导语

生成式人工智能（AIGC）的底层支撑，是规模庞大、来源多样的训练语料。语料的质量决定模型的能力，语料的合法性则决定企业能否行稳致远。近年来，围绕训练数据爬取、开源数据集使用与第三方采购的刑事追诉与民事纠纷频发，监管规则持续收紧。作为一名长期从事数据合规与人工智能法律服务的律师，本文拟以训练数据三大来源为主线，结合刑事七大罪名及典型案例、民事三大风险维度，为企业构建一套可落地的合规体系提供参考。

一、三大数据来源：AIGC训练语料的合规图谱

从生成式人工智能产品的实践看，训练语料主要来源于三种渠道：其一，对互联网平台数据的抓取（爬取），这是当前大模型训练数据最主要的来源，例如海外某知名人工智能企业使用名为GPTBot的网络爬虫机器人抓取和收集数据用于大模型训练；其二，向第三方采购数据集或使用第三方开源数据集，例如海外某科技巨头联合多所研究机构发布的多模态视频训练数据集；其三，通过自身业务运营收集自有领域的数据集，该方式主要适用于已沉淀大量数据的互联网大厂或大数据公司。

三种来源并非相互排斥，多数企业的语料往往同时来自上述渠道。正因来源复杂、链条冗长，任何一环的合规瑕疵都可能引发刑事或民事风险。因此，厘清每种来源的法律风险，是合规工作的起点。

二、刑事合规红线：七大罪名及其司法实践

数据爬取领域是刑事风险的高发区。从司法实践看，爬取行为可能触及的刑事罪名可归纳为七大核心罪名，另有一项与之密切关联的帮助型罪名。

（一）三大"侵入类"犯罪

我国《刑法》第二百八十五条分别规定了非法侵入计算机信息系统罪、非法获取计算机信息系统数据罪、非法控制计算机信息系统罪，以及提供侵入、非法控制计算机信息系统程序、工具罪。前三种直接指向以技术手段突破系统防护、获取或控制数据的行为；后者则针对为上述违法犯罪提供程序、工具的帮助行为。

在司法认定上，是否构成"侵入"是核心争议。实践中法院通常从形式违法性与实质违法性两个层面判断：形式违法性关注爬取行为是否在授权范围内进行，即是否突破目标网站的登录验证、访问权限等授权机制；实质违法性则关注所采用的反反爬措施是否构成"侵入"，以及该行为是否产生危害后果。

（二）破坏计算机信息系统罪

《刑法》第二百八十六条规定，违反国家规定，对计算机信息系统功能进行删除、修改、增加、干扰，造成系统不能正常运行，后果严重的，构成破坏计算机信息系统罪。在杨某某等破坏计算机信息系统案中，涉案软件的爬虫功能在访问某市居住证系统时，两小时内查询访问量达每秒183次，共计查询1510140条次，造成系统服务器阻塞、无法正常对外服务，法院据此认定构成破坏计算机信息系统罪。该案提示：高频率、高流量的爬取一旦对目标系统正常运行造成实质性影响，即可能由"侵入"升级为"破坏"。

（三）侵犯公民个人信息罪

《刑法》第二百五十三条之一规定，违反国家有关规定，向他人出售或者提供公民个人信息，情节严重的，构成侵犯公民个人信息罪；窃取或者以其他方法非法获取公民个人信息的，依照前款规定处罚。

在某大数据科技公司侵犯公民个人信息案中，该公司组建专门爬虫技术团队，在未取得求职者和平台授权的情况下，秘密爬取国内主流招聘平台的求职者简历数据，涉及具有爬虫特征的2.1亿余条个人信息，其爬虫技术团队负责人还私自将简历数据对外出售。在另一起数据服务公司侵犯公民个人信息案中，涉案公司未经用户许可，长期保存并二次使用用户账号密码等信息，法院认定构成侵犯公民个人信息罪。两案共同表明：涉及个人信息的爬取，除授权外，还须恪守"目的限定、最小必要"原则。

