摘 要

2026年9月7日，最高人民法院正式发布《关于依法审理涉人工智能纠纷案件的意见》，在现行民事、个人信息保护、产品责任等法律框架内，系统明确了涉人人工智能治理最为成熟的法域作为比较样本，聚焦大模型训练数据合规、人工智能产品致损责任、智能驾驶事故责任分配三类高频争议场景，展开精细的规则对照与实践拆解，并提出“可追溯、可解释、可还原、可提交”四项核心治理能力，为互联网、智能硬件、智能驾驶等领域的企业构建人工智能合规体系、应对跨境法律风险提供可参考的行动指引。

目 录

一、引言

二、同一类争议，两种法庭上的展开

三、结语：让企业人工智能治理经得起法庭检验

一、引 言

2026年9月7日，最高人民法院发布《关于依法审理涉人工智能纠纷案件的意见》（法发〔2026〕10号，以下简称《意见》）。《意见》并非另行创设一套人工智能责任法，而是在既有法律框架内，进一步明确人民法院处理涉人工智能纠纷时的审查重点与裁判路径。

理解《意见》的路径之一，是回到诉讼现场：当模型训练、人工智能产品致损或智能驾驶事故进入法庭，原告会如何组织请求和证据，被告应当围绕哪些事实建立抗辩，法院又将如何在技术复杂性与既有法律规则之间展开判断？

《意见》第24条提出推进人工智能领域涉外审判交流合作，加强规则对接与互鉴。以此为线索，欧盟构成一个具有现实意义的比较对象：一方面，欧盟《人工智能法》（Regulation (EU) 2024/1689，以下简称“AI Act”）已进入分阶段适用期；另一方面，在AI Act的完整事前治理框架全面适用于各类高风险系统之前，欧盟及其成员国已持续借助《通用数据保护条例》（以下简称“GDPR”）、产品责任规则、消费者保护规则和道路交通法处理人工智能引发的具体争议。

欧盟经验当然不能直接移植至中国，但其在审查要素、技术事实证明和举证负担安排上的处理方式，能够为观察《意见》的未来适用提供有益参照。下文围绕训练数据、AI产品责任与智能驾驶三个场景展开。重点不在评价制度优劣，而在于比较两种法域如何将抽象的AI风险转化为法院可以审处理涉人工智能纠纷。这意味着，人工智能并不构成脱离既有民事责任、个人信息保护、产品责任和消费者保护规则的“法外空间”；技术的新颖性并不当然改变原有权利义务关系，而主要改变事实认定、风险判断和证据组织的复杂程度。

欧盟也经历了类似的制度过渡。AI Act于2024年8月1日生效，并采取分阶段适用机制：禁止性实践规则先行适用，通用目的人工智能相关规则随后适用，第50条规定的部分透明度义务自2026年8月2日起适用。2026年7月生效的《数字综合法案（人工智能）》（Regulation (EU) 2026/1744）又将附件三高风险系统义务的适用推迟至2027年12月、嵌入产品的高风险AI推迟至2028年8月。这意味着在相当一段时期内，AI Act的事前治理规则将与GDPR、产品责任、消费者保护和成员国侵权法共同构成处理AI争议的法律基础。

二、同一类争议，两种法庭上的展开

(一) 大模型与软件开发：使用已公开信息训练模型，“合理范围”如何判断

1.中国法下的裁判重点

大规模、高质量训练数据是人工智能技术，特别是大语言模型开发的重要基础。模型开发者、训练者在抓取、清洗和使用网络公开数据时，通常难以完全避免处理个人自行公开或者其他已经合法公开的个人信息。如果要求模型开发者就训练数据中包含的每一项已公开个人信息逐一取得事先同意，实践中将难以操作，也可能影响模型训练和技术研发。但个人信息已经公开，并不意味着处理者可以不受限制地将其用于人工智能训练或其他商业用途。

《中华人民共和国民法典》（以下简称《民法典》）第1036条第2项规定，合理处理自然人自行公开或者其他已经合法公开的信息的，行为人原则上不承担民事责任，但自然人明确拒绝或者处理行为侵害其重大利益的除外。《中华人民共和国个人信息保护法》（以下简称《个人信息保护法》）第13条第1款第6项和第27条进一步明确，个人信息处理者可以在合理范围内处理个人自行公开或者其他已经合法公开的个人信息，但个人明确拒绝的除外；处理已公开个人信息对个人权益有重大影响的，还应依法取得个人同意。

《意见》第6条将上述规则具体适用于人工智能模型训练：为模型训练而在合理范围内处理个人自行公开或者其他已经合法公开的个人信息，且个人未明确拒绝的，一般不认定为侵害个人信息权益；但对个人权益有重大影响的，应依法取得个人同意。《意见》起草组成员在《〈最高人民法院关于依法审理涉人工智能纠纷案件的意见〉的理解与适用》中指出，第6条旨在平衡个人信息权益保护与人工智能产业发展，并引导人工智能开发者和模型训练者由粗放式数据获取转向精细化、规范化的数据处理。

“已公开个人信息”既包括个人自行公开的信息，即个人在社交媒体、公开主页、论坛等场景中主动披露的姓名、联系方式、职业信息等，也包括新闻报道、国家机关依法公开文件等其他合法公开的信息。无论何种公开信息，处理者均仍应遵守合法、正当、必要、诚信、公开透明、目的明确、最小必要和安全保障等个人信息处理原则。

对于“合理范围”的判断，《意见》第6条明确了三项核心因素。

第一，处理目的与模型功能的必要性和适当性。模型开发者应能够说明，处理相关信息与其具体模型功能之间具有直接关联，且处理范围没有明显超出实现训练目的所必需的程度。若训练目标本身违法，或者处理范围明显超过模型功能所需，通常难以主张处理行为具有正当性。

