姚期智：只有數據要素流通起來才能產生大規模的經濟價值 | 浦江AI評論第⑦期

數據正在成為數字經濟的關鍵生產要素，充分釋放數據要素價值，迫切需要加快推進數據要素市場化建設。數字經濟的發展需要核心技術為基礎，應進一步增加數據交易類技術、數據流通審計技術、數據建模與模型治理等底層技術的投入，并以這些底層技術“新基建”為引領，加快實現數據要素市場化配置、合理分配數據要素收益等。

【數據基礎制度建設提速，數據要素市場化關鍵技術作用凸顯】

6月22日，中央全面深化改革委員會第二十六次會議審議通過《關于構建數據基礎制度更好發揮數據要素作用的意見》（以下簡稱《意見》），從數據產權、流通交易、收益分配、安全治理等方面，為加快構建數據基礎制度體系指明了方向。這幾個方面都與數據要素市場化建設密切相關，需要四大類關鍵技術的支撐。

第一，數據交易類技術，包括高效實現數據撮合、數據價值分配的技術，以及記錄數據交易過程的技術。

數據要素要形成市場，需要解決數據的定價問題。不論從使用者層面或監管層面，需要從科學上研發了解數據與場景應用、數據與數據之間的匹配撮合問題。

其中，最重要的是如何形成與數據要素價值和貢獻相適應的收入分配機制，驅動企業內部的部門獨立核算、企業間的數據共享，形成數據要素市場。

由于同一數據對于不同場景的可用性與價值是不同的，對同一場景不同數據的可用性與價值也是不同的，具有特異性；多種數據的組合對場景的應用會產生更大或更小的用處與價值，具有協同性；數據與場景的匹配又具有巨大的未知性與不確定性。

因此，大量數據與場景之間、數據與數據之間的有用性與價值的匹配關系都需要進一步研究探索。基于數據定價算法的網絡化模型是解決匹配問題的關鍵，這是一個涉及經濟學、計算科學、人工智能等的交叉領域。

數據要素的使用與交易的計算過程最好也要有所記錄，目前區塊鏈技術可以很好地完成這項工作。

第二，數據流通過程中的安全審計、合規審計類技術。

數據要素在市場化流通的過程中需要保護安全與隱私。因此，數據應用過程中的安全計算的技術，及同時發生的或事后發生的合規審計的技術都很重要。這些技術是實現數據要素市場化的支撐。

另外，“數字孤島”問題是數字化轉型面臨的重大挑戰之一。挑戰主要體現在兩方面：對于不同主體，由于數據安全、數據隱私的法律法規要求，不能將數據簡單整合；對同一主體，數據可通過行政命令有限程度整合，但由于部門利益、權限管理、安全管理等障礙，無法依靠簡單的管理程序進行完全整合。

只有數據要素流通起來才能產生大規模的經濟價值，基于數據安全和隱私保護的考慮，這就需要隱私計算技術支持。實踐中，多方安全計算技術以“數據可用不可見”的交易范式打破“數據孤島”，使得數據要素流通成為可能。

第三，數據加工分析的技術，包括輔助數據科學家建模，或自動化建模的技術。

數據流通后的海量數據經濟價值通過數據建模來實現。具體看，數據要通過人工智能算法建模生成各種角色模型，比如新經濟里面互聯網公司的推薦模型在電商領域可以極大提升電商的銷售量；生產活動中，智能生產模型可以提升工廠加工、制造的效率，智能調度模型可以幫助物流行業優化物流的調度等。

數據經濟價值的產生是在決策模型的使用上，分配經濟價值實際上是利用決策模型以及跟他相應的數據要素、多方數據要素的關聯來分配經濟價值，實際上分配的并不是原始的數據資料，而是分配數據原始資料所產生的決策模型所帶來的經濟價值。因此，輔助數據科學家建模，或自動化建模的技術可以幫助提高數據要素的使用效率和經濟價值。

第四，數據模型治理的技術。

數據的應用也需要有相關的治理技術，在使用者層面或者監管層面對數據模型進行風險管理。模型治理與算法監管將是數字經濟下企業與監管機構評估模型價值與精度、風險與缺陷、公平性與合規性等的重要手段。