（四）侵犯著作权罪

训练语料中的文字、视听作品等往往受著作权保护。在柯某某侵犯著作权案中，行为人未经著作权人授权，采用爬虫软件从多家主流视频网站采集5万余部影视作品播放地址数据，并转载至其运营的网站及APP供网民观看，最终被判处有期徒刑三年、缓刑四年并处罚金。随着版权人维权意识增强，以爬取影视、文字作品训练模型的行为面临日益上升的刑事风险。

（五）侵犯商业秘密罪

《刑法》第二百一十九条将以盗窃、贿赂、欺诈、胁迫、电子侵入或者其他不正当手段获取商业秘密等行为规定为犯罪。在甲公司与乙公司侵犯商业秘密案中，乙公司利诱招募甲公司技术人员携源代码入职，并在其服务器搭建测试环境使用涉案系统源代码，经评估许可使用费价值217万余元，最终乙公司被判处罚金80万元。该案警示：通过"挖人+爬取"获取竞争对手核心技术数据，将直接触碰商业秘密的刑事红线。

（六）刑事风险的双罚制

上述罪名均实行双罚制：对单位判处罚金，并对其直接负责的主管人员和其他直接责任人员判处拘役、有期徒刑等刑罚。换言之，刑事风险不仅关乎企业存续，更直接作用于高管与核心技术人员的个人自由，须予以最高级别的重视。

三、民事风险三维度：爬取行为的民法规制

除刑事责任外，数据爬取还面临三大民事风险维度，即不正当竞争、著作权侵权、隐私权与个人信息保护。

（一）不正当竞争风险

《反不正当竞争法》第十二条禁止经营者利用技术手段妨碍、破坏其他经营者合法提供的网络产品或服务正常运行。司法实践中，是否构成不正当竞争通常综合考量四个因素：与目标站点是否具有竞争关系、目标数据是否为非公开或受保护数据、是否违反抓取协议或以不正当手段获取、是否对目标站点的部分或全部功能构成实质性替代。

在竞争关系的认定上，法院持开放态度。某搜索引擎公司与某点评平台不正当竞争案确立了"竞争关系不限于同业者之间，凡争夺相同网络用户群体即可认定"的裁判规则；某舆情监测公司与某社交平台不正当竞争案进一步指出，不正当获取平台数据并用于商业化舆情服务，会减弱平台对数据的商业化利用机会，构成不正当竞争。

关于公开数据与非公开数据的界分，法院在相关案件中明确：对平台未设定访问权限的公开数据，平台应容忍他人合法收集利用；但对通过登录规则或其他措施设置访问权限的非公开数据，擅自抓取即可能违法。而在某短视频平台诉某科技公司不正当竞争案中，法院甚至认定，被告公司将平台非公开数据整理后公开展示，破坏了平台数据展示规则及运营逻辑，虽无证据证明其突破技术防护直接从后台抓取，仍因其未说明合法获取途径而认定使用了不正当技术手段。这提示：数据获取的"合法性证明义务"正在向爬取方倾斜。

（二）著作权侵权风险

《著作权法》第二条、第三条明确了作品的构成与保护范围。若爬取的数据不属于《著作权法》第五条等规定的"合理使用"范畴，则极易构成著作权侵权。在某点评平台诉某网站著作权侵权案中，法院认定点评平台对用户点评内容享有著作权，某网站未经同意以技术手段抓取并使用上述内容构成侵权。对于训练语料而言，批量抓取并复制受著作权保护的作品用于模型训练，通常难以落入"合理使用"抗辩范围，须格外审慎。

（三）隐私权与个人信息保护风险

《民法典》第一百一十条、第九百九十条确认了自然人的人格权与隐私权，第六章专章规定隐私权和个人信息保护；《网络安全法》《数据安全法》《个人信息保护法》亦对个人信息处理作出系统规范。在孙某某诉某搜索引擎公司人格权纠纷案中，法院认定该公司的搜索行为使涉案个人信息在权利人授权范围之外被公开，且收到删除通知后怠于采取措施，构成对个人信息权益的侵害。这提示：对已公开信息的再次处理并非毫无限制，仍须恪守授权范围并履行相应义务。

