数据流通：人工智能产业发展的关键

内容提要：数据已成为数字经济时代和人工智能产业发展的重要生产要素。如何构建数据产权在内的数据基础制度成为当前的重要课题。中国“数据二十条”提出的“三权分置”数据产权理念和制度属于重大理论创新，但面临如何准确界定“三权”各自客体内容和权利边界等问题。相关司法实践可以提供有效的借鉴，并已形成部分共识。当前高质量中文数据集短缺作为制约人工智能发展的主要因素，亟待通过法律规则的更新供给来激活数据要素的价值。未来，应坚持以数据要素的高效流通利用为目标，并根据司法实践总结的规则适配数据要素的特性对数据产权的权项内容、权利边界、权利有效期、权利限制等进行审慎设置与平衡，确保数据资源的有效分配和利用，还应加强对个人信息匿名化标准和公共数据授权运营实践的探索，促进数据流通，助力人工智能产业发展。

关键词：数据流通 数据产权 三权分置 人工智能

一、引言

随着人工智能技术的发展，人类社会生活方式与经济模式产生了根本性变革，数据不仅成为数字经济时代最重要的生产要素，也是数字经济发展的重要驱动力。根据互联网数据中心（IDC）的预测，到2025年，全球数据圈（global datasphere）将扩展至163ZB，【1ZB约等于1万亿GB。】相当于2016年所产生的16.1ZB数据的十倍。【David Reinsel、John Gantz和John Rydning：《数据时代2025》，载希捷网，https：//www.seagate.com/files/www-content/our-story/trends/files/data-age-2025-white-paper-simplified-chinese.pdf，2024年8月19日访问。】

国家数据局2024年6月发布的《数字中国发展报告（2023年）》显示，我国数据产量保持快速增长态势，数字经济规模持续壮大。2023年，全国数据生产总量达32.85 ZB，同比增长22.44%。截至2023年年底，全国数据存储总量为1.73 ZB。2023年数字经济核心产业增加值估计超过12万亿元，占GDP比重的10%左右。以云计算、大数据、物联网等为代表的新兴业务收入逐年攀升，信息通信产品生产和电子元器件生产领域发展较快，围绕“数据资源、基础硬件、通用软件、行业应用、安全保障”的数字产业基础不断夯实，数字产业体系完备性、规模性优势日益明显。

我国数据产量的显著增长和存储量的扩大，不仅反映了数据积累的规模，也显示了数据潜力的深度，为数据的深度挖掘和应用提供了坚实的基础。2022年，ChatGPT的问世标志着人工智能从判别式发展到生成式的跨越。虽然目前的大模型只是针对特定任务和指定模态，离通用人工智能还有不少距离，但语言大模型让机器初步具有常识，懂得推理，学会创作，让人和机器能以较自然的方式互动，通过与周边工具的结合，表现出拟人的智能。【国家数据局：《AI时代的数据要素开发与治理》，载国家数据局微信公众号2023年11月3日，https：//mp.weixin.qq.com/s/UW9tn28dN7ehThSRZ8S3sQ，2024年8月19日访问。】

作为引领未来的通用技术，人工智能的快速迭代和其在各领域的广泛应用正在引发一系列链式突破，为数字经济的发展提供了强劲的动力支撑。如何通过法律制度和规则促进人工智能产业、数字经济的发展，是当前法律共同体面临的重大议题。

二、数据产权的构建探索、理论争议及比较法观察

2020年4月，中共中央、国务院发布的《关于构建更加完善的要素市场化配置体制机制的意见》首次明确将数据列为和土地、劳动力、资本、技术并列的生产要素，如何激发数据这一生产要素的活力、实现生产要素创新性配置，成为培育数据要素市场的核心目标。“研究根据数据性质完善产权性质”等关于数据基础制度的探索由此拉开了序幕。

数据基础制度是包含数据产权、数据要素流通和交易、收益分配、安全与治理等在内的一系列制度安排，是充分发挥数据要素作用的根本性制度。发挥数据要素价值、对数据进行充分开发利用及市场化配置，是数据基础制度的优先目标。然而，数据作为新兴生产要素，其在一定程度上既遵循传统生产要素市场化配置的一般规律，也呈现出许多新的特征。

