国内部分学者主张借鉴域外法经验，单设 “数据训练处理所需材料”的合理使用类型。欧盟、德国和日本探索以新设“文本与数据挖掘” 类合理使用来应对技术与法律规范之间的矛盾。欧盟《单一数字市场版权指令》（2019）中拓展了著作权合理使用的范围。德国《著作权与邻接权法》（2017）的第60d条中也引入了文本与数据挖掘这一合理使用新类型。日本《著作权法》（2018修正案）中新增了第30-4条关于文本与数据挖掘技术合理使用的相关规定。对比欧盟、德国和日本关于文本与数据挖掘合理使用的立法可见，日本对人工智能数据训练处理所需材料的态度最为宽松，欧盟次之，德国最为严格。

通过《著作权法》中单设新类型合理使用来全面应对预训练中作品使用的合法性危机在我国是行不通的。从修法的惯例来看，新设合理使用类型不具备现实的可行性。回溯历史，维护法律规范的安定性、稳定性的考虑之外，我国《著作权法》自颁布以来的三次修订间隔时间较长，即便是横向比较其他国内立法也罕见，修法惯例也决定了短期内在《著作权法》中单设新类型合理使用的可能性很小。第二，从法律规范对技术更新迭代因应的匹配程度看，新设合理使用类型没有明显的必要性。以公平为首要价值追求的合理使用制度对适用范围明确性的要求极高，随时处在变化之中的技术会损及公平。第三，从研究现状来看，目前学界在新类型合理使用的具体限制条件问题上仍存在分歧：就适用主体和使用目的而言，部分学者主张突破“非营利性”的限制 ^[13]，而部分学者坚持排除“营利性”的使用；^[14] 就使用的方式而言也存在无法妥协的观点冲突。^[15] 如前所述，我国单设新类型合理使用的条件并不成熟，不能盲目效仿其他国家设立新类型合理使用。放眼未来，在《著作权法》中创设普适性的新类型合理使用与司法实践相悖。细究欧盟、德国、日本设立的新类型合理使用规则，这些规则都是较为抽象和粗糙的，回避了如何区分商业性使用与非商业性使用、区分被使用作品的性质和类型等关键性的问题，导致虽然存在人工智能相关的合理使用条款，但这些条款在面对复杂的司法实践时还是有心无力。事实上，只有通过构建针对不同使用方式、不同性质作品的法定许可规则，才能对预训练阶段使用他人作品的行为进行全面、细致的规制，解决预训练中的合法性危机。

表面上看，预训练合法性危机是人工智能运营主体在预训练时体现出公共利益，但现行规则未能涵盖、豁免预训练过程中对作品的使用行为。国内有学者提出，文本挖掘有利于公共利益的实现，可通过判断是否有助于实现著作权法所承认的社会公共利益来认定机器学习是否合法。^[16] 但是，上述认识并不客观。预训练能否真正实现公共利益尚且存疑，更重要的是，预训练的最终目的是获得商业利益，并且训练数据一般都是不对外公开的。技术共同进步的前提是技术公开基础上的共享，而营利性人工智能运营主体为了获得更多的经济利益，势必不会将语料或其他材料公开给其他主体使用，自然也就远离了公共利益。

究其实质，预训练合法性危机是大规模进行作品商业性质的使用过程中协商成本过高引发的市场失灵。不能否认的是，现阶段大部分的预训练过程对作品的使用都是商业性质的使用。而且，各个企业已经在未征得许可的情况下使用了海量作品，为了保证生成式人工智能模型的准确性与先进性，生成式人工智能运营主体还将源源不断地搜集更多的作品进行训练。而海量使用作品意味着海量地征求著作权人的许可，这在事实上是很难实现的。以ChatGPT更新迭代所使用的数据量为例，2018年发布的GPT-1使用了1.17亿参数，而2023年GPT-4所使用的参数增至1.8万亿，^[17] 可见，生成式人工智能模型使用的信息量呈指数型增长，已经达到万亿单位的惊人程度。预训练合法性危机，实质上是生成式人工智能运营主体非透明地使用作品提高了征求许可的交易成本，而市场机制却心有余而力不足。加之即使找到部分作品著作权人，试图通过协商方式达成作品使用许可，人工智能运营主体与海量的作品著作权人间也缺乏稳定、有效的协商机制。