第二，信息类型、敏感程度及对个人权益的潜在影响。对于人脸等生物识别信息、健康医疗信息、行踪轨迹等敏感个人信息，即使信息已在特定场景公开，规模化汇集、交叉关联、长期存储或用于训练，仍可能显著增加隐私、人格尊严、人身安全、财产安全和名誉受损的风险。处理者对此应承担更高注意义务；处理可能对个人权益产生重大影响的，还应依法取得个人同意。

第三，信息公开时的场景及个人可合理预期的使用范围。公开不等于允许任何后续用途。个人在职业社交页面、社交媒体或特定平台公开信息，通常只是允许他人在相应场景中查阅、联系或互动；其能否合理预期信息会被批量抓取、关联分析、用于商业画像或模型训练，仍需结合平台规则、隐私政策、告知方式和实际使用情况判断。特别是，平台曾承诺不将用户内容用于模型训练，后续却改变用途的，可能因违背用户合理预期而超出合理范围。

从诉讼结构看，原告通常是个人信息被用于模型训练、模型输出、用户画像或相关商业应用的自然人；依法具有资格的检察机关、消费者组织等主体，也可能在符合条件时提起公益诉讼。被告则可能包括直接决定训练目的、训练方式的模型开发者、模型训练者、模型服务提供者，及实际控制数据抓取、汇集、清洗、训练或对外调用的平台运营者、数据处理者。对于多主体参与的数据供应、模型训练和服务运营链条，责任认定将取决于各主体对处理目的、处理方式和相关数据的实际控制程度。

在具体案件中，原告通常会主张：信息的公开场景与被告训练模型、商业画像或对外生成服务的使用场景明显不一致；被告曾作出“不用于训练”等与实际处理用途相冲突的承诺；处理涉及敏感个人信息；处理规模、保存期限、关联分析或模型输出对其人格权益、职业机会或财产利益造成重大影响；或者原告已通过退出机制、投诉、通知等方式明确拒绝处理。被告如欲证明其处理仍处于合理范围，则应围绕训练目的、数据来源、处理范围、数据筛选和安全措施、告知方式、退出机制及明确拒绝请求的响应记录建立完整证据链。

“麦某波诉北京法某科技有限公司、北京律某信息技术有限公司网络侵权责任纠纷案”可为第6条的适用提供参照。该案已作为人民法院案例库入库参考案例发布，入库编号为2025-07-2-369-003。北京法某科技公司通过公开渠道爬取、分析、统计麦某波律师已公开的联系方式等信息，并在其运营平台展示。法院认为，该行为可能使消费者误认为麦某波与平台存在合作关系，并将潜在客户引流至该平台，进而影响其商业合作机会，已超出麦某波公开信息时可以合理预期的使用范围。法院据此认定，相关处理不属于合理范围，不适用《个人信息保护法》第13条第1款第6项规定的无需另行取得同意的情形。

该案虽非人工智能模型训练案件，但其提示了第6条的重要边界：数据“公开可得”不是处理行为当然正当的理由；处理目的与处理方式必须与个人公开信息时的合理预期相协调。模型训练、模型输出或后续商业化应用如导致类似的职业机会、隐私、名誉、人格尊严或财产利益风险，开发者不能仅以“信息已经公开”作为抗辩。

2.欧盟实践的参照意义

2025年5月23日，德国科隆高等地区法院（Oberlandesgericht Köln）在北莱茵—威斯特法伦州消费者协会（Verbraucherzentrale Nordrhein-Westfalen e.V.，申请人）申请对M公司（被申请人）发布临时禁令案中（案号：15 UKl 2/25，以下简称“M公司 AI训练数据案”），驳回了消费者协会提出的临时禁令申请。该案中，消费者协会请求法院禁止M公司使用F平台和I平台用户公开发布的个人数据训练和改进人工智能系统。该案依据德国《停止侵害法》（UKlaG）提起，属于临时救济程序，法院仅作概括性审查，不能等同于经完整证据调查后作出的终局实体裁判。

案件背景是，M公司于2025年4月宣布，拟自同年5月27日起，使用欧洲成年用户在F平台和I平台上公开发布的内容及相关互动数据训练其人工智能模型。涉案数据包括公开个人资料中的头像、公开群组、主页或频道中的活动记录，以及公开发布的评论、评价、照片、视频、音频及相应元数据等。M公司拟将相关数据用于开发和改进其生成式人工智能服务，包括区域化优化的对话助手、内容生成等功能。对于该处理，M公司未逐一取得用户同意，而是主张可依GDPR第6条第1款(f)项规定的“合法利益”作为处理基础；其同时通过应用内通知及其他可行方式向用户说明相关计划，并允许用户将内容调整为非公开，或对相关处理提出异议。

北莱茵—威斯特法伦州消费者协会认为，M公司未能证明大规模使用公开用户数据训练人工智能具有必要性和适当性，且相关处理可能涉及GDPR第9条所规制的敏感个人数据；该协会还主张，M公司将F平台和I平台数据用于同一训练数据集，可能构成《数字市场法》（Digital Markets Act，以下简称“DMA”）第5条第2款(b)项所禁止的跨服务数据“合并”。

