（一）案件背景：AI特效抄袭引发新型不正当竞争纠纷

短视频平台的AI漫画特效，对用户而言是趣味性交互功能，对平台而言是核心流量入口，而在司法层面，其本质是企业依托技术研发沉淀形成的、受法律保护的新型市场竞争利益。

最高人民法院2025年反不正当竞争典型案例收录的“AI漫画特效模型侵权案”，首次明确了AI模型结构与参数的法律保护规则，为人工智能新兴领域的市场竞争秩序划定了清晰边界。

经查，2020年6月15日，北京抖某科技有限公司（以下简称“抖某公司”）在其运营的短视频APP上线“变身漫画特效”功能，该功能可对用户实时拍摄的人像素材进行智能重构，精准匹配真人五官特征并完成漫画风格实时转化，是依托专属AI模型实现的原创技术功能。

2020年8月4日，亿某科信息技术（北京）有限公司（以下简称“亿某科公司”）在其运营的同类应用中上线“少女漫画特效”功能。经比对，该功能生成的漫画形象、视频画面与抖某公司涉案特效的视觉效果高度重合。抖某公司主张，亿某科公司未经许可，直接抄袭其研发的AI特效模型结构与核心参数，构成不正当竞争，遂向法院提起诉讼，请求判令对方停止侵权、消除影响，并赔偿经济损失及合理维权开支共计500余万元。

一审法院经审理认定，亿某科公司的涉案行为攫取了抖某公司的合法竞争利益，属于《反不正当竞争法》第二条规制的不正当竞争行为。亿某科公司不服一审判决提起上诉，北京知识产权法院二审驳回上诉、维持原判，最终判令被告赔偿原告经济损失及合理开支合计160万元。该案不仅入选最高人民法院2025年反不正当竞争典型案例，同时被纳入北京法院参阅案例，是全国首例明确保护AI模型结构与参数的司法案例，具备里程碑式的行业指导价值。

（二）裁判核心：保护的是研发竞争利益，而非抽象技术风格

该案的核心裁判价值，并非赋予单一企业“漫画特效”的技术垄断权，也非限制行业同类功能的研发创新，而是解决了AI产业的核心法律难题：当人工智能产品的核心价值不再体现为传统的文字、图片、代码、商标等显性成果，而是沉淀于模型结构、参数权重、训练数据、算法调优的隐性技术成果时，如何通过法律手段保护经营者的新型合法竞争利益。

最高人民法院在典型案例裁判要点中明确界定：经营者通过数据清洗、样本训练、模型优化、参数调校等实质性投入形成的AI模型结构与参数，能够为企业带来独家创新优势、稳定经营收益和核心市场竞争力，属于《反不正当竞争法》法定保护的竞争利益，对规范AI行业发展、维护新兴领域公平竞争秩序具有重要指导意义。

司法裁判并未将AI模型参数认定为绝对化的专有权利，也未禁止行业内的正常技术迭代与功能借鉴。法院的核心裁判逻辑为：合法保护的是经营者依托人力、物力、财力实质性投入形成的专属竞争优势，规制的是同业竞争者无正当依据、低成本搬运他人研发成果的不正当攫取行为。若竞争者通过直接复制他人模型结构与参数的方式，缩短自身研发周期、规避训练成本、替代原有合法产品并分流核心用户，即构成不正当竞争。

本案最易产生认知误区的是“法院保护漫画视觉风格”，该解读完全偏离裁判核心。在市场竞争规则中，抽象的产品风格、功能赛道、技术方向属于公共竞争领域，任何经营者均无权垄断。单一企业率先上线AI漫画特效，不具备禁止同行研发同类功能的排他性权利，技术行业的进步本身依托于合法的模仿、改良与良性竞争。若将抽象风格、通用功能认定为排他性权利，将导致反不正当竞争法沦为保护市场先占优势的工具，扼杀行业创新活力。

