2. 训练数据法律属性辨析
在训练数据确权实务中，最先遇到的障碍往往不是“归谁所有”，而是“我们讨论的到底是什么”。同一批语料，在技术团队口中是“数据集”，在法务口中可能被拆成“数据”“信息”“作品”三个不同层次的对象，而模型训练完成后又出现了“参数”这一全新客体。若不在概念层面先做切分，后续的授权链条、侵权比对和权利主张都会失焦。本节的任务，就是把这五个概念放到同一张坐标系里，说明它们各自的法律定位，以及这种定位如何直接改变确权的路径。
一、数据与信息：载体与内容的二分
“数据”与“信息”在我国法律语境中并非同义词。《数据安全法》第三条将数据定义为“任何以电子或者其他方式对信息的记录”，这一表述确立了二者的基本关系：数据是记录形式，信息是记录所承载的内容。对确权而言，这一区分具有直接后果。
以一份用户评论语料为例，其“数据”层面可能体现为特定格式的文本文件、字段结构、编码方式，甚至包括采集时附带的时间戳与设备标识；其“信息”层面则是评论所表达的观点、情感倾向与事实陈述。前者更接近一种事实性、结构性的存在，难以被某主体独占；后者才可能进入著作权、商业秘密或人格权保护的射程。实务中常见的错误，是把“我持有这批数据文件”直接等同于“我对其中信息享有权利”。持有、控制与权利是三个不同层次的问题。
二、作品：独创性门槛决定的权利分层
当信息内容具备独创性并以一定形式表现时，它可能构成《著作权法》意义上的作品。训练语料中真正构成作品的部分，通常集中在小说、论文、歌词、美术图片、代码等。此时确权逻辑发生根本变化：权利不再依附于“数据集”这一集合，而是回到每一件独立作品上。
这带来一个关键实务判断——数据集的权利状态是“逐件叠加”的，而非“整体均质”的。一个包含十万条文本的训练集，可能其中八千条是受保护作品，九万条是不构成作品的短句或事实性数据，剩余部分权属不明。若把整个数据集当作一个权利单元去谈判授权，要么过度授权，要么遗漏风险。更稳妥的做法是建立分层清单：作品层、非作品数据层、权属待查层，分别对应不同的授权策略。
三、数据集：汇编与结构性权益
数据集本身是否受保护，取决于其选择或编排是否体现独创性。若满足，可构成汇编作品；若不满足，则可能落入《反不正当竞争法》对数据集合利益的保护范围，或仅作为事实性资产存在。需要强调的是，汇编作品的保护不延及数据本身，只延及具有独创性的选择与编排。这意味着，即使某公司对其构建的数据集享有汇编权利，也不能阻止他人就其中单件作品另行取得授权。
在确权文件中，数据集层面的权益通常表现为：数据库结构设计、标注体系、清洗规则、版本管理记录。这些内容更接近商业秘密或合同权益，而非著作权。明确这一点，有助于在授权谈判中把“数据集使用权”与“作品著作权”分开定价。
四、模型参数：训练产物的法律定位难题
模型参数是训练过程的产物，其法律属性目前尚无定论。它既不是原始数据，也不是人类直接创作的作品，而是一组通过优化算法得到的数值。围绕参数的确权争议主要集中在三点：参数是否可能构成商业秘密；参数是否可能被认定为对训练数据的“演绎”从而受原作品权利约束；以及参数本身的归属是否可由合同约定。
从实务角度，参数的确权更依赖合同与技术措施，而非既有权利类型。训练前的数据授权协议中，是否明确约定“训练所得模型及其参数的归属”，往往比事后争论参数的法律性质更有效。同时，参数中可能隐含训练数据信息，这又反过来影响数据提供方的授权边界。
五、分层定位如何改变确权操作
把上述五类客体分开之后，确权工作从“给数据集定一个权利”变成“为每一层建立独立的权利档案”。具体而言，至少需要完成三项动作。
第一，建立来源与权利映射表。对每一批入库数据，记录其载体来源、内容来源、是否含作品、作品权属状态、授权文件编号。这张表是后续一切主张的基础。示例字段可设计为：批次号、采集方式、内容类型、是否作品、权利人、授权期限、授权范围、可否用于训练、可否商用、备注。其中“可否用于训练”与“可否商用”必须分列，因为许多授权只允许前者。
第二，区分“可使用”与“可确权”。持有合法授权意味着可以使用，但不等于可以主张权利。例如，通过采购获得的小说语料，公司可以使用其训练模型，但不能对该小说本身主张著作权。确权主张只能针对自己贡献的部分，如标注成果、数据集编排、模型参数。
第三，在合同中前置参数归属条款。由于模型参数的法律性质尚不明确，最可靠的确权方式是在数据授权协议与委托训练协议中明确约定：训练所得模型、参数、检查点及其衍生成果的归属、使用范围与再许可条件。这一条款的缺失，往往导致后续争议无据可依。
六、一个简化的判断顺序
面对一批训练数据，可以按以下顺序快速判断其法律属性与确权路径：先看它是否以电子形式记录（数据层），再看记录的内容是什么（信息层），再判断内容是否具备独创性（作品层），再看整体集合是否有独创性选择或编排（数据集层），最后看训练后是否产生需要单独约定归属的参数（参数层）。每一层的结论不同，对应的确权文件、授权对象和风险控制手段也不同。
需要强调的是，这五层并非彼此排斥，而是同一批语料在不同观察角度下的呈现。一份小说文本，同时是数据、是信息、是作品，也可能被编入某个数据集，并最终影响模型参数。确权的难点不在于给它们贴标签，而在于承认它们各自适用不同的规则，并在实务中分别处理。只有完成这种分层，后续的授权设计、侵权比对与争议解决才有稳定的分析基础。