随着生成式人工智能技术的快速发展，其在各行业的应用日益广泛。
然而，这一新兴技术在为社会创造价值的同时，也带来了一系列亟待解决的法律问题。
其中，著作权保护问题成为当前最具争议性的法律焦点。
人工智能生成内容能否构成著作权法意义上的"作品"，权利如何归属，是该领域最为复杂的问题。
根据国际通行的著作权法原则，作品的作者必须为自然人。
纯粹由人工智能自动生成、无人为干预的内容，因其缺乏人的创作思想与个性化表达，难以被认定为受保护的作品。
但现实情况更为复杂。
许多人工智能生成内容实际上是基于使用者独创性的提示、选择、筛选、修改以及编排而产生的，最终生成的内容体现了使用者的独特思想与创作意图。
对这类生成内容全然否定其智力成果属性，将产生深远的负面影响。
一方面，这势必削弱使用者的创作动力，打击其利用新技术进行创新创作的积极性；另一方面，不利于促进人工智能技术的进一步发展和文化产业的繁荣。
因此，关键在于厘清人工智能生成内容中是否存在"人的独创性贡献"。
万立代表提出，用户输入的提示词越具体、越具创意，其对输出结果的个性化调整越充分，越应主张著作权归属用户。
这一标准既尊重了创作者的智力劳动，也为人工智能的创新应用留出了空间。
为此，应在司法实践和政策指引中进一步明确这一标准，同时引导开发者在用户协议中清晰告知人工智能生成内容的权利归属，避免未来引起纠纷。
与此同时，应同步推动内容溯源技术的应用，通过数字水印、元数据记录等方式为权属争议提供技术支撑。
与生成内容的权属认定同样棘手的，是人工智能训练数据的版权侵权风险。
人工智能模型多依赖海量互联网数据进行训练，其中包含大量受版权保护的作品。
未经许可使用这些内容进行模型训练是否构成侵权，已成为全球范围内的法律焦点。
这一问题的复杂性在于其内在的矛盾性。
一方面，人工智能训练确实存在"非表达性使用"或"转换性使用"的特征，即对原作品的使用并非为了复制其表达形式，而是为了提取其中的信息和知识；另一方面，大规模复制行为又可能损害原作品的市场价值，侵害著作权人的合法权益。
针对这一困境，万立代表建议，有必要在著作权法框架下，适时通过立法或司法解释明确人工智能训练数据使用的法律边界。
在现行"合理使用"条款难以完全覆盖人工智能训练场景的情况下，可以探索引入"法定许可"加"报酬请求权"的模式。
这一模式允许技术开发者在未获逐一授权的情况下使用作品进行模型训练，但须向著作权集体管理组织支付合理费用，再由其分配给权利人。
这样既保障了数据的可获得性，推动了人工智能产业的发展，也有效维护了权利人的合法经济利益，实现了创新发展与权益保护的平衡。
技术进步不应以稀释创作价值为代价，版权保护也不应成为创新发展的“拦路虎”。
在生成式人工智能快速演进的当下，唯有以规则明确边界、以机制平衡利益、以技术增强可验证性，才能让创作者的智慧结晶得到应有尊重，让产业创新在法治轨道上行稳致远。