生成式人工智能预训练过程中对著作权限制问题的不当处理，还会加剧负外部性的市场失灵问题。科斯定理下，如果交易成本大于零，协商将不是最佳的交易方式，只依靠市场宏观调控可能导致市场失灵。^[18] 生成式人工智能预训练中使用作品也是一种交易行为，作品著作权人与作品使用者是交易主体，征求作品使用许可所产生的费用是最主要的交易成本。对于人工智能预训练而言，庞大的待许可作品数量导致事先协商不具备可行性，市场宏观调控在生成式人工智能的商业实践面前并非最优解。除事先协商之外，还存在其他替代解决方式，包括但不限于以限制著作权为手段来降低交易成本的方案。科斯指出：“一个个人权利不受限制的制度，将是一个没有权利可以获得的制度。”^[19] 但需要注意的是，合理使用制度和法定许可制度属于双刃剑，在降低交易成本的同时也会削弱著作权对作者的激励作用。社会公众对他人作品的使用正在经历时代的巨变：前互联网时代，作品的使用总体上呈现出零散、公开但不透明的特征；互联网时代，集中的平台与分散的网络用户，共同造就了零散与集中兼具、公开但较透明的作品使用状况。生成式人工智能预训练又开拓了使用作品的新局面，呈现过度集中、不公开且不透明的态势，忽视预训练过程中的侵权行为势必会助长肆意侵权的不良风气，给著作权人带来不可估量的损失。但过度强调对著作权的限制也后患无穷：私人财产被异化为公共资源，创新动力不足，劣币驱逐良币，资源侵占和浪费现象将愈演愈烈，公地悲剧不可避免。

作为著作权权利限制制度的合理使用与法定许可有着不同的法律价值取向偏好。合理使用制度的出现与市场失灵有关，但基本的法律价值取向是公平优先，公众不需要支付任何对价，可谓是对著作权人利益最大程度的限制。从合理使用的原意也可窥见公共利益的维护是美国实践合理使用制度的主要目标之一：“fair use”中的 “fair”，准确的翻译应是“公平”而非通用翻译中的“合理”。此后，弹性极大的四要素法赋予法官创设合理使用新类型的权力，转换性使用理论的提出更是扫清了商业目的使用构成合理使用的障碍，效率也成为美国合理使用制度的价值目标。不同于走向追求“效率”的美国合理使用制度，我国合理使用制度仍坚持“公平”的价值取向，直接指向公共利益，强调社会公平的实现和公共职能的履行。纵观《著作权法》中明确列举出的十二项合理使用情形，毫无例外，均指向公共利益维护或公共职能履行。按照同类事项应作相同解释的原则，第十三项合理使用兜底条款所对应的新类型合理使用的目的也只能是公共利益维护或公共职能履行。法定许可制度的法律价值取向是效率优先。法定许可制度的目的不是促进传播抑或增进公共利益，而是协调产业主体之间的矛盾进而提升交易效率，是“法官造法失败后的妥协性立法”。^[20] 从我国立法看，效率是法定许可制度的价值依归。现行著作权法中法定许可制度所能发挥的功能就是降低协商成本，以事后支付合理费用的方式取代事先的协商，加速作品的商业化利用。当然，效率优先并非唯效率论，无论是扩大作品的传播范围以保障知情权，还是丰富民众文化生活，更或是推动教育规划的落实，各项法定许可情形中都隐含着对公共利益的追求。

