过去十余年ღღ✿，全球进入了数据爆炸增长的时代ღღ✿，数据正以前所未有的规模被创造和积累ღღ✿，这为人工智能的发展提供了肥沃土壤ღღ✿。据统计ღღ✿，2020年全球产生的数据量已超过64泽字节（ZB）ღღ✿，并预计到2025年将增长至约180 ZBღღ✿。中国的数据增速同样惊人ღღ✿。国家数据局发布的报告显示ღღ✿，2024年我国年度数据生产总量首次突破40 ZBღღ✿，同比增长25%ღღ✿，人均年产数据约31.3 TB

　　人工智能技术的发展被广泛认为依赖于“三要素”ღღ✿：数据ღღ✿、算法和算力[4]ღღ✿。其中ღღ✿，数据被视作基础和原料ღღ✿，算法是将数据转化为智能的技巧ღღ✿，算力则提供必要的计算支撑[4][5]ღღ✿。早期的AI研究更多依赖人工构建规则和知识ღღ✿，试图模仿人类思维模式ღღ✿，但收效有限[6]ღღ✿。一个转折点出现在20世纪70年代ღღ✿，研究者贾里尼克教授在语音识别领域大胆尝试“以数据取胜”的路线——将海量语音数据输入计算机ღღ✿，通过统计学习来提高识别率[7]ღღ✿。事实证明ღღ✿，这种大数据驱动的方法远比试图手工教会计算机理解人类语言有效ღღ✿。从那时起ღღ✿，学界逐渐认识到ღღ✿：让计算机获得智能的钥匙其实是大数据[8]ღღ✿。复杂的智能问题可以转化为对海量数据的统计分析问题ღღ✿，而计算机正擅长处理庞大的统计数据ღღ✿。这一“以数据为中心”的范式奠定了现代人工智能的第一性原理——数据是智能涌现的根本驱动ღღ✿。

　　进入“大数据时代”后ღღ✿，各种智能应用取得飞跃式进展ღღ✿，正是得益于数据规模和质量的提升ღღ✿。例如ღღ✿，机器视觉领域的突破离不开大规模图像数据集的支撑ღღ✿；自然语言处理的飞速发展亦归功于互联网上亿万文本语料的训练ღღ✿。只有经过大量多样的数据训练ღღ✿，AI模型才能具备对新样本的泛化能力ღღ✿。实践表明ღღ✿，如果现实中出现了训练集中未包含过的情况ღღ✿，模型往往难以正确应对[9]ღღ✿。因此ღღ✿，数据的丰富度和覆盖面对于提升人工智能的智能水平至关重要山东12530ღღ✿。当前时代几乎每时每刻都在产生海量数据——智能手机ღღ✿、传感器ღღ✿、摄像头等无处不在ღღ✿，每天都记录下多元且海量的非结构化数据[10]ღღ✿。这些数据经过清洗ღღ✿、标注等预处理后ღღ✿，才能为AI算法高效利用[11]ღღ✿。由此可见ღღ✿，数据之于人工智能ღღ✿，犹如粮食之于人类ღღ✿，燃料之于引擎ღღ✿；没有海量高质量的数据ღღ✿，先进的算法和强大的算力也难以施展拳脚ღღ✿。

　　近年来ღღ✿，人工智能模型规模呈指数级扩张ღღ✿，背后同样是数据支撑和算力提升的双重驱动[12]ღღ✿。例如ღღ✿，被誉为“里程碑”的GPT-2在2019年发布时拥有15亿参数ღღ✿，训练所需数据和算力成本仅约5万美元ღღ✿；而短短三年后问世的PaLM模型参数规模达5400亿ღღ✿，训练成本估计高达800万美元[13]ღღ✿。大模型参数量激增的同时ღღ✿，也反映出其训练所需的数据量和复杂度成倍增长[12]ღღ✿。斯坦福大学的AI指数报告指出ღღ✿，自2010年代以来ღღ✿，AI系统的参数数量持续攀升ღღ✿，这在很大程度上归功于可获取数据的爆炸式增长以及硬件的进步[12]ღღ✿。换言之ღღ✿，模型越大ღღ✿，想要训练出可靠的智能行为ღღ✿，就越需要海量且多样的数据来“喂养”ღღ✿。特别是大型语言模型ღღ✿、图像生成模型等ღღ✿，往往以全网爬取的海量文本ღღ✿、图像数据为基础ღღ✿，没有这些海量训练语料ღღ✿，模型的高性能无从谈起ღღ✿。

　　中国在人工智能数据资源方面的积累也日益雄厚ღღ✿。一方面ღღ✿，国家层面正加速推动数据资源向生产要素转变ღღ✿，全国各类主体加快布局人工智能的数据投入ღღ✿。2024年的统计显示ღღ✿，全国高质量数据集数量同比增长了27.4%ღღ✿，为人工智能训练和应用提供了有力支撑[14]ღღ✿。开发或应用人工智能的企业数量同比增长36%ღღ✿，利用大模型相关数据技术的企业更是猛增57.21%[14]ღღ✿。这些数据反映出ღღ✿，企业纷纷意识到数据对于AI研发的重要性ღღ✿，主动投入建设和获取高质量的数据集ღღ✿，以提升模型训练效果ღღ✿。另一方面ღღ✿，各行业对数据的需求与日俱增ღღ✿，数据生产和消费形成良性循环ღღ✿。例如ღღ✿，智能网联汽车ღღ✿、智能家居ღღ✿、无人机等设备产生的数据增速在各类数据来源中名列前茅[15]ღღ✿。丰富的应用场景不断涌现ღღ✿，反过来又进一步丰富了可用于训练AI的现实数据ღღ✿。在数据-算法-算力的循环推动下ღღ✿，人工智能技术正进入加速演进的新阶段ღღ✿。

　　综上ღღ✿，数据的崛起重塑了人工智能发展的底层逻辑ღღ✿，成为驱动AI蜕变跃升的第一性原理ღღ✿。正如业界共识所言ღღ✿：“人工智能三要素缺一不可”ღღ✿，其中数据是燃料和基础ღღ✿，决定了AI系统能够达到的高度[4][9]ღღ✿。没有充足的数据ღღ✿，算法再精妙也巧妇难为无米之炊ღღ✿；没有可靠的数据ღღ✿，算力再强大也只是空转机器ღღ✿。可以预见ღღ✿，随着全球数据总量在未来几年继续呈指数级攀升[1]ღღ✿，“数据赋能智能”的趋势将更加凸显ღღ✿。未来人工智能的突破ღღ✿，很大程度上取决于我们能否有效收集ღღ✿、更好共享以及安全利用这笔前所未有的海量数据财富ღღ✿。数据为王的时代已经到来ღღ✿，它不仅是人工智能发展的基础性要素ღღ✿，更在引领AI技术演进的方向ღღ✿。

