摘要：生成式人工智能在语义输出层面的跃迁，打破了以个体行为为中心的刑法责任结构，带来因果链条断裂与主体识别模糊的多重挑战。面对大模型生成犯罪方法的现实风险，现有刑法在行为定性、归责机制与构成要件适配上均显滞后。应引入风险刑法的系统预防理念与功能主义归责模式，将技术服务者的控制能力作为归责核心，重构其注意义务边界，使重大过失、间接故意与不作为犯的评价路径得以拓展。制度上，可辅以专项罪名设立、算法审计与内容过滤义务确立，以及区块链存证与专家辅助机制嵌入，从而实现刑法与技术规制逻辑的同步进化，构筑适应生成式AI风险的责任体系。
王春宇，南昌大学法学院博士生。
生成式人工智能（Generative AI）正迅速从实验室技术演化为深刻嵌入社会运行的基础设施。其语义生成能力不仅重塑认知与表达方式，也带来前所未有的刑事风险 。近年来，诸如Deepfake诈骗、AI语音模仿电信诈骗、自动生成制毒或爆炸物技术文案等案件频发，暴露出技术“输出功能”本身可能已构成犯罪诱因，挑战着刑法长期依赖的“行为—结果—责任”三段论逻辑。与以往的技术工具不同，生成式人工智能表现出“拟主动性”特征，其输出并非完全受控于人，且具备高度犯罪诱导性。这种去人格化的生成机制使刑法中的行为构造、故意认定与因果链条遭遇实质性断裂。同时，开发者与使用者之间的双重脱责结构，也使司法实践在归责路径上面临明显瓶颈。问题的核心不在于行为人主体的更替，而在于行为自身形态的异质性转变：由直接操控变为算法主导、由线性因果转向分布式生成。在此情境下，技术系统对法益造成侵害的路径更具隐蔽性与系统性，传统刑法以人身行为为基准的归责模式亟须重估。尽管人工智能法律问题已引起广泛关注，相关研究多集中于伦理或行政规制，较少触及刑法教义学内部的责任逻辑与构成要件体系重塑。然而，生成式人工智能所引发的法律问题，迫使刑法正面回应结构性转型压力。在坚持罪刑法定与责任明确原则前提下，有必要在教义学内部建立一套与技术环境相适应的责任认定框架，以免刑法规制在新型风险面前陷入失灵状态。
一、行为性质界定难：从工具中立到风险制造的再评价
生成式人工智能大模型在用户请求下输出犯罪方法信息，其行为性质该如何界定？这是当前刑法面对此类新型技术实践时所遭遇的首要理论挑战 。从表面上看，AI系统仅是根据输入生成输出，并无“故意”“动机”等构成犯罪主观要件的心理因素。然而，在实质上，某些输出内容本身已构成对犯罪行为的直接助力，例如提供毒品合成路线、制爆配方，或教唆诈骗话术与技术操作流程 。这使该类行为在刑法规范下的定性变得尤为复杂。
（一）生成式AI输出行为的帮助犯属性争议
大模型的输出行为是否构成实质意义上的犯罪帮助。刑法上的罪责自负原则要求每个人必须为其自身所实施的犯罪行为承担刑事责任，若严格坚持刑法中的“行为人意志控制”逻辑，AI并非主体，开发者亦未直接介入具体犯罪行为，似乎难以被纳入共同犯罪结构。但若仅以形式逻辑予以否定，则忽略了该类技术输出行为在结果发生中的“实质功能”：它可能提供犯罪行为得以发生的关键技术支持。在此背景下，有观点主张以“帮助犯”理论扩张性适用，认为模型开发者在明知技术可被用于犯罪时仍提供该等功能，其行为具有间接帮助之属性。然而，这一主张也面临根本性难题。首先，传统帮助犯理论要求帮助行为具备“故意”，而技术提供者往往以算法自动生成 、不可预见为抗辩；其次，帮助行为通常指向特定犯罪，而大模型输出行为极少与某一具体犯罪人存在直接交互或共谋事实。这就引发一个根本性疑问：是否应当以“算法自动性”打破帮助犯“主客观一致 ”之基本要求？笔者认为，不能简单将大模型的每一次输出行为等同于共同犯罪中的帮助行为，否则极易滑入“结果论”逻辑，破坏刑法中行为责任与主观故意之间的内在张力 。但这并不意味着刑法应全然无作为。关键在于如何识别“风险可控范围”与“行为期待可能性”之间的界限：若技术提供者已建立“关键词过滤机制”却仍存在系统性疏漏，是否可被视为过失？抑或在明知输出犯罪方法极高概率下仍默认系统继续运行，是否构成间接故意？这仍需具体化判断标准，而非以抽象原则取代细致分析。
