中国互联网协会邬贺铨：数字经济新阶段需要怎样的数据治理
近期趋势：数据治理从“粗放”转向“精细”
数字经济进入新阶段后，数据作为核心生产要素的定位已成共识。中国互联网协会邬贺铨院士在多个场合强调，当前数据量爆发式增长，但治理框架仍处于“建章立制”向“落地执行”过渡期。用户对个人数据隐私、算法推荐透明度、自动化决策公平性的关注持续升温。监管层面，各地陆续出台数据分类分级保护、跨境数据流动等细化指引，但企业实践中仍面临合规成本高、标准不统一等现实问题。
同时，大模型训练对高质量数据集的需求激增，数据确权、交易流通、收益分配等环节的治理空白逐渐显现。邬贺铨指出，治理不能简单“一刀切”，需区分“公共数据”“企业数据”“个人数据”三类属性，按场景匹配不同规则。
行业背景：数据治理的三大基础矛盾
- 安全与效率的权衡：严格的数据保护可能抑制创新试错，但放任滥用又会导致信任危机。企业需要在合规成本与数据价值挖掘之间找到平衡点。
- 集中与分散的博弈：平台经济时代，数据向少数头部企业集中；而联邦学习、隐私计算等技术又推动数据“可用不可见”。治理机制需兼顾头部垄断风险与中小企业获取数据的门槛。
- 国内与国外的规则差异：数据跨境流动涉及国家安全、商业利益、个人权利等多维度博弈，不同国家提出的“数据主权”“数据本地化”要求存在冲突，企业出海面临长臂管辖与合规拉扯。
用户关注点：数据治理如何影响日常生活？
普通用户最直接感受是：APP频繁索权、个性化推荐边界模糊、用户画像的自动决策沉默成本。例如，当用户拒绝非必要的数据采集后，服务功能是否被“降级”？算法推荐导致的“信息茧房”如何打破？邬贺铨曾建议，治理应赋予用户更多“可控权”——比如数据可携带权，允许用户在不同平台间迁移自己的社交关系、消费记录等数据。
此外，智能家居、车联网等场景下，设备产生的实时数据所有权归属模糊。用户购买硬件后，厂商能否未经授权对传感器数据用于训练模型？这一问题尚未有普适性规定。
可能影响：治理方向对产业的三层传导
- 对平台企业：合规成本上升，但合规能力强的企业将获得竞争壁垒。数据垄断行为将被精准限制，中小企业可能通过第三方数据交易所获得更平等的市场准入。
- 对技术供应商：隐私计算、数据脱敏、区块链存证等工具需求扩大，带来新的技术市场机会。但技术要求复杂，缺乏标准化评估体系，可能形成“伪合规”泡沫。
- 对终端用户：短期看隐私保护增强，长期看数据要素市场化后，用户或能从数据贡献中获取直接收益（如数据分红）。但这一模式落地需要明确的权责分配与监管兜底。
后续观察：数据治理落地的三个关键节点
- 细则可操作性：现有法规多搭建原则框架，下一步需要针对数据生命周期（采集、存储、使用、销毁）制定可量化、可审计的操作指南，例如“最小必要原则”的具体场景判定标准。
- 跨部门协同效率：数据治理涉及网信、工信、市场监管、公安等多个部门，多头监管可能造成企业重复填报或规则冲突。邬贺铨提到，建立“监管沙盒”机制，允许特定区域、特定场景先行试点，是降低试错成本的可行路径。
- 国际规则对接：被“数据出境安全评估”或“标准合同”机制影响的企业，需要评估自身数据处理活动是否属于“重要数据”或“个人信息”的范畴。后续观察各国在CPTPP、DEPA等数字经济协定中的数据条款一致性。
总结：数字经济新阶段的数据治理，不再只是“管住”数据，而是要在保障安全的前提下“用好”数据。邬贺铨的观点核心在于：治理工具需与数据应用场景高度匹配，过度警惕或过度开放都可能适得其反。行业参与者应密切关注分类分级规则、跨境细则、以及技术合规方案的成本变化。