（一）数据要素的特征

相较于土地、资本等生产要素而言，数据具有显著的无形性、可复制性、共享性、非竞争性、非消耗性特征，特别是从价值层面而言，数据具有场景化的价值潜力和不确定性，即相同数据在不同使用方或不同使用场景之下可发挥不同的价值，且数据复制和使用的边际成本接近于零，意味着数据的使用可以大规模扩展而不会带来相应的成本增加。就数据的上述特性而言，其在法律层面最接近知识产权的客体。特别是在无形性和排他性的问题上，知识产权客体借助法律拟制实现了排他性，似乎也可以借鉴至数据产权的规则框架中。但是，数据在收集、流转过程中承载了多方主体的参与和利益诉求，使得关于其排他性的规则设置远比知识产权客体复杂。数据的上述特性决定了在法律层面对其进行权利化制度构造，具有特殊性和复杂性。从立法依据看，虽然《民法总则》（草案）第108条曾将“数据信息”纳入知识产权客体范畴，但最终未获通过。《民法典》依旧将数据与知识产权的客体作了立法层面的区分。

（二）数据确权与数据流通

虽然数据权属不明确导致的不确定性会增加数据流通难度，但实践中，数据流通的场景远多于数据交易。数据在供应链上下游的数据产品生成和服务流转中发挥助推产业转型升级、壮大经济发展新引擎的作用，并非只有通过数据确权后的产权交易形式才能实现流转和价值的发挥。

有观点认为，《个人信息保护法》《反不正当竞争法》和知识产权法在回应数据权益主体的数据保护需求方面存在不足之处，数据确权立法才能有效实现对数据的保护，进而激励数据相关的生产和投资。从实践来看，上述观点值得商榷。无论是个人作为数据来源者，还是企业作为数据的收集、加工、处理者，基于劳动理论赋予其财产权进行激励固然有一定的理论正当性，但也要警惕过度激励或者超范围激励可能损害其他主体的利益，需要在激励程度上予以权衡。此外，通过用户协议、平台规则、商事合同等市场自治手段，已经完成了大量场景下的数据流通和交易，对于已经产生的数据纠纷，《反不正当竞争法》以其弹性和灵活性也进行了较好的应对，特别是最高人民法院和各知识产权法院、互联网法院等通过发布典型案例的形式，以裁判促规则，以规则促治理，以治理促发展，在没有数据确权的状态下，已经就部分数据流通规则在司法实践中达成了适应产业发展的一定共识。

从数据确权的实际效果而言，还需警惕“数据沼泽”现象。具言之，《民法典》《个人信息保护法》等法律法规已经为个人信息的收集、存储、使用等处理行为设定了规则，并赋予个人信息主体查阅、复制、删除等权利，在此基础之上从财产权角度赋予个人信息主体一项个人数据权利的必要性缺乏理论基础，且存在与已有权利的协调难题。此外，企业数据确权的规则更为复杂，不仅因为企业数据存在公开、半公开、非公开，单一、集合，原始、衍生等不同数据样态，确权及配套的流通规则需要进一步类型化和场景化，方可促进行业行稳致远合法合规持续发展。在部分场景下，企业数据还不可避免地包含大量的个人数据，面临与个人信息主体相关权益的协调问题，虽然“权利束”的理论构建旨在对权利进行分割配置，符合反公地悲剧设定的条件，但“在众多权利交织的背景下，任何一项权利、任何一个权利主体都可以排除他人对于数据的使用，以至于出现比专利丛林更为复杂的‘数据沼泽’现象”。【周汉华：《数据确权的误区》，载《法学研究》2023年第2期。】

