日本 2026 年修訂著作權法,明確規範 AI 訓練用文獻與圖像的授權補償機制
值得注意的是,修正案區分了「非商業性研究利用」與「商業性利用」兩種情境。學術機構、非營利研究組織若將文獻用於基礎研究或公益目的,可適用較低的補償費率,甚至在一定條件下免除補償義務;但若涉及商業產品開發、模型對外授權或API服務,則須依商業費率支付。此外,針對「新聞報導」這類高度時效性與公共性的內容,修正案另設「即時授權窗口」,要求AI開發者在新聞內容上線後的特定期間內完成登錄與補償,以避免新聞媒體的內容被即時爬取卻無從求償。
在執行面上,修正案要求AI開發者負擔「資料來源揭露義務」,須向集體管理團體申報訓練資料的來源類別與數量。若開發者拒絕申報或申報不實,將面臨行政罰鍰,且無法主張善意信賴的抗辯。這項揭露義務被視為整套補償機制能否運作的關鍵,因為唯有掌握訓練資料的實際使用情況,補償金才能合理分配給權利人。
2.2 圖像與視覺內容的特別規範
相較於文獻,圖像與視覺內容的授權補償機制更為複雜,原因在於圖像的商業價值高度依賴「風格」與「視覺相似性」,而生成式AI往往能夠模仿特定畫風或攝影風格,引發權利人強烈反彈。為此,修正案對圖像訓練設計了更細緻的規範。
首先,修正案明確將「圖像訓練」納入補償範圍,並要求AI開發者針對「可識別之著作」進行清單化管理。所謂「可識別之著作」,係指透過技術手段可追溯至特定權利人的圖像,例如附有浮水印、 metadata 或可經逆向搜尋辨識的圖片。對於這類圖像,開發者須取得個別授權或透過集體管理團體支付補償金;至於無法識別權利人的「孤兒著作」,則納入「延伸性集體授權」機制,由集體管理團體代表權利人收取補償金並代為分配。
其次,修正案針對「風格模仿」爭議設置了「顯著性相似」的判斷基準。若生成模型輸出的圖像與特定訓練圖像達到「顯著性相似」,且該相似性源於對原作表達特徵的實質重現,而非單純的風格學習,則權利人可請求額外補償。這項規定試圖在「風格不受著作權保護」與「實質重現受保護表達」之間劃出界線,雖然在實務認定上仍有諸多挑戰,但已為權利人提供了明確的請求權基礎。此外,修正案亦要求提供圖像生成服務的業者,應建立「權利人退出機制」(opt-out),讓權利人得事前聲明其圖像不得用於訓練,業者須尊重並更新訓練資料庫。
2.3 補償金計算與分配制度
補償金如何計算與分配,是整套制度能否取得正當性的核心。修正案並未採用單一公式,而是授權政府另訂「補償金費率辦法」,並要求由獨立委員會定期檢討。目前已知的設計方向包括:以「訓練資料筆數」為基礎,結合「模型商業收益」進行加權;針對不同內容類型(文字、圖像、音樂、影片)設定不同費率;並考量開發者規模(大型科技公司與中小新創採差異化費率)。
在分配端,集體管理團體須依「實際被利用程度」將補償金分配給權利人。為避免大型權利人壟斷分配,修正案要求分配機制納入「代表性原則」,確保獨立創作者、小型出版社、自由攝影師等弱勢權利人亦能獲得合理份額。同時,政府將設立「補償金爭議調解委員會」,處理權利人與開發者之間關於費率、分配比例的爭議,以降低訴訟成本。整體而言,這套制度試圖在「效率」與「公平」之間取得平衡,但其實際成效仍待觀察。
三、對AI產業與內容創作者的影響分析
新法上路後,首當其衝的便是AI開發者與內容創作者兩大族群。以下分別從產業實務與權利保障兩個角度,剖析其影響。
3.1 對AI開發者的影響:合規成本與競爭格局重塑
對大型AI開發商而言,新增的補償金與申報義務無疑提高了訓練成本,但同時也帶來了法律確定性的紅利。過去,開發者面對權利人訴訟的風險難以預估,如今只要依規定取得概括授權並支付補償金,即可在相當程度上免除侵權責任。這對於需要大規模、長期訓練的基礎模型業者而言,反而是一種「可計算的成本」,有助於其進行長期投資規劃。