北京知识产权法院二审裁判的核心考量，聚焦于原告的实质性研发投入与专属技术成果。裁判文书明确指出，抖某公司为研发涉案漫画特效模型，投入多名专业研发人员，委托外包团队完成研发工作，累计绘制50696张真人对照漫画样本作为训练数据，历经风格设定、模型训练、反复调优、最终定型等全流程研发环节，形成了区别于公开通用模型的专属结构与参数体系。该模型能够实现真人与动漫形象的精准对应，为平台带来了显著的创新优势、流量收益与市场竞争力，其模型结构及参数依法构成受保护的竞争利益。

相较于传统互联网产品，AI产品的核心价值具备极强的隐蔽性。传统产品的著作权、商标权、商业秘密、数据权益均有清晰的显性载体，而AI产品的核心壁垒隐藏于训练样本、网络结构、参数权重、调优策略、版本迭代等全流程研发环节。用户所见的“一键生成”简易操作，背后是企业海量的数据清洗、样本制作、算力消耗、算法试错与持续优化投入，这也是司法保护AI模型隐性技术成果的核心事实依据。

（三）法律适用逻辑：反不正当竞争法一般条款的精准适用

该案的重要行业价值，在于明确了AI新型技术成果的法律保护路径，规避了著作权法、商业秘密保护的适用局限，精准发挥了《反不正当竞争法》一般条款的兜底规制作用。

案件审理过程中，原告虽同时主张著作权侵权与不正当竞争，但法院最终以不正当竞争作为核心裁判依据。究其原因，著作权法的保护客体是思想的独创性表达，仅保护AI模型生成的可视化画面成果，无法覆盖模型算法规则、技术方案、结构参数等底层核心内容，难以实现对AI完整技术成果的全面保护。

同时，商业秘密保护路径亦存在适用门槛。商业秘密的成立需同时满足秘密性、价值性、保密性三大法定要件，企业需举证技术信息不为公众所知悉、具备商业价值且已采取合理保密措施。而AI模型在终端部署、接口调用、合作测试的过程中，极易出现部分技术信息暴露的情况，一旦保密完整性存疑，或无法证明对方的不正当获取手段，商业秘密维权将面临举证障碍。

在此前提下，《反不正当竞争法》第二条一般条款成为规制AI领域新型不正当竞争行为的最优路径。法条明确规定：经营者在生产经营活动中，应当遵循自愿、平等、公平、诚信的原则，遵守法律和商业道德，公平参与市场竞争；一切扰乱市场竞争秩序，损害其他经营者或者消费者合法权益的经营行为，均属于不正当竞争行为。

该条款并非无限适用的“万能兜底条款”，司法适用需严格满足三大要件：一是原告享有合法可保护的竞争利益；二是被告的行为违背诚信原则与行业商业道德；三是行为实质损害市场竞争秩序、经营者或消费者合法权益。

结合本案事实，法院精准适用该规则，明确亿某科公司行为的不正当性：其直接挪用抖某公司耗费大量人力、算力、时间研发的AI模型结构与参数，无需投入高额的样本绘制、模型训练成本，在短时间内打破原告建立的市场竞争优势，依托高度同质化的功能直接争夺目标用户与流量资源，完全违背了AI研发领域公认的商业道德，具备明确的不正当竞争属性。

由此可见，司法规制的核心并非“研发同类AI功能”的市场竞争行为，而是“低成本搬运他人原创研发成果、窃取市场竞争优势”的恶性套利行为。技术迭代与良性竞争受法律保护，但依托技术手段规避研发成本、攫取他人专属成果的商业捷径，为法律所明确禁止。

（四）司法认定关键：构建AI模型侵权的三维举证判断体系

AI模型侵权纠纷的审理难点，不在于判断产品效果是否相似，而在于界定相似效果的形成原因。行业内通用技术路线、开源算法、大众审美趋同，均可能导致同类AI产品效果相近，仅以“视觉高度相似”不足以认定侵权。本案的核心示范意义，在于构建了接触可能性、技术比对结果、自主研发证据三位一体的完整司法认定体系。

