背景：6月22日，中央深改委召开第二十六次会议，会议审议通过了《关于构建数据基础制度更好发挥数据要素作用的意见》，明确了未来我国发展数字经济的总体思路。接下来我国将从数据确权、数据交易、数据安全三个层面推动数据交易制度的建设，实现数据交易全链条监管、督促各级政府、部门齐抓共管，共创数据交易保障体系，为数据要素高效流通制造有利条件。

·我国数字经济领域首部国家级专项规划《“十四五”数字经济发展规划》确认了数据的核心要素地位。那么，数据要素与技术、劳动力、土地、资本等传统要素市场有何异同？制度、生态、数商（中介）是激活要素市场的决定性因素吗？

数据要素和其他要素的异同：

其一、数据要素流通有安全性的要求。其他要素的流通往往由市场自主匹配，政府监管主要面向维护市场交易公平。但数据泄露、数据滥用会造成严重的负面影响，所以数据流通顺畅的前提是政府加强对数据流通的管理能力，尤其是要注重配套技术监管手段，监管的部门要懂技术。

其二、数据要素权属界限并不清晰。其他要素的权属较为明确，但数据要素的权属却存在很大的不确定性。比如有数据分析公司通过公开数据来解读个人用户，甚至可以将个人用户的隐私信息都挖出来，在这个过程中公开数据往往不具备隐私保护条件，我们当前数据产权的确定是“谁投入、谁贡献、谁受益”。如上面这个案例上就很难确定数据的权属，也很难分配。另外数据要素的权属是一种权益，而不是一种所有权，这也和其他要素不同，权益是可以分割的，是要进行利益分配的，但事实上数据的权益分配依然是个难题。

其三、数据的需求是多元且复杂的，数据的价值链条更为复杂。其他要素有很明确的供应体系，从供给到需求，是一条完整的价值链，但数据却不是。数据下游应用的范围很广。同样的数据，可以应用在不同的领域。比如同样是销售数据，有人用数据来分析用户偏好，有人用数据来分析用户收入水平，有人来用数据预测未来宏观经济。同样是电力数据，你可以为电力企业节能去做方案，为企业服务，也可以对宏观经济状况做出预期，来做投资。而其他要素，从供给到需求，往往是比较单一的价值链条。比如你买了天线专利，一般是会用在通信设备上，当天线专利出现的时候，我们基本上能够预判那些领域是需要天线专利的。

制度是激活数据要素市场的决定性因素。数据要素流通有安全性的要求，所以，需要建设完善的制度来监管数据流通，否则将会导致严重的隐私泄露问题。同时，制度也是为了规范数据要素交易，实际上没有制度，也会有数据交易，只是大量交易存在于灰色和黑色地带，这样的数据交易是不可控的，并最终会给社会带来不可挽回的负面影响。所以制度对于数据要素，一方面是将数据要素交易市场纳入到正规渠道进行交易，置于阳光下，另一方面是以制度规范数据要素交易行为，让权益分割，安全隐私保障成为数据要素交易的标配。

生态是激活数据要素市场的重要性因素。数据要素流通的目的是释放数据价值，有序利用数据资源，而形成生态就是为了更好应用数据资源，让更多市场主体参与进来，对数据要素各个环节进行填充，丰富和活跃数据交易。

数商（中介）是激活数据要素市场的关键要素。数据要素供需匹配十分复杂，这中间需要大量的资源匹配工作，大多数数据需求是定制化的，若没有数商对数据进行收集、清洗、整理、标注、打包，很多数据是达不到可交易条件的，没有数商，数据价值既不能在供给端被发现，也不能被需求端所接纳，所以数商在数据交易中是很关键的存在。

·产权是数据交易的基础。没有具体产品的数据市场，如何从法律上确权？数据确权与数据市场究竟是先有鸡还是先有蛋？

法律确权方面，“谁投入、谁贡献、谁受益”是我们进行数据确权的总体原则，但在实际确权操作中，却有很大的困难，数据需求往往是定制化的，数据采集针对的数据，有些是明确有贡献者，有些是没有贡献者，是公开数据。

对于数据确权，个人认为可以从以下价格方面来完善确权体系：

其一、划定个人信息隐私和公共数据之间的边界。我国颁布《个人信息保护法》对个人信息保护有额外的要求，当前个人信息泄露的问题比较严重，要加强对个人信息的管理，尤其是在个人信息使用方面，要对个人信息进行脱敏、加匿的方式，所以要在信息数据产生的时候，就对个人私有信息数据和公共数据加以区分，采用不同的管理路径。

其二、多从需求方来倒推数据权属。“谁投入，谁贡献”是从供给侧，而谁受益是从需求侧，由于数据需求很多都是定制的，同样数据在使用的时候，目的不同，其权益分配规则和数据责任也不同。

