翟 杉
内容提要：
数据要素制度建设是释放数据巨大潜在价值、推动人工智能高质量发展的基石。当前，我国数据要素制度建设已取得阶段性成效，但数据开发利用仍面临权属不明、市场分割、安全效率失衡、供给不足等问题挑战，制约了人工智能的创新发展。下一步需要以深化数据产权制度改革为牵引，构建系统完备、高效安全的数据要素制度体系，有效激活数据潜能，为人工智能高质量发展奠定坚实基础，实现我国数字经济的持续繁荣。
数据作为驱动新质生产力发展的核心要素，是促进人工智能创新跃升与经济转型发展的基石。构建一套既符合我国国情又与国际前沿理念接轨的数据制度体系，不仅是全面释放数据要素潜能、有效防范数据风险的根本保障，更是我国在全球数字治理格局中赢得战略主动的关键。因此，必须以前瞻性战略视野，系统性完善数据制度体系，破除制约数据要素自由高效流动的体制机制障碍，积极打造安全可信的数据流动空间，为人工智能高质量创新发展提供强大且可持续的动力。
数据要素是人工智能发展的战略支柱
数据要素的规模、质量和多样性是人工智能技术实现突破的决定性因素。大数据是人工智能的“燃料”与“土壤”，为机器学习模型提供训练基础。高质量的数据能够显著提升模型泛化能力与鲁棒性，有效减少训练偏见，进而构建更加公平、可信赖的人工智能系统。大数据也是人工智能算法创新的催化剂，对于持续推动人工智能向更加高效、可靠、普惠的方向演进起到举足轻重的作用。例如，数据供给的爆发式增长催生了Transformer等新型算法架构， 使得BERT等模型通过掩码语言模型预训练大幅节省标注成本，充分展现了数据驱动算法创新的巨大潜力。
数据要素正在深刻重构产业格局，驱动经济社会高质量发展。数据作为新型生产要素，正在通过精准分析、智能预测和流程优化重塑各行各业的生产方式、商业模式和价值链条。比如，工业互联网平台聚合设备全息数据，通过时序分析预测部件寿命，动态调整生产计划，实现资源按需流动；金融业依托用户数据构建智能风控体系，将不确定性转化为概率优势，坏账率大幅下降；零售行业，消费大数据驱动推荐算法，实现“人—货— 场”精准匹配。
当前，全球数据主权争夺日益激烈，数据掌控力已成为国家数字竞争力的核心指标。随着数据资产估值、数据跨境流动等新赛道快速形成， 数据不仅关乎巨大的经济利益和产业控制力，更涉及国家战略安全、社会稳定与文化影响力，一个国家（地区）在数据采集、治理和应用能力的差异直接决定其在人工智能领域的国际地位和产业话语权。各主要经济体都将数据主权视为其核心利益并积极布局。例如， 美国通过《云法案》确立数据跨境调取权；欧盟通过《通用数据保护条例》（GDPR）构建以隐私保护为核心的数据治理话语权。
数据要素制度建设是释放数据巨大潜在价值、推动人工智能高质量发展的基石。构建完善的数据要素制度体系， 对于明确数据权属界定、优化资源配置、激活市场潜能，以及保障安全合规、防范风险隐患、维护国家数据主权和核心利益具有重大意义。如果缺乏健全的制度保障，数据价值就如同“锁在保险箱里的黄金”，无法真正实现流通、融合，遑论创造更多的社会财富。因此，加快构建系统完备、科学规范、运行有效的数据基础制度体系是当前及今后一个时期我国数字经济发展的重中之重，也是赋能人工智能高质量发展的战略支撑。
我国数据要素基础制度建设的成效
我国已初步构建覆盖数据要素全生命周期的制度框架， 为市场化进程奠定坚实基础。2020年，《中共中央 国务院关于构建更加完善的要素市场化配置体制机制的意见》出台，首次把数据与土地、劳动力、技术、资本并列为生产要素。2022年，《中共中央 国务院关于构建数据基础制度更好发挥数据要素作用的意见》（简称“数据二十条”）出台，标志着我国数据要素基础制度体系正式确立，其创新性提出数据产权“三权分置”框架，突破了传统所有权思维， 通过结构性分权解决了数据要素确权难题。随后，2023年， 财政部印发《企业数据资源相关会计处理暂行规定》，为数据资产入表提供明确依据。2025年8月1日，《政务数据共享条例》将正式施行，该条例首次以行政法规形式确立政务数据共享的制度框架，标志着我国政务数据共享进入法治化、规范化的新阶段。在地方层面，部分省份已出台数据管理相关条例。其中，贵州省2016年率先颁布《贵州省大数据发展应用促进条例》，开创地方数据立法先河；《江苏省数据条例》是机构改革后全国首部覆盖数据全生命周期管理的省级综合立法。这些实践充分体现了地方在数据治理领域的积极探索。
在一系列法律法规引导下，我国数据要素市场化机制初步形成，可信数据空间建设稳步推进，数据要素对经济社会发展的贡献显著提升。