第一，接触可能性是事实基础。涉案两款产品同属短视频AI视觉特效赛道，目标用户、经营市场、产品服务模式高度重合，且原告产品上线时间早于被告两个月，被告具备充分的接触、拆解、分析原告模型的客观条件。虽接触可能性无法单独证明复制行为，但为后续技术比对与举证责任分配提供了核心事实支撑。

第二，技术比对结果是核心依据。经专业鉴定与专家论证，两款模型的核心结构、关键参数高度一致，被告主张的局部技术差异，对模型运行性能、核心生成效果无实质性影响，不足以否定双方技术成果的高度同一性。相较于表层视觉效果比对，底层结构与参数的精细化比对，是认定模型复制行为的核心技术标准。

第三，自主研发证据是最终判定关键。合法独立研发的AI模型，必然留存完整的研发轨迹，包括数据来源证明、训练集构建记录、模型版本迭代日志、参数调优记录、算力使用凭证、测试报告等全流程资料。本案中，亿某科公司未能提交有效证据证明其模型的独立研发过程，无法对技术高度相似性作出合理解释。

法院结合三大维度事实，依据高度盖然性证据规则，认定被告存在直接复制原告AI模型结构与参数的行为，由被告承担举证不力的法律后果。该裁判规则明确了AI行业的诉讼举证逻辑：未来AI模型侵权纠纷中，司法审查将穿透表层产品效果，聚焦模型来源、研发轨迹、技术底层，无完整研发留痕的“自主研发”主张，无法得到司法认可。

（五）技术风控启示：终端模型部署暗藏合规风险

本案披露的技术细节，为AI企业的产品部署与合规管理提供了重要警示。当前多数AI应用为优化用户体验、降低云端运营成本，选择将AI模型下发至用户终端本地运行，实现实时特效响应、低延迟交互。但该部署模式存在显著的法律风险与技术漏洞。

经司法鉴定与专家论证，部署于用户终端的AI模型，可通过专业技术手段完成解密、拆解与逆向分析，进而被完整提取模型结构与核心参数。本案中，原告正是通过相关鉴定意见，证明被告具备通过终端部署渠道窃取其模型成果的技术条件，进一步佐证了侵权行为的高度可能性。

这意味着，AI模型的部署模式不仅是技术架构选择，更是核心的法律风险管理环节。云端API部署虽能降低模型文件暴露风险，但仍面临接口滥用、模型蒸馏、越权调用等风险；终端本地部署虽优化用户体验，但大幅提升模型被逆向复制的概率。

企业需明确核心合规原则：技术层面的可复制性，不等于法律与商业层面的可利用性。通过技术手段窃取他人终端部署的AI模型成果，用于同类产品竞争、攫取市场利益的行为，属于典型的不正当竞争行为。基于此，企业需将技术保护、合同约束、权限管理、日志审计纳入AI模型全生命周期管理，从源头防范模型资产被侵权盗用。

（六）竞争损害认定：AI产品的市场替代与利益分流规则

反不正当竞争法的核心规制目标是维护公平的市场竞争秩序，司法认定不仅审查侵权行为本身，更重点核查行为造成的实质竞争损害。本案中，法院并未局限于直接经济损失的认定，而是结合AI产品的竞争特性，明确了市场替代、用户分流、生态损害的新型损害认定标准。

最高法裁判要点明确，被诉侵权特效与原告涉案特效在用户群体、目标市场、服务模式、应用场景上高度重合，对原告产品形成了极强的市场替代效应，直接分流原告核心用户与流量资源，稀释了平台内容传播价值、商业合作价值与生态竞争力，对原告的竞争利益造成实质性损害，同时扰乱了AI视觉特效赛道的良性竞争秩序。

