数据属于谁？——数字时代为什么必须把所有权、使用权、收益权和责任权分开

互联网时代，一个越来越重要的问题是：

数据到底属于谁？

有人说，数据是个人产生的，所以应该属于个人。

有人说，数据是企业收集、整理和加工出来的，所以应该属于企业。

还有人认为，数据关系国家安全和公共利益，因此应该由国家掌握。

这些答案都抓住了一部分问题，但它们都有一个共同的前提：

默认“所有权、使用权、控制权、收益权和责任权”必须属于同一个主体。

这恰恰可能是数字时代最需要重新思考的地方。

土地可以所有权与经营权分离，企业可以所有权与经营权分离，知识产权可以授权使用，金融资产可以所有权与管理权分离。

那么，为什么数据一定要把所有权、使用权、收益权和控制权捆在一起？

我认为，数字时代的数据治理，真正需要建立的不是一个简单的“数据归谁所有”的答案，而是一套：

数据权利分层制度。

一、数据为什么比普通商品特殊？

一块面包被一个人吃掉以后，别人就不能再吃这一块面包。

但是一条数据不同。

一个人的消费记录，可以同时用于：

• 改进推荐算法；
• 研究消费趋势；
• 优化物流；
• 训练人工智能；
• 进行公共政策研究。

数据具有非常特殊的性质：

$$ \boxed{ 一次产生 \neq 一次消耗 } $$

甚至：

$$ \boxed{ 数据越被合理使用，可能产生越多新的价值 } $$

这意味着数据和传统的土地、机器、商品并不完全一样。

它更像一种：

可以重复使用、组合使用、复制使用，并不断产生新信息的数字生产要素。

因此，如果把数据简单交给某一个主体永久垄断，就可能出现一个问题：

数据的价值创造能力被所有权本身锁死。

二、真正的问题不是“数据归谁”，而是“谁拥有哪些权利”

我们可以把传统的“所有权”拆开。

至少包括：

$$ \boxed{ 所有权 \neq 访问权 \neq 使用权 \neq 收益权 \neq 控制权 \neq 责任权 } $$

这六种权利完全可以由不同主体承担。

例如：

一个人产生自己的医疗数据。

这个人应该拥有：

• 知情权；
• 查看权；
• 授权权；
• 撤回权；
• 更正权。

医院可能承担：

• 数据保管责任；
• 医疗记录责任。

公共机构可能承担：

• 公共卫生统计责任。

科研机构可以在授权条件下获得：

• 特定用途使用权。

企业则可能因为自己的算法、算力和劳动获得：

• 创新收益。

于是，同一份数据就不需要回答：

“到底100%属于谁？”

而是回答：

每一种权利到底属于谁？

这才是数字时代真正值得讨论的问题。

三、公共数据应该建立“全民数据底座”

这里需要特别区分：

国家管理数据

和：

国家垄断数据

不是一回事。

如果把所有数据简单宣布为“国家所有”，可能只是把：

$$ 私人垄断 \rightarrow 公共垄断 $$

却没有真正解决权力集中。

更合理的思路是：

对具有明显公共属性的数据建立全民数据底座。

例如：

• 公共交通数据；
• 城市运行数据；
• 环境数据；
• 公共基础设施数据；
• 公共服务数据；
• 在严格隐私保护下形成的公共统计数据。

公共机构负责：

• 安全；
• 托管；
• 登记；
• 权限管理；
• 公共监督。

但是：

$$ \boxed{ 公共托管 \neq 公共机构可以随意使用 } $$

国家平台自己也必须接受监督。

否则“全民所有”最后可能变成：

没有任何一个具体的人能够真正控制。

四、个人数据不能因为进入公共系统就失去个人权利

数据公共化不能意味着：

“你的数据既然进入公共数据库，就与本人无关了。”