　　随着数据规模和应用的爆发式增长ღღ✿，如何对纷繁复杂的数据资源加以分类管理ღღ✿、评估价值并明确权属ღღ✿，已成为数字时代亟待解决的核心问题ღღ✿。这既关系到数据安全与隐私保护ღღ✿，也直接影响数据要素的市场化流通和价值实现[16][17]www.tyc234cc.comღღ✿。本章将分别探讨数据的分类体系ღღ✿、经济价值及其权属归属问题ღღ✿。

　　数据呈现多样化特征ღღ✿，不同行业ღღ✿、不同行为主体产生的数据类型各异ღღ✿，敏感程度和安全要求也各不相同[18][19]ღღ✿。因此ღღ✿，各国普遍强调建立数据分类分级制度ღღ✿，根据数据性质和重要程度实行差异化管理ღღ✿。中国《数据安全法》确立了数据分类分级保护的基本制度ღღ✿，要求各地区各部门明确所辖数据的重要程度并实施相应保护措施[20]ღღ✿。《数据安全法》第21条提出按数据在经济社会中的重要性和一旦泄露或滥用可能造成的危害程度ღღ✿，对数据进行分类分级ღღ✿，并特别界定了“重要数据”和“核心数据”等敏感类别[20]ღღ✿。在此框架下ღღ✿，行业监管部门纷纷制定细化规则ღღ✿。比如ღღ✿，工业和信息化部2022年底发布的《工业和信息化领域数据安全管理办法》明确将工信领域的数据划分为一般数据ღღ✿、重要数据和核心数据三级[21]ღღ✿。这一分级是依据数据的重要程度及受侵害后的影响广度ღღ✿、危害深度来划分ღღ✿，通过差异化措施实现纵向精细化管理[22]ღღ✿。同时ღღ✿，该办法要求对重要数据和核心数据实行备案管理ღღ✿，登记数据的来源ღღ✿、类别ღღ✿、规模ღღ✿、用途ღღ✿、跨境传输等信息ღღ✿，以强化监管和安全保障[23]ღღ✿。由此可见ღღ✿，中国已经初步建立起从国家到行业的三级数据分类分级体系ღღ✿，为统筹数据发展与安全提供了基准[24][25]ღღ✿。

　　数据分类包含横向的类别划分和纵向的级别划分两个维度[26]ღღ✿。类别划分侧重于数据内容或属性ღღ✿，根据属性特征将数据归为某一类集合ღღ✿；级别划分则侧重于敏感程度或重要性高低ღღ✿，将数据划分为不同安全级别并施加相应的保护规则[26]ღღ✿。常见的分类依据包括ღღ✿：按来源主体分ღღ✿，可分为个人数据ღღ✿、企业数据ღღ✿、政府数据等ღღ✿；按内容性质分ღღ✿，有个人信息数据ღღ✿、公共事务数据ღღ✿、行业专业数据（如金融数据ღღ✿、医疗数据ღღ✿、工业数据等）[27]ღღ✿；按数据形态分ღღ✿，有结构化数据与非结构化数据ღღ✿；按用途分ღღ✿，有原始数据与衍生数据等等ღღ✿。不同类型数据往往具有截然不同的法律和社会属性ღღ✿：例如ღღ✿，个人信息数据带有人格权利属性ღღ✿，需重点保护个人隐私ღღ✿；企业运营数据则蕴含商业价值ღღ✿，更接近财产权益ღღ✿；政务和公共数据涉及公共利益和国家主权ღღ✿，关乎国家安全[27][28]ღღ✿。又如“自然数据”（地理ღღ✿、气象等）通常被视为公共资源ღღ✿。而同一份数据在不同场景下可能同时具备多重属性ღღ✿，从而产生权属交叉的问题[29]ღღ✿。一个典型案例是新冠疫情期间的健康码数据ღღ✿：包含个人行程轨迹等敏感信息ღღ✿，当互联网公司或电信运营商收集时山东12530ღღ✿，它是企业数据ღღ✿；政府部门出于防疫目的再收集汇总时ღღ✿，又成为政府数据[29]ღღ✿。因此ღღ✿，同一用户的行踪轨迹数据在不同场景下兼具个人数据ღღ✿、企业数据和政府数据的特征ღღ✿，权属归属因场景而异[29]ღღ✿。这种复杂性说明ღღ✿，只有通过严谨的分类分级ღღ✿，明确不同类型数据在不同情境下的属性和责任ღღ✿，才能理清权责边界ღღ✿，避免冲突矛盾[17]ღღ✿。

　　除类别外ღღ✿，不同敏感级别的数据在流通和保护上也应有所差异[19]ღღ✿。一般来说ღღ✿，“核心数据”通常指一旦泄露将严重危害国家安全ღღ✿、经济命脉或重大公共利益的数据ღღ✿，必须予以最高强度保护ღღ✿，严格限制流通ღღ✿；“重要数据”则是对国家安全ღღ✿、公共利益有较大影响的数据ღღ✿，也需要强保护和严格控制共享范围ღღ✿；而“普通数据”或一般数据对国家和社会危害有限ღღ✿，在确保基本安全措施下可以较自由地流通使用[22][23]ღღ✿。这种基于数据重要性和敏感度的分级保护ღღ✿，在中国已经由法律和部门规章加以明确ღღ✿。例如工信领域管理办法就在法律基础上ღღ✿，细化了何种情形属于重要或核心数据ღღ✿，并规定满足任一判定条件即可列入相应级别ღღ✿，从而提高了标准的可操作性[23]ღღ✿。类似的分级框架正在成为平衡数据安全与发展ღღ✿、指导各行业数据治理的通用范式[24][25]ღღ✿。通过对数据进行科学的分类分级ღღ✿，做到“该管的管住ღღ✿、该放的放开”[30]ღღ✿，既保障了国家安全和个人权益ღღ✿，又为数据要素的合理流通和市场化奠定制度基础ღღ✿。