然而,對中小型新創與學術研究團隊而言,影響則較為複雜。雖然修正案設計了較低的費率與研究豁免,但申報程序、資料清單管理、退出機制遵循等合規負擔,仍可能形成進入障礙。部分業者擔憂,這將導致AI產業走向「大者恆大」的格局,因為只有資源充裕的大型企業能夠負擔完整的法務與合規團隊。為此,修正案附帶決議要求政府提供中小企業補助與輔導資源,並簡化申報流程,但實際成效仍有待檢驗。
此外,新法也促使AI開發者重新思考資料策略。部分業者可能轉向使用「授權明確」的資料集、公共領域內容或自行生成的合成資料,以降低補償成本與合規風險。這將帶動「乾淨資料」市場的成長,也為提供資料授權媒合服務的新創帶來商機。從競爭格局來看,日本市場的合規門檻提高,可能使部分國外AI服務提供商調整其在日本的營運模式,例如針對日本用戶提供「已取得授權」的模型版本,或選擇退出日本市場。這些變化都將深刻影響日本AI產業的生態。
3.2 對著作權人的保障:從無償被利用到合理回饋
對長期處於弱勢的內容創作者而言,新法無疑是一大勝利。過去,AI業者大量爬取作品卻無須支付分文,創作者只能眼睜睜看著自己的風格被模仿、市場被侵蝕。如今,透過集體管理團體的運作,權利人至少能獲得一筆補償金,雖然金額可能無法完全彌補損失,但象徵意義重大:AI訓練不再是不受規範的「免費午餐」。
更重要的是,新法賦予權利人「退出權」與「異議權」。權利人可事前聲明其作品不得用於訓練,亦可於發現模型輸出顯著相似內容時請求額外補償。這讓權利人從被動的「事後救濟」轉為主動的「事前控制」,大幅提升其談判地位。不過,學者也提醒,集體管理機制的成效高度依賴透明度與代表性,若集體管理團體遭少數大型權利人把持,獨立創作者仍可能被邊緣化。因此,政府在設計分配機制時,須確保弱勢權利人的參與管道。
另一個值得關注的影響,是「授權意識」的抬頭。隨著補償機制的建立,愈來愈多創作者開始重視作品授權狀態的標示,例如在作品中嵌入權利管理資訊、選擇加入特定集體管理團體,或採用「保留部分權利」的授權條款。這股趨勢將有助於健全整體著作權生態,也為內容產業帶來新的商業模式,例如「授權經紀」與「權利金管理」服務的興起。
3.3 對台灣與亞洲市場的啟示
日本此波修法,對台灣與其他亞洲國家具有高度的參考價值。台灣目前對於AI訓練的著作權規範仍相對模糊,主要依賴《著作權法》第65條的合理使用概括條款,缺乏類似日本的事前補償機制。隨著台灣AI產業發展與國際接軌,立法機關勢必得正視此一議題。日本經驗顯示,與其陷入「全面禁止」與「完全放任」的兩極爭論,不如設計一套「允許訓練、但須補償」的中間路線,較能在創新與權利保障之間取得平衡。
此外,日本強調「集體管理」與「資料揭露」的設計,也值得台灣借鏡。台灣雖有音樂、語文等著作權集體管理團體,但其運作能量與涵蓋範圍仍有不足,若欲複製日本模式,須先強化集體管理團體的治理與透明度。同時,日本結合政府輔導、獨立委員會與爭議調解機制的做法,也提醒台灣在立法時應配套設計執行機構,避免制度空轉。從區域競爭角度來看,日本率先建立明確規則,可能吸引國際AI企業將其亞洲營運基地設於日本,形成「合規紅利」;台灣若動作太慢,恐在AI產業競賽中處於劣勢。因此,台灣應密切關注日本後續施行細則與實際案例,作為未來立法的重要參考。
四、實務操作與未來展望
新法通過後,無論是AI開發者、內容平台或權利人,都須盡快調整實務操作。以下從企業合規與國際趨勢兩個面向提出建議。
4.1 企業合規建議:從資料治理到授權管理
對AI開發者而言,首要之務是建立「訓練資料治理」流程。建議企業盤點現有訓練資料的來源、類型與授權狀態,區分「可識別著作」與「孤兒著作」,並針對不同類別擬定取得授權或支付補償的作業程序。同時,應建置資料來源的稽核軌跡,以備未來申報與爭議時舉證之用。對於有意進入日本市場的國外業者,更應提早了解集體管理團體的授權流程與費率,避免因不諳法規而觸法。
對內容平台與創作者而言,則應主動了解自身權利狀態,評估是否加入集體管理團體、是否行使退出權,以及如何標示權利管理資訊。平台業者亦須注意,若其服務涉及AI生成內容,可能同時扮演「開發者」與「內容提供者」雙重角色,須分別遵循訓練端與輸出端的規範。此外,企業應將著作權合規納入ESG或法遵框架,定期教育訓練員工,以降低誤用風險。在爭議處理方面,建議優先利用政府設立的調解機制,以節省訴訟成本與時間。