一方面，公共数据资源加速开放与高效利用，为数字经济发展提供坚实支撑与保障。公共数据是深化数据要素市场化改革的风向标，其开发利用对经济社会发展意义重大。近年来，我国政务数据共享持续深化，上下联动、横向协同的数据工作体系基本形成。据国家数据局发布的《全国数据资源调查报告（2024年）》， 截至2024年，我国共享枢纽平台累计支撑调用数据超过5400 亿次；2024年，地市级以上地方公共数据开放平台数量同比增长7.5%，开放数据量增长7.1%，在优化政务服务和营商环境方面发挥了重要支撑作用。
另一方面，我国企业的数据运营参与度显著提升，呈现规模化、多元化、价值化的发展态势。首先，企业数据要素资产化进程加速。上海交通大学上海高级金融学院（高金/ SAIF）2025年6月发布的《中国企业数据资产入表跟踪报告》显示，根据上市公司披露的2024年年度报告，A股有100家上市公司披露了数据资源入表的相关事项，共涉及入表金额21.64亿元。据媒体报道，2025年7月17日，上海证券交易所发行了首个“数据资产支持型 ABS”，发行规模为5.10亿元人民币，其底层资产就是供应链金融业务数据。其次，龙头企业正引领大数据资源高效利用与价值释放。例如，科技巨头阿里巴巴、腾讯等通过API开放平台赋能中小企业。据媒体报道，截至2020 年7月，腾讯云原生产品API每日调用量已经超过100亿次； 从2024年年初到年末，阿里云通义大模型API调用量一年内增长近100倍，接入企业和开发者数量也接近增长100倍。最后，大数据应用持续深化， 显著提升了各行业的经济价值。例如，智能联网汽车近年来快速发展，通过实时数据采集和分析可实现交通信号智能控制和路径优化分配， 提高了道路网络整体运行效率，改变了传统汽车面貌和产业生态，助力节能减排与绿色转型。
我国数据开发利用面临的问题与挑战
当前，我国人工智能技术呈现爆发式发展，对数据资源的数量和质量均提出了更高要求，相关制度体系建设也面临新的问题挑战。
（一）数据权属制度不够完善，影响市场配置效率
首先，数据确权细则还不够完善，部分领域存在模糊地带，直接影响市场配置效率。例如，对智能汽车行业的多种数据权属界定不清，引发争议。其次，“三权分置”框架下，数据持有权登记主体、程序、客体范围缺乏统一标准， 数据持有者对数据资产化存在顾虑，数据要素供给积极性受到影响。最后，数据价值创造涉及多方主体，但现有制度权益分配机制有待进一步明确并强化激励。如对电商平台的用户行为数据价值分配尚无定论，导致大型平台在挖掘数据价值时面临巨大合规压力。
（二）数据要素市场发育不够健全，影响数据流动性
首先，数据流通面临壁垒。存在数据“行业割裂”“条块分割”现象，不同地区相关标准未统一，市场呈现碎片化状态，增加了数据流通成本， 难以满足人工智能大模型对海量、高质量、跨领域数据的聚合与训练需求。其次，大数据定价机制系统性缺失，阻碍数据要素有效配置。主要表现为缺乏统一估值体系和科学定价方法，大部分大数据交易平台由数据卖方自主定价，没有统一参考价格标准，拍卖、协议定价和系统自动定价模式并存，导致同类数据产品价格差异显著。最后，数据要素市场配套服务供给不足，尤其是数据经纪机构和人才稀缺。从国际经验看，据美国有关机构统计，截至2023年底，美国已有约750家数据经纪公司在至少一个州完成注册，而实际运营企业数量可能超过数千家。
（三）数据安全与流通效率的平衡困境日益突出
在数据要素市场化进程中，数据安全与流通效率始终是一对核心矛盾。过度强调安全可能阻碍数据流通，降低经济价值；片面追求效率则易引发隐私泄露、数据滥用、算法偏见等风险。尽管《中华人民共和国数据安全法》要求对数据进行分类分级，但实践中因缺乏行业细化标准，执行偏差普遍存在，体现为或过度限制共享，或安全防护不足。特别是大模型训练面临的前述风险更加突出，对构建“负责任的AI”提出严峻挑战。
（四）数据要素供给不足与质量缺陷并存
一方面，数据供给呈现结构性短缺。部分中小企业数据开放意愿不足，开放数据价值密度不高，应用接口友好性不足，难以支撑企业级创新。高价值行业（如医疗、金融等行业）数据更具敏感性且须满足相应的合规要求，流动受限。另一方面，部分数据质量缺陷突出，直接导致人工智能模型训练成本大幅增加，极大制约AI效率和性能提升。此外， “数据孤岛”问题严重影响了AI模型的交叉领域应用和泛化能力。
（五）数据跨境流动安全与监管冲突加剧，阻碍全球数字合作