（三）比较法观察：从赋权到聚焦设定流通规则

欧盟出于对数据库投资进行激励的目的，于1996年通过了《欧洲共同体关于数据库法律保护的指令》（以下简称“数据库指令”），【See Directive 96/9/EC of the European Parliament and of the Council of 11 March 1996 on the legal protection of databases ［1996］ OJ L77/20.】对数据库设定了特殊权利保护。欧盟委员会非常重视此种设置的实践效果，因而在2005年和2018年先后两次对其进行了效果评估，但两次评估结论均认为特殊权利未能刺激欧洲数据库产业投资，甚至产生了相反的效果。【孔德明：《数据财产权到访问权：欧盟数据设权立法转型解析》，载《比较法研究》2023年第6期。】2017年，《构建欧洲数据经济》（Building a European data economy）提出“数据生产者权利”（data producers right）的概念，目的是提高非个人或匿名化的机器生成数据作为经济商品的可交易性。就该权利的范围，存在两种设想：一种是将其设想为对物权利，即类似“所有权”的概念，包括转让、许可使用数据的专有权利，以及防止他人未经授权使用和获取数据的权利；另一种是不设定所有权，而是设定一套防御性的权利，保护对数据事实上的“占有”。【参见COMMISSION STAFF WORKING DOCUMENT on the free flow of data and emerging issues of the European data economy Accompanying the document Communication Building a European data economy，载https：//eur-lex.europa.eu/legal-content/EN/TXT/？uri=CELEX%3A52017SC0002.】然而，上述设想遭到了学界和业界的强烈反对，认为“定义数据访问权比定义所有权更重要”的观点逐渐占据上风。此后，2018年欧盟《通用数据保护条例》和2019年欧盟《非个人数据自由流动条例》从实现数据要素自由流动和市场有效竞争等目的出发，转向设定个人数据可携权和非个人数据可迁移性相关规则。2023年11月，欧洲议会和欧洲理事会正式批准了《欧盟数据法案》，不再强调个人数据与非个人数据的区分，“数据”在该法案下的定义广泛，涵盖“任何数字形式的行为、事实或信息”。法案要求数据处理服务供应商需采取措施，消除影响切换服务商的商业、技术、合同或组织障碍，允许更广泛地访问数据并消除更改数据服务供应商的障碍来刺激竞争激烈的数据市场。由此可见，欧盟在促进数据要素保护和流动的制度探索上，经历了从构建产权规则到聚焦设定流通规则的过程。

美国曾在1996年和1999年分别提出《数据库投资和知识产权反盗版法案》（Database Investment and Intellectual Property Antipiracy Act of 1996）和《信息收集反盗用法案》（Collections of Information Antipiracy Act），旨在对数据库投资或投入大量资源收集、维护信息集合者的利益进行保护，防止他人未经授权的复制、传播等盗用行为。【参见H.R.3531- Database Investment and Intellectual Property Antipiracy Act of 1996，载https：//www.govinfo.gov/content/pkg/BILLS-104hr3531ih/pdf/BILLS-104hr3531ih.pdf，H.R.354 - Collections of Information Antipiracy Act，https：//www.congress.gov/bill/106th-congress/house-bill/354.】然而，相关法案议案均因可能造成数据访问限制、数据垄断而遭到多方强烈反对，最终未能通过。关于个人数据，美国立法始终将其置于消费者权益保护的法律框架下，并未像欧盟一样对个人信息数据设定较强的保护规则。直到2018年6月，美国加州才颁布首个关于个人数据隐私的专门立法——《加利福尼亚消费者隐私法案》（California Consumer Privacy Act）。在法无禁止即自由的原则下，美国数据流通实践高度奉行意思自治、自由交易原则，形成了较为悠久的数据交易市场。市场主体通过合同约定、行业惯例等实现了对各自权利义务的分配，再配合法院的裁判规则，共同构筑了美国的数据流通规则。

日本在2018年修改《不正当竞争防止法》时将对特定数据的不正当获取、使用、披露，以及显著违反诚信原则使用或者披露数据等行为纳入其中进行规制。【参见日本经济产业省：「限定提供データに関する指針」，载日本经济产业省官网，https：//www.meti.go.jp/policy/economy/chizai/chiteki/guideline/h31pd.pdf.】从保护范围看，其将具有商业价值的、可供交易的数据集合（这种数据因为提供给特定人或多名特定人而并没有进行秘密管理）这一原本无法通过商业秘密路径进行保护的数据予以保护，扩张了反不正当竞争法保护的数据范围和类型，同时特别排除了免费向一般公众开放使用的数据。日本采取的这种数据保护模式较好地处理了数据保护和数据利用之间的关系，但存在和商业秘密保护界限不清、保护客体要件设置模糊等问题。

韩国于2021年12月修订了《反不正当竞争及保护商业秘密的相关法律》，吸收借鉴了日本的经验，采取了与日本类似的反不正当竞争法弱保护模式。【参见https：//www.shinkim.com/attachment/25431；shinkimfront=CFBAC6F178EECFC74856A718DFB27A6A.】