法定许可制度的效率取向决定了该制度可以用于解决市场失灵问题。著名的“卡—梅框架” 确立了权利保护的三种模式——财产规则、责任规则和不可让渡规则，为整合传统上分别在财产、侵权等独立主题领域中分析的法律关系提供了一个分析框架。^[21]“卡—梅框架”下保护规则的配置，必须考虑交易成本，这为我们解决生成式人工智能海量使用作品问题提供了重要的参考依据。法经济学的另一巨擘波斯纳，则将“卡— 梅框架”的三类规则简化为财产规则与责任规则，省略了不可让渡规则。在他看来，交易成本决定了规则的配置：交易成本较低时应优先适用财产规则，交易成本较高时优先适用责任规则。^[22] 合理使用制度与法定许可制度都属于交易成本过高时用于规制行为的“责任规则”，允许部分作品在特殊情况下被他人未经许可而直接利用，由官方定价来实现资源配置的效率最大化。合理使用制度没有给予著作权人任何经济补偿，势必引发人们对著作权人合法权利被过度限制的担忧。美国学者詹姆斯·格里梅尔曼的发问直击预训练定性为合理使用的要害：为什么一个数字化的 “人文学者”要吞噬数以百万计的文本而不补偿它们的作者，而一个更传统的文字诠释者——或者一个普通的读者——必须为他所解读的有版权的作品付费？^[23] 由于生成式人工智能预训练过程中对作品的使用并非完全公开，著作权人可能无法因预训练作品使用人的获益而获得相应的补偿，如果制度仍不弥补这种市场失灵情况，可能导致著作权人不愿再积极进行创作并传播作品。尤其值得注意的是，美国的合理使用制度在演进中逐渐将商业性质的使用也囊括其中，制度追求的目标被异化为公平与效率并重，利益天平慢慢失衡。有学者指出，合理使用可能不再符合其历史目的，现今这一理论越来越多地为大公司的经济利益服务，牺牲了作为个体的著作权人的合法利益。^[3]

效率取向的法定许可制度保留了著作权人的获酬权，市场失灵的实质决定了法定许可使用制度更适合于化解预训练中的合法性危机。生成式人工智能预训练所需作品的数量大、种类多、频次高，如果沿用传统的先授权后使用模式，也就是“卡—梅框架”下的财产规则，那么交易成本将会畸高。此时，用于压缩交易成本的责任规则就有了用武之地。不过，同为责任规则，合理使用偏重保护公共利益（特别是在我国），而法定许可强调作品使用人和著作权人之间的利益兼顾。以公平为优先价值追求的合理使用制度无法彻底解决预训练的合法性危机，因为预训练合法性危机的症结是协商成本过高而非对某一方不公平。在生成式人工智能运营主体与作品著作权人无法达成有效协商时，追求效率的法定许可使用才是解决危机的关键，将资源重新进行有效配置，才是实现著作权人和生成式人工智能运营主体的双赢选择。法定许可使用制度的建构是化解预训练合法性危机的主要出路，合理使用制度只在特殊情形下适用。

生成式人工智能预训练法定许可使用制度的建构包括“法定特殊情形+定价”两部分。法定特殊情形的创设在区分不同类型作品的基础上展开，而在定价的问题上，本文将从定价主体和具体价格区间两个角度提出相应建议。

对于经著作权人同意而汇集到数据库中的个人作品，可以创设新类型法定许可使用。此数据库与《生成式人工智能服务管理暂行办法》中的 “公共训练数据平台”有所区别，公共训练数据平台无偿为公众提供作品，平台上作品的数量较少，质量参差不齐。如果个人作品许可给数据库将获得收益，著作权人将乐于让自己的作品汇集到数据库中供他人使用，数据库也会始终保持一定的数量优势。由于数据库的所有者也会获得一定的收益，为了持续扩大收益，数据库所有者将努力提升数据库中作品的质量来吸引更多的使用者，由此形成了作品数量与质量的良性循环。具体而言，针对经著作权人同意而对其作品进行汇集的中国知网、万方、JoVE科学视频数据库等各类数据库，可以允许生成式人工智能在支付报酬的情况下对其汇集的作品进行使用。这样一来，能够减少预训练过程中征求作品许可的协商成本，解决了使用他人作品需要征求众多著作权人许可而许可人难以寻找的问题，极大提高了预训练的效率。

