著作权——人形机器人最容易被忽视的“隐形资产”与“沉默风险”
2026年9月，杭州。
一家人形机器人企业的创始人收到了一份律师函。发函方是一家工业设计公司，声称该企业机器人产品中使用的三维仿真环境模型，与设计公司拥有著作权的三维资产库存在“实质性相似”。创始人一开始不以为意：“我们用的是自己团队建模的场景，怎么会侵权？”
法务核查后发现了问题：团队中一名工程师在建模时，为了“提高效率”，从网上下载了一套开源三维模型作为基础，在其上做了少量修改后放入了训练环境。那套开源模型的使用许可明确写着“仅限非商业用途”。而这家企业的机器人，正在商业场景中运行。
侵权事实清楚，赔偿金额不小。更麻烦的是，这套模型已经深度嵌入训练流程，替换意味着整个训练管线需要重新跑一遍。
这就是著作权在人形机器人产业中的典型面貌：它不像专利那样被天天讨论，不像商标那样被当作战略资产布局，但它无处不在，而且一旦出问题，往往比专利诉讼更“膈应”——专利可以绕开，著作权侵权一旦成立，你的代码、数据、模型、界面，可能都要推倒重来。
一、著作权为什么比专利更“隐蔽”
人形机器人企业的法务资源，绝大多数投向专利。专利有明确的申请流程、审查周期、权利要求书，有“看得见”的边界。著作权则不同。
著作权的保护是“自动产生”的。代码写完，著作权就产生了；模型建完，著作权就产生了；界面设计完，著作权就产生了。你不需要申请，不需要登记，不需要缴纳年费。但恰恰因为“自动产生”，大多数企业从未系统梳理过自己到底“拥有什么著作权”，也从未核查过自己“使用了谁的著作权”。
更关键的是，人形机器人的著作权客体极其分散。一台人形机器人涉及至少六类著作权客体：控制软件源代码、仿真环境与三维模型、训练数据集中的图像与视频素材、交互界面的图形用户界面设计、机器人表情与动作的动画数据、以及产品说明书与宣传物料。每一类客体的权利归属、使用许可、侵权风险，都需要独立核查。而大多数企业只做了其中一两项。
二、训练数据：著作权风险的“重灾区”
2026年，人形机器人训练数据的著作权问题正在从“理论争议”变成“现实纠纷”。
君合律师事务所在2026年9月的一份法律分析中指出，企业自行采集的数据并不当然形成可自由支配的训练资产。自采数据中若混入他人享有著作权的图像、三维模型或数据库内容，模型训练过程中的复制与汇编行为同样可能触发知识产权侵权。这意味着，即使数据是“自己采的”，如果采集对象本身包含他人作品，训练行为仍然可能构成侵权。-10
外部采购数据的风险更大。供应商出具的“完整授权链文件”和“概括性合规承诺”，只能作为审查起点。企业还需要能够说明：数据由谁采集、原始授权是否允许模型训练和商业化、是否存在地域和期限限制、数据主体撤回或合作终止后如何删除和停止使用。公开网页和开放数据集同样不等于“可以自由训练”。数据可访问并不等同于可以不受限制地用于训练或商业化，需要结合合理处理范围、著作权、网站服务协议和数据集许可条件综合判断。-10
合成数据和仿真数据也不是“避风港”。合成数据的生成仍然可能依赖真实图像、运动轨迹、三维资产、CAD图纸、仿真引擎或预训练模型，仍需向前追溯基础素材和技术工具的授权许可，确认其是否覆盖训练与商业部署。-10
三、软件代码：权属链条比侵权风险更“要命”
人形机器人的控制软件，很少是“从零开始、一人写完”的。它往往涉及高校合作研发、联合研发、委托开发、开源组件引入、员工离职后持续开发等多种场景。每一种场景，都可能埋下权属隐患。
2026年，云深处科技在科创板IPO问询中遭遇的问题，是一个典型的警示。监管问询重点关注了核心技术人员离职后一年内申请的专利归属问题，以及相关技术成果的权属是否清晰、是否存在潜在纠纷。虽然问询聚焦的是专利，但同一逻辑完全适用于软件著作权：核心技术人员在离职后一年内开发的软件，原单位可能主张职务作品或职务发明权属；高校教师兼职创业的场景中，职务发明与成果转化的合规性更是审查重点。-2
更隐蔽的风险来自“委托开发”。一家企业委托外部团队开发一套运动控制软件，合同里写了“著作权归委托方所有”，但没有约定“开发方不得将相似代码复用于其他客户”。结果开发方把同一套代码的“变体”卖给了竞争对手。委托方虽然拥有著作权，但无法阻止开发方的行为——因为合同没有约定排他性条款。
四、开源许可证：一个字母的差别，可能让核心技术“被迫开源”
2026年，人形机器人企业几乎都在使用开源组件。操作系统、仿真平台、算法库、中间件——开源让研发速度提升了数倍，但也引入了一类独特的著作权风险：许可证的“传染性”。