事实上，确保数据最大限度地流通和利用才是数据要素价值最大化和数据基础制度构建的基础。基于此，《中共中央、国务院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“数据二十条”）在关于数据权属的建构上淡化甚至放弃了“所有权”概念，转而强调一种以“数据相关权利结构性分置”为基本思路的数据产权观念和产权制度，为科学地认识和建构数据产权制度提供了新的基础。【熊丙万：《数据产权制度的理论挑战与现代回应》，载国家发展和改革委员会网站，https：//www.ndrc.gov.cn/xxgk/jd/jd/202212/t20221219＿1343666.html.】

三、以数据流通促进人工智能产业发展

（一）司法实践有关企业数据权益纠纷规则的分析与借鉴

“数据二十条”的“三权分置”产权结构设计属于我国数据基础制度的重大理论创新。然而，数据资源持有权、数据加工使用权和数据产品经营权各自的客体内容和权利边界，仍需审慎研究。特别是不同数据主体权利的排他性边界划定，仍存在较大的理论难度。对此，可以通过分析有关企业数据权益纠纷的司法实践借鉴相关规则。

在司法实践裁判规则中，对非公开的数据集合或企业合法收集并深度加工形成的数据产品予以保护已基本达成共识，理论分歧仅限于适用《反不正当竞争法》的商业秘密条款还是“互联网专条”或者第2条基本原则条款进行保护的具体法律适用问题。在“三权分置”结构中，数据加工使用权、数据产品经营权已经具备了较为清晰的权利内容和排他性边界。具体而言，对于数据加工使用权，由于其客体数据本身是可分享的，只要具有各自的价值基础，不同的使用者即可在相同或相似数据上形成各自独立使用的数据权利。【高富平：《论数据持有者权——构建数据流通利用秩序的新范式》，载《中外法学》2023年第2期。】

较多的司法纠纷集中在公开状态下，数据持有者从数据来源主体处依法收集后，按照产品逻辑简单聚合或初步加工的企业数据集合的保护或者排他性边界问题。对于此类数据而言，企业的收集、存储、展示、运营等行为都需付出相应的成本和劳动，也实现了数据资源价值的部分提升与转化。但其由于加工程度较低，甚至只是根据产品运营目的将海量原始数据予以聚合，并不足以使企业获得对该等数据的绝对排他控制性权益，否则可能侵害数据来源者的合法数据权益。加之其公开状态之下，还承载了数据流通利用的公共利益。三者利益冲突时，如何妥善地权衡，这是数据产权制度构建的核心难点之一，具体表现为数据资源持有权的权利边界设定。

对此，部分司法案例进行了有益探索，强调了“三重授权”【北京知产法院（2016）京73民终588号民事判决提到：在Open API开发合作模式中，第三方通过Open APl获取用户信息时应坚持“用户授权”+“平台授权”+“用户授权”的三重授权原则。】原则适用的局限性，防止对数据持有企业利益的保护异化为对数据要素流通的不当阻碍。如认为“如果数据是经过用户同意通过平台公开的，第三方可以不必遵守该原则直接爬取和使用平台内的公开个人数据内容。对于公开数据的流动一般不涉及‘三重授权’原则的适用”【北京互联网法院课题组：《数据权益知识产权司法保护的体系协调与规则创新》，载《法律适用》2024年第4期。】。比如，强调平台经营者应当在一定程度上容忍他人合法收集或利用其平台中已公开的数据。【北京市海淀区人民法院（2017）京0108民初24512号民事判决书。】对于原始数据，平台作为数据控制主体只能依其与用户的约定享有有限使用权，单一用户数据权益的归属并非“谁控制，谁享有”，使用他人控制的用户数据只要不违反“合法、正当、必要、不过度、征得用户同意”的原则，一般不应被认定为侵权行为。【浙江省杭州市中级人民法院（2020）浙01民终5889号民事判决书。】企业对涉案整体数据集合享有竞争性权益，与用户基于原始信息主张相关权利互不冲突、并行不悖。【浙江省高级人民法院（2023）浙民终1113号民事判决书。】