例如：数据包中，可能存在一些无权属公开数据，也可能包含一些个人数据，其中很可能包含个人隐私，又或者这些数据可以通过算法挖掘才发现个人隐私。

例如：在美国，个人隐私保护较为宽松，比如数据经纪的数据添附业务，客户给予用户姓名、住址，要求数据公司追查到用户邮箱和手机号等信息；又或者客户设定某个属性，要求数据商找到符合属性要求的人。有些数据商通过关联数据去匹配用户，数据经纪人拿到的是公开信息、脱敏脱密的个人信息，但最终生成用户隐私信息。案例如特朗普雇佣剑桥分析来探测选民偏好，剑桥分析通过公开信息来了解选民，供给侧看没有问题，权属没有纠纷，但需求上看却有很大问题，

其三、以案例来确权。应对复杂情况的最好办法是案例说明，能够为数据产权裁量提供更多参考，实践才是检验真理的唯一标准，案例积累能够为数据交易带来更有参考价值的权属认定标准。

数据确权是数据市场交易的前提，任何市场交易的交易对象都是产权明晰的标的，只有产权明晰，交易才会实施，交易对象的价值才会得以释放。从这个角度看，先有数据确权，再有数据市场交易。

但数据要素又是极度复杂的，数据市场实际上早已存在，只是以灰色和黑色状态进行，而数据确权是将数据交易纳入到正规之中，减少数据交易的负外部性，减少隐私信息倒卖等违法行为，从这个角度，也就是从现实看，实际上数据市场早于数据确权。

·对比美欧等国家或地区数据交易立法，我国数据交易立法仍然可以在哪些方面进行细化？当前数据交易基础设施面临哪些问题？

欧洲的数据立法：

1、欧洲抑制个人数据交易。出于隐私保护的考虑，欧洲对个人数据的应用进行了立法限制。

2、促进非个人数据开放和共享。对于不涉及个人隐私，个人权属的数据信息，欧洲是促进数据开放，比如前几年比较热门的开放银行，要求大银行通过API接口分享数据，促进金融科技企业发展。

3、数据所有权尚未明确。采取的是权益分配的管理思路，但数据权属依然十分模糊。

总结：欧洲互联网企业少，不肉疼，所以数据管理严格。

美国的数据立法：

1、鼓励数据分享和开放，强调数据推动创新。包括个人数据。

2、隐私保护通过授权同意，透明交易的方式来实现。

3、对于无权属的数据，强调数据安全责任，要求妥善保管。

总结：美国交易透明度要求很高，但由于互联网企业多，所以在数据应用上限制较少。

中国的数据立法：

政策推动为主，法治化依然薄弱。随着数据立法的完善，数据执法的跟进，数据法治化程度有所提高，但依然缺少数据交易立法，问题：

1、数据立法操作性不够强。

2、交易主体单一。数据交易所渠道数据交易的种类单一。

3、数据泛化交易和法律红线的边界不够清晰。大量灰黑数据交易依然存在，且是数据交易的主流。

4、规则过于保守，创新性不足。

5、数据权利不清，抑制发展。

总结：我国需要一部有关数据交易的专门立法来规范数据交易行为。

·当前数据交易存在哪些困境？如何推动数据拥有者主动让数据向需求者流通？

数据交易困境之一：数据集中

如何推动数据拥有者主动让数据向需求者流通？

数据是一种资源，其在积累到一定规模后，通过算法挖掘能够获得数据价值。互联网提升了数据量级，从而催生了数据应用，数据量级越大，数据价值越高。收集数据的互联网巨头往往掌握了大量数据，他们并没有动力主动将数据出售给数据的需求方。比如一家小型的人工智能数据企业在购买数据的时候，既缺少资金，也缺少渠道。大企业在海量数据收集中获取了优势，并继续利用资本力量积累数据。小企业在数据收集方面缺乏渠道，此时强者愈强，赢者通吃现象出现。

解决方案：

1、供给侧施压，逼迫数据拥有者主动去分享，往往很难实现；

2、需求侧激励，让需求方具备更多数据交易竞争优势，诸如排他性交易（只有一个客户）、官方定价等等。

数据交易困境之二：数据定价

完全市场化的数据定价是否可行？

数据交易复杂多元，数据产权集中。数据定价并不存在公平、均衡的价格体系。由于数据需求方是定制的，数据要素对需求方的效用是不同的，所以不同的数据需求方会有不同的定价。而另一方面数据的供给端存在数据权利集中现象，他们在市场交易中有优势，推动数据流通的意愿不高。数据定价要防止“价格敲诈”，防止数据拥有者利用数据支配地位进行不正当竞争。

案例：某教授的论文被Z网使用，Z网未支付教授版权费，但教授自己搜索自己的论文却要付费才能看到。

解决方案：数据定价要区分数据的类别。要分数据种类看数据定价的优势在供给方还是在需求方，供方有利则定价原则偏向于需方，而需方有利则定价原则偏向于供方。诸如在拍卖定价方面，交替递增出价拍卖方式有利于供方，而交替递减出价拍卖方式有利于需方。在政府数据开放领域可以采取固定定价和拉姆齐定价的模式释放数据活力。

