认定含智力投入的 AI 图可具独创性（北京互联网法院案例）。实操含义：商业交付要保留创作过程证据（迭代记录、修改图层），恰好 kp-020 的实验记录就是现成的留证格式。
争议三：风格端。「用某人风格词/LoRA」触碰的是风格而非表达——思想-表达二分下，抽象风格本身不受版权保护；但以特定在世画师名义营销、或模型足以令人误认出自其手的近似表达，可能落入不正当竞争、人格权（公开权/姓名权）或实质性相似侵权范畴。「风格 LoRA 是否合法」因此不能一概而论：训练数据来源合法性 + 使用场景误导性是两个独立判断轴。
合规工作流（可操作底线）：选明确授权的训练数据/模型条款（研究用途 ≠ 商用授权）；读平台商用条款（闭源产品对输出权利的授予差异极大）；保留提示词与迭代记录；对交付物标注生成属性与人工参与程度。
公式与推导
本节不适用——法律与伦理讨论不使用数学工具；机制侧的「记忆 vs 分布学习」已在 kp-001/kp-015 交代。
图示
数据端：抓取/授权 → 训练合法性｜输出端：人类投入 → 可版权性｜风格端：思想-表达二分 → 竞争/人格权风险
三个独立判断轴：一个交付物可能在三轴上各有不同结论。
直观类比
像「学做菜」的版权隐喻：看遍餐厅后厨学会做红烧肉（训练），不等于偷了谁的秘方（表达）；但打着「某名厨亲传」的招牌卖（误导性使用），或直接照着别人摆盘逐像素复刻（实质性相似），就踩了线。法律管的是「你怎么用学到的手艺」，不是「你学没学」。
实例或案例
- 商用自查实例：准备把 AI 插画用于商业绘本——检查三件事：模型许可证是否允许商用（部分研究性权重禁止）、训练数据声明、输出物的人类参与证据（构图手稿 + inpainting 图层）。
- 风格争议实例：用「某画师风格」提示词生成的作品用于公开售卖并署名暗示原作者风格传承，比私下学习借鉴的风险等级高得多——同一技术在两场景的法律暴露度不同。
- 数据集选择的现实：优先选权利状态明确的数据（自建、CC 明示授权、图库商用授权），开放索引（LAION 类）的合法性尚在司法检验中。
常见误区
- 误区一：「AI 输出的版权自动归我」。多数辖区以人类创造性投入为前提，一键生成物的保护状态存疑，商用前提是留证人类参与。
- 误区二：「风格受版权保护，所以风格 LoRA 全都违法」。风格本身不受保护；违法风险来自数据来源与误导性使用，而非「像」本身。
- 误区三：「训练用公开网络图片等于合法」。「公开可访问」与「授权训练」是两回事，这正是争议一的未决核心。
自测题
- 三个争议问题分别是什么？为什么说它们相互独立？
答案要点：训练数据授权、输出可版权性、风格模仿风险；三轴各自判断，一个产物可能在三轴结论不同。
- 为什么「保留创作过程记录」对商用交付重要？
答案要点：可版权性以人类创造性投入为前提，迭代与修改记录是投入的证据链。
- 机制视角如何帮助理解争议一？
答案要点：区分「分布学习」与「样本记忆」的光谱——输出与训练集的相似度有中间地带，司法结论将落在机制事实之上。
与其他知识点的关系
kp-001 的「采样 vs 检索」是争议一的机制地基；kp-015 的训练流程对应数据合规实践；kp-029 的水印与检测是合规链路的下一环；kp-030 提供争议发生的产业时间线。
延伸阅读
美国版权局关于 AI 生成物登记的公开指南与个案裁定；中国北京互联网法院 2023 年 AI 图著作权案判决要旨（均为公开文件，读原文而非二手转述）。