　　数据被誉为21世纪的“新石油”ღღ✿，其价值体现在对经济增长和商业创新的巨大推动作用上ღღ✿。然而ღღ✿，与有形资产不同ღღ✿，数据价值的衡量极为复杂ღღ✿。目前只有一小部分数据的价值能通过市场交易直接体现出来ღღ✿，更多的数据价值则是隐性和间接的[31]ღღ✿。据经合组织（OECD）研究ღღ✿，由于大多数数据并非直接售卖ღღ✿，其价值难以用市场价格全面衡量[31]www.tyc234cc.comღღ✿。例如ღღ✿，美国2019年直接的数据销售收入约为333亿美元[32]ღღ✿。相比之下ღღ✿，数据通过其他方式创造的价值更为可观ღღ✿：同年美国依托用户数据的互联网广告收入中ღღ✿，据估算数据贡献部分高达790亿美元[33][34]www.tyc234cc.comღღ✿。这说明企业更多是利用数据来提升产品和服务ღღ✿，从而间接获取收益ღღ✿，而非将数据本身当商品出售ღღ✿。正因如此ღღ✿，传统国民经济核算并未充分反映数据资产的价值ღღ✿。为了弥补这一缺口ღღ✿，各国开始尝试将企业自有数据的投入视作无形资产进行估算ღღ✿。加拿大统计局的实验显示ღღ✿，2018年加拿大企业部门自建数据资产的投资额估计在295亿至401亿加元之间ღღ✿，自1990年以来呈持续增长趋势[35][36]ღღ✿。据测算ღღ✿，2018年数据资产存量相当于加拿大当年增加值的1.4%~1.9%ღღ✿，在荷兰约为2.4%~3.0%（2017年）ღღ✿，在美国约为0.8%（2020年）[37]ღღ✿。这些试算表明ღღ✿，数据已经成为国家经济中不可忽视的一类资产ღღ✿，其投入和积累对生产率和产出的贡献日益显现ღღ✿。

　　在微观层面ღღ✿，数据赋能企业创造了巨大的商业价值ღღ✿。从电商到社交媒体ღღ✿，再到制造业和金融业ღღ✿，各行业的领军企业无不将数据作为核心战略资源ღღ✿。例如ღღ✿，电商平台通过对用户浏览和购买数据的分析ღღ✿，实现了千人千面的精准营销ღღ✿，大幅提高了成交率和用户黏性ღღ✿。社交媒体和互联网服务公司利用用户数据投放定向广告ღღ✿，2010年代以来数据驱动的广告模式几乎重塑了广告业版图ღღ✿，使数据成为这些公司的摇钱树[32]ღღ✿。制造业中ღღ✿，工业物联网传感器采集的设备数据帮助工厂优化生产流程ღღ✿、预测性维护设备ღღ✿，从而降低停机损失ღღ✿、提高效率ღღ✿。金融领域ღღ✿，基于海量交易和行为数据的风控模型使银行和保险公司能够更准确地评估风险ღღ✿，提供更个性化的产品ღღ✿。可以说ღღ✿，数据驱动决策已成为现代企业提升竞争力的关键ღღ✿。麦肯锡等机构的研究发现ღღ✿，善于利用大数据分析的企业往往比同行具有更高的生产率增长和利润水平ღღ✿。此外ღღ✿，数据的价值还体现在对创新的催化作用——AI模型的训练依赖大规模数据集ღღ✿，一个突破性的算法往往需要以海量数据为燃料ღღ✿。近期兴起的生成式人工智能热潮ღღ✿，就源于海量文本ღღ✿、图像数据资源的积累和开放ღღ✿，使训练超大模型成为可能[12]ღღ✿。可以预见ღღ✿，随着数据要素与实体经济深度融合ღღ✿，越来越多传统行业将借助数据分析和AI实现数字化转型ღღ✿，从而释放数据价值红利ღღ✿。

　　宏观层面上ღღ✿，数据要素对经济增长的乘数效应正在被证实ღღ✿。数据既是生产要素ღღ✿，也是全社会的创新源泉ღღ✿。据中国权威机构预测ღღ✿，每增加10%的数据流动量ღღ✿，可能带动GDP增长0.2%ღღ✿，并使全行业平均利润提升约10%[38]ღღ✿。这意味着ღღ✿，促进数据在经济中的流通和共享ღღ✿，将对整体经济绩效产生积极影响ღღ✿。也难怪各国政府日益重视数据基础设施和数据要素市场建设ღღ✿，希望通过激活“沉睡的数据”来撬动经济新动能[3]ღღ✿。例如ღღ✿，中国在2022年明确将数据作为第五类生产要素（与土地ღღ✿、劳动力ღღ✿、资本ღღ✿、技术并列）ღღ✿，并出台了加快培育数据要素市场的政策意见[39]ღღ✿。目标是完善数据资源确权ღღ✿、定价ღღ✿、交易ღღ✿、流通的机制ღღ✿，让数据资源充分参与经济分配和价值创造[40][41]ღღ✿。再如欧盟在《数据战略》中也强调ღღ✿，通过开放公共数据和促进企业间数据共享ღღ✿，能够催生数据驱动的创新服务ღღ✿，为经济增长注入新活力ღღ✿。实际案例方面ღღ✿，数据交易和流通市场正在兴起ღღ✿：一些领先城市设立了数据交易所ღღ✿，为数据供需双方提供挂牌交易ღღ✿、定价发现和法规合规的平台ღღ✿。例如ღღ✿，上海数据交易所自2021年底成立以来ღღ✿，已挂牌数据产品逾2700个ღღ✿，2023年数据产品交易额超过11.6亿元人民币[42]ღღ✿。该交易所还探索“数据资产化”服务ღღ✿，推出数据质押贷款等创新金融产品ღღ✿。截至2024年上半年ღღ✿，已联合多家银行为企业完成约10亿元的数据资产融资ღღ✿，并试运行国内首个数据资产交易市场[43][44]ღღ✿。这表明数据正在被金融机构认可为有价值的资产ღღ✿，能够用于融资增信ღღ✿。数据要素市场的逐步成熟ღღ✿，不仅使数据价值获得货币化体现ღღ✿，也反向推动企业更加重视数据治理和质量提升ღღ✿，形成良性循环ღღ✿。

