AI寫程式算抄襲嗎？看葛如鈞爭議：Prompt指名競品與外包驗收3大避坑紅線
從蔣萬安團隊3D施政網站風波透視著作權法思想與表達界線，掌握開源授權與委外開發防侵權自保手冊
2026年10月台北市長選戰升溫，蔣萬安競選團隊SI總幹事葛如鈞推出3D互動網站，遭抓包GitHub紀錄中的AI指令直接寫著參考對手沈伯洋的政策島網站，引發科技界對開源協作與侵權的熱烈討論。當團隊普遍用AI寫程式，下Prompt參考競品是否會踩侵權紅線？理解著作權法對表達與思想的界線，是開發與外包驗收自保的關鍵。
本文將讓你學到
- 葛如鈞網站事件始末：Prompt指名競品為何引爆法律爭議？
- 思想與表達二分法：AI下指令參考競品到底算不算抄襲？
- 開源授權不是公眾領域：任意挪用程式碼為何依然違法？
- 工程師與發包團隊自保手冊：AI協作外包驗收4步驟
- 常見問題
葛如鈞網站事件始末：Prompt指名競品為何引爆法律爭議？
▲ 圖解：葛如鈞 申辦關鍵步驟與避雷圖解
2026年10月28日，台北市長蔣萬安競選辦公室舉辦發布會，正式公開結合3D地圖的互動網頁「台北安可大舞台－市民也上台」。
該項技術由競選團隊資訊系統（SI）總幹事、不分區立委葛如鈞主導。他在會後強調網站為團隊自主開發，並指稱對手陣營刻意模仿。
隨後資訊社群檢驗專案在GitHub上的公開提交紀錄，發現專案首次提交時間為10月23日凌晨，晚於對手沈伯洋團隊「HEART政策島」的上線時間。
專案檔案更被發現留存AI初始指令，內容直接寫明「互動手感參考沈伯洋政策島網站」，提交者電子郵件亦連結至葛如鈞本人的公開帳號。
面對時間軸與提示詞紀錄，葛如鈞隨後改口為開源世界互相學習。這項爭議迅速由政治口水延伸為軟體工程與著作權法的法理討論。
思想與表達二分法：AI下指令參考競品到底算不算抄襲？
依據台灣《著作權法》第10條之1規定，著作權保護僅及於具體外在的「表達」，而不及於思想、概念、原理或操作方法。
網站採用3D地圖探索、點擊島嶼互動或滾輪轉場等設計，在法律評價上屬於抽象操作概念，任何人皆可自由借鑑，並不受著作權壟斷。
司法實務認定著作權侵害，必須同時符合「接觸」與「實質近似」兩大關鍵法定要件，缺一不可。
若工程師在提示詞中明確貼上競品網址並指示AI模仿手感，在訴訟舉證程序中，該提示詞即構成證明開發者曾接觸原著作的直接接觸證據。
一旦AI輸出的程式碼邏輯、函式命名規則或前端三維排版與原網站構成實質近似，開發者便難以主張獨立創作，面臨重製或改作的侵權責任。
| 檢驗維度 | 合法技術參考（思想概念） | 侵權高風險樣態（表達近似） |
|---|---|---|
| 功能架構 | 參考3D島嶼互動概念，自行獨立規劃技術架構與運算邏輯 | 完整複製對手網站之鏡頭軌跡、場景排版與元件事件分派 |
| 提示詞（Prompt） | 使用通用功能描述（如「請以Three.js建立多邊形點擊事件」） | 直接輸入競品網址並下達「完全重現該站動態效果與外觀」 |
| 程式碼實作 | 自主撰寫原創變數命名、模組架構與客製樣式邏輯 | 程式碼命名、演算法邏輯與DOM結構與他人著作實質近似 |
| 開源引用規範 | 完整遵守MIT或Apache授權並完整附上原作者版權宣告 | 未標註授權出處直接混入商業專案，或違反GPL傳染開源條款 |
開源授權不是公眾領域：任意挪用程式碼為何依然違法？
許多技術人員常誤將開源軟體等同於公眾領域，以為只要公開在GitHub上的原始碼，就能不受約束任意複製並整合至專案。
每一套開源專案皆附帶專屬授權條款（License）。即使是寬鬆的MIT授權，使用者依約仍必須完整保留原作者的姓名與版權宣告聲明。
若程式碼採用具備互惠傳染性的GPL授權，任何引用該模組的衍生軟體，依法皆必須全面開源，否則即構成侵害著作財產權之違法行為。
若公開程式庫未標註任何授權條款（No License），依智慧財產權法理屬於預設保留所有權利，外部開發者未獲授權不得任意重製使用。
以開源社群交流或阿宅互通為由挪用他人代碼，在民刑事訴訟中無法成立法定免責事由，依然必須承擔未經授權利用的侵權賠償責任。
工程師與發包團隊自保手冊：AI協作外包驗收4步驟
依據《著作權法》第12條規定，出資聘人完成之著作，雙方應以契約明確約定著作財產權歸屬，釐清專案成果之法定權利人。
發包企業若未善盡審查義務而直接公開上線侵權軟體，依民法共同侵權法理，發包方仍可能與受託開發者承擔連帶損害賠償責任。
為避免AI協作過程中踩踏侵權紅線，專案團隊與發包主管在驗收流程中，應落實以下4個標準執行步驟：
- 第一步：合約明定智財權無瑕疵擔保條款
在委外開發合約中明文約定受託方保證專案成果絕無侵害他人著作權，若因AI生成或代碼抄襲涉訟，受託方需承擔全額求償。 - 第二步：完整留存提示詞與版控歷程
建立專案生成稽核紀錄（Audit Trail），完整存檔每一次與AI工具互動的對話歷史、下達之Prompt指令以及工程師人工調校紀錄。 - 第三步：導入開源授權與代碼重複率檢測
在程式碼提交驗收流程中，使用自動化代碼檢測工具掃描是否存在受GPL等傳染性授權拘束之代碼，排查與公開庫之高度近似片段。 - 第四步：落實人工架構重構與原創邏輯融入
要求內部團隊或接案工程師對AI產出的基礎程式進行二次重組，融入客製業務邏輯與架構創新，確保成果具有人類精神創作投入。
常見問題
純 AI 生成的程式碼在台灣享有著作權保護嗎？
依智慧財產局函釋，著作權法保護之客體必須具備人類精神文明創作投入。純由AI演算法演算輸出的代碼不受著作權法保護，但人工大幅修改與重組的部分仍享有著作權。
外包廠商若用 AI 抄襲競品，出資的發包方需要負法律責任嗎？
若發包方不知情且合約具備擔保條款，通常無刑事責任。但若發包方將成果公開傳輸並獲取利益，權利人仍可請求民事連帶賠償，發包方僅能在賠償後向廠商追償。
在 GitHub 看到的公開專案如果沒有寫 License，可以直接拿來用嗎？
不可以。公開在GitHub但未附帶授權條款之專案，在法律上屬於預設保留所有權利。外部使用者僅能於平台瀏覽，未經原作者授權不得任意複製或作為商業利用。