这些司法实践与“数据二十条”强调“数据来源者获取和复制由其促成产生数据的权益”的内在逻辑是一致的，其背后的法律逻辑也不言自明。参与主体在数据价值衍化过程中的投入不同，权益分配比重及排他性程度亦应有所差别。对于数据资源而言，收集和聚合的企业主体付出的劳动和数据产生的价值增益尚不足以使其获得与数据产品同等的排他控制力，更无法对抗数据来源主体合法获取、复制、转移的权利。否则，不仅与数据价值生成的分配逻辑和比例不相符，数据来源者对该等数据形成所作的贡献和权益无法得到充分尊重，还会使先占数据资源的企业凭借数据控制的优势地位设置数据获取障碍，阻碍数据合理传播和要素价值的充分发挥。当然，数据来源者的数据权益也并非凌驾于其他数据主体的权益之上，实践中仍应注意妥善平衡。比较法视野下，《欧盟数据法案》设定的用户数据访问及使用权也有“相关”“适当”“技术可行”等前提条件，并且对权利行使进行了限制，要求用户不得将请求获得的数据用于开发与数据来源产品竞争的产品。

综上，尽管目前受限于数据产权相关法律法规供给不足，司法实践围绕数据权益纠纷均采取行为规制模式，即将企业数据权益的分配问题置于反不正当竞争法下公共利益、经营者利益与消费者利益的“三元叠加”利益格局之中进行衡量。这与赋权模式下数据产权的构建思路殊途同归。故有学者认为，关于数据纠纷的司法裁判已经接近于为企业合法形成的数据确立一种新的排他性财产权，只是没有在名义上予以明确而已。【龙卫球：《再论企业数据保护的财产权化路径》，载《东方法学》2018年第3期。】需要强调的是，无论是行为规制模式还是赋权模式，均考虑数据的非排他、非竞争特性，以及数据的公共属性和在先权利，对数据产权所具有的支配性、排他性进行一定限制，特别是在数据权利的具体权能构建方面，相较财产权而言进行适度限缩。【何深睿：《数据流通利用 | 数据产权研究综述》，载清华大学智能法治研究院微信公众号2022年8月31日，https：//mp.weixin.qq.com/s/ZNscyid0CEGU＿piF4bFdag，2024年8月20日访问。】以上两种规制模式并无优劣之分，更重要的是探索出符合当前经济、社会发展阶段与特征的治理模式。

（二）数据流通助力人工智能产业发展的思考与建议

有鉴于此，应始终坚持以数据要素的高效流通利用为目标，并根据司法实践总结的规则适配数据要素的特性对企业数据产权的权项内容、控制范围、权利有效期、权利限制等进行审慎设置与平衡，在保护数据相关权利人合法权益的同时防止权利藩篱可能产生的阻碍数据流通后果。特别应聚焦探讨如何在促进数据利用和保护公共利益之间找到平衡点，确保数据资源的有效分配和利用，同时防止市场力量滥用和数据垄断现象的出现。具体而言，在企业数据赋权的实践中，必须审慎考量企业追求数据私利最大化的行为对数据流通及社会总体效益的潜在侵蚀效应。与此同时，需特别警惕数据权利泛化可能导致的新型市场壁垒的出现，如数据企业在市场竞争中利用其市场优势占据关键稀缺数据资源，并采取措施限制竞争对手获取相应数据。高昂的数据收集成本将降低数据的可获得性，从而限制大量的新进入者和潜在的进入者进入数据市场。

在个人信息流通方面，虽然《个人信息保护法》规定了匿名化处理后的信息不是个人信息，但匿名化的判断标准以及重新识别的风险始终是高悬在个人信息数据处理者头上的“达摩克利斯之剑”。为了确定一个自然人是否可识别，应考虑到控制者或他人为直接或间接识别该自然人而合理地可能使用的所有手段。进行识别程序所需要的成本、识别身份的目的、技术的现状及处理数据期间技术的发展都是应考虑的因素。当识别的可能性不存在或可被忽略时，不应理解为身份可识别的情况，而有关数据亦不属于个人信息。【ARTICLE 29 DATA PROTECTION WORKING PARTY，《Opinion 4/2007 on the concept of personal data》，https：//ec.europa.eu/justice/article-29/documentation/opinion-recommendation/files/2007/wp136_en.pdf，2024年8月20日访问。】如有关个人信息的相关司法解释或国家标准可以将经济成本和技术可行等细化为匿名化的具体考量因素，则有望为企业匿名化处理个人信息数据提供评估方法和判断标准，实现个人信息保护和数据商业化利用流通的有效平衡。

