2026 年 4 月 23 日，媒体披露全国首例 AI 模型侵权案详情。案件中，原告运营一款「变身漫画特效」产品，被告推出「少女漫画特效」，法院经审理认为两者的特效成像效果具有相似性，被告行为使「少女漫画特效」构成对「变身漫画特效」的实质替代，造成对原告竞争利益的实质损害，构成不正当竞争，判令被告赔偿原告经济损失及合理开支共计 160 万元，二审维持原判。

保护的不是代码，而是投入形成的竞争利益

这起案件的裁判逻辑值得细读。法院并没有把焦点放在模型代码或权重文件的复制上，而是放在「投入—效果—替代」这条链路上。

据披露，法院指出经营者通过数据训练、优化调校等方式形成……其核心是：一方为形成特定模型效果付出了实质性投入，另一方以低成本复制该效果并投放市场，使前者的产品被替代，从而损害其竞争利益。这种评价路径，绕开了传统著作权对「表达」的严格要求，转而适用反不正当竞争法的一般条款。

对 AI 企业而言，这打开了一条新的维权通道，也划出了一条新的风险线。模型效果本身，在特定条件下可以受到保护。

模型企业的两类风险

第一类是被侵权风险。投入大量资源训练调校形成的模型效果、参数配置、数据处理流程，属于可主张保护的竞争利益。企业应保留训练过程、迭代记录、效果对比等证据，以便在需要时证明投入与效果的对应关系。相关布局可参见AI 知识产权保护指南。

第二类是被指控风险。以「复现竞品效果」为目标的模型开发，风险显著上升。即便没有直接获取对方的模型文件，通过逆向、批量测试、数据投喂等方式逼近竞品效果，也可能被认定为不正当竞争。

实务上的边界判断

一是看投入的对应性。被保护的效果是否源于可证明的实质性投入，是判断的起点。

二是看替代关系。被告产品是否构成对原告产品的实质替代，是损害认定的关键。功能重合、效果趋同、目标用户重叠，都会强化这一判断。

三是看获取手段。是否通过不正当手段获取对方的模型能力、训练数据或调校经验，直接影响行为的不正当性评价。

四是看市场影响。是否造成原告客户流失、价格体系破坏或市场份额下降，是损害计算的基础。

合规建议

第一，把「模型效果」纳入知识产权资产清单。与专利、商标、著作权并列，作为需要管理和保护的资产。

第二，建立训练与调校的过程档案。数据来源、训练日志、版本迭代、效果评估记录，都是未来主张权利的证据。

第三，谨慎对待「对标竞品」。以明确复现他人产品效果为目标的开发，应在法务评估后决定是否推进，并留存独立研发的证据。

第四，关注数据来源合法性。模型的竞争力越来越依赖数据，数据来源的合法性既是竞争合规问题，也是数据合规问题，可参见AI 企业数据合规风险。

AI 模型的知识产权保护正在形成新的规则组合：著作权管表达，专利管技术方案，商业秘密管未公开的流程与数据，反不正当竞争管投入形成的竞争利益。企业的资产清单与证据档案，需要同时覆盖这四条线，可参见知识产权保护服务。

本文依据 2026 年 4 月 23 日公开披露的全国首例 AI 模型侵权案公开信息编写，仅供参考，不构成法律意见。