恰恰相反。

一个成熟的数据制度应该让个人能够知道：

我的数据在哪里？

谁使用过？

用来干什么？

使用到什么时候？

有没有被转交给第三方？

有没有产生商业收益？

因此可以建立：

$$ \boxed{ 数据调用可查询 } $$

$$ \boxed{ 数据用途可追踪 } $$

$$ \boxed{ 数据授权有期限 } $$

$$ \boxed{ 数据责任可追溯 } $$

这实际上是把传统的“所有权”进一步转化成：

可观察、可授权、可撤回、可追责的数据权利。

五、公共数据开放，不等于国家自己开发所有算法

这是另一个非常重要的区别。

假设一个公共数据底座建立起来了。

国家完全可以说：

数据属于公共基础设施。

但同时允许：

• 民营企业；
• 科研机构；
• 大学；
• 开源社区；
• 个人开发者；

在明确规则下竞争性使用数据。

于是形成：

$$ \boxed{ 公共数据底座 + 市场算法竞争 } $$

数据基础设施降低进入壁垒。

算法市场负责发现创新。

这和传统平台经济的逻辑正好相反。

传统平台容易形成：

$$ 数据 \rightarrow 算法 \rightarrow 用户 \rightarrow 流量 \rightarrow 资本 \rightarrow 更多数据 $$

最后形成闭环。

一旦数据成为某个平台永久垄断的生产资料，新进入者就很难竞争。

而公共数据底座可以把这个闭环拆开：

$$ 公共数据 \rightarrow 开放使用 \rightarrow 算法竞争 \rightarrow 创新 $$

这样，企业真正竞争的是：

谁的算法更好、产品更好、服务更好。

而不是：

谁先把数据圈起来。

六、但是，使用公共数据不等于算法自动归全民

这里同样不能走向另一个极端。

一家企业使用公共数据开发出了一个新的AI模型。

它可能投入了：

• 工程师；
• 算力；
• 实验；
• 管理；
• 产品化；
• 大量失败成本。

如果因为它使用了公共数据，就宣布：

“模型自动归国家。”

那么激励尺马上会出现问题。

所以应该区分：

$$ \boxed{ 公共数据使用权 \neq 算法产权 } $$

公共数据可以成为公共基础设施。

算法仍然可以竞争。

真正具有重大公共利益的创新，则可以采用：

$$ \boxed{ 市场创新 \rightarrow 验证增量 \rightarrow 公共购买 \rightarrow 全民共享 } $$

这与直接没收不同。

国家不是提前规定：

“你创造的一切都属于国家。”

而是：

先允许创新发生，确认真实增量以后，再通过公共采购、增量奖励等方式，把重要成果转化为公共财富。

这也是激励尺真正发挥作用的地方。

七、数据治理必须遵守一个重要原则：权利可以分离，责任不能悬空

数据治理最危险的情况之一，就是出现：

“这不是我的责任。”

例如数据泄露以后：

数据保管方说：

是算法公司的问题。

算法公司说：

是数据本身的问题。

第三方又说：

是用户授权的问题。

最后：

$$ 责任=0 $$

这显然不合理。

所以必须建立：

$$ \boxed{ 权利可以分离 \quad 责任不能悬空 } $$

数据托管者承担：

• 安全责任；
• 越权访问责任；
• 非法开放责任。

数据使用者承担：

• 超范围使用责任；
• 再识别责任；
• 滥用责任。

算法提供者承担：

• 算法合规责任；
• 歧视性结果责任；
• 误用风险责任。

如果多个主体共同造成损害，则按照可归因的因果关系划分责任。

这就与贡献尺连接起来了：

谁对结果造成了多少可归因的影响，就应该承担与其控制能力和因果作用相匹配的责任。

八、谁拥有更大的控制权，谁就不能拥有更小的责任

这也是数据治理中特别重要的一条原则。

可以简单写成：

$$ \boxed{ 控制权\uparrow \Rightarrow 相应责任不能\downarrow } $$

一个企业如果只能使用一小部分数据，那么它的控制能力有限。

但是一个平台如果能够：

• 控制大量用户数据；
• 决定推荐规则；
• 决定流量分配；
• 决定商家排名；
• 决定谁能够接触消费者；

那么它的控制权已经非常大。

这时就不能仍然把自己定义成：

“我只是提供技术服务。”