科隆高院未支持禁令申请。就DMA争点，法院认为，在M公司拟采用的处理方式下，F平台和I平台的数据虽被导入同一训练数据集，但相关数据经过一定程度的去标识化和拆分，且不存在针对同一用户、将其在不同平台上的数据进行有针对性连接的情形，因此不构成DMA第5条第2款(b)项意义上的“合并”。法院特别强调，DMA语境下的“合并”应以对同一用户的跨服务数据进行定向关联为核心，而不应将不同平台来源的数据被非结构化地放入同一训练数据集当然视为受禁止的数据合并。

该案法院拆解争议所依据的事实清单，包括训练的实际目的与数据范围、是否存在侵扰更小的替代方案、敏感数据的识别与处理、通知和异议机制的实际运行、去标识化等风险控制措施，可能同样是中国法院适用《意见》第6条判断"合理范围"时会关注的重点。两份法域不同的问卷，问的问题有不少重合。对同时开展涉欧业务的企业而言，按GDPR要求形成的合法利益评估记录，与按中国法要求留存的"合理范围"判断依据，在合规操作上也有望共用同一套证据体系。

3.企业提示

对于大模型和软件开发企业而言，数据治理不应止于“训练数据来自公开网络”这一事实判断。公开可得仅是数据处理分析的起点，并不能当然证明相关数据可以被用于特定模型训练、后续微调、模型输出或商业化部署。企业应当围绕《意见》第6条所要求的“合理范围”，建立覆盖训练数据全生命周期的治理和留证机制，使其在发生个人信息争议时，能够说明数据从何而来、为何需要使用、如何控制风险，以及个人拒绝处理后如何停止或限制继续使用。

第一，训练前应完成数据来源、使用目的和风险分层。企业应区分个人自行公开的信息与其他已经合法公开的信息，记录数据来源、抓取或取得方式、公开页面或公开场景、取得时间、数据类别以及许可或平台规则状态。对于通过爬虫、第三方数据供应商或集团内关联方取得的数据，还应审查获取方式是否符合来源网站规则、合同约定及适用法律要求。训练目的亦应具体化：是用于基础模型预训练、特定行业模型训练、检索增强生成、微调、内容审核，还是产品性能评估。不同训练目的对应的数据必要性、使用范围和个人权益影响并不相同，不能以笼统的“提升模型能力”概括替代。

第二，应将敏感个人信息和高风险数据从一般公开数据中单独识别和管理。对人脸、声纹、健康医疗、行踪轨迹、金融账户、未成年人信息，以及可能暴露宗教信仰、政治观点、性取向等敏感信息或高度私密信息的数据，企业应设置更严格的识别、过滤、最小化和人工复核机制。对于无法有效筛除、去标识化或控制风险的数据，应评估是否有必要使用，是否会对个人权益产生重大影响，以及是否需要依法另行取得个人同意。

第三，应把“合理预期”转化为可核验的告知与选择机制。平台或模型服务提供者应审查用户协议、隐私政策、内容发布规则、开发者规则及历史公告中是否存在“不用于训练”“仅限平台内展示”或其他与拟议训练用途不一致的承诺。若企业拟将原本为社交互动、内容分享、客户服务或其他特定目的收集的数据用于训练模型，应评估该用途是否超出个人在收集或公开时的合理预期，并通过清晰、显著、可理解的方式说明训练用途、数据范围、处理主体、可能影响及用户选择路径。退出或反对机制不应仅停留于界面设置；企业还应确保该请求可以及时传导至数据抓取、清洗、训练、微调、再训练和模型部署等后续环节，并保留请求接收、身份核验、处理决定和执行结果的记录。

第四，应建立训练数据和模型版本的可追溯链条。企业需要能够在必要时回答：某一类别的数据是否进入过训练集；进入的是哪一版本数据集；用于何种模型、何一训练阶段或何次微调；模型是否已更新、蒸馏、合并或部署至下游产品；个人提出拒绝或删除请求后，企业采取了何种措施。为此，建议建立训练数据台账、数据集版本控制、模型训练和微调日志、数据过滤记录、访问权限记录、模型发布和回滚记录，以及针对个人信息请求的响应档案。对于无法在技术上实现对既有模型进行“逐条删除”的情形，企业至少应预先明确适用标准、替代措施和风险处置方案，避免在纠纷发生后无法说明处理路径。

第五，将证据治理前置为争议解决准备。在这类争议中，原则上仍由原告就个人信息被处理、处理超出合理范围或对个人权益有重大影响等基本事实承担举证责任，其可借助公开网页、平台规则、模型输出、投诉及拒绝处理记录等材料完成初步举证。但训练数据来源、抓取范围、清洗过滤规则、训练与微调记录、告知和退出机制的运行情况等关键证据，通常由模型开发者、服务提供者或平台运营者控制，原告难以仅凭外部公开信息完整证明。对此，原告可申请法院责令控制证据的一方提交。

《意见》第17条与《最高人民法院关于民事诉讼证据的若干规定》第95条相衔接，明确了证明妨碍规则：控制书证、电子数据的一方无正当理由拒不提交，负举证责任的一方主张该证据内容不利于控制人的，法院可以认定该主张成立。该规则并非举证责任倒置，其适用以原告作出具体事实主张、说明证据由被告控制且与案件具有证明关联、经法院责令后被告仍无正当理由拒绝为前提；满足这些条件的，被告才就相关待证事实承担不利后果，法院则结合双方材料判断处理是否处于合理范围。对企业而言，证据治理不能等到争议发生后才启动。法务、数据合规、算法工程、产品和安全团队应共同建立数据与文档响应机制，明确训练数据和模型文档的保存范围、版本管理、调取权限、证据保全、商业秘密保护与对外提交审批路径。企业如确有使用个人信息训练的合法性与必要性依据，应能通过日常业务中形成的记录加以证明；诉讼发生后补作的说明，难以替代训练、告知、退出和风控措施实际运行的客观留痕。