长期以来，“工具中立性”作为开发者与平台方的常用抗辩路径，主张AI系统仅为中立媒介，不直接介入违法行为。然而，随着模型输出能力的增强，其在犯罪链条中的建构性地位日益显现 。欧盟《人工智能法案》（Artificial Intelligence Act，Regulation〔EU〕2024/1689）尝试以系统功能和风险等级划分为核心，将“高风险系统”纳入重点规制对象，不再完全依赖行为后果来启动责任机制。这一逻辑对刑法具有启发意义：若AI系统在结构上具备持续生成违法内容的可能，其行为属性就不再仅被视为中立工具。可考虑引入“潜在法益侵害能力”作为补充标准，以支持平台输出行为的刑法规制正当性。美国司法判例亦提供了参考维度。Gonzalez v. Google案表明，当平台算法具备放大、引导内容扩散的能力，其中介者地位便可能转化为“风险制造者”。类比至生成式AI场景，若模型在未设限的情况下输出犯罪指令或手段，其行为本质也应被纳入刑法行为评价框架，而非继续沿用形式主义的“内容不归我审查”的免责逻辑。
（二）从不作为犯到功能性放任之争
生成式大模型输出犯罪方法的行为究竟属于“作为”抑或“不作为”？这一点决定了刑法评价的起点。如果认为其输出行为构成积极行为，则容易走向直接归责路径，即视为提供了导致犯罪发生的信息或手段。但也有观点指出，该行为并非技术方主动推动生成，而是用户提出请求后系统自动完成，应属未能阻止风险发生的不作为形式。这一点在司法实践中尤为关键。例如，若模型已设有内容审查机制但效果不佳，是否可视为“未履行信息安全义务”？若如此，则技术方之行为更趋近于不作为犯之范畴，其责任归属需基于特定义务是否存在来加以界定。然而，传统刑法上的不作为犯罪多数依赖法定义务或契约义务，而AI模型提供者是否具有防止犯罪输出的积极义务，本身并无明确的立法支持。笔者认为，这一问题的关键在于重新界定行为人的内涵。在AI生成机制中，虽然内容输出非技术人员直接控制，但系统架构设计者通过设定算法逻辑、调整输出边界，事实上掌握内容生成的初始条件与可能性路径。从某种程度上看，这是一种结构性的“设置行为”，其后果并非完全不可预见。从刑法角度看，这种情形较难归入传统的“偶然事件”，更近似于一种“预期下的风险释放”。在此意义上，技术提供者的行为既非典型的“作为”，亦非完全的“不作为”，而是一种混合型的功能性放任，应在责任评价上拓展范畴。
大模型输出犯罪方法所引发的刑法定性难题 ，不仅挑战了既有 “ 主客观统一”“具体故意”与“ 明确行为主体”的刑法基本教义，也暴露出新兴技术背景下刑法理论本身在规范适应性与解释路径上的滞后。如何在不割裂刑法基本原则的前提下，赋予其回应现实复杂性的能力，是当下刑法学研究必须面对的问题。
（三）技术控制力下的行为认定与归责逻辑转向
面对生成式人工智能在犯罪方法输出中所表现出的高度中介化与去人格化特征，传统刑法以自然人为中心、以主观故意为核心、以行为后果为归责起点的行为界定范式正陷入适用困难。技术系统所引发的风险并非来源于某一特定个体的瞬时决策，而是植根于系统结构的设计逻辑与控制机制之中。因此，刑法对行为的理解与界定亟须突破单一主体—单一行为—单一后果的线性模式，转向以系统性结构与功能性义务为基础的责任认定路径。风险刑法理论提供了重新理解技术风险行为的规范视角。数字博弈使数字功能开发演变为数字权利博弈。在高度复杂化、集体化的技术风险图景中，刑法不应再将全部规制责任压于末端行为人之上，而应前移至制度结构的设计者与风险生成机制的建构者。在生成式人工智能所引发的违法信息传播中，系统架构本身的开放性、提示词响应机制的模糊性、过滤系统的形同虚设，均可能构成风险外化的决定性变量。
