top of page

數據《共票》

Updated: Apr 28

數據資源作為新的產業要素,與傳統資源特性有4個較大的區別,包括無形性、可變性、社會性,以及共用性,若要充分保障數據資源的持有權,首先要界定誰是數據持有者及權益歸屬,然後才可劃分權利邊界,再而依法保障持有者權益。正如本欄早前提到數據資源的非傳統「特性」,令判斷這些權利誰屬至今仍未有確切定論。截至2021年底,全國已有20多間數據交易平台,但買賣情況都不算理想,與此亦有很大關係。

近期有學者提出「共票理論」來攻破數據確權這難題,透過根源性化解數據交易收益分配的困境。「共票」(Coken)是數碼經濟背景下應運而生的全新數位化權益憑證,以區塊鏈為技術基礎,可調整人與人之間的利益分配,徹底改變過去由股東壟斷利潤的局面,讓更多處於弱勢地位的消費者、勞動者等相關數據提供主體者,獲得合理的收益分配,在提升分配效率的同時,充分體現收益分配機制的公平性,借助平台技術去構建數據利益分配規則、數據收益共創共享的概念。

2019年,中國人民大學教授楊東提出數據「共票」的理論,旨在跳出數據傳統民法所有權的邊界,不糾結於數據的權屬問題,通過專注於數據的共享,讓它充分流動起來,以實現更大的利益分配。這種說法的確是另闢奇徑,因為現在數據的權屬問題確實很難解決,例如你在路上駕車時所產生的各種數據到底屬誰所有,是駕駛者、汽車製造商、地圖供應方還是政府交通部門擁有也難以界定。在這種情況下,如果數據價值的利益可以通過區塊鏈的智能合約方式處理,讓各持份者能夠在商業場景中得到一定的利益回報,未嘗不是一種解決辦法。

數碼經濟快速發展,但技術、制度、完善標準等方面受到諸多限制,導致當前數據要素發揮效能不足。此外,在數據流通中存在大量問題,例如數據孤島現象頻生、數據安全意識不足、數據管理能力缺失,導致數據交易和流動堵塞。當然,也有學者的研究發現,若數據要素不流通,尤其是個人數據和公共數據流通性遲緩,制約了數據要素效能,同樣會導致它無法發揮最大價值。

車品覺_紅杉資本中國專家合夥人、阿里巴巴商學院特聘教授暨學術委員會委員

Recent Posts

See All
慎防智能代理「無聲」脫軌

試想想,人工智能(AI)系統已在生產環境中完成部署,但究竟要如何防止AI「悄然失靈」?過去3個月,全球超大規模企業在AI基礎設施上的資本支出達到一個前所未有的量級。單憑這一數據,人們或許會得出結論:AI的生產化部署正在全力推進,市場充滿信心。 然而,7月份第一周,來自不同領域的幾個訊號同時浮現,揭示出一個更為複雜的真相。一邊是史無前例的基礎設施投資;另一邊是一群深諳「系統可靠性」的專家──那些專門

 
 
AI預算黑洞 根源在架構設計

過去兩年。美國眾企業不約而同墮入一個速成陷阱: 認為購買了一個模型、聘請幾位演算法工程師、便能成功實現人工智能 (AI) 落地。然而,即使模型選擇正確數據卻 難以整合;數據成功整合,系統卻無法運行;系統成功運行,但業務部門不會操作;即使學會操作,3個月後模型又變得過時。 問題根源其實不在模型,而在架構。猶如建造大樓,若設計圖存在缺陷,再昂貴的材料也難以支撐。許多企業投入巨資購買「鋼筋水泥」(模型和

 
 
智能代理編程戰 懂人機協作致勝

上周把兩個消息放在一起看,很有意思。 第一個,Anthropic宣布Claude Code推出Artifacts,讓軟件工程師在寫程式的過程中,業務主管能同時打開網頁儀表板,就能看到軟件即時更新及開發的狀態。 第二個,中國人民大學和微軟亞洲研究院聯合推出一個叫Arbor開源自主人工智能體的新框架,系統能自動提出假設、修改代碼,運行真實實驗並從結果中學習,自動優化解決問題。 過去一年大家比併的是模型

 
 
bottom of page