以上這些不同的技術都需要研究并落地實踐，在產學研過程中不斷迭代。

【建立體現效率、促進公平的數據要素收益分配制度】

黨的十九屆四中全會將數據要素納入收入分配序列，并部署健全“生產要素由市場評價貢獻、按貢獻決定報酬的機制”任務。《意見》進一步明確，要完善數據要素市場化配置機制，更好發揮政府在數據要素收益分配中的引導調節作用，建立體現效率、促進公平的數據要素收益分配制度。在實現公平有效的數據要素收益分配方面，數據要素的定價理論與算法是融合了信息經濟學、博弈論和計算機科學的前沿交叉理論，清華大學交叉信息研究院在這項技術方面進行了前沿研究。

可以根據博弈論的合作博弈理論來確立不同的數據對于決策模型的貢獻度，貢獻度大的數據要素更有價值。因此，通過經濟主體功效函數與決策模型貢獻度的耦合，就可以對不同數據要素起到的經濟價值做合理公平的定量評估，計算得到數據要素在經濟活動中產生的經濟價值。具體有三個遞進路徑。

首先，依據公平性原理計算數據要素收益分配的比例，也就是要求多種數據互相協作的收益分配符合公平性原理，在供給側實現公平的收益分配。

其次，利用數據生產圖譜與數據價值圖譜建立數據與場景價值的聯系。利用數據生產、流轉、加工、分析與建模的生產過程為依據，同時利用需求端的業務價值為依據，建立數據與數據、數據與場景之間的價值貢獻關系。而這需要進行越來越多的數據積累并形成關系圖譜，從供給側轉化到需求側形成價值的計算與分配。

第三，利用數據交易市場實現場景數據價格的實時發現。因為數據要素的價值與業務價值直接掛鉤，就可以參考傳統資產交易市場的價格，對數據進行更及時的價格發現。但這需要對數據要素與資本、勞動、技術等其他生產要素的綜合分析，尤其是以能夠分析各要素在生產“函數”的貢獻為前提。

【加快推動數據鏈與產業鏈融合賦能實體經濟發展】

數字技術、數字經濟是世界科技革命和產業變革的先機，數據驅動下，與數據相關的交易、流通審計、建模及模型治理等技術將是提高數字技術基礎研發能力，打好關鍵核心技術攻堅戰的重點，應該會迎來較快發展。同時，智能網聯汽車、數字金融、工業互聯網等數據原生領域，以及各行業數字化轉型的過程中，都將涌現出大量的長期機會。可以從以下三點著手，加快推動數據鏈與產業鏈融合賦能實體經濟發展：

一是，利用監管科技與合規科技保障法規落地，提供合規發展的基礎。數據要素的使用絕大多數是大規模、自動化發生的，在業務發生的同時就需要驗證安全與合規性。如建立人工智能分級監管機制、開展“沙盒監管”試點等，在數據要素的生產使用過程中就進行安全與合規保護，有利于讓數據要素產業鏈健康發展。

二是，建設公共平臺，幫助構建數據資產化的產業鏈。為促進數據要素在生產、加工、經營與權益分配的產業鏈形成與發展，政府可以建設推廣公共平臺，如以數據交易技術、隱私計算、區塊鏈技術為代表的交叉信息技術將扮演基礎設施的角色，可以提供公共服務，促進產業鏈的形成與快速發展。

三是，依托政產學研用五位一體的創新模式加快科技成果轉化效率。數據要素的產業鏈需要多元要素集中與協作，根據目前實踐的經驗，依托政產學研用五位一體的創新模式可以更好地聚集政府、企業、數據產業鏈上的各類機構，構建數字技術創新、應用生態。

“大數據+人工智能”讓數據海量集聚、海量建模成為可能，蘊藏了巨大的價值。我國具有數據規模和數據應用優勢，未來將帶領團隊進一步加強基礎研究與實踐轉化，與各方密切合作，促進數字技術與實體經濟深度融合，提升產業創新服務支撐水平。

（本文根據姚期智院士接受新華社專訪內容整理而成）