在公共数据的开放共享方面，“数据二十条”提出对公共数据加强汇聚共享和开放开发，推进互联互通，打破“数据孤岛”，并区分了“有条件无偿使用”和“有条件有偿使用”两种路径。然而，目前公共数据还存在数据质量不高、数据更新不及时、监督约束机制弱、开放评价不到位等问题，难以满足数字经济，特别是人工智能产业发展的现实需求。美国在联邦层面设立了统一开放平台（data.gov），规范数据的标准和格式，整体数据开放的体量大、种类多、更新频率高，AI数据训练的可用性较强。从高质量数据集建设的需求而言，期待我国能进一步加大公共数据的开放力度和标准化形式，助力人工智能产业的高效发展。

四、结语

人工智能的发展和产业应用，经历了从解决单一任务到生成通用大模型的发展历程，其中关键即在于扩展定律（Scaling Law）的成功验证，从GPT 1到GPT 3不断尝试，将参数规模提升100倍，训练数据量提升50倍，GPT 3.5（ChatGPT）出现了能力“涌现”。【阿里研究院：《产业之声 | 生成式AI在电商场景的应用、前景与挑战》，载阿里研究院微信公众号2024年7月2日，https：//mp.weixin.qq.com/s/piHq97-antGidwR--F-87g，2024年8月20日访问。】有大模型独角兽企业创始人对未来人工智能的发展给出了更为直接的判断：“AI研究了七八十年，唯一有效的东西其实是scaling law，就是不断放大数据、算力和算法这几样生产要素。”【拾象：《专访月之暗面杨植麟：lossless long context is everything》，载海外独角兽微信公众号2024年2月8日，https：//mp.weixin.qq.com/s/UMY0qZsCGh87KnW4wjfvoA.2024年8月20日访问。】

当前高质量中文数据集短缺作为制约人工智能，尤其是大模型发展的主要因素，亟待通过数据基础制度的构建促进企业数据、个人数据、公共数据的流通，通过法律规则的更新供给来激活数据要素的价值。

国家数据局等17部门联合印发的《“数据要素 ×” 三年行动计划（2024—2026年）》要求，“建设高质量语料库和基础科学数据集，支持开展人工智能大模型开发和训练”，并特别在“提升数据供给水平”部分专门强调，完善数据资源体系，打造高质量人工智能大模型训练数据集，加大公共数据资源供给，引导企业开放数据，加强供给激励，制定完善数据内容采集、加工、流通、应用等不同环节相关主体的权益保护规则，在保护个人隐私前提下促进个人信息合理利用，进一步为公共数据、企业数据、个人数据的保护和流通指明了方向。2023年12月，包括1亿余条数据、500亿个token、共计120G的首批中文基础语料库发布，但还远远不能满足国内大模型训练数据的要求。未来仍需进一步通过数据产权规则激活数据要素价值，为人工智能产业发展增添动力。

数据生产要素的特性、数据类型的复杂性和数据流通场景的多样性，决定了数据产权规则构建的理论和现实难度。尽管如此，仍可从广阔的数据流通交易和司法实践中归纳出共识的部分用以指导数据要素市场建设的具体规则，特别是在企业数据权益与数据来源者权益冲突的协调问题上，坚持企业数据资源持有权有限排他性的立场，保障数据来源者对数据的获取、复制或可携权。同时，通过对个人信息匿名化标准和公共数据授权运营实践的探索，进一步促进数据流通，助力人工智能产业发展。

Abstract：Data has become an important factor of production for the development of AI industry in the era of digital economy. Whether and how to construct the foundational system for data， including data property rights， has become an important issue. The concept and system of the “tripartite allocation” of data property rights proposed in China’s “Twenty Data Measures” is a major theoretical innovation， however， it needs to solve such issues as how to accurately define the content and boundary of each of the “three rights”. Relevant judicial practices can provide effective references and have formed some consensus on these issues.

Currently， the shortage of high-quality Chinese datasets is the major factor restricting the development of AI， and it is urgent to activate the value of data element by providing and updating legal rules. In the future， we should aim for the efficient circulation and utilization of data element to establish and carefully balance the content， boundary， valid period， and the limitations of data property rights in accordance with the rules summarized in judicial practice as well as the characteristics of data element， so that the effective distribution and utilization of data resources can be realized. In addition， we should continue exploring the anonymization standard of personal information and public data authorization to facilitate data circulation and boost the development of AI industry.

［责任编辑 邢峻彬］