对同时开展涉欧业务的企业，还应在上述机制基础上，为GDPR第6条第1款(f)项下的合法利益评估预留完整文档。企业应能够说明其所追求的利益具体、真实且合法；所选处理方式对于实现该目的具有必要性；不存在同等有效、但对数据主体影响更小的替代方案；并且数据主体的利益、基本权利和自由不会在具体情形下优先于企业利益。欧洲数据保护委员会在其第28/2024号意见中亦强调，人工智能模型开发或部署阶段可在特定条件下以合法利益作为处理基础，但控制者须对利益的合法性、明确性和现实性、处理必要性以及对数据主体权益的影响作出具体评估。

概言之，企业需要把“公开数据可以使用吗”的问题，转化为一套能够经受司法审查的证明体系：数据来源可追溯、训练目的可说明、敏感数据可控制、用户选择可执行、模型演进可还原、争议发生时证据可提交。这既是《意见》第6条下证明处理处于合理范围的基础，也是企业在涉欧业务中回应GDPR合法利益审查和数据主体权利请求的共同底座。

(二) 人工智能产品：产品致损中，缺陷标准与举证负担如何变化

本节讨论的是《意见》第9条所称的“人工智能产品”责任，而非第7条关于生成式人工智能服务提供者的侵权责任。二者不应混同：第7条关注生成式人工智能自动生成内容侵害人格权益后，服务提供者在接到权利人通知后是否及时采取停止生成、屏蔽指令等必要措施；第9条则处理以实物为载体的人工智能产品存在缺陷并造成损害时，生产者、销售者是否承担产品责任。前者的关键在于通知、必要措施与平台控制能力，后者的关键在于产品缺陷、损害后果和因果关系。

1.中国法下的裁判重点——生产者承担无过错责任

《意见》第9条以产品质量法上“产品”的概念为基础，将人工智能产品责任的讨论置于以实物为载体的产品范围内。《意见》第9条项下的人工智能产品责任，对生产者而言是无过错责任。原因在于，第9条并未创设新的责任规则，而是依据《中华人民共和国产品质量法》（以下简称《产品质量法》）中关于“产品”的定义，将以实物为载体的人工智能产品导入既有产品责任体系。在此责任体系下，原告只需证明产品存在缺陷、损害后果及二者间的因果关系，无须证明生产者存在过错。这一适用亦与《意见》第3条相协调——第3条确立过错责任的一般原则，但明确将“法律明确规定适用无过错责任或者过错推定责任”的情形排除在外，产品责任正属此类法定例外。同时，受害人可依《民法典》第1203条选择向生产者或销售者任何一方请求赔偿；销售者仅在对内的最终责任划分上以过错为要件。

在缺陷认定上，对于相关产品是否存在缺陷，法院可以结合产品的性质与用途、自主学习能力、升级更新情况、用户对系统的控制程度以及是否符合国家标准或行业标准等因素进行判断，并重点审查生产者、销售者是否就产品的适用场景、固有局限及可预见风险进行了真实说明和明确警示。

这意味着，人工智能产品的缺陷认定不能只停留在产品首次出售或出厂时的静态状态。与传统产品相比，搭载人工智能系统的智能硬件可能在投入使用后因模型持续学习、软件更新、远程升级、外部数据输入、传感器异常、与其他系统互联或用户操作方式等因素而改变功能表现和风险水平。企业如通过OTA升级调整功能、扩大使用场景或改变系统控制逻辑，相关更新是否导致新的风险、是否同步更新风险评估和警示说明，将可能成为缺陷判断的重要事实。

《意见》第17条则回应了此类案件中受害者的举证难题。掌握源代码、模型版本、训练或测试记录、升级日志、传感器数据、内部故障报告和设备运行记录的一方，如无正当理由拒不提交其控制的书证、电子数据，对方主张相关证据内容不利于控制人的，人民法院可以认定该主张成立。因此，对于产品生产者、销售者及实际控制关键技术资料的主体而言，产品责任风险不仅取决于产品是否实际存在安全缺陷，也取决于其能否在诉讼中完整、可信地说明产品设计、测试、更新、警示和事故发生时的实际运行状态。

2.欧盟新产品责任规则——延续无过错责任，并将软件纳入“产品”

欧盟新《产品责任指令》（Directive (EU) 2024/2853，以下简称“新PLD”）于2024年12月8日生效，成员国应于2026年12月9日前完成国内法转化；新PLD适用于2026年12月9日后投放市场或投入使用的产品，此前投放市场的产品仍适用原《产品责任指令》（85/374/EEC）。与中国《意见》第9条不同，新PLD明确将软件纳入“产品”范围；软件包括操作系统、固件、计算机程序、应用程序及AI系统。无论软件被存储在设备中、通过通信网络或云技术访问，还是以软件即服务模式提供，均不影响其作为产品的定性。

新PLD同时区分软件、数字内容和相关数字服务。单纯的信息、数字文件内容（如媒体文件、电子书）和软件源代码本身并不属于“产品”；但在商业活动中提供或开发的数字制造文件，被视为产品。与产品整合或互联、其缺失将妨碍产品实现一项或多项功能的数字服务，属于与产品相关的服务；相关服务处于制造商控制之下的，在缺陷判断中与产品一体考量。软件更新、升级和持续学习本身也并非自动构成独立产品，而是可能影响制造商对产品的控制、产品投放市场的时间点，以及产品是否仍能满足公众有权期待的安全水平。