杭州市《人形机器人产业风控法务指引（征求意见稿）》明确提示了这类风险：GPL、AGPL等“强互惠型”许可证与专有代码结合使用时，可能要求将整体产品代码以相同许可证开源。这意味着，如果你的核心控制算法与一个GPL组件以某种方式“结合”成了一个单一作品，你的核心算法可能被迫开源。
2026年，最高人民法院在“不乱买”案中确立了一个重要的裁判规则：网站前端代码与后端代码可以分别独立打包、部署，即便前端代码使用了GPL协议项下的开源代码，后端代码也不受GPL协议约束。这个判决的核心逻辑是“实质审查而非标签判断”——是否受GPL约束，取决于代码之间是“独立程序”还是“衍生作品”，而不是取决于你是否“用了GPL代码”。-17
但这并不意味着风险消失了。如果你的代码与GPL组件之间是“静态链接”或“深度集成”关系，法院完全可能认定二者构成衍生作品。Apache 2.0等宽松许可证同样有陷阱：其中的专利条款可能在特定情形下导致专利许可终止。你用了Apache 2.0的组件，以为只是“用了一点开源代码”，但许可证中的专利 retaliation 条款可能在你对组件贡献者发起专利诉讼时，自动终止你对该组件的使用许可。
五、AI生成内容：一个刻意“留白”的灰色地带
人形机器人的表情动画、动作序列、交互界面元素，越来越多地由AI生成。这些AI生成内容是否受著作权保护、权利归谁，是一个正在形成中的规则。
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》，这是国家最高审判机构出台的首部涉AI司法裁判规则文件。但值得注意的是，《意见》对“人工智能生成内容的可版权性”和“未经许可使用作品训练模型的定性”这两个分歧最大的问题，刻意留白。
留白不等于没有规则。司法实践中已经形成了一条相对清晰的判断标准：完全由AI自动生成、缺乏人类实质性智力投入的内容，原则上不构成作品；只有当人类作者能够主导、控制、决定、执行并实际形成AIGC的独创性表达时，该内容才可能获得著作权保护。简单的提示词生成内容不构成作品，维权需要留存完整的创作过程证据。-19
对人形机器人企业来说，这意味着两件事。第一，如果你用AI生成了机器人的表情动画或动作序列，你需要保留“人类如何控制、调整、筛选、组合”的过程证据，否则这些内容可能无法获得著作权保护。第二，如果你使用了他人用AI生成的内容作为训练素材或产品元素，你需要确认该内容本身是否构成“作品”——如果不构成作品，你不构成著作权侵权，但可能构成其他侵权（如肖像权、不正当竞争）。
六、企业该怎么做：四层著作权合规体系
著作权风险的特点是“事前无感、事后致命”。一套有效的合规体系，需要在四个层面同时发力。
第一层：资产盘点。 梳理企业拥有的著作权资产——软件代码、三维模型、界面设计、训练数据集、动画数据、文档物料。不是“列一个清单”，而是明确每一类资产的“权利来源”（自主开发、委托开发、合作开发、开源引入、外部采购）和“权利状态”（是否登记、是否有许可限制、是否存在权属争议）。
第二层：来源审查。 对训练数据，建立“来源—授权—使用”的三段式审查机制。不是只看供应商的承诺函，而是穿透核查原始授权是否覆盖“模型训练”和“商业部署”两个场景。对开源组件，建立SBOM（软件物料清单），逐项标注许可证类型，识别copyleft组件的传染性风险，评估其对自有代码的影响边界。
第三层：合同管控。 在委托开发合同中，不仅约定“著作权归属”，还要约定“开发方不得复用”“不得向第三方提供相似代码”“交付物不得包含未授权的第三方内容”。在员工劳动合同中，明确职务作品的归属，明确离职后一定期限内开发的、与原工作相关的软件成果的权属安排。
第四层：生成内容留痕。 对AI生成的表情动画、动作序列、界面元素，保留“人类控制过程”的完整记录——提示词迭代、参数调整、候选方案的筛选与组合、最终版本的编辑修改。这些记录不仅是著作权归属的证据，也是应对“AI生成内容不受保护”风险的唯一防线。
七、写在著作权维度的起点
2026年，人形机器人产业正在从“技术竞赛”走向“资产竞赛”。
专利是“明面上的资产”，有证书、有编号、有公开的权利要求书。著作权是“水面下的资产”，它不声不响地附着在代码、数据、模型、界面、动画上，构成了企业技术资产的“底座”。大多数企业知道自己在专利上花了多少钱，但很少有人能说清楚：我的软件代码到底归谁？我的训练数据到底能不能商用？我用的开源组件到底有没有“传染性”？
这些问题的答案，不决定企业能不能造出一台机器人，但决定企业能不能安全地卖掉一万台机器人。
人形机器人的下半场，比的不仅是谁的专利更硬，更是谁的著作权“地基”更干净。那些在专利上投入了大量资源、却在著作权上“裸奔”的企业，可能会在某一天发现——自己没有输在技术路线上，而是输在了一行代码、一个三维模型、一个开源许可证的“传染性”上。
