ku酷游官网-ku酷游网络股份有限公司

　　伏羲智库创始人李晓东教授推出《数字治理新模式：从多边多方到多元》系列文章，欢迎关心数字治理、国际规则与平台治理的朋友持续关注！

　　在上一节我讨论了治理架构、权责边界与激励机制，解决“协同怎么跑”。但治理要真正跑起来，还必须回答一个更重要的问题：协同靠什么跑？答案是基础设施。

　　我在课堂上反复强调：我们可以制定很多制度，但制度要落地，离不开新型基础设施支撑；而现实是，很多关键技术尚不能支持到“数据颗粒度”的治理，技术能力跟不上，制度就容易悬空；反过来，制度的压力又会倒逼技术研发，这是一个相互塑造的过程。

　　因此，本节聚焦第三章的“能力底座”：算力、数据与公共基础设施如何支撑可信AI治理，并在全球竞争与规则碎片化背景下，体现多元协同的公共品逻辑。

　　很多政策制定者会直觉地认为：治理就是立法、监管、执法。但在智能化时代，治理真正的“最后一公里”往往发生在技术接口处：数据是否能被识别、能否被授权、能否可审计，模型是否能被评测、能否留痕，算力是否可获得、是否可追溯。

　　制度落地需要新型基础设施支撑，但很多技术尚不能支持到数据颗粒度治理；政策影响技术、技术改进也会反过来影响政策，二者是互动过程。

　　这句话其实是AI治理的关键：治理要从“文本”走向“能力”，必须把规则嵌入基础设施，把基础设施做成可运行的治理能力。

　　《数字中国建设整体布局规划》把数字基础设施划分为网络基础设施、算力基础设施和应用基础设施三类，而支撑数据资源体系的数据基础设施在某种意义上属于网络基础设施范畴，并连接算力基础设施、支撑应用基础设施。

　　数据基础设施则贯穿并连接网络、算力与应用基础设施，打通数据资源体系、促进数据循环畅通，从而释放数据要素价值。

　　这在治理上意味着：AI治理不能只盯着“模型与应用”，也不能只盯着“数据安全与合规”。真正能把“安全与发展统筹起来”的，是把数据基础设施建成一条“可控、可用、可审计”的通道，让数据在全生命周期高效流通，同时可被治理规则承载。

　　为什么我总强调“数据生命周期”？因为很多治理失败并不是制度不对，而是制度只管了生命周期的一段。

　　用“数据视角”看底层逻辑：网络设施与算力设施是基础，中间还需要把采集传输、存储计算、到应用“整个拉通”；从数据采集、传输、存储、计算到应用，这是数据生命周期，最终还有消亡；没有底下算力和网络设施，就没有上面的应用，而中间这一层“拉通”决定了数据能否可靠采集传输并经有效计算支撑应用。

　　治理前置：不要等到数据进入模型、进入应用才治理，采集与传输环节同样关键；

　　治理可持续：消亡环节要纳入制度设计，否则“旧数据、旧模型、旧风险”会长期残留。

　　四、数据是AI差距的关键要素：难点不在“有没有”，而在“能不能用、敢不敢用、用得好不好”

　　在AI三要素（算力、算法、数据）中，我一直认为数据是最核心、也是最难解决的要素。说得更直白一些：互联网只是数据传输的载体，而数据是人工智能水平差距的关键要素。

　　人工智能最终的要素是数据：目前约96%是私域数据，而大模型训练用到的只是那4%的（可公开或可规模化使用的）数据部分。

　　数据问题不是简单的“共享/不共享”，而是“在安全与合规前提下实现高质量供给与安全交换”；

　　数据质量、数据供给与数据安全将共同决定AI发展能力，数据供给、数据质量和数据安全是决定人工智能发展的重要方面。

　　如果我们只谈“算力竞赛”，忽视“数据基础制度与基础设施”，最后会出现一种尴尬：算力越强，反而越缺高质量、可合规使用的数据；模型越大，反而越容易被低质量数据污染、导致偏差与幻觉风险在规模化应用中外溢。

　　算力问题看似是产业问题，但在智能化时代，它越来越像公共治理问题。原因很简单：当算力成为训练与部署大模型的“门票”，谁能获得算力，谁就更可能获得创新机会；反之，算力受控会形成新的结构性不平等。

　　我把AI治理的核心诉求概括为三件事：能不能做算法的共治、能不能做算力的共用、能不能做数据的共享，这可能都是美好的愿望，但必须朝这个方向去做；如果有人通过控制算力不让别人用，形成所谓“算力霸权”，这显然不行，大家希望算力资源分配更公平。

　　与此同时，算力治理不能仅仅理解为“建更多机房”。更重要的是把算力做成一种可配置、可计量、可调度、可审计的公共资源：

　　当前中国已建成世界规模领先的数字基础设施，网络基础设施规模全球最大，算力总规模位居全球第二。 规模优势如何转化为治理能力与创新优势，关键在于“算力公共品化”的制度与平台安排，而不是简单堆规模。

　　从全球比较看，美国在AI治理与竞争策略中非常重视“国家级研究资源”的制度化供给。2021年《国家人工智能倡议法案》生效后，美国设立国家人工智能倡议办公室，并成立国家人工智能研究资源工作组，打造“共享的国家人工智能研究基础设施”，提供可访问的计算资源、高质量数据、教育工具和用户支持，工作组成员来自联邦政府、大学和科技公司。