在缺陷认定方面，新PLD延续“产品未能提供公众有权期待的安全性”的基本标准，但对数字化、可更新和具学习能力的产品作出更具体回应。判断产品是否存在缺陷时，应考量所有情形，包括产品的预期用途和可合理预见使用、产品的展示和警示、网络安全要求、监管机构或经营者采取的产品安全干预，以及产品在投放市场后学习或获得新功能的能力等。对于能够通过软件更新或持续学习产生不可预见行为的AI产品，制造商不能仅以产品已经投放市场为由排除后续风险责任；若制造商仍保有提供更新或升级的能力，产品在相应意义上仍可能处于其控制之下。

新PLD维持无过错产品责任的基本结构：受害人原则上仍须证明损害、产品缺陷及两者之间的因果关系。为应对复杂产品造成的信息与证明不对称，指令要求成员国确保其法院在诉讼中能够应请求命令被告披露其控制的必要、相称的证据，并在采取披露措施时兼顾各方正当利益，保护商业秘密及其他保密信息。被告不遵守披露命令的，推定产品存在缺陷。产品不符合相关强制性安全要求、在合理可预见使用中发生明显故障，或者因技术、科学复杂性致使受害人证明缺陷或因果关系过度困难的，亦触发相应的可反驳推定。该机制不是普遍意义上的证明责任倒置，但会显著提高制造商、软件提供者及其他相关经营者的证据披露压力。

欧盟委员会此前曾提出《人工智能责任指令》提案，拟协调人工智能相关过错责任案件中的举证困难和因果关系问题；但该提案未成为生效法律，后续已被撤回。因此，欧盟人工智能相关的过错责任，仍主要由成员国一般侵权法、消费者保护规则、数据保护法和其他既有制度调整；新PLD则主要在产品缺陷致损范围内提供无过错责任规则。

3.企业提示

中国与欧盟在AI产品责任问题上的第一个显著差异，是产品范围。中国《意见》第9条以“以实物为载体”为入口，主要面向智能机器人、辅助驾驶汽车及其他智能硬件；欧盟新PLD则明确将商业活动中提供的软件和AI系统纳入产品范围。第二个差异，是举证规则。中国《意见》第17条主要通过不利事实认定来回应证据不对称，即控制证据的一方无正当理由拒不提交的，法院可认定对方主张成立；欧盟新PLD则从两方面减轻原告的举证负担：一是新增证据披露规则，原告提出足以支持其主张合理性的事实和证据后，被告须披露其掌握的相关证据；二是在特定情形下缓减原告的证明困难，例如因技术或科学复杂性导致难以证明产品存在缺陷时，可减轻其举证负担。

但两种规则传递的共同信息是：企业不能仅以“产品符合既有技术标准”作为完整抗辩。国家标准、行业标准和安全要求的符合性固然重要，却只是缺陷判断的考量因素之一；自主学习能力、软件版本变化、远程更新、网络安全、系统互联、用户控制程度、实际适用场景与警示说明，均可能影响法院对产品安全性的判断。尤其是，警示说明不能仅以列举抽象风险的方式替代产品安全设计；如果产品本身未能达到公众有权期待的安全水平，事后通过说明书罗列风险并不当然排除缺陷责任。

对中国企业而言，产品责任准备应从产品设计阶段开始，并贯穿研发、测试、上市、运营和更新的全生命周期。企业至少应当形成以下四类材料：

• 产品安全论证材料：包括产品用途、目标用户、适用环境、风险评估、故障模式分析、测试方案、测试结果、人工干预边界和安全降级机制等。
• 版本与更新管理材料：包括软件、模型、固件和算法版本清单，OTA更新内容、上线审批、回滚方案、更新前后测试结果、已知问题及修复记录。任何可能改变产品性能边界或风险水平的更新，均应同步完成风险复核。
• 警示与用户控制材料：包括说明书、界面提示、使用限制、培训材料、告警机制、人工接管或停止机制，以及上述内容在产品交付、更新和实际使用中向用户有效传达的记录。
• 证据响应与保全材料：包括源代码及版本管理记录、内部测试报告、设备运行日志、故障报告、用户投诉、远程运维记录和事故相关数据的保存、调取和校验机制。对于可能涉及商业秘密的材料，应预先设计分级披露、脱敏、保密协议、阅卷范围限制或申请法院采取保密措施等应对方案。

对于涉欧业务，企业还应按新PLD的证明压力预先设计文档和诉讼响应机制。发生产品致损争议后，企业不仅需要说明产品为何安全，还应具备在法院命令下及时、完整且以可理解的方式提供必要技术资料的能力。对商业秘密、源代码和安全架构等高度敏感信息，企业不宜以笼统保密理由拒绝披露，而应主动提出范围限定、保密环、文件遮蔽或专家阅览等替代安排。否则，在新PLD项下可能面临缺陷推定；在中国诉讼中也可能因无正当理由拒不提交控制证据而承担不利事实认定后果。

(三) 智能驾驶汽车：事故之后的人机责任分配与数据查明

欧盟目前尚无一部统一规定自动驾驶事故中驾驶人、车辆保有人、生产者、运营者之间如何分配民事责任的专门立法。此类责任主要仍由成员国道路交通法、侵权法和保险法调整；欧盟层面的产品责任、车辆安全准入和数据规则，则分别影响产品缺陷责任、车辆技术要求和事故数据的可得性。因此，以下以德国作为成员国样本讨论责任分配，并结合国际车辆技术法规和欧盟车辆准入规则说明事故数据制度。

