短短一年多，全球針對生成式 AI 的版權官司就累積到超過八十宗，而且攤開來看，判決結果根本不是同一個方向。同一個月裡，英國法院讓 Stability AI 大致脫身，德國法院卻判 OpenAI 把歌詞「記」進模型就算侵權；美國這邊，一家 AI 公司因為拿法律資料庫訓練被判敗訴，另一家卻同意賠出十五億美元和解。你要是只看其中一條新聞，很容易得到完全相反的結論。
問題是，這些判決對你這個真正在用 AI 產圖、寫文案、做配樂的人來說，意味著什麼？AI 著作權的爭議從來不是一句「AI 生成的東西沒版權」就能講完——它至少要拆成兩個完全不同的問題——你產出的東西「歸不歸你」，以及這些工具拿來訓練的素材「侵不侵權」，兩者各有各的法律邏輯。
下面先把現在最關鍵的幾場訴訟攤開，看清楚法院實際上在吵什麼；接著用一張表把文字、圖片、音樂三種創作的法律地位分開比較，因為它們的處境其實差很多；最後再談，身為創作者或行銷人，現在這個時間點該怎麼自保。
AI 著作權現在在吵什麼？兩條完全分開的戰線
要看懂這些判決，先把戰場分成兩條線，後面所有案子都能對號入座。
第一條線是「輸出端」——AI 幫你產出的圖、文、曲，能不能算你的著作、受不受保護。這條線的爭點是「人類創作貢獻」夠不夠。
第二條線是「輸入端」——AI 公司拿了海量受版權保護的作品去訓練模型，有沒有經過授權、算不算合理使用。這條線的爭點是「重製」與「合理使用」的界線。
這兩條線常常被混為一談，但它們的答案可以完全相反。一張 AI 生成的圖，可能因為你沒有實質創作貢獻而拿不到著作權（輸出端輸了），但同時，訓練出這張圖的模型，又可能因為法院認定訓練屬於合理使用而沒事（輸入端贏了）。搞清楚自己關心的是哪一條線，才不會被各國看似矛盾的判決繞暈。
對一般使用者來說，輸出端決定的是「我做出來的東西別人能不能照抄」，輸入端決定的是「我用這個工具會不會被原作者告」。兩個問題都跟你有關，但風險來源不一樣。
輸出端的鐵則是什麼？純靠提示詞生成的內容多數國家都不給著作權
先講結論，這也是目前全球最有共識的一點——只下提示詞、讓 AI 自動生成的內容，在多數主要法域裡都拿不到著作權，因為缺少法律要求的「人類創作」。
美國著作權局在 2025 年 1 月發布的報告講得很白，人類作者身分仍是能不能受保護的決定關鍵，完全由 AI 生成的作品不受保護；而且「光是挑選提示詞，就算提示詞寫得很詳細、花了不少功夫」，本身也不足以產生一件受著作權保護的作品。同年，美國最高法院拒絕受理一件主張「AI 本身為作者」的圖像著作權上訴案，等於再次確認——作品若缺乏可被認定的人類創作貢獻，就難以取得保護。
台灣這邊方向一致。經濟部智慧財產局的函釋一向認為，著作權保護的前提是創作者為自然人，AI 生成內容唯有在創作過程中有「實際的人類創作投入」時，才可能享有著作權。換句話說，AI 是工具，不是法律上的「人」，它自己生不出著作權。
那「人類創作投入」到底要做到什麼程度？關鍵在於你有沒有對生成結果做出實質的選擇、安排或修改。單純按一個鍵讓它跑出來，不算；但如果你拿生成的素材再做大量編修、重新構圖、把多個輸出重新組合排列，這些「人為參與」的部分，就有機會被認定具備著作權——保護的是你動手的那部分，不是整張圖。
這對行銷工作有很直接的影響。你用 AI 出的那張主視覺，如果只是輸入一句話就拿去用，法律上它幾乎是「無主」狀態，競爭對手照抄你也很難主張權利。想要它真的歸你，就得在生成之後留下你自己的創作痕跡，並保存好過程紀錄。
輸入端的混戰——訓練資料算不算合理使用，各國判得不一樣
輸出端有共識，輸入端可以說是現在最熱、也最分歧的戰場。同一個「拿版權作品訓練 AI 算不算合理使用」的問題，幾場指標判決給出的答案幾乎南轅北轍。