1.规制重心前移
将刑法责任建基于 “ 系统预期功能的风险防控能力”，而非行为人的即时动机与具体操控行为，有助于提升刑法的现实回应力。这种规制重心的前移，也契合了从结果归责向结构规制的理念转型。技术控制能力构成评价AI输出行为刑法可罚性的关键标准。行为的危险性不再仅由其造成的现实损害决定，更由系统是否具备规避此类损害的可行路径所界定。开发者与平台方在模型训练、关键词设置、安全机制等方面的技术部署，直接影响其对有害输出的抑制程度 。若平台面对高度可预见的风险仍拒绝采取合理的防控机制，其行为即构成对制度性注意义务的严重违背，具备刑法意义上的规范可责性。技术控制力越强，其未履行义务所展现的放任态度就越强烈，刑法应实质性评价这类“结构性放任”，而非继续执守对行为人主观状态的形式性判断。
2.调整解释路径
教义学内部的解释路径也应作出相应调适。以技术方为对象的共同犯罪认定，应突破传统的主观意思联络标准，转而强调风险传播链条中的事实协作地位。开发者在明知系统具备高危输出能力却不加干预，实质上即构成犯罪行为实施过程中的关键协力因素，应认定其具有间接参与的法律地位。在故意的认定上，技术输出的不确定性不应成为免责的理由。只要开发者对系统的风险结构有充分认知，并长期维持对危险机制的默认开放，即可推定其存在对结果的认知与放任态度，从而在规范意义上构成间接故意 。不作为犯理论的激活进一步强化了刑法对行为性质的扩展能力。AI平台虽非违法内容的直接制造者，却在信息生成与传播过程中拥有实质性控制权，其行为状态不应被视为中性的技术中介，而应被视为对潜在法益风险负有防止义务的结构性保证人 。当技术提供者具备阻止违法生成的现实能力与行为义务，却选择放任系统运行于高危状态，其不作为行为与实际助长违法行为之间形成规范等值性，刑法规制应予以覆盖。
二、责任主体识别难：从身份属性到控制力逻辑的迁移
在生成式人工智能引发的刑法规范难题中，“谁应承担刑事责任”是比“行为如何定性”更棘手的问题。不同于传统犯罪结构中行为人通常具备明确的身份、动机与行为路径，大模型的犯罪方法输出行为往往涉及多重角色的介入：模型开发者、系统运营方、服务提供商以及最终使用者，其间界限模糊、职能重叠，导致刑法中行为主体的识别陷入显著不确定状态。
（一）技术分工与角色交叉中的责任空转风险
在AI技术系统的实际运行中，模型的开发者通常负责底层算法与训练数据的构建，而模型的运营方则可能是另一法律主体，负责将系统部署到平台、提供接口服务，并设置具体使用规则 。终端用户则通过输入指令直接触发生成内容。这种结构性分工使传统刑法中“行为人即责任人”的基本假设被打破。举例而言，若某用户通过公众可访问的大模型系统生成一份详细的炸药制作流程，究竟该行为归属于谁？技术开发方可能主张其算法不具选择性，只是通用语言模型，并未设定任何特定犯罪意图；平台运营方则可能指出其设置了关键词屏蔽系统，用户绕过系统限制应自行负责；而用户则可能辩称并非出于实施犯罪的实际目的，仅出于好奇测试。这种多方推诿的局面，反映出刑法责任结构面临的空转风险。更值得警惕的是，一些大型平台本身具备技术开发与运营双重角色，但在法律风险出现时却有意模糊边界，以“数据驱动的不可预见性”规避归责路径。这种责任主体的刻意拆分与角色交叉，不仅挑战刑法中行为责任的个体性原则，也使司法机关在具体案件中难以精准锚定“应受规制之人”。
（二）“非典型行为人”语境下的责任分层与归属逻辑
传统刑法在主体归责判断中，通常依赖“人格化行为人”这一认定前提，即以自然人意志支配下的具体行为为归责基点。然而，生成式人工智能系统的运行打破了这种单一主体主导下的归责结构。技术开发者、平台运营者与终端用户之间呈现出高度分化与交织的责任链条，控制力分布碎片化，行为意图去中心化，使刑法中的责任判定面临现实与理论的双重模糊。