名称不能改变事实。

所以：

命名不能替代测量。

真正需要测量的是：

• 控制了什么；
• 获得了什么；
• 转移了什么；
• 让谁承担了什么风险。

九、平台抽成不能简单理解成“数据租金”

平台经济还有一个经常被忽略的问题：

平台到底应该收多少抽成？

有人认为：

平台用了公共数据，所以不能收费。

这也过于简单。

平台可能真正提供了：

• 搜索；
• 匹配；
• 支付；
• 配送；
• 信用；
• 客服；
• 风险承担；
• 技术服务。

所以：

$$ 平台抽成 \neq 数据租金 $$

更合理的分析是：

$$ \boxed{ 平台收益 = 服务回报 + 创新回报 + 风险回报 + 网络效应收益 + 数据收益 + 垄断租金 } $$

真正应该重点治理的是：

垄断租金。

如果平台处于探索期，需要大量投入研发和市场教育，可以允许较高回报。

但当平台已经成为：

• 用户无法轻易离开的基础设施；
• 商家无法绕开的入口；
• 数据和流量高度集中的节点；

那么就需要动态降低其租金提取能力。

因此监管应该是：

$$ \boxed{ 探索期 \rightarrow 允许较高创新回报 } $$

$$ \boxed{ 成熟期 \rightarrow 限制垄断租金 } $$

而不是所有平台从第一天开始都采用同一个抽成比例。

十、平台越接近公共基础设施，越不能无限提取租金

判断平台是否需要更强监管，不能只看：

公司规模有多大。

更重要的是：

• 用户有没有替代选择；
• 商家能不能迁移；
• 数据能不能带走；
• 平台能不能互操作；
• 网络效应有多强；
• 转换成本有多高。

因此可以形成一个动态判断：

$$ \text{公共监管强度} = f( 垄断程度, 替代难度, 网络效应, 转换成本, 公共依赖 ) $$

平台越接近公共基础设施：

越需要开放接口、数据可携带、互操作和反垄断约束。

十一、全民数字红利不能简单变成“数据积分”

还有一个很容易出现的错误：

“每个人产生多少数据，就给多少积分。”

看起来公平，实际上可能重新制造一个伪精确的统一评分体系。

因为：

$$ 数据数量 \neq 数据价值 $$

一个人每天产生一万条数据，不代表一定比另一个人产生一百条数据更有价值。

数据价值取决于：

• 稀缺性；
• 使用场景；
• 组合方式；
• 使用者；
• 产生的增量；
• 可替代程度；
• 实际结果。

因此，更合理的全民数字红利可以采用两层：

$$ \boxed{ 全民基础红利 + 可验证增量红利 } $$

基础部分：

因为全民共同构成数字基础设施，所以全民共享。

增量部分：

对产生可验证公共增量的数据、创新和劳动进行进一步分配。

这样既避免：

数据资本完全私有化；

也避免：

所有人的数据价值被强行压成一个数字。

十二、流量也是一种数字时代的稀缺资源

平台不仅控制数据，还控制：

谁能够被看见。

这实际上是一个非常大的权力。

假设一百万个商家都在平台上。

平台算法决定：

谁排在第一位。

那么平台实际上掌握了一部分：

$$ \boxed{ 注意力分配权 } $$

这已经不只是商业服务问题。

因为：

没有曝光，就很难形成交易。

因此，流量治理至少需要同时接受几把尺子的检验。

选择尺：

消费者是否还有真正选择？

贡献尺：

流量是否根据真实贡献产生？

激励尺：

新进入者有没有合理机会？

价值流动：

平台是否把公共网络效应转化成过高私人租金？

所以：

流量公平不是简单的平均分流量。

真正的目标是：

不能让资本购买力成为获得公共注意力的唯一门票。

十三、数据跨境真正应该问的，不只是“去了哪里”