4.2 國際協調與未來趨勢:從日本模式看全球治理
日本的補償機制並非孤例,而是全球AI著作權治理趨勢的一環。歐盟透過《AI法案》與《著作權指令》要求AI開發者揭露訓練資料並尊重權利人退出權;美國則以訴訟與個案判決逐步形成規則;中國亦在2025年後陸續發布生成式AI服務管理規範。各國路徑雖有不同,但共同趨勢是:從「是否允許訓練」轉向「如何補償與透明化」。日本模式的特色在於以「集體授權」降低交易成本,並以「分層費率」兼顧產業發展,這套設計可能成為亞洲國家參考的範本。
展望未來,幾個值得關注的發展方向包括:第一,補償金費率是否會隨AI產業收益成長而調整,以及如何避免費率過高扼殺新創;第二,跨國授權機制是否可能出現,例如日本與歐盟之間相互承認集體管理團體的授權效力,以降低跨國AI訓練的合規成本;第三,技術措施的發展,例如「機器可讀的權利標示」與「AI訓練資料溯源技術」,將成為落實補償機制的重要工具。此外,隨著AI模型愈加複雜,「訓練」與「推理」的界線日益模糊,未來法制是否須進一步區分「訓練階段」與「輸出階段」的責任,也是各國將面臨的課題。
對台灣而言,日本經驗的最大啟示在於「及早布局」。與其被動等待國際壓力,不如主動盤點國內產業需求與權利人訴求,啟動立法研究與公聽程序。同時,台灣可借鏡日本設立專責調解機構與輔導資源的做法,協助中小企業與獨立創作者適應新制。唯有在創新與保障之間取得動態平衡,才能在AI時代站穩腳步。
五、常見問題與爭議焦點
Q1:新法是否代表AI訓練從此必須「逐一取得授權」?
並非如此。新法設計的是「概括授權」與「法定補償」機制,開發者毋須逐一協商,只要透過集體管理團體支付補償金,即可合法使用大量著作。這是在效率與權利保障之間取得的折衷。
Q2:補償金會不會轉嫁到消費者身上?
有可能。AI服務提供商可能將新增的合規成本反映在產品價格上,但實際影響取決於市場競爭程度與費率高低。政府已承諾定期檢討費率,以避免過度轉嫁。
Q3:權利人如何知道自己是否被利用?
新法要求開發者負擔資料來源揭露義務,集體管理團體亦須定期公告授權與分配資訊。權利人可透過集體管理團體查詢自身作品被利用的情形,並提出異議或退出。
Q4:風格模仿是否構成侵權?
風格本身不受著作權保護,但若生成內容與特定原作達到「顯著性相似」,且源於對受保護表達的實質重現,權利人可請求額外補償。實務認定仍須個案判斷。
Q5:台灣廠商若使用日本資料訓練模型,是否受日本新法規範?
若訓練行為涉及在日本境內的重製或利用,或服務對象包含日本用戶,可能須遵循日本新法。建議台灣業者在使用日本來源資料時,主動諮詢法律專業,評估是否須透過日本集體管理團體取得授權。
整體而言,2026年日本著作權法修正案並未試圖消滅AI訓練,而是為其建立一套「可課責、可補償、可預測」的遊戲規則。這套制度能否成功,取決於集體管理團體的治理品質、政府執行力,以及產業與權利人之間能否建立互信。無論結果如何,日本已為全球AI著作權治理寫下重要的一頁,值得台灣持續關注與借鏡。
結語:AI時代的著作權新秩序,從日本出發
日本2026年修訂著作權法,明確規範AI訓練用文獻與圖像的授權補償機制,不僅回應了生成式AI帶來的法制挑戰,更展現了「在創新與保障之間尋求平衡」的立法智慧。從概括授權、分層費率、資料揭露到退出機制,這套制度試圖讓AI產業得以持續發展,同時讓內容創作者獲得合理回饋。對台灣讀者而言,這不僅是一則國際新聞,更是理解未來AI治理趨勢的重要窗口。隨著各國陸續跟進,AI訓練的「免費時代」即將告終,取而代之的將是一套更透明、更公平、也更複雜的授權生態。無論你是AI開發者、內容創作者或政策關注者,都應及早掌握這股趨勢,才能在AI時代的新秩序中找到自己的定位。
💬 想說點什麼?
歡迎到留言板分享你的想法、心得或疑問。
💬 前往留言板 →