数据交易困境之三：数据应用促创新

如何强化数据应用创新力？我们不能放弃规范化，但我们也要追求科技创新：鱼和熊掌不可兼得，如何抉择？

一方面，释放数据要素是为了强化创新。未来，从数据到人工智能，从智能终端到数据回传，循环往复。数据、智能的循环对于科技进步至关重要。诸如人工智能识别蛋白质特性（围棋的AlphaGo升级为蛋白质特性的AlphaFold 2），诸如有人用动物动作捕捉来研究动物的习性。

另一方面，当前数据交易的立法规范集中于供给侧。针对数据交易规则进行限定，同样限制的还有数据交易的种类，数据交易的参与主体。数据需求方对数据的需求是极度个性化的，诸如语音AI和人脸识别AI的数据需求完全不同，自动驾驶视觉AI和智慧城市监控探头的数据需求也完全不同。

当我们限定了数据交易种类和主体的时候，实际上也会限制创新。而如果要让数据推动创新，则需要让数据重新回到开放、共享的原始状态。

解决方案：以需求推动数据供给。

·要素市场本质是一个供需关系，有需求才有供给，需求大供给才会大。您提出要通过需求侧拉动数据市场，具体怎么操作？

第一点：先缔造需求，再适配规则

就如同古代鼓励农民开荒，开荒后最初几年免赋税。也类似于过去我们互联网发展模式，先激活产业，先放，再制度规范，再收。数据领域交易及其复杂，数据交易主体多、渠道多、模式多，成文法条的可操作性不高，而在遵守原则背景上以判例和案例作为范本，能很好的为数据交易划定边界和红线。在立法上，要提出原则性的法律定义，在执法上，可以参照案例的方式来执法。

举例：针对数据交易领域设置一个判例库，作为未来数据领域执法的参考样本。

制定个人数据信息使用安全流程，在此基础上，鼓励数据交易。

第二点：以需求划定数据权属边界

数据权属认定要从需求出发，因为数据交易太复杂，尤其是数据应用定制化需求的特性。如利用公开信息来倒推个人隐私，那么这个数据应该是个人权属，属于个人的隐私权益。如果公开信息用来进行社会学分析，那么属于公共数据利用。

第三点：破除数据集中，需释放供给端

规则化、标准化、程式化的数据交易，会让数据趋于集中。

数据拥有者会以破坏用户隐私、影响数据安全为由，拒绝数据流动，从而最终让数据囤积在自己手中。数据市场大买家往往是那些头部的互联网企业，他们拥有数据，还要大量购入其他企业手中的数据，以此增加手中数据的信息维度。

比如：在用户侧画像方面，互联网公司通过自身数据积累和外购多维度数据来了解用户需求，互联网公司比用户自己更了解用户。

解决方法：“信息获取最小化原则”。数据需求方不能获取额外的数据量。如果超过了可以拥有的数据量，他要么拒绝收集，要么将数据向中小科技企业转售。现阶段大多数人看到“信息获取最小化原则”都是考虑到供给端，也就是收集必要信息，但在需求侧，这个原则同样有用。

第四点：振兴需求，防止堕入价值链底端

数据交易产业链要着眼于未来，要有全球视角。数据作为资源处在价值链的底端。中国很多产业有过历史教训，只有自己有需求，产业链才能向价值链的顶端进发。

例如：

1、过去，苹果和特斯拉在价值链的顶端，中国的代工、配件厂在价值链的底端。但现在造车和造手机中国自主品牌崛起，向价值链顶端进发。原因就是中国成为新能源汽车和智能手机需求大国。

2、稀土是个典型的产业。过去我们一直说稀土被贱卖，关键是过去稀土产业链下游都在外国人手上。

3、农产品举个鳗鱼的例子。上世纪70、80年代我国出口的是鳗鱼苗，当时国内没有需求市场，广东汕头沿江海很多鳗鱼苗都用来喂鸡喂鸭。日本人自己鳗鱼资源枯竭，就到中国来买。后来中国人逐步有了鳗鱼养殖业，加工业，但这些产业的发展并没有改变日本垄断鳗鱼价值链顶端的状况，因为中国没有鳗鱼食用需求，日本给中国鳗鱼进口配额，各种贸易保护政策和歧视政策。但2021年由于物流限制，鳗鱼出去减少，但此时中国鳗鱼产业已经成熟，中国通过内需就稳定了产业，反过来对日本鳗鱼出口进行了配额管理。

（作者系浙江大学国际联合商学院数字经济与金融创新研究中心联席主任、研究员）

以上文章发表的言论，仅代表作者个人观点，不代表证券时报立场。