完善數據立法至關重要

公布面向人工智能賦能的高質量行業數據集建設先行先試聯合體名單，明確禁止大數據殺熟等行為……近來，關於數據發展的管理規定持續成為各方關注的焦點。數據是驅動創新的重要引擎，不過也潛藏安全、治理與法治挑戰。平衡發展與安全、激發創新活力、防范重大風險，持續完善數據立法工作至關重要。

我國在數據立法方面持續發力，初步構建起以網絡安全法、數據安全法、個人信息保護法等為基石的法律規范體系。在數據要素層面，一系列法律法規為數據流通提供了分層次、分類別的合規路徑。在算法與模型層面，針對推薦算法、深度合成、生成式AI等不同技術形態，形成了以“備案—標識—可追溯”為核心的監管基線。法律法規之外，國家標准、行業指南等工具也得到運用，如《生成式人工智能服務安全基本要求》等，為企業提供了具體、可操作的指引。

不過，當前一些數據安全風險仍然存在。例如，人工智能正與各領域深度融合，但其對海量數據的依賴，使得數據泄露、非法獲取、惡意“投毒”等風險急劇放大，直接威脅個人隱私、商業秘密乃至國家安全﹔算法決策的“黑箱”與偏見，挑戰了傳統的透明與公平原則，隱含難以察覺的歧視，決策過程的不透明，也會使個人權利保障和追責機制面臨困境。此外，訓練數據的使用也常與個人信息保護、知識產權（如著作權）等產生沖突。有鑒於此，要在合法合規前提下，明確各方權責，建立可預期、可追溯的治理框架，構建科學、系統、動態且具有前瞻性的數據法律體系，為技術賦能，也為人們的美好“數字生活”上一把“安全鎖”。

一方面，堅持包容審慎原則。相關立法需在法治穩定性與技術靈活性之間尋求平衡，不能因追求“絕對安全”而扼殺創新。應建立基於風險等級的差異化監管框架，對低風險應用給予寬鬆發展空間，對醫療、金融等高風險領域實施嚴格規制。加快完善數據產權與流通制度。探索數據產權結構性分置制度，區分數據來源者、持有者、處理者的權利，平衡各方利益。細化數據確權、授權、交易、收益分配規則，在保障國家安全和個人隱私的前提下，通過標准合同、安全認証等工具，打通數據跨境與境內流通渠道，破解人工智能企業面臨的“數據荒”與“合規難”並存困境。強化算法問責與人工智能侵權裁判規則。針對“算法黑箱”，特別是在涉及重大個人權益或公共利益的決策中，應逐步推進算法透明，並從司法層面完善侵權裁判規則，對AI造成的損害責任分配、偏見歧視的救濟路徑等作出更明確的規定。

另一方面，構建“法律—標准—倫理”多元協同的准則體系。通過多元共治形成覆蓋技術全生命周期的治理合力，特別是將倫理准則嵌入技術研發與應用全流程，確保人工智能發展與人類價值觀對齊。引領深化全球人工智能治理，積極回應全球對於人工智能安全、可信、可控的共同關切，通過雙邊、多邊對話，在數據跨境流動、倫理標准、安全評估等方面推動國際規則互認，為構建公平、合理、包容的全球人工智能治理體系貢獻中國智慧與中國方案。