1.中国法下的裁判重点

《意见》第11条针对自动驾驶、具备辅助驾驶功能的汽车发生交通事故造成损害的情形，建立了较为完整的裁判路径。

首先，交通事故造成损害的，依照民法典、道路交通安全法等有关规定承担赔偿责任。其次，事故因车辆存在产品缺陷所致的，生产者、销售者可以依照民法典关于产品责任的规定承担责任。再次，车辆缺陷与驾驶人过错共同导致同一损害的，受害人可以依法请求驾驶人以及生产者、销售者按照各自过错程度承担相应责任。对于自动化等级、智能程度、性能、用途作出虚假或者引人误解宣传的，还可能依据民法典和消费者权益保护法承担相应民事责任。

更具实践意义的是，《意见》明确：为查明事故原因，人民法院可以要求生产者、销售者、运营者等数据控制方，在必要范围内提供真实、完整的自动驾驶、辅助驾驶事件记录等数据。该规则与第17条的证据规则相互衔接。系统是否处于激活状态、何时发出接管请求、驾驶人是否及时接管、车辆当时的环境感知和控制指令如何变化，往往决定驾驶人责任、产品缺陷责任及因果关系的具体划分。掌握相关数据的一方如无正当理由拒绝提交，可能面临不利事实认定，从而显著削弱其实体抗辩。

需要注意的是，第11条并不意味着生产者、销售者会当然对每一起辅助驾驶事故承担责任。产品责任仍以产品缺陷与损害之间具有法律上的因果关系为前提；驾驶人是否按说明使用功能、是否违反接管义务、是否存在其他交通违法行为，仍是案件的重要事实问题。

2.德国责任分配与欧洲事故数据规则

德国《道路交通法》（Straßenverkehrsgesetz，以下简称“StVG”）允许在符合预定用途和法定条件下使用高度或全自动化驾驶功能。驾驶人在使用该类功能期间可以暂时将注意力从交通状况和车辆控制中移开，但仍须保持能够感知系统请求的状态；当系统要求接管，或者驾驶人已经知道、或依明显情形应当知道自动化驾驶条件不再满足时，应立即重新接管车辆控制。自动驾驶功能并不因此成为独立责任主体：发生事故后，车辆保有人仍可能承担机动车运行风险责任，驾驶人是否按说明使用功能、是否履行接管义务仍会影响其责任；如存在车辆或软件缺陷，受害人还可向制造商等主体主张产品责任或一般侵权责任。

在功能宣传方面，可参考德国促进公平竞争中心（Zentrale zur Bekämpfung unlauteren Wettbewerbs Frankfurt am Main e.V.）诉T公司误导性商业宣传纠纷案。该案一审由慕尼黑地区法院第一院（Landgericht München I）于2020年7月14日作出判决，案号为33 O 14041/19。

争议焦点是T公司在Model 3订购页面中使用“Autopilot”（“自动辅助驾驶”）、“Autopilot inklusive”（“含自动辅助驾驶功能”）以及“vollständiges Potenzial für autonomes Fahren”（“具备完全自动驾驶潜力”）等表述，是否足以使普通消费者误以为车辆能够在无需驾驶人持续监督的情况下实现合法自动驾驶。

一审法院认定部分宣传构成误导，并禁止T公司继续使用相关表述。慕尼黑高等地区法院（Oberlandesgericht München）于2021年10月7日作出二审判决，案号为29 U 4175/20，在主要争议点上支持T公司的上诉。

二审法院认为，相关表述出现于消费者已经启动车辆订购流程的网页中，消费者在该阶段会以较高注意程度阅读页面上的完整说明；结合页面中关于驾驶人监督义务和车辆功能限制的提示，普通消费者能够理解涉案车辆尚不能实现无需驾驶人持续监督的自动驾驶。因此，“Autopilot”等表述在该案的具体广告语境中不构成误导；但“年底前实现市区自动行驶”等带有明确功能上线时间承诺的表述，仍可能使消费者形成错误预期，因而继续受到限制。

该案说明，辅助驾驶宣传是否构成“虚假或者引人误解”，不能孤立审查某一营销术语，而应结合宣传页面的整体语境、目标消费者的注意程度、车辆实际功能、适用条件、功能限制、驾驶人监督或接管义务，以及风险提示是否清晰、醒目、充分等因素综合判断。

事故数据的保存和可得性，是自动驾驶责任认定的基础。以国际车辆技术法规为例，联合国欧洲经济委员会（United Nations Economic Commission for Europe，以下简称“UNECE”）框架下的《联合国第157号法规》（UN Regulation No. 157，以下简称“UN R157”）对其适用范围内的自动车道保持系统（Automated Lane Keeping Systems，以下简称“ALKS”）提出要求，包括配备自动驾驶数据存储系统（Data Storage System for Automated Driving，以下简称“DSSAD”）。

DSSAD用于记录自动驾驶功能的启用、退出、驾驶人与系统之间的控制权切换，以及系统请求驾驶人接管等关键事件，为事故调查和责任认定提供基础。UN R157并非欧盟条例，其具体适用取决于车辆系统类型、法规版本及车型准入要求；DSSAD也并不当然涵盖全部传感器原始数据或完整的算法推理过程。

欧盟则通过车辆型式批准制度，对事故数据记录作出事先要求。欧盟《通用安全条例》（Regulation (EU) 2019/2144）要求特定车辆为取得欧盟型式批准并投放市场而配备事件数据记录器（Event Data Recorder，以下简称“EDR”）；欧盟委员会授权法规（EU）2022/545进一步规定了EDR应记录的数据、技术测试、防篡改和事故后读取等具体要求。对于M1类乘用车和N1类轻型商用车，相关要求自2022年7月6日起适用于新车型，并自2024年7月7日起适用于所有新车辆。EDR可理解为碰撞相关的“车辆黑匣子”，重点记录碰撞前、碰撞中和碰撞后的关键运行参数；DSSAD则重点记录自动驾驶系统状态和人机控制权切换。二者从不同角度帮助还原事故发生时车辆运行与人机交互的情况。

