本报记者 田鹏
伴随人工智能大模型技术持续迭代，企业大模型部署落地、垂类模型研发、智能体设计等人工智能（以下简称“AI”）应用规模化铺开。行业对数据的需求正在发生变化：一方面，相比单纯的数据体量，数据质量的重要性持续抬升；另一方面，高质量有效数据的需求规模仍保持指数级增长。自2026年起，AI应用不断突破边界，从文本、图像这类数字内容生成，延伸到工厂、仓储以及日常生活里的实体操作场景，物理AI与世界模型迎来快速发展期。
在这样的大背景下，数据的生产模式、价值来源、流通交易标的以及应用形态都呈现出新特征。智能经济加速发展，也把数据要素市场的合规治理议题推向新阶段，需要进一步厘清规则、划定发展边界。江苏省数据交易所首席研究员林梓瀚近日接受《证券日报》记者采访，结合《数据合规》一书，围绕数据安全合规与数据市场合规两大维度，解读数据合规如何支撑智能经济行稳致远。
过去一段时间，业内讨论数据合规，大多聚焦在数据安全层面，而在林梓瀚看来，数据安全合规，并非单纯等同于网络攻防意义上的技术安全，也不是企业制定若干数据管理制度即可完成的形式合规，而是指数据处理者在全生命周期活动中，依照法律法规等要求识别并控制数据处理可能引发的国家安全、公共利益、个人权益、商业秘密和组织经营风险等。
林梓瀚表示，要了解数据安全合规的内涵，首先需要了解为什么要进行数据安全合规。“数据本身并非危险物，但在各项数字化场景中，数据一经聚合、关联、画像和跨境流转，就可能产生远超单项数据的风险外溢效应。具体而言，数据安全的潜在风险主要为数据泄露、数据滥用、数据内容不当以及网络安全等问题。”
对于数据市场合规的定义，林梓瀚表示，与数据安全合规侧重防止数据处理活动造成损害不同，数据市场合规更强调在合法、可信的市场建设过程中实现数据要素的价值。数据市场合规的内涵可以概括为数据合法来源、市场主体权利清晰、数据产品可交易、交易规范可信以及市场竞争公平等。
例如，数据进入市场前，应当能够说明其形成、取得、清洗、加工和授权过程。数据市场中的数据来源合法并非静态证明，而是贯穿数据产品生命周期的持续性要求。一旦原始的数据资源存在非法收集、超范围使用或授权瑕疵，后续加工形成的数据产品都可能被追溯评价从而中断市场交易。
此外，林梓瀚强调，数据产权与传统意义上的物权所有权有所区别。物权的所有权强调“一物一权”，这种权利属性并不适用于可复制、可复用的数据。因此，数据产权不能以简单所有权的方式运行，而需要在合法持有、加工使用、产品经营和收益分配之间建立结构化权利安排。从产权理论看，清晰可执行的权利边界能够减少交易谈判中的外部成本；从交易理论看，权利不明会增加尽调、议价、担保和争议解决成本，最终抑制数据的流通交易。
“数据价值往往取决于场景、质量、实时性、稀缺性以及与其他数据融合的组合效果，难以通过传统成本加成方式简单确定价格。若定价规则不透明，容易出现虚高估值、利益输送、公共资源低价让渡或平台主体滥用数据优势等问题。因此，数据市场合规不仅是交易合法性审查，也包括定价依据、评估方法、收益分配等制度安排。”林梓瀚表示。
（编辑 汪世军）
京公网安备 11010602201377号京ICP备19002521号