　　然而ღღ✿，全面评估数据价值仍有诸多挑战ღღ✿。首先ღღ✿，数据价值具有主观性和情境依赖ღღ✿。同一数据对不同主体ღღ✿、在不同用途下ღღ✿，价值可能天差地别ღღ✿。例如ღღ✿，一组消费者行为数据对广告商价值连城ღღ✿，对无关行业则可能毫无意义ღღ✿。其次ღღ✿，数据的价值往往在其使用过程中体现ღღ✿，而非数据本身的买卖ღღ✿。数据作为一种“准公共品”ღღ✿，可以无限复制使用ღღ✿，一旦共享给多个方ღღ✿，其边际成本极低但边际效益可持续累积ღღ✿。这与传统消耗型要素截然不同ღღ✿，也使得简单套用买卖价格来衡量数据价值并不充分ღღ✿。再次ღღ✿，数据的价值实现依赖于配套的技术和能力ღღ✿。如果缺乏分析挖掘数据的能力ღღ✿，再珍贵的数据也难生价值ღღ✿。很多企业囤积了大量数据却缺乏利用手段ღღ✿，结果造成数据资产闲置ღღ✿。这方面的统计显示ღღ✿，目前我国约有超过三分之二的数据处于“沉睡”状态ღღ✿，并未转化为直接的经济效益[3]ღღ✿。因此ღღ✿，释放数据价值需要的不仅是数据本身ღღ✿，还包括人才ღღ✿、算法和算力的投入ღღ✿，以及良好的数据治理体系ღღ✿。最后ღღ✿，数据价值还涉及社会价值与公共价值的部分ღღ✿。例如开放政府数据所创造的便民服务ღღ✿、科研数据共享所促进的科技进步等ღღ✿，其价值难以货币量化ღღ✿，但对社会福祉意义重大ღღ✿。

　　总的来说ღღ✿，数据的经济价值在微观和宏观层面都已显现并日益增长ღღ✿。我们正从“经验驱动”转向“数据驱动”的经济形态ღღ✿。要充分挖掘这座“数字金矿”ღღ✿，需要建立健全的评估和核算方法ღღ✿，将数据资产纳入企业和国家的资产负债表ღღ✿，也需要促进数据有序流通ღღ✿，让数据价值在更多场景中兑现ღღ✿。同时也要认识到ღღ✿，数据价值的获取并非零和游戏——通过共享和开放ღღ✿，数据可以多方增值ღღ✿，实现“用者增值ღღ✿、分享共赢”的效果ღღ✿。正如OECD报告所指出的ღღ✿，数据价值会受到其治理框架的影响ღღ✿：健全的制度能让数据创造更大经济和社会价值[45]ღღ✿。因此ღღ✿，数据价值的实现最终离不开合理的权属界定和法律保障ღღ✿，这正是下一节要讨论的内容ღღ✿。

　　在讨论数据权属前ღღ✿，需首先明确ღღ✿：数据不同于传统有形财产ღღ✿，其非排他性和可复制性使得经典的所有权概念难以直接套用[17]ღღ✿。一份数据往往可能关系到多个主体的权益ღღ✿，这使“谁拥有数据”成为一个复杂的问题ღღ✿。当前ღღ✿，各国在法律上普遍尚未将数据界定为一种可专属占有的财产ღღ✿，但围绕数据的权益束（bundle of rights）正逐步明晰和划分ღღ✿。

　　以个人数据为例ღღ✿，法律更多赋予的是自然人的人格权益和控制权ღღ✿，而非财产权ღღ✿。比如欧盟《通用数据保护条例》（GDPR）和中国《个人信息保护法》都确立了个人对自身信息享有知情同意ღღ✿、访问ღღ✿、更正ღღ✿、删除等权利ღღ✿，但并未宣称个人“拥有”其数据的财产性权利ღღ✿。这种立法选择是基于保护个人尊严和隐私的考量ღღ✿。如果将个人信息商品化为财产ღღ✿，一方面可能导致对弱势群体的不公（如穷人被迫“卖”隐私）ღღ✿，另一方面人格权益难以用金钱衡量ღღ✿。不过ღღ✿，在实践中ღღ✿，个人数据的控制权让位于数据收集者的情况屡见不鲜ღღ✿，用户往往通过隐私政策将数据使用的许可权授予企业ღღ✿。因而在互联网平台ღღ✿，个人数据通常由平台企业实际控制和处理ღღ✿，个人仅在滥用或违法使用时依法律寻求救济ღღ✿。这造成了数据权属的一个基本矛盾ღღ✿：数据涉及个人却由企业持有ღღ✿，个人享有的只是受保护权利而非占有权ღღ✿。

　　企业数据方面ღღ✿，企业在生产经营中产生ღღ✿、收集的数据一般被视为企业资产ღღ✿，但严格说并没有明确的法律所有权ღღ✿。企业对数据的权利更多体现在商业秘密保护和合同行为中ღღ✿。如果一份数据集不向公众公开ღღ✿，并具有商业价值ღღ✿，企业可通过商业秘密法禁止他人不正当获取和使用ღღ✿。但商业秘密要求数据保密性ღღ✿，一旦数据广泛可见ღღ✿，这一途径便不适用ღღ✿。另一途径是通过合同约定ღღ✿，如平台与合作方约定数据使用权限ღღ✿、禁止二次传播等ღღ✿，以合同权利维护数据权益ღღ✿。此外ღღ✿，在一些司法案例中ღღ✿，法院倾向于承认数据集作为特殊资产受现有法律保护ღღ✿。例如ღღ✿，欧盟建立了“数据库权利”ღღ✿，赋予对数据集投入大量人力物力的制作者一定期限的特殊权利（sui generis数据库权）ღღ✿。中国目前没有专门的数据库权ღღ✿，但著作权法下汇编作品的规定和反不正当竞争法的通用条款ღღ✿，有时被用来保护具有独创性或经过整理汇编的数据集免遭恶意抄袭ღღ✿。不过ღღ✿，总体而言ღღ✿，企业对其数据资源并无明确的物权ღღ✿，更多是一种事实上的控制与使用权ღღ✿。

　　政府公共数据方面ღღ✿，通常被视为国家或社会公共资源ღღ✿，政府部门对其拥有管理和开放的职责ღღ✿，而不是排他占有权ღღ✿。各国政府倾向于将政务数据开放共享ღღ✿，以服务公共利益ღღ✿。同时也会通过立法明确某些公共数据不得私有化或买卖ღღ✿，以保障主权和公共利益（例如地理信息ღღ✿、人口统计数据等）ღღ✿。因此ღღ✿，公共数据更多谈“管理权”和“授权使用”ღღ✿，而非传统所有权ღღ✿。