与传统实体商品、线上交易产品的损害模式不同，AI应用的竞争损害极少体现为单笔交易损失，更多表现为用户注意力迁移、内容创作渠道转移、平台流量稀释、商业变现能力下降等隐性利益损失。法院将市场重合度、产品替代性、用户分流效果纳入损害评价体系，精准适配了数字经济与AI行业的竞争特点。

同时，该行为亦损害了消费者长远合法权益。短期来看，同质化产品看似丰富了消费者选择；但长期而言，低成本复制的套利模式会严重挫伤企业原创研发的积极性，导致行业陷入低水平同质化竞争，企业减少高投入、高创新的AI技术研发，最终造成消费者无法获得差异化、高质量的AI产品与服务，破坏行业创新生态。

（七）行业合规指引：AI企业需构建技术与证据双重防护体系

本案为全行业AI企业的合规管理、资产保护、风险防控提供了清晰的实操指引，核心是转变认知，将AI模型从“技术文件”升级为“核心商业资产”进行系统化管理。

对于享有AI模型权益的企业，需建立三大核心机制。第一，完善研发全流程留痕机制，系统留存训练数据授权文件、清洗标注记录、模型版本迭代日志、算力调用凭证、参数调优记录、测试评测报告等全维度资料，构建“研发投入-模型成果-市场优势”的完整证据链，固化自身合法竞争利益。第二，健全模型保密与权限管理机制，对模型文件、核心参数、训练数据设置分级权限，规范内部人员访问、下载、导出、离职交接流程，在外部合作、SDK接入、外包测试等场景中，通过合同明确模型权属、使用范围、禁止逆向工程、侵权违约责任等条款。第三，建立竞品常态化监测与取证机制，及时固定竞品上线时间、产品功能、效果样本、宣传内容等证据，通过公证取证、技术鉴定、专家论证等方式，将主观相似判断转化为司法认可的客观技术事实。

对于AI研发企业，需强化反向合规自查。在研发同类AI功能时，需严格核查模型来源合法性、训练数据授权合规性，严禁挪用竞品模型成果、输出数据作为自身训练素材，严禁通过逆向工程、技术破解等方式获取他人终端部署、接口服务中的模型参数与结构，全程留存独立研发证据，规避不正当竞争法律风险。

未来AI行业的核心竞争力，不仅是模型算力、生成效果等技术能力，更是模型溯源、合规举证、风险防控的综合能力。无法合法溯源、无完整研发留痕的技术成果，难以获得司法保护。

（八）案件行业价值：划定AI算法良性竞争的司法边界

本案的裁判规则，精准平衡了创新保护与市场竞争的核心关系，规避了“过度保护”与“放任侵权”两大极端，为AI行业高质量发展稳定了制度预期。

一方面，司法明确否定了“AI模型无保护”的行业误区，确认凝结实质性研发投入的模型结构、参数权重属于合法竞争利益，遏制行业抄袭套利乱象，保护原创企业的创新积极性，避免市场出现“劣币驱逐良币”的恶性竞争格局。另一方面，司法并未赋予企业技术垄断权，不禁止合法的技术借鉴、独立研发与功能迭代，保障行业自由竞争、技术创新的发展空间。

该案确立的核心行业规则清晰明确：公开技术可参考、合法开源可复用、授权模型可调用，但市场竞争必须依托自身的研发投入、数据体系、训练能力与产品服务。法律保护的是真实的技术创新与商业投入，否定的是依托技术捷径攫取他人研发成果、破坏行业竞争秩序的套利行为。

160万元的赔偿金额只是该案的表层结果，其深层价值是为AI行业确立了可落地、可参考、可复用的竞争规则。自此，AI模型不再是法外技术黑箱，底层结构与参数作为企业核心无形资产，受到反不正当竞争法的明确保护。真正的AI技术竞争，从来不是复制他人的捷径，而是依托自主研发构建核心壁垒的硬核实力。