在应对这一困难时，欧盟《人工智能法案》提供了制度应对的启示：其并未试图在自然人之间强行划定行为控制边界，而是强调技术系统开发与运维阶段的合规义务前置，如前置性审查、风险等级评估、输出限制机制与动态监管义务。这一思路实质上是将传统刑法中的“注意义务”前移至技术架构阶段，不再单纯依赖于行为发生之后的归责判断。
1.控制力视角下的“功能性责任人”重构
在当前法理尚未对AI生成责任问题作出充分回应的情况下，笔者主张引入“功能性责任主体 ”思路，以技术控制力和风险感知能力为评价维度，建构动态化、多层级的责任归属结构 。即不再一味追求行为意图与结果之间的形式性统一，而是在不突破罪刑法定原则底线的前提下，根据各主体在风险链条中的功能角色设定其应承担的注意义务强度 。传统刑法理论强调罪责刑相适应原则，这是责任分配与量刑的基础。依此思路，若开发者对系统的高风险输出能力具有充分认知，且技术手段可有效干预，但其仍选择不设限或不更新机制，则应认定其具有较高程度的主观放任，应承担较重的刑事责任。相对地，若平台运营方已通过多重手段设防，但系统仍被绕过，则可考虑其已尽合理注意义务，适度减轻其责任。
2.规避二元归责难题的规范调适路径
这一多维归责结构，旨在避免刑法面对新型风险时陷入“要么归责空转，要么人人皆责”的二元难题。它强调责任的精准分配与动态调节，尤其适用于生成式人工智能这种“非典型行为人”主导的复杂技术结构。在技术自主性不断增强、角色职责边界日益模糊的背景下，刑法对行为人认定逻辑的更新，不仅关乎对新兴犯罪形态的回应能力，更将直接影响刑法体系的未来稳定性与适应力。
（三）多维归责机制下的功能角色与行为主导力认定
生成式人工智能系统的风险扩散路径呈现出多主体交织、多阶段嵌套以及高技术密度交互的复杂特征，使传统以“行为控制能力”为核心的责任主体识别逻辑逐渐失效。在大模型架构中，风险可能潜藏于训练数据的偏误积累、算法逻辑的放任设计、平台审查机制的松动甚至用户端的诱导操控与规避行为。每一环节虽未能直接构成犯罪的核心行为，却可能在系统性层面共同促成危害结果的实现。在此技术情境中，刑法的归责机制应摒弃对行为意图与直接结果之间线性因果关系的固守，转而建构以功能控制能力与规范义务配置为基础的多维归责框架。责任区分不应机械套用“谁执行、谁负责”的自然人责任结构，而应基于行为人所处技术链条中的风险管理能力与干预可能性作出区分。开发者若明知系统结构可被滥用，却选择性忽略防护机制配置，其角色已超出工具中立者，应被视为风险制造机制的制度性放任者。这一分析路径不仅增强了刑法规制的现实感知力，也获得欧盟“高风险系统”预防义务规范体系的佐证支持。
1.引入“行为诱导型正犯”以识别用户主导责任
技术责任并不应仅聚焦于提供者与运营方。在实践中，部分用户通过精密提示词设计反复规避过滤系统，以实现对AI系统的间接操控，逐步形成具备导向性与目标性的违法生成路径。此类行为虽未介入系统底层架构，却实质性主导内容输出的非法倾向，其对结果生成具有明显的策略性引导与实质支配。
因此，刑法应突破“被动依赖技术”的使用者刻板认知，借鉴“诱导型正犯”的理论结构，将具备高度主观故意与引导能力的用户纳入正犯评价体系。其行为与平台提供的基础能力虽存在物理与逻辑的区隔，但若违法信息的最终生成路径与其行为具备紧密的操控因果，则足以被认定为行为主导者。同时，也可据此延伸出“主导者—协力者”之间的责任强度分层模型，为司法实践提供分级认定工具，以适应行为复杂性与控制多元性的结构性特征。
2.动态归责路径下的制度责任进阶机制
面对人工智能系统的演化特性与功能升级的不确定性，刑法的归责路径亦应由静态单一向动态连续转变。技术提供方往往以“工具中立”或“主要合法用途”抗辩，意图逃避刑事责任 。然而，刑法规制的焦点并不在于工具用途的占比，而在于行为人对危害结果的预见能力与防控义务履行状态。只要具备阻断有害输出的现实能力而未行使，该不作为便具备规范可罚性。