　　面对以上现实ღღ✿，各界一直在探索新的数据权属框架ღღ✿。中国在2022年出台的《关于构建数据基础制度更好发挥数据要素作用的意见》提出了“数据产权结构性分置”的理念[46]ღღ✿。所谓分置ღღ✿，是尝试将数据相关的权利拆分成不同层次ღღ✿，由不同主体分别享有ღღ✿，从而平衡多方利益ღღ✿。具体而言ღღ✿，意见提出建立“数据资源持有权ღღ✿、数据加工使用权ღღ✿、数据产品经营权”等分置机制[46]ღღ✿。简单理解ღღ✿，可以将数据生命周期划分为原始数据ღღ✿、加工后的数据ღღ✿、以及数据产品三个阶段ღღ✿，对应地ღღ✿：数据的提供者或原始收集者拥有对原始数据的持有权ღღ✿，数据处理者在合法获取数据后拥有对其加工和利用的权利ღღ✿，而数据产品的经营者（如数据交易平台ღღ✿、数据产品开发商）对最终产品享有经营收益权ღღ✿。在这个框架下ღღ✿，不同环节的参与者都能依法享有一部分权益ღღ✿，又都不对数据享有完全的排他所有ღღ✿，从而实现“共同使用ღღ✿、共享收益”[46]的新模式ღღ✿。这一创新尝试ღღ✿，正是希望解决数据权属不清的问题ღღ✿，为数据要素的市场流通提供基础性的制度保障[46]ღღ✿。当然ღღ✿，这仍属于宏观原则设计ღღ✿，具体如何落实还有待出台配套细则和试点经验ღღ✿。

　　此外ღღ✿，该《意见》还区分了不同类型数据的确权思路ღღ✿：对于公共数据ღღ✿，明确政府部门对履职过程中产生的公共数据应加强汇聚共享ღღ✿，通过授权方式供社会使用ღღ✿，在确保隐私和安全前提下实现更大范围的利用[47]ღღ✿。对于企业数据ღღ✿，提出对不涉及个人信息ღღ✿、公共利益的企业数据ღღ✿，赋予数据收集处理主体依法持有ღღ✿、使用和收益的权益ღღ✿，保障其投入能够有回报[48]ღღ✿。也就是说ღღ✿，企业对其业务中收集的非敏感数据ღღ✿，享有类似所有权的权益（持有权ღღ✿、使用权ღღ✿、收益权）ღღ✿，以激励数据供给ღღ✿。[48]而对于涉及个人信息的数据ღღ✿，强调数据处理者必须基于个人授权范围来使用ღღ✿，规范处理活动ღღ✿，且不得超越授权范围滥用个人数据[49]ღღ✿。这一套框架力图在公共利益ღღ✿、企业利益和个人权益之间找到平衡点ღღ✿，被称为具有中国特色的数据产权制度体系雏形ღღ✿。

　　国外在数据权属上的探索也在进行ღღ✿。欧盟提出“数据主体权利”体系下ღღ✿，公司被视为数据的保管者（controller）ღღ✿，个人是数据主体但非财产所有者ღღ✿，强调个人对数据流转的控制ღღ✿。而在公共和工业数据方面ღღ✿，欧盟发布《数据治理法案》（DGA）鼓励设立中立的中介机构和数据共享机制ღღ✿，实现受信任的企业间数据共享ღღ✿，并提出“数据信托”等概念来处理多方权利ღღ✿。美国则主要依靠行业自律和合同约定ღღ✿，没有统一的联邦个人数据产权框架ღღ✿，但一些州讨论过设立“数据红利”让大公司分享收益给用户ღღ✿，反映出对数据价值归属的关注ღღ✿。

　　需要指出的是ღღ✿，明确数据权属并不意味着一定要给予某单一主体完整的所有权ღღ✿。相反ღღ✿，恰当的做法可能是厘清多方在数据生命周期中的权利义务ღღ✿。比如ღღ✿，在一辆联网汽车产生的数据中ღღ✿，车主ღღ✿、汽车制造商ღღ✿、服务提供商都各有利益相关ღღ✿：车主关心隐私和使用权益ღღ✿，制造商重视整体数据用于改进产品ღღ✿，服务商希望利用数据提供增值服务ღღ✿。法律可以规定ღღ✿：车主对涉及个人隐私部分拥有控制权ღღ✿，制造商对汇总的非个人数据拥有使用权和一定的商业利益权ღღ✿，而服务商只能在获授权情况下使用数据且不得侵犯前两者权利ღღ✿。这种精细化的权利分配ღღ✿，需要通过立法和行业规范逐步明确ღღ✿。在没有明文规定之前ღღ✿，许多纠纷只能通过诉讼和商业谈判解决ღღ✿。例如ღღ✿，美国曾发生过知名案例ღღ✿：一家创业公司擅自抓取社交平台上的公开个人资料数据ღღ✿，平台试图禁止并提告ღღ✿，法院最后支持了抓取方ღღ✿，认为公开网页数据不属于平台独占财产ღღ✿。这反映出ღღ✿，在公共可获取的数据上ღღ✿，所有权主张难以成立ღღ✿，只能用其他法律（如反黑客或用户协议）去规范ღღ✿。

　　总之ღღ✿，数据权属是数据要素市场培育的基础ღღ✿。如果权属不清ღღ✿，数据交易各方权益无法保障ღღ✿，交易成本和法律风险都会很高ღღ✿。因此ღღ✿，各国都在摸索为数据确立清晰的“权利地图”ღღ✿。目前的趋势是ღღ✿，不赋予数据类似有形物那样的单一所有权ღღ✿，而是根据数据类型和使用场景ღღ✿，将权利拆解给不同利益相关者ღღ✿。这种思路既保护个人和公共利益ღღ✿，又给予数据收集者和开发者合理的收益空间ღღ✿。未来ღღ✿，随着更多实践经验累积ღღ✿，我们有望看到数据权属的法律定义逐步清晰ღღ✿，从而为数据资源的流通和利用提供更明确的法律基础ღღ✿。

　　数据兼具法律属性和经济属性ღღ✿，这在当前数字经济中表现得尤为突出ღღ✿。一方面ღღ✿，数据承载着个人隐私ღღ✿、知识产权ღღ✿、公共利益等法律要素ღღ✿，牵涉国家安全和社会伦理ღღ✿，需要法律严格规范ღღ✿；另一方面ღღ✿，数据又是新的生产要素和资产ღღ✿，蕴含巨大经济价值ღღ✿，需要流通使用才能释放其红利[39][16]ღღ✿。如何实现数据的法律属性与经济属性有机融合ღღ✿，成为政策制定者ღღ✿、企业和社会共同面对的课题ღღ✿。简言之ღღ✿，就是要在保障数据安全和权益的前提下ღღ✿，促进数据合理高效地利用ღღ✿，以兼顾“安全”与“发展”两大目标[40][17]ღღ✿。

