原文标题：AI时代的版权竞争正在从传播控制转向训练控制
最近，围绕真人微短剧的行业扶持力度正在明显加大。国家广播电视总局召开“微短剧精品创作传播计划”工作部署推进会，抖音、快手等多家头部平台也同步宣布进一步加大对真人微短剧的扶持力度。
这一变化迅速引发行业关注。从行业观察来看，目前存在多种不同解读。有观点认为，这是平台在AI漫剧快速发展背景下，对真人内容市场的一次“逆势护盘”；也有观点认为，这是平台与行业对传统内容生产体系进行的一次重新平衡。
需要说明的是，这些判断本身并不相互排斥，它们更多是在不同观察维度下对同一现象的解释。在此基础上，本文尝试换一个分析视角，从版权制度、数据资源与AI训练之间的关系出发，对这一变化进行进一步观察。某种意义上，当前行业重新加大真人微短剧扶持力度，真正值得关注的，可能已经不只是内容供给本身，而是平台正在围绕训练数据、版权资产以及用户反馈体系，逐步重构AI时代的底层能力结构。
本文作者：徐耀明 湖北省版权保护协会副会长
一、AI漫剧正在重塑内容生产的底层逻辑
过去几年，真人短剧行业经历了快速扩张阶段。低成本制作、短周期生产以及强情绪刺激叠加平台投流机制，使得行业逐步形成以高频生产与快速分发为核心的运行模式。在这一阶段，行业竞争更多体现为制作效率与投放能力之间的竞争。
随着人工智能技术逐步进入内容生产链条，这一结构也开始出现变化。当前从剧本生成到角色设定，从分镜设计到配音合成，再到视频生成，AI已经开始参与内容生产的多个关键环节。
需要看到的是，这一变化并不仅仅意味着成本下降，更重要的是内容生产方式本身正在发生结构性调整。原本依赖人工经验完成的创作过程，正在被逐步拆解为可计算、可训练以及可复用的生产单元。内容行业也正在从传统意义上的手工创作体系，逐渐增加数据驱动与工业化生产的特征 。
而在这一过程中，真人微短剧的功能定位也在发生变化。它不仅是内容产品，同时也越来越多地承载训练资源与数据资源的属性。
进一步来看，哪些剧情更容易引发用户付费，哪些情绪节点更容易带来完播，哪些叙事节奏更容易形成传播，这些经过市场验证的用户行为数据，正在逐渐成为AI模型训练的重要基础来源。
对AI模型而言，真人微短剧的重要性，可能不仅在于其作为内容样本的价值，更在于其能够持续提供真实用户情绪反馈与行为路径数据，而这类数据恰恰是纯AI生成内容目前相对较难自行形成的。
从这个意义上说，平台持续补贴真人微短剧，并不必然意味着对AI方向的放缓。相反，它更可能是一种面向未来的结构性布局，即通过持续内容供给积累高质量内容样本、真实行为反馈以及稳定的数据来源。
需要注意的是，当平台开始围绕训练数据、用户反馈与模型能力进行整体布局时，版权问题实际上已经不再仅仅局限于传统意义上的内容授权问题，而是开始越来越多地进入AI训练秩序的制度讨论范围。
二、AI时代的版权竞争正在从传播控制转向训练控制
长期以来，著作权制度所面对的核心问题，主要是作品传播过程中的市场替代问题，即未经许可的复制、传播或者使用行为，是否影响权利人的正常市场利益。
因此，传统版权制度更多围绕“传播控制”展开，其核心逻辑在于规范作品如何进入市场、如何被传播以及如何被商业化利用。
但在AI时代，作品的价值结构正在发生新的变化。作品不仅会被传播，同时也可能被机器学习、拆解、分析并重新组织。很多情况下，作品即使没有直接进入公众传播环节，也可能已经作为训练数据进入模型学习过程。
这意味着，在AI时代，版权制度除了继续回应作品传播问题之外，也开始越来越多地面对作品如何被机器学习、训练与重构的问题。
当前关于AI漫剧的讨论，仍然更多集中在模型能力、生成效果以及算力成本等技术维度。但进一步来看，这些能力在未来可能会逐渐趋同，而真正值得关注的，或许是围绕高质量版权资产、训练数据以及用户反馈结构所形成的长期资源能力。
这背后，其实也对应着平台能力结构的变化。在传统内容产业中，平台的核心优势更多体现为流量分发能力；而在AI时代，除了传统流量分发能力之外，训练数据组织能力、版权资产整合能力以及用户反馈闭环能力，也可能正在成为平台竞争中越来越重要的新能力维度。