德国StVG第63a条还要求高度或全自动化驾驶功能车辆保存控制权切换、系统请求接管和系统技术故障等事件的时间、地点信息，并在与事故有关的法律请求有必要时，允许相关数据被用于提出、清偿或抗辩该等请求。欧盟《数据法》（Regulation (EU) 2023/2854）则进一步为连接产品和相关服务中“可随时获得”的数据设定访问框架，但经专有、复杂算法进一步推断或衍生出的信息通常不当然属于强制提供范围。因此，原始事件数据、控制权切换数据与目标识别、轨迹预测、风险评分等算法生成结果，可能处于不同的数据访问边界。

德国与欧盟关于智能驾驶的责任分配和事故数据规则，可为理解《意见》第11条提供参照。两者均未赋予人工智能系统独立法律人格，事故责任仍在驾驶人、车辆保有人或管理人、生产者、销售者、运营者等既有主体之间分配，车辆缺陷与驾驶人过错也可能共同造成同一损害。不同之处在于：德国《道路交通法》以车辆保有人为中心规定机动车运行风险责任，保有人原则上对车辆运行造成的损害承担无过错责任；中国法虽也规定机动车所有人、管理人和使用人等主体，但并不存在与德国保有人危险责任完全对应的统一制度，通常仍需根据车辆使用、管理关系及各方过错确定责任。

此外，德国法对高度或全自动化驾驶功能运行期间的驾驶人义务作出较明确规定：驾驶人可以暂时将注意力从驾驶任务中移开，但在系统请求接管或明显不再满足自动驾驶条件时，应立即接管。中国尚未形成对应的普遍成文规则，驾驶人是否尽到注意义务，通常需结合车辆说明、系统警示、实际自动化等级及事故数据逐案判断。事故数据方面，德国法对部分自动化车辆的控制权切换、接管请求和系统故障数据规定了保存与提供要求；中国也已有自动驾驶数据记录相关国家标准，但《意见》第11条更直接强调事故发生后由法院在必要范围内要求生产者、销售者、运营者等数据控制方提交事件记录，并可与第17条的不利事实认定规则衔接。

3.企业提示

智能驾驶事故的争议解决，实质上是一场围绕数据展开的责任分配。企业不应在事故发生或收到传票后才决定数据是否存在、如何提取和能否提交，而应在产品设计和运营阶段建立诉讼可用的数据治理机制。

该机制至少应覆盖：系统激活与退出状态、接管请求与驾驶人响应、车辆控制权切换、关键传感器与控制指令、故障告警、软件版本、远程更新记录和数据完整性校验。与此同时，企业还应明确保存期限、访问权限、调取流程、证据固定方式和对外提交审批路径，并协调商业秘密、个人信息保护、数据安全及司法协助之间的关系。对于宣传材料，则应建立从产品能力、功能限制、技术版本到市场表达的一致性审查机制，避免以消费者可能理解为“自动驾驶”的方式描述仍要求驾驶人持续监督或及时接管的辅助驾驶功能。

三、结语：让企业人工智能治理经得起法庭检验

三组对照的价值，不在于将欧盟规则直接移植到中国，而在于提前识别人工智能争议进入法庭后可能被反复追问的核心问题：训练数据从何而来、为何可以用于特定模型训练；模型、软件或智能硬件的功能边界和风险是否已被充分识别并向用户说明；事故或损害发生后，企业能否通过完整的数据和技术记录还原事实经过；以及在证据主要由企业控制的情况下，企业能否及时、可信地完成说明和提交。

因此，人工智能合规不应仅被理解为上线前的备案、评估、告知或审批事项，还应被视为贯穿研发、训练、测试、部署、运营、更新和争议应对全过程的证据治理。最高法《意见》所揭示的，不只是企业“应当做什么”，更是法院在具体案件中可能“如何审查”：已公开个人信息的处理是否处于合理范围，产品是否存在不合理危险，宣传是否可能误导消费者，自动驾驶事故中的控制权、系统状态和因果关系能否被数据还原，以及控制证据的一方是否依法履行提交义务。

围绕这些裁判重点，企业至少应当在人工智能产品和服务的全生命周期内建立以下四项能力。

第一，可追溯。对训练数据的来源、取得方式、处理目的、数据分类分级、敏感信息过滤、去标识化措施、用户通知及异议或退出机制保留可核验记录。特别是在使用已公开个人信息训练模型时，企业应能够说明信息公开时的场景、后续处理目的与个人合理预期之间的关系，而不能仅以“数据来自公开网络”作为概括性抗辩。

第二，可解释。对模型、软件和智能硬件的功能边界、适用场景、性能限制、已知风险、人工干预要求、版本变更和安全控制措施形成持续更新的技术与法律文档。对于具有自主学习、持续更新、远程升级或网络连接能力的产品，安全论证不应停留在首次投放市场时点；每一次可能改变产品功能或风险边界的更新，都应当同步完成评估、测试、用户告知和留痕。

第三，可还原。对智能驾驶、智能硬件及其他可能造成较高人身或财产风险的应用，留存足以重建关键事件过程的数据，并明确数据保存期限、提取权限、完整性校验、证据固定和对外提供机制。数据不仅是监管合规的对象，也是企业在发生事故后说明系统状态、用户操作、产品缺陷与损害因果关系的重要证据。