　　数据的法律属性主要体现为对安全ღღ✿、隐私ღღ✿、公平等公共利益和个人权益的关注ღღ✿。各国相继出台法律法规ღღ✿，对数据的收集ღღ✿、存储ღღ✿、加工ღღ✿、传输予以规范ღღ✿，构建数据治理的法律框架ღღ✿。在中国ღღ✿，三部里程碑式的法律构成了数据法律治理的基石ღღ✿：《网络安全法》（2017年）奠定了关键信息基础设施安全ღღ✿、个人信息保护和数据跨境等基础要求ღღ✿；《数据安全法》（2021年）全面确立了数据安全管理制度ღღ✿，包括数据分类分级ღღ✿、重要数据保护ღღ✿、数据出境安全评估等ღღ✿；《个人信息保护法》（2021年）则专门规范个人信息处理活动ღღ✿，与欧盟GDPR类似ღღ✿，确立了处理个人数据的合法性基础ღღ✿、敏感个人信息特别规则ღღ✿、个人权利和监管机制等ღღ✿。除此之外ღღ✿，配套的行政法规和部门规章也密集出台ღღ✿，例如前述工信部的《数据安全管理办法》ღღ✿、国务院发布的《关键信息基础设施安全保护条例》等ღღ✿。这些法律法规从不同侧面明确了数据处理者在法律上的义务ღღ✿：确保数据安全（通过技术措施和管理制度防范数据泄露篡改等风险）ღღ✿、保护个人隐私（取得用户同意ღღ✿、最小必要收集ღღ✿、匿名化处理等）ღღ✿、防范数据滥用（不得非法买卖ღღ✿、严禁利用数据从事侵犯人格尊严或不正当竞争的行为）以及接受监管（如定期评估风险ღღ✿、向主管部门报送重要数据目录和安全报告）等ღღ✿。

　　具体而言ღღ✿，法律对数据的保护主要分为几个层次ღღ✿：对个人信息ღღ✿，法律强调“以人为本”ღღ✿，要求任何对个人数据的处理都需有合法合理的目的并经个人授权ღღ✿，同时时刻注意不侵犯个人尊严和合法权益ღღ✿。《个人信息保护法》列举了处理个人信息的六大合法性基础（个人同意ღღ✿、履行合同ღღ✿、法定职责ღღ✿、公共利益等）ღღ✿，并对敏感个人信息（如生物识别ღღ✿、健康ღღ✿、金融账户ღღ✿、行踪轨迹等）设定了更严格的保护措施ღღ✿，包括单独同意和必要性评估等ღღ✿。此外ღღ✿，个人还被赋予查询ღღ✿、更正ღღ✿、删除自己的数据ღღ✿，以及撤回同意ღღ✿、请求解释自动化决策等权利ღღ✿。对重要数据和核心数据ღღ✿，《数据安全法》要求实行严格的保护制度ღღ✿，包括制定重点保护目录ღღ✿、落实更高级别的存储和访问控制ღღ✿、安全审查和风险评估ღღ✿，并规定核心数据实行更严管制（核心数据通常不得出境www.tyc234cc.comღღ✿，重要数据出境需安全评估）ღღ✿。对公共数据ღღ✿，法律通常要求政府部门在确保安全和隐私的前提下开放共享ღღ✿，以服务公众ღღ✿，但也明确涉及国家秘密ღღ✿、公共安全的数据不得擅自开放山东12530ღღ✿。对于跨境数据传输ღღ✿，许多国家出于数据主权和安全考虑设立了管制ღღ✿。中国要求关键信息基础设施运营者和大量敏感个人信息的处理者将相关数据存储在境内ღღ✿，确需出境要通过安全评估ღღ✿；欧盟则通过GDPR要求数据出口目的地有充分的数据保护水平或使用标准合同条款等保障措施ღღ✿。这些措施体现出数据的跨境流动被作为法律监管的重点领域ღღ✿，与贸易规则紧密相关ღღ✿。

　　此外ღღ✿，数据的法律属性还涉及竞争和公平的问题ღღ✿。大型互联网平台凭借数据优势形成市场支配力ღღ✿，引发“数据垄断”担忧ღღ✿。为此ღღ✿，反垄断执法开始关注平台滥用数据排除竞争的行为ღღ✿，强调数据应公平开放给符合条件的市场参与者ღღ✿。欧盟的《数字市场法案》（DMA）就是专门针对超级平台的数据行为进行规制ღღ✿，要求其允许用户数据便携ღღ✿、禁止将不同服务的数据交叉滥用等ღღ✿。中国反垄断指南也提到ღღ✿，要防止经营者利用数据ღღ✿、算法形成壁垒ღღ✿。

　　总的来说ღღ✿，数据的法律属性确保了数据在使用过程中的安全性ღღ✿、合法性和伦理性ღღ✿。法律的约束为数据经济设定了红线和底线ღღ✿：个人隐私不受侵犯www.tyc234cc.comღღ✿，国家安全不被危害ღღ✿，公平竞争不被扭曲ღღ✿。只有在这样法治的轨道上ღღ✿，数据的开发利用才具有可持续性和公众信任基础ღღ✿。这构成了数据经济的“安全阀”ღღ✿。

　　与法律维度相对应ღღ✿，数据的经济属性强调的是数据作为生产要素所具有的流通性ღღ✿、增值性和可交易性ღღ✿。要发挥数据的经济价值ღღ✿，必须使数据在合规前提下高效地流动起来ღღ✿。正如上文提到的数据要素市场建设www.tyc234cc.comღღ✿，其核心就是要降低数据流通的门槛和成本ღღ✿，让数据从沉睡状态转化为可以被多方使用的“活数据”[3]ღღ✿。经济属性要求构建能够定价ღღ✿、交易和分配收益的机制ღღ✿，将数据变为类似商品和资产的存在ღღ✿。

