日本著作权法 30 条之 4：AI 训练的宽松利用观与其边界

日本是全球主要法域里对 AI 训练取数最宽松的一个：著作权法第 30 条之 4 原则上允许「非享受目的」的利用——包括信息解析——不经权利人许可进行复制等技术性利用。但它不是空白支票，条文的但书与文化厅 2024 年 3 月 15 日公布的《AI 与著作权相关的思考框架》（「AIと著作権に関する考え方について」）共同划出了边界。

条文逻辑：非享受目的与但书

第 30 条之 4 由 2018 年著作权法修正引入，立法原意是适配大数据与机器学习时代的信息分析需求。它的适用结构可以拆成三句话：利用须出于非享受目的——即不以欣赏作品内容本身的表达来获得享受或感动，为机器学习与数据分析而复制是典型情形；利用限于必要范围；触碰但书的不适用——「依作品的种类与用途及利用形态，对著作权人利益构成不当损害」的情形除外。前两句给了训练宽松的空间，第三句留了收紧的口子。对日语内容供给方还有个容易忽略的连接点：日本搜索引擎与 AI 产品的语料惯例深受这一宽松框架影响，日文互联网内容的可训练默认值与欧美法域不同，做日文站时对「被收录即被训练」的默认预期要按日本口径调整。

还要注意「技术性利用」的限定：这条豁免的是复制、数据化这类为分析服务的动作，不豁免把作品当作品来用的行为。也就是说，宽松的射程从立法技术上就被框在「分析目的」内，读条文的时点不同、用途不同，结论可能完全不同。

文化厅 2024 年解释：把口子画具体

文化厅小委员会的这份文件是目前最权威的行政解释，与训练取数相关的划线有三条：

• 恶意收集不豁免：从盗版站点等明显非法来源收集语料训练，可能落入「不当损害」但书。
• 「价值依存型作品」的故意输入：对本来价值就依存于作品表达的素材（如歌词、小说文本）有意输入用于生成同类竞争物，可能被认定为不当损害著作权人利益。
• 阶段区分：训练阶段与生成、传播阶段分别评价；30 条之 4 覆盖训练侧的宽松，不等于生成物可以自由传播。

文件起草过程经历了公开征求意见的轮次，发布后成为企业合规与学界讨论的共同参照系。它不是法条，效力在解释层面，但日本行政解释的实务权重高，企业合规实践基本按它校准。

生成物侧是另一条线。训练侧宽松不等于生成物侧也宽松。文化厅文件对 AI 生成物的著作权定性同样给出了方向：纯由 AI 生成、缺少人类创作性贡献的产出，难以作为作品受到著作权保护；人机协作中人类的创造性贡献达到程度要求的，按既有法框架评价。这条线与训练侧的宽松经常被混为一谈——「日本允许随便抓去训练」被滑读成「日本认为 AI 产出随便用」，两件事在制度上是分开的：前者是权利限制问题，后者是权利成立问题。对本站用户的口径：做日本市场内容，训练侧风险低不等于生成物侧可以免掉原创投入，恰恰相反，人类贡献是产出受保护的前提。实践中这条生成物侧口径的用法很直接：给日本市场做的 AI 辅助内容，保留人类的结构性创作证据——大纲、修改稿、素材取舍的记录，这些既是版权保护的证据链，也是向合作方与平台自证原创性的材料。

宽松之后：收紧是审议层面的动向

2024 年文件之后，日本围绕 AI 与著作权的讨论并未平息：创作者团体对训练宽松观的不满持续，文化审议会层面的讨论继续，生成 AI 与著作权边界的议题清单在滚动更新。把议题粗粗归类，拉锯集中在三处：训练数据来源的正当性边界要不要写得更细、生成物与既有作品的相似度怎么评、权利人能否获得训练侧的某种对价机制。三处的共同底色是「宽松不等于无规则」，方向都在细化而非推翻。但截至本卡更新日，著作权法文本未再修改，30 条之 4 的框架仍在。对本站用户的口径是：日本的「宽松」是条文现状加行政解释的现状，不是永久承诺，跟踪这条线的正确姿势是盯审议动向而非传闻。

对 GEO 行业的含义

四条实践含义：其一，训练取数在日本法域的合规风险低于欧盟（对照欧盟 TDM 选择退出条款卡）——日本没有对应的机器可读 opt-out 法条，robots 声明在日本不直接构成版权法上的权利保留；其二，引擎供给端的数据合规压力不同，同一站点在日系引擎与欧盟法域引擎面前的语料暴露面不同，训练取数只是 AI 取用面的一种（取用面分型见 AI 爬虫三类分型术语卡）；其三，宽松仅限训练侧，检索与引用行为仍按一般著作权与合同框架评价，训练与取用的分层（对照见训练与检索爬虫对比卡）在哪个法域都要分开看；其四，生成物侧的人类贡献要求反过来利好认真做原创的团队——可确权的内容资产在授权谈判里才有筹码。与美国「个案合理使用」路线的对照见美国版权局 AI 报告线卡。

限制与待核实

本卡为条文与行政解释的定性归纳，未逐条抄录法原文；生成物侧口径与审议动向为定性综述，个案判例的积累情况引用前需另行核对。