第四，可提交。预先建立面向诉讼、仲裁、监管调查和数据主体权利请求的数据响应流程。在保护商业秘密、个人信息和数据安全的同时，企业应确保能够及时识别、保全和提交依法应当提供的证据。特别是在《意见》第11条与第17条可能联动适用的案件中，企业如无正当理由拒绝提交其实际控制的事件记录、版本资料或其他电子数据，数据缺失本身就可能转化为不利事实认定和实体责任风险。

对于同时面向中国和欧盟市场的企业，更稳妥的路径不是机械叠加两套制度，而是围绕可追溯性、透明度、风险可控性和证据可得性建立统一而有弹性的治理体系。欧盟规则和成员国实践提示企业，软件更新、自动化能力、产品安全和数据可得性正在越来越多地进入产品责任和消费者保护的审查范围；中国《意见》则进一步表明，人工智能纠纷中的数据、算法、版本和运行记录，已不仅是技术问题，也可能成为法院认定责任、分配举证负担的重要基础。企业需要准备的并非一份静态的AI合规清单，而是一套能够在争议发生后经受事实核验、证据审查和法律评价的治理体系。

对大模型企业而言，训练数据来源、处理目的及用户选择机制的可追溯性尤为重要；对以具身智能机器人为代表的人工智能产品企业而言，功能边界、版本更新和风险警示的可解释性更值得关注；对智能驾驶企业而言，人机交互、事件记录和事故数据的可还原性，往往直接关系到事故责任的认定。

上述能力均以完整、可信、可核验的技术记录和管理流程为基础，并最终指向企业在争议发生后能够依法调取和提交相关材料。将合规要求落实为可追溯、可解释、可还原、可提交的产品与运营机制，不能当然排除责任，却有助于企业回应监管审查和司法程序中的事实与证据问题。 

参考文献

[1] 最高人民法院：《最高人民法院关于依法审理涉人工智能纠纷案件的意见》，法发〔2026〕10号，2026年9月7日发布

[2] 最高人民法院：《最高法发布〈关于依法审理涉人工智能纠纷案件的意见〉》（含起草背景、起草原则和主要内容介绍），最高人民法院官网，2026年9月7日

[3] 最高人民法院：《最高法相关部门负责人就〈关于依法审理涉人工智能纠纷案件的意见〉答记者问》，最高人民法院官网，2026年9月7日

[4] 周加海、司艳丽、秦元明、贾玉慧、张音：《〈最高人民法院关于依法审理涉人工智能纠纷案件的意见〉的理解与适用》，载《法律适用》2026年第11期

[5] 《中华人民共和国民法典》，2020年5月28日通过，重点参见第1036条、第1172条、第1195条、第1203条

[6] 《中华人民共和国个人信息保护法》，2021年8月20日通过，重点参见第6条、第13条第1款第6项、第27条

[7] 人民法院案例库入库参考案例：麦某波诉北京法某科技有限公司、北京律某信息技术有限公司网络侵权责任纠纷案，入库编号2025-07-2-369-003

[8] 最高人民法院：《入库参考案例解读：已公开的个人信息能随便用吗？》，最高人民法院官网，2025年7月17日

[9] Regulation (EU) 2024/1689（欧盟《人工智能法》），重点参见第50条、第113条

[10] Regulation (EU) 2026/1744（修正《人工智能法》的“数字综合修正案”），2026年7月27日生效

[11] Regulation (EU) 2016/679（《通用数据保护条例》，GDPR），重点参见第6条第1款(f)项、第9条

[12] Regulation (EU) 2022/1925（《数字市场法》，DMA），重点参见第5条第2款(b)项

[13] Directive (EU) 2024/2853（欧盟新《产品责任指令》），重点参见第4、7、9、10条

[14] 欧盟委员会：《人工智能责任指令》提案，COM(2022) 496 final，2022年9月28日；欧盟委员会于2025年7月16日批准撤回该提案，撤回公告载于《欧盟官方公报》C/2025/5423，2025年10月6日。

[15] 欧洲数据保护委员会（EDPB）：Opinion 28/2024（关于AI模型场景下个人数据处理的第28/2024号意见），2024年12月18日

[16] 德国科隆高等地区法院：Verbraucherzentrale NRW e.V. 诉 M* AI训练数据临时禁令案，2025年5月23日裁判，案号15 UKl 2/25

[17] 德国慕尼黑第一地区法院：Wettbewerbszentrale 诉 T* 误导性宣传案，2020年7月14日判决，案号33 O 14041/19；德国慕尼黑高等地区法院：Wettbewerbszentrale诉T*误导性宣传案，2021年10月7日判决，案号29 U 4175/20

[18] UN Regulation No. 157（联合国第157号法规，自动车道保持系统ALKS型式批准规则，UNECE/WP.29框架）

[19] Regulation (EU) 2019/2144（欧盟《通用安全条例》）及欧盟委员会授权法规 (EU) 2022/545（事件数据记录器EDR技术要求）

[20] Regulation (EU) 2023/2854（欧盟《数据法》），重点参见第二章

[21] 德国《道路交通法》（Straßenverkehrsgesetz, StVG），重点参见第1a条、第1b条、第7条、第63a条。

来源：国浩律师事务所

作者：

• 胡静，国浩数字经济业务委员会暨法律研究中心主任、国浩北京合伙人；业务领域：数据合规、出口管制、涉外；邮箱：hujing@grandall.com.cn
• 冯凯西，国浩北京实习律师；业务领域：数据保护、争议解决；邮箱：fengkaixi@grandall.com.cn

特别声明：本篇文章所阐述和说明的观点仅代表作者本人意见，仅供参考和交流，不代表本所或其律师出具的任何形式之法律意见或建议。