美國 Thomson Reuters 對 Ross——第一次有法院打掉「訓練等於合理使用」。 2025 年 2 月，美國德拉瓦州聯邦法院在這案判決，Ross 這家 AI 公司拿 Thomson Reuters 旗下 Westlaw 法律資料庫的「判決要旨」去訓練一套競爭性的法律 AI，構成侵權，而且不成立合理使用。法院認為，Ross 的用途是商業性、不具轉化性，又會損害原本要旨的市場，所以合理使用四要素裡有兩個對 Ross 不利。這是第一次有法院在 AI 訓練的脈絡下否決合理使用抗辯，後來進入第三巡迴上訴法院審理。
美國 Anthropic 和解——十五億美元，但關鍵在「資料怎麼來的」。 2025 年 8 月底，AI 公司 Anthropic 同意以約十五億美元和解一樁作家集體訴訟，被認為是美國著作權史上金額最高的公開和解。值得注意的是它的轉折，同年 6 月，承審法官先認定「拿合法取得的書去訓練 AI」屬於合理使用，但「從盜版書庫下載」這件事不是合理使用。最後賠的不是「訓練」本身，而是「用盜版來源取得訓練資料」——這個區分對整個產業是強烈訊號，資料來源合不合法，比訓練這個動作本身更要命。
德國 GEMA 對 OpenAI——把內容「記」進模型就算重製。 2025 年 11 月，德國慕尼黑地方法院判決，把受著作權保護的歌詞「記憶」在語言模型的參數裡，就構成德國著作權法上的「重製」；而當 ChatGPT 輸出這些歌詞時，重現的程度足以被辨識，也屬侵權。法院特別強調，內容就算只是以機率值、分散在各參數中存在也不影響認定，只要模型能以可辨識的形式重現出來就算。這是歐洲第一個正面處理「記憶」與「重現」問題的判決，OpenAI 已表示要上訴。
英國 Getty 對 Stability AI——版權主張幾乎全敗。 同樣是 2025 年 11 月，英國高等法院在這案的判決卻是反方向——大致駁回了 Getty 的核心著作權主張，只在商標部分認定有限的侵權。換句話說，差不多同一時間，德國對 AI 公司喊侵權，英國卻讓 AI 公司過關，光是歐洲內部就還沒有統一答案。
把這幾場放在一起看，你會發現一條若隱若現的分界——法院愈來愈在意「資料是怎麼來的」「輸出會不會直接重現原作」「是不是拿去做跟原作競爭的產品」。訓練這個動作本身是否合法，沒有單一答案；但只要踩到盜版來源、或產出能認出原作，風險就明顯升高。
文字、圖片、音樂的法律地位，其實差很多
很多人把「AI 生成內容」當成一個籠統的整體，但攤開現在的判決與授權現況會發現，文字、圖片、音樂三種創作的處境差距不小。下面這張表把三者分開比較，方便你對照自己手上的工作。
| 比較面向 | AI 生成文字 | AI 生成圖片 | AI 生成音樂 |
|---|---|---|---|
| 輸出端能否擁有著作權 | 純提示詞生成多半不行，需有實質人為編修才保護人為部分 | 同樣需人類創作貢獻；純生成圖難主張權利 | 同樣以人類貢獻為前提，純生成曲難受保護 |
| 訓練端主要爭點 | 是否合理使用、資料來源是否合法（如盜版書庫） | 是否合理使用、是否「重現」原圖或畫風 | 是否重製錄音、是否產出近似原曲 |
| 代表性訴訟 | Thomson Reuters 對 Ross、Anthropic 和解 | Getty 對 Stability AI、迪士尼等對 Midjourney | RIAA 對 Suno 與 Udio 系列訴訟 |
| 授權市場成熟度 | 朝「合法授權資料」靠攏，和解推動授權模式 | 仍在訴訟中，授權機制尚未定型 | 已出現首批主流授權範本（唱片公司與生成平台合作） |
| 對一般使用者的額外風險 | 輸出可能無意間重現受保護文字 | 模仿特定畫風、含可辨識角色或人臉風險高 | 生成曲可能近似既有錄音、涉及錄音版權 |