　　把算力与数据当作“创新底座”，而不仅是企业竞争资产。当研究基础设施公共可得，高校与中小企业就有机会参与创新，避免创新被少数巨头锁定。

　　把治理目标写进基础设施供给逻辑。美国在推动发展的同时开始重视AI安全治理，“问责、负责和可信”成为关键词。

　　换句话说，美国并不是“只发展不治理”，而是试图用基础设施供给把发展与治理绑定：谁用公共资源，谁就要接受公共规则。

　　把时间往回拉，我们会发现：互联网早期很多关键实践，本质上就是在解决“计算资源共享”问题。对比美国与中国早期路径：美国由政府出钱，学界与产业界提出建议并由学界建立网络，后期由美国自然科学基金建立NSFnet（学术网络）；而中国1989年建设中关村教育科研示范网（NCFC）核心节点在中科院、清华、北大，其核心不是“网络本身”，而是把分布在这些单位的计算设施连起来，实现共享计算资源，当时资金来自世行贷款。

　　标准选择与互联互通决定长期生态（当年选择TCP/IP接轨，就是为了互联互通）。

　　把这个逻辑映射到今天，就是：我们需要在更高层次实现算力共建、算法共治、数据共享，在安全前提下拓展创新空间。

　　八、数据互操作与“可信数据互联”：从“数据中台”走向“数据中枢”，用“可用不可见”破解跨域共享难题

　　数据为什么难共享？难在跨域互联互通和交换共享的复杂度越来越高。互联网已经发展到以可信数据互联为特征的新阶段，数字经济进入数据和应用解耦的新时代，应用与数据的一对一关系演变为多对多关系，互操作复杂度大幅提升，解决“数岛间的数据互操作”成为关键。

　　“互联网数据互操作”是跨域互联互通与交换共享的基础技术，其基本原则是“数据不离域，可用不可见”，推动数据应用从“数据中台”向“数据中枢”转变；同时有助于保障数据内容可信、数据交易安全与收益分配公平。

　　这也是为什么我把数据互操作视作AI治理的“底层工程”：没有互操作，数据就无法规模化、合规化进入AI训练与应用；没有可信互联，数据就难以成为可持续的生产要素。

　　九、基础设施即治理：用数据互操作系统把“确权、授权、交换”做成可审计闭环

　　要让“可信数据互联”真正可落地，必须让治理规则被基础设施承载。建立数据基础设施促进数据互联驱动可信人工智能发展的工程化方案：

　　数据基础设施是解决人工智能数据问题的关键路径，也是构建可信AI的基础，涵盖数据采集、传输、存储、计算、应用与消亡等环节；

　　需要建立统一的“共权、共享、共赢”数据治理原则，采用统一基础设施建设标准，实施分散式管理，并秉持开放包容理念先行先试；

　　在底层技术上，为实现跨域互操作并承载数据治理规则，需要建立数据互操作系统（DIS）；DIS从标识确权、认证授权和安全交换三个方面解决数据发现、确权与交易问题，对解决数据孤岛、激励共享、确保安全合规至关重要。

　　“盘活数据要素”的三个条件：标识确权（合法性与可追溯性）、认证授权（安全合规）、安全交换（流通过程安全与隐私保护），通过数据开放共享政策优化供给、通过清洗标准化提升质量、通过加密与访问控制增强安全。

　　最后，我给政策制定者与研究者提出一个更可执行的路线图：把AI治理底座建设理解为“三个公共品”的协同供给：算力公共品、数据公共品、评测与审计公共品。

　　以公共科研与公共服务为优先场景，借鉴“共享国家AI研究基础设施”的做法，为高校、中小企业和公共机构提供可访问计算资源与配套支持。

　　以数据互操作为核心能力，遵循“数据不离域、可用不可见”，推动从数据中台到数据中枢的演进，解决跨域互联互通与交换共享问题。

　　以DIS为关键工程，把确权、授权、安全交换做成闭环，落实“共权、共享、共赢”的治理原则。

　　把安全评测、红队测试、审计接口、事件响应做成行业底座，使制度真正可执行（这一点在上一节已展开，这里强调其“基础设施化”方向）。

　　在这“三个公共品”之上，多元协同的运行机制要抓住一句话：谁有能力，谁承担责任；谁用公共资源，谁接受公共规则；谁贡献公共能力，谁获得公共收益。这本质上就是把“多元主体协同治理”从理念转化为可运行的制度生态。

　　同时，我们也必须把全球视野放进路线图：数据与算力分配不均、跨境流动限制、欠发达地区因网络基础设施薄弱导致公共治理数据缺口等问题，会拉大数字鸿沟并阻碍全球公共风险治理（粮食安全监测、流行病预警等）。如果再叠加少数国家与平台凭借技术累积资本、发展中国家提供数据却为服务付高额费用甚至形成“数据殖民”的结构性不公，那么“可信AI”就不可能成为真正的全球公共品。

　　本节我想强调的结论是：AI治理不只是规则竞争，更是基础设施与公共能力的竞争。没有可获得的算力，没有可信互联的数据，没有可审计的治理接口，再漂亮的治理框架也会停留在纸面；反过来，当我们把算力、数据与评测审计能力做成公共品，并以多元协同机制运行起来，可信AI就不再是口号，而会成为可持续的制度能力与产业能力。

　　下一节，我将进一步把“底座能力”与“国际治理”接起来讨论：在规则碎片化与技术地缘竞争加剧的背景下，中国如何参与并塑造AI治理的国际互操作机制——这将决定我们能否在全球范围内推进“从多边多方到多元”的治理新模式。