　　推动数据流通交易ღღ✿，需要创新制度安排和技术工具ღღ✿。制度层面ღღ✿，各国都在探索数据交易平台和数据中介的模式ღღ✿。中国目前已涌现出多家数据交易试点平台ღღ✿，如上海ღღ✿、北京ღღ✿、广州等地的数据交易所ღღ✿。这些平台通常制定数据产品标准合同ღღ✿，提供数据资产登记ღღ✿、质量评估ღღ✿、交易撮合ღღ✿、交付和监管备案等服务ღღ✿，目的在于营造可信的交易环境ღღ✿。在上海数据交易所的实践中ღღ✿，他们发布了数据交易规则体系ღღ✿，包括“一项规范ღღ✿，六项指引”ღღ✿，明确了数据产品挂牌ღღ✿、交易流程ღღ✿、参与方资质ღღ✿、数据定价方法等标准[50]ღღ✿。同时ღღ✿，引入了所谓“可信执行环境”“数据脱敏”“水印追踪”等技术手段保障交易中的数据不被滥用ღღ✿。再如ღღ✿，上海数交所还设计了“数易贷”等产品ღღ✿，将数据资产的价值通过金融手段盘活ღღ✿，把数据变成可质押贷款的资产[51]ღღ✿。2023年ღღ✿，上海实现了全国首单数据产品知识产权质押融资ღღ✿，即将企业的数据产品视为一种无形资产ღღ✿，由银行认可其价值并提供贷款[52]ღღ✿。这些探索为数据经济属性的实现提供了样板ღღ✿：一旦数据的产权和价值可以被市场认可ღღ✿，那么数据将真正成为企业的“第五类资产”ღღ✿。

　　技术层面ღღ✿，隐私计算和数据安全技术的发展为数据在保证法律合规的条件下流通提供了可能性ღღ✿。近年来ღღ✿，联邦学习ღღ✿、多方安全计算ღღ✿、差分隐私ღღ✿、可信执行环境（TEE）等技术逐渐成熟ღღ✿，能实现“数据可用不可见”[47]的效果ღღ✿。比如ღღ✿，多方安全计算允许在多源数据不出本地的情况下ღღ✿，对加密的数据进行联合计算ღღ✿，输出有用的统计或模型ღღ✿，而各方原始数据互不可见ღღ✿。这在医疗ღღ✿、金融等领域已有应用ღღ✿，实现了“数据不动ღღ✿、模型动”的新范式ღღ✿。在这种模式下ღღ✿，各机构的数据留存在本地受控环境ღღ✿，但通过算法协同ღღ✿，达到了类似数据共享的效果ღღ✿，同时法律上仍符合隐私和数据安全要求ღღ✿。再如ღღ✿，联邦学习已被用于银行间联合风控建模ღღ✿、医院间联合训练AI诊断模型等场景ღღ✿，实现1+12的效果ღღ✿。差分隐私技术则通过在数据中引入噪声ღღ✿，保证输出的统计结果难以还原个人敏感信息ღღ✿，Google和苹果等已在产品中应用以收集用户数据又不侵犯隐私ღღ✿。还有区块链和可验证计算技术ღღ✿，则用于构建数据可信流通的基础设施ღღ✿，例如用于记录数据交易的过程山东12530ღღ✿、防止篡改并追溯来源ღღ✿。这些技术手段提升了数据流通的可信度和安全性ღღ✿，使数据的经济利用和法律合规可以兼得ღღ✿。在国家层面ღღ✿，中国正在推进“可信数据空间”和“隐私计算基础设施”的建设ღღ✿，以大规模应用这些工具ღღ✿，解决数据利用过程中的制度和技术障碍[53]ღღ✿。

　　数据经济属性的发挥还需要收益分配机制来调节多方关系ღღ✿。如果数据的使用产生了收益ღღ✿，如何在数据提供者ღღ✿、数据处理者ღღ✿、平台以及数据所涉及的个人之间分配利益ღღ✿，是一道现实难题ღღ✿。如果分配不公ღღ✿，可能挫伤其中某方的积极性ღღ✿，或者引发权益纠纷ღღ✿。对此ღღ✿，中国的数据要素政策文件中提出ღღ✿，要健全数据要素收益分配机制ღღ✿，探索由市场决定数据价格ღღ✿、由各参与方按贡献分享收益的模式[40][46]ღღ✿。例如ღღ✿，在公共数据开放中ღღ✿，规定用于公益目的的可以无偿使用ღღ✿，用于商业目的的可以有偿使用[47]ღღ✿。又如ღღ✿，对于企业间的数据共享ღღ✿，可以引入“数据使用权交易”概念ღღ✿，让数据提供方通过授权使用获取收益山东12530ღღ✿，而不转让数据所有权山东12530ღღ✿。这类似于知识产权许可使用的模式ღღ✿。在个人数据方面ღღ✿，也有学者建议引入“个人数据红利”或“数据股权”概念ღღ✿，让平台在利用用户数据获利时ღღ✿，拿出一定比例回馈用户ღღ✿。不过ღღ✿，目前这种机制尚未大规模实施ღღ✿，但可以预见随着公众意识提高和政策引导ღღ✿，未来个人有望分享更多由其数据产生的经济价值ღღ✿。

　　实现数据法律属性与经济属性的融合ღღ✿，本质是在保护与利用之间寻求动态平衡ღღ✿。为此ღღ✿，需要立法ღღ✿、监管ღღ✿、市场ღღ✿、技术多方面协同发力ღღ✿。

　　首先ღღ✿，立法和监管应当秉持审慎包容的原则ღღ✿。既要严守安全与隐私底线ღღ✿，又要避免过度管制扼杀数据流通的活力ღღ✿。中国在这方面的表述是“把该管的管住ღღ✿，该放的放开”[30]ღღ✿。具体来说ღღ✿，对涉及国家安全和重大公共利益的数据ღღ✿，坚持最严格的保护和审查ღღ✿，如核心数据禁止出境ღღ✿、涉密数据严防泄漏ღღ✿；但对于一般的数据ღღ✿，应尽量降低流通障碍ღღ✿，鼓励合法合规地共享和交易ღღ✿。监管部门可以通过分类指导ღღ✿，对不同行业ღღ✿、不同敏感度的数据制定差异化的流通规则ღღ✿。例如在金融ღღ✿、医疗等高度敏感领域ღღ✿，数据共享需经过许可和脱敏处理ღღ✿；而在公共交通ღღ✿、气象等领域ღღ✿，可以开放更多数据给社会创新使用ღღ✿。最近ღღ✿，欧盟ღღ✿、美国等也在讨论针对AI的大模型训练提供更多数据豁免（如版权数据的使用许可）ღღ✿，以促进创新ღღ✿，同时再制定配套措施减少对权利人的冲击ღღ✿。这种思路也是在平衡保护与发展的范畴ღღ✿。