此处，中立原则的适用边界，必须以是否完成合理的风险监测与结构审查为界限。在AI系统生成风险呈现周期性波动与演进变化的背景下，责任评估不应停留于系统初始设置状态，而应动态考察行为人对风险反馈的响应机制。若平台最初确立了技术审查机制，但在接收到风险信号后怠于优化，或者在违法内容多次生成后仍拒绝收紧接口与输出控制，其责任强度便应随时间推移而增强。这种责任累进机制既回应了技术系统中风险滞后性与反馈可知性的现实状况，也契合刑法中“规范期待”与“义务深化”的基本评价逻辑。
三、构成要件适配难：在技术遮蔽中重构归责链条
即便假定生成式人工智能输出的内容被视为触及刑法保护的法益边界，但进一步的刑事规制仍需满足刑法构成要件的基本适配性。然而，正是故意/过失的主观要件与因果关系的客观认定两个关键环节，大模型技术特性对传统刑法构造提出了结构性挑战。这不仅使形式要件匹配困难，更是规范理念与技术现实之间的系统错位。
（一）主观要件与因果判断机制的适配转向
刑法的责任体系建立在主客观相统一原则之上，任何犯罪行为的成立，都以行为人主观上具有故意或过失为前提。根据文义解释和刑法总则对“故意”的规定，“明知”且只能是“明确知道”。然而，在大模型输出犯罪方法的情境中，技术提供者是否“明知”其模型可能生成此类信息，以及是否具有放任或积极追求该种结果的意图，常因算法黑箱效应而陷入证明僵局。具体而言，大模型的输出结果依赖于深度学习算法对海量数据的统计关联建模 ，其生成路径并非人为编写的逻辑规则，而是源于复杂的权重调整与非线性演算。这种机制导致即便开发者或运营方本身并无明确意图，也可能因模型结构中的不可控性而输出具有明显犯罪倾向的信息。反之，即便某些输出在结果上符合犯罪构成要件，也难以追溯到开发者在设计阶段有主观恶意的证据链条。这就出现所谓“证明不能”的难题。传统上，故意的认定可借助客观行为特征、行为人背景与语境信息采取综合判断；而在大模型场景，生成行为往往高度自动化、实时性强，缺乏行为人与行为之间的明确关联路径，使“主观态度”的认知几近于空。即便开发者明知某些提示词可能诱发有害内容，也可能因提示路径、模型变化等因素而无法预见具体结果，主观认知难以实现。这使故意的证明不仅困难，而且在技术逻辑下呈现出系统不可得性。笔者认为，与其一味坚持故意的形式证明，不如在构成要件适配中引入“构造性故意”的思维，即强调行为人对系统结构的预设性与可控性是否达到一定程度，从而间接推定其对有害输出结果的放任态度。这一路径虽非严格教义学意义上的“故意”，但可在技术高度自动化情境为责任认定提供逻辑支点，亦更贴合现实运作逻辑。
1.进一步发展“不作为犯”路径下的平台责任认定机制
AI生成内容的行为结构打破了传统因果关系链条的线性逻辑。算法黑箱导致主观状态难以还原，多层级中介则使结果归因高度断裂。在此语境下，日本《信息流通平台应对法》（情報流通プラ ットフォーム対処法，2024年修订）所体现的“知情—移除”规则提供了一种可思考的责任评价模型：若平台方在接到通知后仍未采取措施，可被推定为构成消极放任行为。但值得注意的是，刑法责任与民事赔偿逻辑并不一致。对于生成式AI输出行为而言，多数违法内容并非经长期传播被发现，而是即时生成、一经使用即可能造成不可逆伤害。在这种场景下，单纯依赖“知情—移除”难以满足刑法上“作为义务”的生成要求。因此，应进一步发展“不作为犯”路径下的平台责任认定机制，以“结构性知情”或“推定知情”作为义务来源，进而判断平台是否负有事前防控与主动阻断的法定义务。结合域外经验来看，一方面应吸收欧盟“事前识别+过程控制”的合规理念，推动刑法义务前移；另一方面，在构成要件解释中加强对风险生成机制的技术理解，突破传统“行为—结果”二分结构，以适应AI系统生成风险的复杂性。
2.引入“功能性归责”逻辑