幾個值得展開的重點。
圖片這塊，除了 Getty 對 Stability AI，還有迪士尼、環球與夢工廠在 2025 年 6 月聯手對 Midjourney 提告，指控它把這些公司的智慧財產拿去當訓練資料、形同大規模盜用。對使用者更實際的提醒是，在台灣，AI 生成的肖像若仍帶有特定人物可辨識的臉部或整體特徵，可能涉及肖像權；模仿某個知名畫風、或讓畫面出現可認得的角色，風險都比一般生成圖高得多。
音樂這塊變化最快，也最值得行銷人留意。美國唱片業協會在 2024 年對 Suno、Udio 兩家 AI 音樂平台提告後，2025 年下半年陸續出現和解與授權合作——環球音樂與 Udio 談成、華納音樂與 Suno 達成合作，等於開始建立 AI 音樂的「授權範本」。這代表音樂領域正在最快地往「先取得授權、再生成」的商業模式收斂，未來合法的 AI 配樂可能會比現在更容易取得，但也意味著免費白用的灰色空間正在縮小。
文字這塊，對天天用 AI 寫文案、寫部落格的人最貼身。風險不在於「AI 寫的字沒版權」這件事本身，而在於兩個地方。一是你產出的內容若沒有實質人為加工，幾乎不受保護，別人照搬你也難追究；二是模型有可能在輸出時無意間重現某段受保護的文字，這在德國那場歌詞判決裡已經被點名。
台灣現在怎麼看待 AI 著作權？法律還沒寫死，留給法院個案判斷
如果你在台灣做生意，最該記住的一句話是，現行法律並沒有明文規定「拿內容訓練 AI」算不算侵權，必須留待法院個案認定。
智慧財產局的立場是，把受著作權保護的作品輸入 AI 模型訓練，過程中如果涉及把作品掃描、複製、存進系統，就可能構成「重製」，原則上要取得著作財產權人同意或授權，除非落入著作權法第 44 條到第 65 條的合理使用範圍。但這算不算侵權、合不合理，著作權是私權，最終仍要由法院依個案具體事實判斷。台灣與 AI 訓練資料相關的著作權法，前一次修法停在較早之前，並未針對這個新問題量身訂做條文。
這種「法律先留白、交給個案」的狀態，對使用者其實是雙面刃。好處是還沒有人因為單純用 AI 工具就被重罰的指標案例；壞處是你也拿不到一個明確的安全線，只能比照國際判決的趨勢自己抓分寸。國際上那條「資料來源要乾淨、輸出別重現原作、別拿去打對台」的隱形界線，在台灣的個案判斷裡很可能也會是法院參考的方向。
身為創作者或行銷人，現在這個時間點該怎麼做？
把上面的判決濃縮成可以馬上執行的動作，大致是這幾件事。
第一、想讓 AI 產出歸你，就要留下人為創作的痕跡。不要只丟一句提示詞就拿來用，在生成之後做實質的編修、重組、再創作，並保存提示詞、修改版本、設計草稿這些過程紀錄。這既能增加你主張著作權的依據，也是國際與台灣實務都一致建議的做法。
第二、把「資料來源」當成最高優先。Anthropic 那場和解最大的教訓，就是賠錢賠在盜版來源，而不是訓練本身。延伸到使用端，盡量選用標榜訓練資料合法、或提供商用授權的工具，並仔細讀平台的使用條款，確認你拿到的是合法授權。
第三、避開三個高風險動作。讓生成圖帶有可辨識的特定人臉、刻意模仿某個知名畫風、或讓畫面出現認得出來的角色，這三件事在著作權之外還可能踩到肖像權、商標與公平交易的紅線，風險明顯高於一般生成。音樂則要留意生成曲是否近似既有錄音。
第四、商用前多一道檢查。重要的商業用途上線前，做一次相似度比對，確認成品沒有跟既有作品高度雷同；必要時搭配公共財素材或已取得授權的資源，降低糾紛機率。
法律這條線還在移動，沒有人能保證今天的安全做法明年還安全。但有一個底層邏輯短期內不會變——AI 是放大你創作力的工具，法律保護的始終是「人」投入的那一部分。你在生成之後動了多少手、資料來源乾不乾淨，決定了你站在這場版權混戰的哪一邊。把這兩件事顧好，比追每一條最新判決更實在。