因此，AI时代围绕内容形成的竞争结构，更准确地说，可能并不是单纯的版权扩张，而是版权制度、数据资源体系与训练能力之间逐渐形成的交叉重构。
这一变化意味着，未来相关规则的调整，可能需要著作权法、反不正当竞争法以及数据治理规则在不同层面分别发挥作用，但具体边界如何划分，目前仍有进一步观察空间。
（一）AI训练已经将版权问题推向制度前台
AI模型训练依赖大量内容输入，这一过程通常涉及作品的抓取、复制、存储与分析。从现行著作权法体系来看，这些行为在一定条件下可能触及复制权的规范范围。因此，一个持续存在的重要争议在于，AI训练过程中的非传播性使用，是否应当被纳入合理使用范畴。
支持者通常强调，AI训练属于技术分析过程，并不直接替代原作品市场，应当为技术创新保留制度空间。反对者则认为，大规模、系统性使用作品进行商业训练，本质上仍然涉及对作品经济价值的利用，不宜完全排除权利人控制。
需要看到的是，这一问题在全球范围内仍未形成统一结论，不同法域在创新激励与权利保护之间的制度选择仍存在明显差异。
从产业实践来看，随着AI商业化程度不断提高，企业对于数据来源合法性、模型合规性以及潜在侵权风险的关注也在持续上升。在这一背景下，越来越多平台开始重新重视版权授权链条与训练数据合规体系建设。不过，AI训练真正的难点，可能并不仅仅在于是否获得授权，更在于数据质量、数据结构以及数据反馈机制是否适配模型需求。
因此，AI时代的竞争焦点，也正在从传统授权数量竞争，逐渐扩展至训练数据质量、数据结构能力以及反馈机制能力之间的竞争。
（二）AI带来的复杂性不止于复制，而在于表达性逼近
相比传统侵权形态，AI时代更复杂的问题，并不局限于复制行为，而是体现在AI对表达性风格的高度拟真学习能力上。
当前部分AI模型已经能够在一定程度上模拟特定导演的镜头语言、叙事节奏以及视觉表达方式，使生成内容呈现出较强的风格一致性。但从著作权法的基本结构来看，风格通常仍然属于思想层面内容，并不当然受到保护。因此，单纯的风格模仿一般难以直接构成侵权。
真正需要进一步讨论的是，当AI通过对大量作品的持续学习，逐渐形成稳定、可识别且高度结构化的表达特征集合时，传统思想与表达的区分标准是否仍然足够清晰。换言之，问题可能已经不再只是风格是否应当受到保护，而在于当风格逐渐具备高度稳定性、识别性以及商业替代性之后，其是否已经在事实上开始接近表达本身。
在中国现有法律体系下，未来此类争议的解决路径，未必主要依赖著作权法内部扩张，更可能通过反不正当竞争法框架下的市场混淆规制机制，以及人格权益保护等路径进行外部调节。
（三）AI生成内容正在影响传统作者中心结构
AI漫剧的发展还带来了一个更基础的问题，即作品生成过程中的作者结构正在发生变化。
传统著作权制度建立在自然人创作基础之上，而在AI生成内容的生产过程中，人类与机器之间的边界正在不断调整。用户提供指令，模型生成内容，平台提供训练与分发环境。在这一结构中，独创性来源与权利归属都呈现出一定不确定性。
目前法律体系尚未形成统一规则，核心争议主要集中在作品是否成立、独创性如何判断以及权利应当归属于何方等问题上。
从产业实践来看，如果权利结构长期处于不确定状态，可能会在一定程度上影响AI漫剧等产业商业化的稳定性以及产业投资预期。
三、真人微短剧扶持背后的深层逻辑：版权资产、训练数据与反馈闭环
回到当前行业持续加大真人微短剧扶持力度这一现象，其表面上看是内容供给策略调整，同时也在一定程度上兼具稳定内容生产就业结构与产业链生态的现实考量。但如果放在AI内容产业快速演进的背景下观察，这一轮真人微短剧扶持的意义，可能已经不只是传统意义上的内容生产问题 。
在AI逐步进入剧本生成、角色设计、镜头生成与视频合成等生产环节之后，真人微短剧的价值结构正在发生变化。它不仅是内容产品，同时也越来越多地承载版权资产、训练样本以及用户行为反馈数据等多重属性。
尤其需要注意的是，相较于纯AI生成内容，真人微短剧所提供的，不仅是内容样本本身，更重要的是能够同步产生真实用户行为反馈，从而形成可用于训练与评估的闭环数据结构。进一步来看，哪些剧情能够触发用户付费，哪些情绪节点能够提高完播率，哪些叙事节奏更容易形成传播，这些经过市场真实检验的行为路径数据，正在逐渐成为AI模型训练的重要基础来源。