　　其次ღღ✿，市场机制要发挥作用ღღ✿，激发数据要素潜能ღღ✿。政府可以搭建公共平台或支持行业组织来促进数据交易ღღ✿，并通过示范项目ღღ✿、财政激励等手段培育数据要素市场ღღ✿。例如提供数据流通沙盒ღღ✿，在特定区域或行业先行试点数据流通新模式ღღ✿，积累经验后再推广ღღ✿。还可以鼓励行业数据联盟ღღ✿，由多家单位按共同标准分享数据ღღ✿，实现互惠共赢ღღ✿。比如欧洲的“Gaia-X”数据基础设施就是在各国政府支持下ღღ✿，由企业联合打造的一个跨行业ღღ✿、跨国界的数据共享网络ღღ✿，旨在形成一个受欧洲价值观（安全山东12530ღღ✿、隐私ღღ✿、自主）保护的数据空间ღღ✿。中国的一些地方也成立了“城市数据联合体”ღღ✿，由政府牵头整合公共和企业数据资源ღღ✿，共建数据应用场景ღღ✿。这些探索都是为了让数据能在安全前提下“流动起来”ღღ✿，用市场化方式促进数据资源配置优化ღღ✿。

　　再次ღღ✿，技术和标准提供必要支撑ღღ✿。要实现法律与经济兼顾ღღ✿，必须依靠技术手段将法律要求嵌入数据流通过程ღღ✿。如前述隐私计算技术ღღ✿，让“可用不可见”成为可能ღღ✿，就是将隐私保护内生到数据利用中ღღ✿。此外ღღ✿，建立统一的数据格式标准ღღ✿、元数据标准ღღ✿、质量评估标准也很重要ღღ✿。只有标准统一ღღ✿，数据才容易被不同主体理解和使用ღღ✿，交易成本才能降低ღღ✿。近年来各国标准组织都在制定数据流通和交易相关标准ღღ✿，比如ISO的数据交易参考架构ღღ✿、IEEE的个人数据同意标准等ღღ✿。中国国内也发布了数据流通交易技术标准体系框架ღღ✿，为数据确权ღღ✿、定价ღღ✿、交易ღღ✿、监管提供标准依据[54]ღღ✿。这些标准有助于实现“规则随数据走”ღღ✿，确保数据无论在哪流通ღღ✿，其安全标签ღღ✿、敏感级别ღღ✿、使用权限等信息都随附不丢失ღღ✿。未来ღღ✿，随着可追溯ღღ✿、可审计的数据治理技术（如区块链存证ღღ✿、水印技术）的普及ღღ✿，监管部门可以更放心地放开数据流通ღღ✿，因为一旦出现滥用可以追责溯源ღღ✿。这种信任基础的建立ღღ✿，将极大促进数据经济的繁荣ღღ✿。

　　最后ღღ✿，需要观念和人才的转变与支持ღღ✿。各组织应树立“合规即发展”的理念ღღ✿，认识到只有兼顾安全和隐私ღღ✿，数据利用才能走远ღღ✿。企业在谋求数据商业化时ღღ✿，应将合规成本视为长期投资ღღ✿，通过主动加强数据治理来换取用户和监管的信任ღღ✿，从而赢得更大空间ღღ✿。对于政府ღღ✿，则应更加开放创新ღღ✿，拥抱新技术ღღ✿、新模式ღღ✿，及时根据实践调整政策ღღ✿。培养既懂技术又懂法律的复合型人才也十分关键——他们将扮演数据合规官ღღ✿、数据资产评估师等新角色ღღ✿，在企业内部和市场中保障数据合法合规流动ღღ✿。

　　案例分析能够具体展示法经融合的效果和挑战ღღ✿。例如ღღ✿，滴滴出行的案例就体现了数据安全监管与企业数据经济活动的冲突和平衡ღღ✿。滴滴作为掌握海量出行数据的平台企业ღღ✿，出于商业战略在境外上市时引发国家数据安全审查ღღ✿，被认定存在数据安全隐患而受到严厉处罚和整顿【注: 滴滴案涉及《网络安全法》《数据安全法》等综合适用】ღღ✿。这一事件警示大型数据企业ღღ✿，经济活动不能忽视法律红线ღღ✿，否则不仅经济上受损ღღ✿，也可能危及用户和国家安全ღღ✿。经过整改ღღ✿，滴滴重新上线时据报道加强了数据本地存储和安全管理ღღ✿，并主动探索数据安全合规的新举措ღღ✿。从长远看ღღ✿，这有助于企业在国内外运营中树立可信数据实践ღღ✿，保障了其数据价值的持续发挥ღღ✿。再如ღღ✿，上海数据交易所的实践案例则展示了融合的积极一面ღღ✿：某省市将其城市综合数据资产在数据交易所挂牌ღღ✿，经过专业评估估值1.92亿元ღღ✿，并用于质押融资[55]ღღ✿。为了促成这笔创新融资ღღ✿，交易所和银行设置了严格的前提条件ღღ✿，包括确保数据产权清晰ღღ✿、评估准确ღღ✿，以及建立动态披露和风险处置机制等[56]ღღ✿。监管机构对此采取了包容审慎态度ღღ✿，在试点范围内允许创新ღღ✿。这一案例表明ღღ✿，如果能将法律要求融入数据产品设计ღღ✿，实现风险可控ღღ✿，那么数据的经济价值就能被市场主体认可和利用ღღ✿，从而真正做到数据要素的“合法变现”ღღ✿。

　　总而言之ღღ✿，数据的法律属性与经济属性并非对立ღღ✿，而是可以通过制度设计和技术创新达到相辅相成ღღ✿。法律保障是前提ღღ✿，经济利用是目标ღღ✿，两者统一于数据要素服务于人类福祉和经济发展的愿景ღღ✿。在保护数据安全和个人权益的“红灯”之下ღღ✿，也要为数据流通和创新亮起“绿灯”ღღ✿。正如国家政策所强调的ღღ✿，要“以维护数据安全ღღ✿、保护个人信息和商业秘密为前提ღღ✿，以促进数据合规高效流通使用为主线]ღღ✿。当安全与发展这两个轮子一起转动时ღღ✿，数字经济这辆快车才能行稳致远ღღ✿。可以预见ღღ✿，未来随着立法的完善和技术的进步ღღ✿，我们将在更多领域看到数据依法有序流动ღღ✿、创造价值的生动场景——届时ღღ✿，数据的法律规范之网将与市场运行之手紧密配合ღღ✿，共同托举起人工智能和数字经济的美好未来ღღ✿。[40][38]

　　[5][6][7][8][9][10][11]〖光明日报〗智能时代的三要素——数据ღღ✿、算法和算力-武汉纺织大学新闻文化网

　　[39][40][41][46][47][48][49]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_中央有关文件_中国政府网人工智能管理ღღ✿。太阳成集团tyc234cc官网ღღ✿，澳门太阳成集团9728太阳集团太阳成集团tycღღ✿。