四、可落地的合规体系建议

基于上述刑事与民事风险图谱，企业应当围绕三大数据来源，构建覆盖事前、事中、事后的全流程合规体系。

（一）数据爬取合规

第一，把好"软件关"。如向软件开发者采购爬取软件，应要求交付软件不得危害第三方系统安全，经验收合格后方可使用；如自行研发，应制定研发规范，禁止向第三方出售自动化获取数据软件。第二，把好"对象关"。避免爬取对商业爬取抵触较强的站点，核查目标站点用户协议与Robots协议，区分公开数据、注册登录可见数据与收费数据。第三，把好"手段关"。避免采用侵入性较强的爬取手段，不与合作提供手机号或账户的灰黑产平台合作。第四，把好"内容关"。避免爬取个人信息、受著作权保护的数据及可能涉及权利人商业秘密的数据。第五，把好"影响关"。控制爬取频率与流量，避免影响目标站点正常运行。第六，把好"目的关"。避免将数据用于明显非法目的，避免用于与目标站点存在明显竞争关系的用途，不得明显违背用户公开数据时的意愿。

（二）开源数据集合规

开源许可证是使用开源数据集的合规核心依据。企业应重点把握四类主流协议：GPL协议具有"开源传染性"，基于其二次开发的项目须强制开源；CC协议包含署名（BY）、相同方式共享（SA）、非商业性使用（NC）、禁止演绎（ND）四项权利组合，其中含NC条款的协议禁止商业用途；MIT协议相对宽松，仅要求保留版权声明；Apache协议允许商业使用，但须保留版权信息并说明修改之处。此外，部分科技企业厂商往往设置个性化的开发者许可协议，须逐一审查。

在数据集选择上，应遵循"明确核心需求—评估数据质量—合规性审查—技术可行性"四步法。其中合规性审查尤为关键：强共享型协议（如CC-BY-SA）允许修改和商用但衍生数据须同协议开源，适合开源项目；弱限制型协议（如CC-BY）可商用且无需共享修改后数据，适合企业闭源应用；非商用型协议（如CC-NC）则仅适合学术研究。同时须审查数据集是否含敏感个人信息，确保符合知情同意要求。

（三）数据采购合规

数据采购应围绕"主体合规、数据来源合法性、数据安全保障能力、合规审计与持续监督"四大要点展开。主体合规方面，应审查供应商营业执照、资质证照及负面事件，例如涉及企业征信业务须具备征信牌照、涉及医疗数据须具备医疗机构执业许可证、涉及测绘数据须具备测绘资质；可借助国家企业信用信息公示系统、信用中国、中国执行信息公开网、中国裁判文书网等官方渠道核查。

数据来源合法性方面，应区分数据的分类分级（一般个人信息、敏感个人信息、重要数据、核心数据等）与取得方式（公开采集、直接收集、间接收集、自行生产）。直接收集须核查授权文件，重点审查同意内容是否满足法定要求、隐私政策展示与同意方式是否合规、涉及敏感个人信息或对外提供时是否取得单独同意；间接收集则须核查上游授权链条的完整性。实务中可通过《调查问卷》开展数据合规尽职调查、要求供应商出具《数据合规承诺函》，并要求第三方律所出具数据合规法律意见书，以固化合规证据。

（四）建立全流程合规治理机制

最终，企业应将上述举措纳入常态化治理：一是设立数据合规负责人与专门团队，明确职责边界；二是建立语料来源登记台账与分级分类管理，实现"来源可溯、用途可查"；三是制定并落地数据安全事件应急响应机制，覆盖风险预警、处置与整改全流程；四是对爬取、开源、采购各环节开展定期合规审计，并根据监管动态及时更新合规清单。唯有将合规从"事后补救"前移至"事前预防"，方能在技术迭代与监管趋严的双重背景下，实现AIGC业务的可持续发展。

（本文依据现行法律法规及公开司法裁判案例撰写，案例所涉公司名称均已作脱敏处理，供实务参考，不构成正式法律意见。）