除主观要件外，因果关系的断裂也是AI刑法适配过程中的另一关键障碍。刑法上的因果关系，一方面强调自然事实上的“条件关系”，另一方面要求从规范角度判断行为是否具有“法益侵害”的结果导向性。然而，在大模型生成内容引发犯罪的情境中，从系统生成到实际犯罪行为发生之间往往横跨多个技术与行为层级，归因链条呈现出高度断裂状态。例如，某用户通过AI平台获得某种毒品合成配方，其后自行合成制毒，并在传播过程中造成公共安全隐患。在此链条中，AI系统是否构成该犯罪结果发生的条件？其作用是否具有实质性、决定性？而开发者、运营者与该生成内容之间的联系，是否足以认定为法律上的原因？这些问题在形式上似可归于传统因果判断模型，但实质上则因技术中介层级的加入而失去传统语境的清晰度。尤其在“多对一”的生成路径下，因果链条的松散性尤为突出：一个模型可被数百万用户调用，生成路径亦随时间与环境动态调整。行为人面对的并非可预见的固定输出，而是概率性结构下的某种潜在可能。这种技术特性大大削弱了刑法中“行为—结果”之间的逻辑紧密性，也使规范性因果判断陷入“是否应预见”“是否可控制”的主观性拉锯之中。
在这种结构性障碍下，笔者认为有必要弱化刑法因果判断中的机械性期待，转而引入“功能性归责”逻辑，即聚焦行为在结果发生链条中的系统功能角色，而非单一因果决定性。例如，若AI系统在生成犯罪信息中具有关键引发地位，即使其非最终执行者，亦可认定具有辅助性归责基础。这种思路或可突破因果链条断裂带来的归责难题，恢复刑法评价在复杂技术系统下的解释能力 。生成式人工智能所带来的构成要件障碍不仅是技术层面的挑战，而且是刑法规范性逻辑在新型语境下的失效提醒。如何重构主观要件认定与因果判断机制，既避免形式主义，又不失责任明确性，正是刑法教义学未来发展的关键方向。
（二）构成要件体系的适应性重塑
生成式人工智能在输出犯罪方法信息中的介入方式，打破了传统刑法关于“行为—结果—主观状态”三元结构之间的明确关联，使既有构成要件体系在适用上遭遇实质性张力。以往刑法条文多以自然人行为的外在表现为评价基点，而大模型的输出逻辑则基于提示词触发 、权重算法运算与语料数据库组合而成，其生成机制具有高度自动化与非人格性。这种行为特征的异质性导致现有刑法构成要件在适配过程中的多重困难，尤其是在行为认定、主观状态推定与因果链条建构等关键环节。回应这一挑战，需要从解释论与立法论两个维度推进构成要件体系的适应性重塑。
1.扩展主观要件，重塑构成要件体系
在行为认定层面，应放弃对“具有人身能动性行为”的机械要求，转而聚焦于技术生成机制所表现出的规范影响力。大模型输出的违法内容虽由算法自动生成，但其系统结构、输出策略与响应参数均由开发者预先设定并持续调控 ，平台方亦可通过技术手段决定系统开放边界与交互深度。因此，从刑法构成要件的行为意义上看，这一过程不应被视为“无行为可归责”的自然现象，而应理解为一种“结构性行为代理”，即开发者通过算法结构的设计与放任，间接促成违法行为的完成。行为的评价不再局限于动作主体的生理控制能力，而应拓展至其在系统性风险形成中的参与程度与影响路径。这一判断思路的根本意义在于，将传统刑法中对行为的拟制性理解延展至技术系统主导的复合行为场域，从而为刑法规制提供更具包容性的解释框架。
在主观要件层面，技术中介的复杂性增加了对主观故意的界定难度。生成式人工智能的输出具有概率性、不确定性与语义模糊性，使传统以“明知与意欲”为核心的主观故意判断机制失去抓手。对此，有必要通过解释论的扩展，引入“结构性放任”与“算法间接故意”的概念 。在系统设计者与平台运营者对高风险内容生成具有知识积累与技术掌控能力的背景下 ，其选择性回避改进机制、持续开放高危接口、忽视用户提示词诱导的使用趋势，均可作为推定其对违法结果放任态度的事实依据。这一主观认定机制与欧盟在《人工智能法案》中所设置的持续合规审查义务相互呼应，其规范精神亦可为刑法提供间接故意认定的制度支撑。关键在于，这一机制不再强调个体心理的真实状态 ，而是将系统性管理行为与外在风险反馈之间的互动路径作为主观判断的核心素材，构建出一种符合技术语境的“推定性主观状态模型”。