当前，国际数据流动日益频繁，但其安全与监管冲突加剧。有的国家（地区）对数据出境安全评估的周期较长， 企业面临较高的合规成本。其次，不同国家（地区）关于数据流动的规则有所冲突。此外，技术标准不同成为影响数据跨境流动的隐性壁垒。隐私计算标准不兼容、数据标识体系分化、传输协议异构等因素导致全球数据要素市场碎片化，直接影响人工智能在全球范围内的研发合作、模型部署和技术普惠。
完善我国数据要素体系建设的政策建议
（一）深化数据产权制度建设，优化数据流通技术环境
一方面，构建清晰、可操作的数据产权认定与保护机制。在数据“三权分置”架构下，应进一步细化权能分离实施路径：明确数据资源持有主体、规范加工使用行为、保障产品经营权益。当前要重点突破政务数据授权运营、企业数据资产登记及个人数据用益权保障。为此，可积极探索数据信托、数据经纪人等新型的数据治理与流通模式，增强数据产权流转的灵活性和安全性， 并有效降低数据资产化门槛与风险。
另一方面，建立健全统一、透明的数据流通技术规范与交易制度。包括全面落实交易流程标准化、技术接口标准化和合规评估标准化。通过规则标准化可显著降低交易摩擦成本，提高数据对接效率。在此基础上，积极鼓励并推广基于隐私计算、联邦学习、多方安全计算等前沿技术的数据“可用不可见”交易模式，从技术层面有效降低数据流通中的安全风险，从而构建可信、高效、便捷的数据流通环境。
（二）以场景为牵引，全面释放数据要素价值
首先，深化公共数据高质量开放与创新利用。一是建立健全公共数据开放负面清单机制，明确不开放数据的范围，其余数据原则上向社会开放。二是着力规范公共数据授权经营机制，完善公共数据价格治理机制，确保公共数据资源“供得出、流得动、用得好”。三是丰富数据应用场景，鼓励各方利用公共数据开发更多产品，重点推进医疗、交通、气象等高价值数据开放共享，积极探索公共数据与社会数据融合应用，释放更大乘数效应。
其次，构建产业协同型数据场景。聚焦实体经济产业链核心痛点，以“可信数据空间”为载体，打通上下游数据壁垒。鼓励链主企业或行业协会牵头建立数据共享联盟，制定数据分级开放清单，构建可信交易环境，破解隐私与价值的冲突。
最后，积极探索数据资产金融化路径，支持数据信贷、数据保险等金融产品创新，加强数据衍生品开发。同时， 大力发展数据服务机构和数据经纪人队伍，完善数据服务体系，通过专业机构和人员促进数据合规流通与价值释放。
（三）健全完善数据安全治理体系，保障数据合规利用
一方面，制定与完善行业数据安全管理细则。针对金融、医疗、汽车、工业互联网等关键领域，加速出台更具可操作性的“数据分类分级指南”，明确数据全生命周期安全要求，并建立动态调整机制。另一方面，建立健全跨部门数据安全协同监管机制，避免多头监管。同时，在重点行业领域试点“沙盒监管”，坚持发展与安全并重原则，既坚决保障国家数据安全和公民个人隐私，也为人工智能等前沿技术创新预留合理空间。
（四）积极促进数据跨境合作与协同监管，提升全球数字治理话语权
一是推动国际规则协调， 构建开放互信的多边数据治理框架。具体措施包括：构建数据流动互认机制，与重要经贸伙伴签署数据流动互认协议，建立跨境数据流动“白名单”。积极参与并主导国际标准制定，增强我国在数据分类分级、隐私计算等核心标准领域的发言权。创新合作平台， 依托“一带一路”建设区域性数据枢纽，打造“数据保税区”。完善争端解决机制，通过《数字经济伙伴关系协定》（DEPA）等机制提升国际规则话语权，并积极探索与金砖国家、《区域全面经济伙伴关系协定》（RCEP）成员国等在数据跨境流动方面的合作，以形成具有区域影响力的安全、高效数据治理规则范式，助力构建安全可控、高效流动的全球数据治理新秩序。
二是完善行业数据分类监管机制，提升数据合规跨境流动效率。针对重点行业细化数据分级标准。例如在金融领域，可将支付清算等核心数据列为禁止出境类数据；风控模型参数等衍生数据经脱敏备案后可流动。同时，配套建设行业数据跨境服务平台，集成区块链存证、流量监测等功能，大幅降低企业合规成本，提升跨境数据流动效率和安全性。
三是积极推动数据安全标准国际化。首先，深度参与国际标准制定，增强话语权。其次，大力推广自主技术标准， 推动中国《数据安全能力成熟度模型》（DSMM）、《信息安全技术—个人信息保护规范》等成为区域性乃至国际性参考框架。此外，联合美国、欧盟等国家和地区的相关机构，在跨境数据流动、隐私计算等前沿技术领域推动形成互认标准。通过国际标准输出和互认，为人工智能全球协同研发和应用提供更加坚实的数据流动基础，推动全球人工智能生态的开放合作与共同繁荣。
【本文为国务院发展研究中心市场经济研究所“ 促进数字化赋能时尚消费的对策研究” （ 项目编号：20301AE221）的阶段性成果】
作者单位：北京联合大学
Visits: 1