数据跨境是另一个容易简单化的问题。

真正重要的不是：

数据有没有跨境。

而是：

谁控制？

谁受益？

谁承担责任？

因此，对于重大、高风险的数据跨境安排，可以建立：

$$ \boxed{ 控制人 + 最终受益人 + 责任人 } $$

三重登记。

如果：

数据由A控制，

收益由B获得，

风险由C承担，

那么就应该进入重点审查。

因为最危险的情况并不是：

数据从一个国家移动到另一个国家。

而是：

收益、控制权和责任长期发生结构性错位。

这其实正是价值流动理论中的一个基本问题。

十四、数据治理最终不是“国有化”，而是“拆解垄断闭环”

把整个逻辑放在一起，就会发现：

我们真正反对的并不是：

私人使用数据。

也不是：

国家管理数据。

真正需要警惕的是：

$$ \boxed{ 数据所有 \rightarrow 数据控制 \rightarrow 算法控制 \rightarrow 流量控制 \rightarrow 收益控制 \rightarrow 规则控制 } $$

最终六种权力全部集中在一个主体手里。

一旦形成这种闭环：

数据不再只是生产资料，而会变成控制社会选择的基础设施。

因此真正需要做的是：

$$ \boxed{ 拆开这个闭环 } $$

让：

数据基础设施公共化；

数据使用竞争化；

算法创新市场化；

重大公共增量通过购买重新公共化；

收益进行合理回流；

责任持续可追溯；

控制权接受独立监督。

十五、这其实是“资本驯服”的数字版本

传统资本治理解决的是：

土地、机器、资金等稀缺生产要素被少数主体长期垄断。

数字时代出现了新的生产要素：

数据。

如果数据高度集中，就可能形成新的资本积累循环：

$$ 数据 \rightarrow 算法 \rightarrow 流量 \rightarrow 利润 \rightarrow 购买更多数据 \rightarrow 更强算法 \rightarrow 更多流量 $$

这与传统资本积累非常相似。

所以数字时代的关键问题不是：

“要不要市场？”

而是：

能不能让市场竞争发生在创新能力上，而不是发生在谁先圈住基础生产资料上？

这就是：

$$ \boxed{ 公共底座 + 竞争性使用 } $$

真正想解决的问题。

十六、六把尺子如何进入数据治理？

最后再回到六把尺子。

保障尺

数据基础设施不能因为私人垄断而使公民失去基本数字权利。

选择尺

用户是否真正拥有选择权？

能不能：

• 查看；
• 拒绝；
• 撤回；
• 携带；
• 更换平台？

劳动尺

数据并不是凭空产生的。

人的：

• 消费；
• 工作；
• 交流；
• 行动；

都会不断产生数据。

不能把人的持续活动完全变成平台的免费原料。

贡献尺

数据最终产生了什么可归因的增量？

不能因为“拥有大量数据”就自动等于“贡献巨大”。

激励尺

企业投入：

• 算法；
• 算力；
• 工程；
• 创新；

是否能够获得合理回报？

如果不能，创新就会下降。

意义尺

数据治理最终服务的是什么？

不是：

让数据库越来越大。

而是：

让人的选择能力、生产能力和生活质量真正提高。

十七、因此，数字时代最重要的不是回答“数据属于谁”

真正重要的问题是：

谁拥有哪一种权利？谁获得哪一种收益？谁承担哪一种风险？谁拥有多大的控制权？

可以把整个原则压缩成一句话：

$$ \boxed{ 数据权利可以分层， 数据使用可以竞争， 数据收益可以回流， 数据责任必须对应， 数据控制不能垄断。 } $$

这可能才是数字时代真正成熟的数据治理框架。

它既不是：

数据全部私有化。

也不是：

数据全部国有化。

而是：

把数据作为新的基础生产要素，对其权利进行拆分，让公共底座与市场创新同时存在。

过去工业时代需要解决：

土地和资本如何避免形成永久垄断。

数字时代还必须解决：

数据和算法如何避免形成新的永久垄断。

因此，所谓“数据属于谁”，最终应该从一个所有权问题，升级为一个六把尺子共同检验的：

权利结构、价值流动与权力分配问题。