作者：李　毅

　　公布面向人工智能赋能的高质量行业数据集建设先行先试联合体名单，明确禁止大数据杀熟等行为……近来，关于数据发展的管理规定持续成为各方关注的焦点。数据是驱动创新的重要引擎，不过也潜藏安全、治理与法治挑战。平衡发展与安全、激发创新活力、防范重大风险，持续完善数据立法工作至关重要。

　　我国在数据立法方面持续发力，初步构建起以网络安全法、数据安全法、个人信息保护法等为基石的法律规范体系。在数据要素层面，一系列法律法规为数据流通提供了分层次、分类别的合规路径。在算法与模型层面，针对推荐算法、深度合成、生成式AI等不同技术形态，形成了以“备案—标识—可追溯”为核心的监管基线。法律法规之外，国家标准、行业指南等工具也得到运用，如《生成式人工智能服务安全基本要求》等，为企业提供了具体、可操作的指引。

　　不过，当前一些数据安全风险仍然存在。例如，人工智能正与各领域深度融合，但其对海量数据的依赖，使得数据泄露、非法获取、恶意“投毒”等风险急剧放大，直接威胁个人隐私、商业秘密乃至国家安全；算法决策的“黑箱”与偏见，挑战了传统的透明与公平原则，隐含难以察觉的歧视，决策过程的不透明，也会使个人权利保障和追责机制面临困境。此外，训练数据的使用也常与个人信息保护、知识产权（如著作权）等产生冲突。有鉴于此，要在合法合规前提下，明确各方权责，建立可预期、可追溯的治理框架，构建科学、系统、动态且具有前瞻性的数据法律体系，为技术赋能，也为人们的美好“数字生活”上一把“安全锁”。

　　一方面，坚持包容审慎原则。相关立法需在法治稳定性与技术灵活性之间寻求平衡，不能因追求“绝对安全”而扼杀创新。应建立基于风险等级的差异化监管框架，对低风险应用给予宽松发展空间，对医疗、金融等高风险领域实施严格规制。加快完善数据产权与流通制度。探索数据产权结构性分置制度，区分数据来源者、持有者、处理者的权利，平衡各方利益。细化数据确权、授权、交易、收益分配规则，在保障国家安全和个人隐私的前提下，通过标准合同、安全认证等工具，打通数据跨境与境内流通渠道，破解人工智能企业面临的“数据荒”与“合规难”并存困境。强化算法问责与人工智能侵权裁判规则。针对“算法黑箱”，特别是在涉及重大个人权益或公共利益的决策中，应逐步推进算法透明，并从司法层面完善侵权裁判规则，对AI造成的损害责任分配、偏见歧视的救济路径等作出更明确的规定。

　　另一方面，构建“法律—标准—伦理”多元协同的准则体系。通过多元共治形成覆盖技术全生命周期的治理合力，特别是将伦理准则嵌入技术研发与应用全流程，确保人工智能发展与人类价值观对齐。引领深化全球人工智能治理，积极回应全球对于人工智能安全、可信、可控的共同关切，通过双边、多边对话，在数据跨境流动、伦理标准、安全评估等方面推动国际规则互认，为构建公平、合理、包容的全球人工智能治理体系贡献中国智慧与中国方案。（李　毅）