某种程度上，这类数据的价值甚至可能并不完全取决于内容本身，而在于其背后所对应的真实用户反应机制。因为对于AI模型而言，仅有内容样本并不足以形成有效训练，真正具有长期价值的，往往是内容、反馈与行为结果之间能够形成稳定对应关系的数据结构。
从这个意义上说，平台持续加大真人微短剧扶持力度，并不必然意味着对AI方向的放缓。相反，它更可能是在通过持续内容供给，建立高质量训练数据来源、用户反馈机制以及版权资产储备之间的长期连接关系。
因此，当前围绕真人微短剧的竞争，其背后真正值得关注的，可能已经不仅是内容流量本身，而是平台正在围绕训练入口、反馈闭环与数据组织能力展开新的能力布局。
四、AI时代的平台竞争，正在转向数据组织能力竞争
如果说过去内容平台之间的竞争，更多体现为流量入口与内容分发能力之间的竞争，那么在AI时代，平台能力结构本身也正在发生变化。
随着AI逐步进入剧本生成、角色设计、镜头生成以及视频合成等多个生产环节，平台之间的差距，未来可能已经不仅仅取决于“谁拥有更多流量”，而越来越取决于“谁能够持续获得高质量训练资源”。
这里所说的训练资源，并不仅仅是内容本身，而是包括版权资产、用户行为数据、情绪反馈路径以及模型优化机制在内的一整套训练体系能力。
从当前行业发展趋势来看，未来真正可能形成长期竞争壁垒的，至少包括三个方面。
其一，是稳定的版权资产组织能力，即持续获取高质量IP并形成长期可用授权体系的能力。
其二，是训练数据组织能力，即不仅拥有内容本身，同时还能够沉淀用户行为数据、情绪反馈数据以及付费转化路径数据，并形成可供模型持续学习的数据结构。
其三，则是反馈闭环能力，即能够在内容生成、用户反馈与模型优化之间形成持续循环机制，使平台具备不断自我强化的数据迭代能力。
需要看到的是，这种竞争逻辑的变化，也意味着传统版权授权体系可能正在面临新的适配问题。
目前，已有观点提出，未来AI训练或许可以借助著作权集体管理机制，实现统一授权与统一收费，以降低大规模训练场景下的交易成本。但AI训练与传统作品传播存在明显差异。传统集体管理更适用于音乐播放、广播传播等标准化、大规模、重复性的使用场景，其核心功能是解决海量授权难以逐一谈判的问题。
AI训练则面对的是高度异质化的数据结构。对于模型训练而言，真正重要的，往往并不仅仅是能否获得授权，而是这些数据是否具备训练价值、是否适配模型需求，以及是否能够形成持续更新的数据反馈体系。换句话说，传统版权授权很多时候解决的是“能不能用”的问题，但AI训练更关心的，可能是“这些数据是否真正有用”。
未来真正具有长期价值的，可能已经不只是简单的“统一授权、统一收费”机制，而是围绕内容数据形成的一整套版权资产组织能力、训练数据治理能力以及反馈闭环控制能力。
从这个意义上说，AI时代的版权竞争，可能正在从传统意义上的传播控制竞争，逐步转向围绕训练体系展开的结构性能力竞争。能够持续获得优质IP、真实用户反馈、完整授权链条以及稳定数据来源的平台，未来或许更有可能形成相对长期的结构优势。
五、结语
AI漫剧的发展，表面上看是内容生产方式的变化，但更深层的变化，其实发生在版权制度结构之中。
传统著作权制度长期围绕作品传播秩序展开制度设计，而在AI时代，作品不仅会被传播，同时也可能被机器持续学习、训练并不断重构。由此带来的变化，并不仅仅是技术工具的更新，而是版权制度所面对的使用方式、产业结构以及平台能力结构都在发生新的调整。
也正因如此，当前监管部门与主要平台重新加大对真人微短剧的扶持力度，其意义可能已经不仅是维持传统内容生产生态，更是在AI时代重新确认高质量内容、版权资产以及真实用户反馈数据的重要价值。
未来行业的发展，未必会简单走向AI替代真人内容的单一路径。更可能出现的，是真人创作、AI生成与训练数据体系长期并存、相互塑造的发展格局。而版权制度本身，也正在在传统传播秩序基础上，逐步增加对训练数据、模型学习以及内容生成秩序的回应能力。
从当前趋势来看，能够较早建立合法、稳定并可持续运行的版权资产体系、训练数据体系以及用户反馈闭环体系的平台，未来或许更有可能在AI内容产业竞争中形成相对长期的结构性优势。