对于由平台企业集中管理的法人作品，可以创设新类型法定许可使用。法人作品由法人主持创作、代表法人意志，著作权权属明确，接受集中管理的作品的作者固定、作品集中、寻找途径透明，具备创设法定许可使用规则的条件。在现实中，符合条件的平台企业也不在少数：爱奇艺、优酷、腾讯视频等视频平台，与掌阅、番茄小说等阅读平台，喜马拉雅、荔枝FM等音频平台，都拥有大量平台主持创作并拥有著作权的高质量原创作品。数据显示，爱奇艺原创剧集的数量逐年增加，占平台视频比例逐年提升，2022 年的爆款剧集中原创内容的占比超过60%。^[24] 又如，阅文集团2023年财报数据显示，其旗下在线阅读平台新增了约38万名作家及67万本小说。^[25] 可见，这些平台企业的创作能力、作品数量以及作品质量都很可观，创设生成式人工智能预训练使用平台企业集中管理的法人作品的法定许可使用类型，能够在一定程度上减少授权程序、降低交易成本、促进作品的创作与传播。

对于已经由集体管理组织管理的各类作品，可以创设新类型法定许可使用。作者的原始著作权归属是创作者，但出于有效行权的目的，可以通过向集体管理组织授权或与出版机构签订允许转许可的出版合同的方式集中行使著作权。我国现有的五个集体管理组织本身就具备授权许可的职能，纵观各个集体管理组织具体管理的内容，发现其基本涵盖了生成式人工智能预训练中使用作品的类型。此外，集体管理组织集中许可的作品也在不断丰富，以中国音乐著作权协会和中国文字著作权协会为例：中国音乐著作权协会年报显示，协会通过DIVA系统管理音乐作品资料， 2022年底，DIVA数据库所登记音乐作品的数目达1 664.74万余首，是全球最大华语音乐著作权信息大数据系统。^[26] 中国文字著作权协会发布的年报显示，2021年度收取的著作权使用费达到2 455万元，同比增长9.4%。^[27] 如果允许人工智能预训练时以法定许可使用的方式使用已经由集体管理组织管理的各类作品，则可以直接将使用费支付给相关集体管理组织，由集体管理组织转交给著作权人，不需要再单独向每个作品的著作权人支付使用费，有效地降低了许可使用成本。

法定许可使用情形下合理报酬的定价，可由国务院相关部门事先确定。国务院相关部门对法定许可使用的报酬定价具有显著优势：首先，当事人协商出的定价的效力仅限于各方当事人，但国务院相关部门权威性高，由其给出的价格具有更强的贯彻力与更全面的适用性。其次，国务院相关部门具备定价的实践经验与能力，国务院相关部门掌握具体集体管理组织的许可数据，了解不同作品的市场许可价格，在实际数据的基础上确定出的价格更科学合理。最后，由国务院相关部门事先定价，能最大限度地降低获取作品许可使用的协商成本。有使用他人作品需求的人工智能开发者，可以直接参考国务院相关部门给出的定价决定是否使用相关作品，极大提高获得许可的效率。对于法定许可使用的定价，目前已有多个行政法规和部门规章的成熟经验可供参考。^④

法定许可使用制度下合理报酬的定价要远低于协商许可的价格，不过分增加研发企业的负担，体现效率上的追求。设定法定许可使用制度本身就建立在市场失灵、无法进行协商的基础上，如果法定许可使用的定价高于协商许可的价格，理性主体还是会选择综合许可成本较低的协商许可，有违创设新类型法定许可使用规则的初衷。由此观之，新类型法定许可使用规则的合理报酬定价应当以促进高效资源分配为目标，在金额上便体现出法定许可使用优于市场协商，这样才能使法定许可使用制度充分实现其功能。此外，生成式人工智能的研发本就存在成本高、风险大等困境，如果忽视从事技术研发企业对于信息、技术等资源的高需求，仍然给研发企业的发展增加过重的经济负担，将严重打击研发企业的研发热情。应当让更有创新力的企业获得足够的资金从事颠覆性技术研发，^[28]在合理范围内减轻研发企业的负担有助于优化生成式人工智能的研发环境，在促进作品创作与传播的同时，提升企业的研发积极性与研发能力，进一步激发生成式人工智能行业的创造力。