2.风险递延因果模型重塑构成要件体系
因果关系的断裂问题，是生成式AI案件中最具挑战性的构成要件适配难题 。系统输出与具体犯罪行为之间往往存在多重媒介、角色错位与信息流动的不确定性，传统“行为—结果”之间的线性因果结构在此被严重打破。对此，有必要引入“风险递延因果模型”以重塑刑法对因果关系的认知基础。该模型主张，当某一行为虽非直接引发结果，但在结构上显著降低法益受侵害的门槛 、放大其发生概率，且该行为与危害结果之间存在逻辑与经验上的高度联结时，即可将其纳入刑法因果链条之中。这种判断方式特别适用于平台放任系统输出诈骗话术模板、制毒指南等行为的情形，其所释放出的风险并不以立即发生为特征，而是在用户主动利用、技术弱点累积等环节渐次展开，最终酿成法益侵害后果。在此背景下，若仍固守“直接行为导致直接结果”的因果正统，将导致技术诱导下的复杂犯罪行为系统性脱责，违背刑法的基本保护机能。
（三）专项罪名设立与促成行为的正犯化认定
回应构成要件适配的难题，不应仅依赖解释论的拓展，还须辅以立法论的制度性推进。在实践层面，应考虑在特别刑法中设立适用于生成式人工智能输出违法信息情境的专项罪名 。该罪名的设计应聚焦于“系统性控制失败”所带来的可罚性状态，明确其构成要件以“重大过失”与“高风险输出被实际使用”为核心要素，从而解决现有故意犯罪结构下归责门槛过高的问题 。同时，还应对“未设置合理过滤机制”“拒绝风险审计”“明知存在违法内容仍继续服务 ”行为赋予规范性评价基础，推动立法语言精准描述新型违法图景。此外，应通过司法解释或立法说明明确：当生成式人工智能在特定输入语境下可大概率地输出违法内容 ，且开发者具备技术调整能力却选择性忽视时，我们可将该行为认定为刑法意义上的“积极促成行为”，并依其对内容生成的主导性认定为具备正犯责任。
生成式人工智能在输出犯罪方法中的技术路径与行为逻辑 ，正在重塑刑法归责的前提结构，使传统教义学以“人格主体—主观意图—直接行为”为中心的规范体系面临实质性张力。技术系统的结构性介入、行为链条的非线性延展、主观状态的低可视性以及因果关系的间接化，均导致刑法规制基础逐步动摇 。刑法若仍拘泥于对单一行为人故意的精细测度与结果主义式的反应逻辑，势必陷入制度性失语。回应这一挑战，不能止于对规范条文的功能性套用，更应深入教义学内部结构的再建 。风险刑法的理论资源为责任分配的系统化提供合理进路，功能主义归责则将“技术控制力”确立为义务强度与责任评价的新基准。在此基础上，无论是行为认定中对“算法参与行为”的结构评价，还是主观状态推定中对“风险容忍度”的经验反演，抑或因果链条中的“递延性关联”识别机制，均构成刑法解释路径必要的延展方向。同时，从制度建构视角出发，设立具有专属性与技术敏感性的罪名类型、明确开发者与运营者的技术合规义务、推动不作为犯理论在平台责任中的再适用，都是实现规范与现实衔接的关键举措。刑法的适应，并不意味着对技术逻辑的盲目服从，而是在坚守比例性、明确性与责任正当性的基础上，将规范意志嵌入技术系统设计与运行流程。刑事司法亦不能继续维持单一主体中心的程序架构，而需引入专家辅助机制、优化证明责任分配逻辑，并在行政监管与刑事惩治之间建立起信息可传导、证据可转化的协同体系。技术的中立性是形式意义上的，而当其被用于结构性地放大风险与助推犯罪，其就不再是单纯的工具，而成为应受规范评价的行为构成要素。刑法不能仅作为技术异化后果的事后清算者，更应成为风险生成结构中的前置规制力量。在这一意义上，刑法的回应不仅是对行为路径的重构，更是对规范秩序边界的主动维护。面对技术所带来的制度压力，唯有坚持规范理性，推进体系转型，方能守住法治的底线与正义的韧性。
载于《江西社会科学》2026年第6期
