专访图灵奖获得者：加快推进数据要素市场化建设

钛媒体 • 2年前扫码分享

我是创始人李岩：很抱歉！给自己产品做个广告，点击进来看看。

专访图灵奖获得者：加快推进数据要素市场化建设

精选

· 刚刚

微信扫码

545

数据正在成为数字经济的关键生产要素，充分释放数据要素价值，迫切需要加快推进数据要素市场化建设。

专访图灵奖获得者：加快推进数据要素市场化建设

图片来源@视觉中国

钛媒体注：本文来源于新华财经，记者｜记者王涛、刘玉龙，钛媒体经授权发布。

“数据正在成为数字经济的关键生产要素，充分释放数据要素价值，迫切需要加快推进数据要素市场化建设。”图灵奖获得者、中科院院士、清华大学交叉信息研究院院长姚期智近日接受记者专访时表示，数字经济的发展需要核心技术为基础，应该进一步增加数据交易类技术、数据流通审计技术、数据建模与模型治理等底层技术的投入，并以这些底层技术“新基建”为引领，加快实现数据要素市场化配置、合理分配数据要素收益等。

——数据基础制度建设提速，数据要素市场化关键技术作用凸显

6月22日，中央全面深化改革委员会第二十六次会议审议通过《关于构建数据基础制度更好发挥数据要素作用的意见》（以下简称《意见》），从数据产权、流通交易、收益分配、安全治理等方面，为加快构建数据基础制度体系指明了方向。

在姚期智看来，数据产权、流通交易、收益分配、安全治理等都与数据要素市场化建设密切相关，需要四大类关键技术的支撑。

第一，数据交易类技术，包括高效实现数据撮合、数据价值分配的技术，以及记录数据交易过程的技术。

“数据要素要形成市场，需要解决数据的定价问题。”姚期智说，不论从使用者层面或者监管层面，需要从科学上研发了解数据与场景应用、数据与数据之间的匹配撮合问题。

其中，最重要的问题是如何形成与数据要素价值和贡献相适应的收入分配机制，驱动企业内部的部门独立核算、企业间的数据共享，形成数据要素市场。

姚期智强调，由于同一数据对于不同场景的可用性与价值是不同的，对同一场景不同数据的可用性与价值也是不同的，具有特异性；同时，多种数据的组合对场景的应用又会产生更大或更小的用处与价值，具有协同性；并且数据与场景的匹配又具有巨大的未知性与不确定性。

因此，大量数据与场景之间、数据与数据之间的有用性与价值的匹配关系都需要进一步研究探索。姚期智表示，基于数据定价算法的网络化模型是解决匹配问题的关键，这是一个涉及经济学、计算科学、人工智能等的交叉领域。

“数据要素的使用与交易的计算过程最好也要有所记录，目前区块链技术可以很好的完成这项工作。”姚期智说。

第二，数据流通过程中的安全审计、合规审计类技术。

姚期智认为，数据要素在市场化流通的过程中，需要保护安全与隐私。因此，数据应用过程中的安全计算的技术，以及同时发生的或事后发生的合规审计的技术都很重要。这些技术是实现数据要素市场化的支撑。

姚期智还表示，“数字孤岛”问题是数字化转型面临的重大挑战之一。这主要体现在两方面：对于不同主体，由于数据安全、数据隐私的法律法规要求，不能将数据简单整合；对于同一主体，数据可以通过行政命令有限程度整合，但由于部门利益、权限管理、安全管理等障碍，也无法依靠简单的管理程序进行完全整合。

“只有数据要素流通起来才能产生大规模的经济价值，基于数据安全和隐私保护的考虑，这就需要隐私计算技术支持。”姚期智说，实践中，多方安全计算技术以“数据可用不可见”的交易范式，打破“数据孤岛”，使得数据要素流通成为可能。

第三，数据加工分析的技术，包括辅助数据科学家建模，或自动化建模的技术。

“数据流通后的海量数据经济价值是通过数据建模来实现的。”姚期智说，具体看，数据要通过人工智能算法建模生成各种角色模型，比如新经济里面互联网公司的推荐模型在电商领域可以极大提升电商的销售量；生产活动中，智能生产模型可以提升工厂加工、制造的效率，智能调度模型可以帮助物流行业优化物流的调度等。

姚期智进一步指出，数据经济价值的产生是在决策模型的使用上，分配经济价值实际上是利用决策模型以及跟他相应的数据要素、多方数据要素的关联来分配经济价值，实际上分配的并不是原始的数据资料，而是分配数据原始资料所产生的决策模型所带来的经济价值。因此，辅助数据科学家建模，或自动化建模的技术可以帮助提高数据要素的使用效率和经济价值。

第四，数据模型治理的技术。

“对于数据的应用，我们也需要有相关的治理技术，在使用者层面或者监管层面对数据模型进行风险管理。”姚期智说，模型治理与算法监管将是数字经济下企业与监管机构评估模型价值与精度、风险与缺陷、公平性与合规性等的重要手段。

姚期智说，以上这些不同的技术都需要研究并落地实践，在产学研过程中不断迭代。

——建立体现效率、促进公平的数据要素收益分配制度

党的十九届四中全会将数据要素纳入收入分配序列，并部署健全“生产要素由市场评价贡献、按贡献决定报酬的机制”任务。《意见》进一步明确，要完善数据要素市场化配置机制，更好发挥政府在数据要素收益分配中的引导调节作用，建立体现效率、促进公平的数据要素收益分配制度。

如何实现公平有效的数据要素收益分配？姚期智表示，数据要素的定价理论与算法是融合了信息经济学、博弈论和计算机科学的前沿交叉理论，清华大学交叉信息研究院在这项技术方面进行了前沿研究。

姚期智表示，可以根据博弈论的合作博弈理论，来确立不同的数据对于决策模型的贡献度，贡献度大的数据要素更有价值。因此，通过经济主体功效函数与决策模型贡献度的耦合，就可以对不同数据要素起到的经济价值做合理公平的定量评估，计算得到数据要素在经济活动中产生的经济价值。具体有三个递进路径。

首先，依据公平性原理计算数据要素收益分配的比例，也就是要求多种数据互相协作的收益分配符合公平性原理，在供给侧实现公平的收益分配。

其次，利用数据生产图谱与数据价值图谱建立数据与场景价值的联系。“我们可以利用数据生产、流转、加工、分析与建模的生产过程为依据，同时利用需求端的业务价值为依据，建立数据与数据、数据与场景之间的价值贡献关系。”姚期智说，这需要积累越来越多的数据，形成关系图谱，从供给侧转化到需求侧形成价值的计算与分配。

第三，利用数据交易市场实现场景数据价格的实时发现。姚期智表示，因为数据要素的价值与业务价值直接挂钩，就可以参考传统资产交易市场的价格，对数据进行更及时的价格发现。但这需要对数据要素与资本、劳动、技术等其他生产要素的综合分析，尤其是以能够分析各要素在生产“函数”的贡献为前提。

——科技研发及智能网联汽车等领域或将迎来数字经济红利

姚期智表示，数字技术、数字经济是世界科技革命和产业变革的先机，数据驱动下，与数据相关的交易、流通审计、建模及模型治理等技术将是提高数字技术基础研发能力，打好关键核心技术攻坚战的重点，应该会迎来较快发展。