▶  胡开忠

　　2025年，中国人工智能领域立法进入实质推进阶段。《国务院2025年度立法工作计划》与《全国人大常委会2025年度立法工作计划》均将“人工智能健康发展”纳入重点立法项目，网络安全法修正草案二审稿新增“人工智能安全与发展”相关内容，《关于深入实施“人工智能+”行动的意见》更明确将立法与标准建设作为制度基石。这一系列政策标志着数字经济时代的法律规制正加速完善，而数据作为人工智能发展的核心要素，其权益保护模式选择成为立法争议焦点。

　　当前学界与实务界围绕“是否需要创设新型数据知识产权”展开激烈辩论，部分观点主张通过专门赋权解决数据归属与流通问题。但结合人工智能立法的审慎推进原则与数据要素的本质特性，数据知识产权赋权理论在逻辑基础、实践可行性与制度效能上均存在缺陷。

　　数据知识产权赋权的理论根基缺失

　　从权利客体要件看，知识产权保护的核心是具有“创新性”与“确定性”的智力成果，而数据的本质是信息的集合，多数数据不具备这一核心特征。人工智能训练所依赖的海量基础数据，如用户行为记录、工业传感器数据等，多为事实性信息的原始采集，既无独创性表达，也无技术方案的创新性。即便是经过算法加工的衍生数据，其价值更多源于加工过程中的技术投入，而非数据本身的创造性。

　　从权利正当性理论看，传统知识产权的劳动赋权、经济激励等理论无法解释数据赋权的合理性。洛克劳动理论强调“劳动使无主物成为私有财产”，但数据具有非独占性与可复制性，数据处理者的劳动无法形成对数据的排他性控制，人工智能企业对数据的加工并不会导致原始数据的消耗，这与有形财产的劳动占有存在本质区别。经济激励论则认为赋权可避免“公地悲剧”，但实践中数据滥用多源于非法爬取、过度采集等行为，而非权利缺失。2025年新修订的《反不正当竞争法》增设“数据专款”，已通过规制不正当竞争行为有效遏制了数据掠夺性使用，印证无需专门赋权即可实现市场规制的制度效能。

　　数据赋权方案的实践缺陷风险

　　即便抛开理论争议，现有数据知识产权赋权方案在制度设计与实践操作中仍面临无法克服的困境，可能与人工智能立法的政策目标背道而驰。

　　首先，赋权方案存在“认识不统一”的先天性缺陷。当前学界提出的“三权分置”“数据所有权”等多种赋权模式，在权利主体界定、权利内容划分上分歧巨大。如《关于构建数据基础制度更好发挥数据要素作用的意见》中提出的“数据资源持有权、加工使用权、产品经营权”模式，虽为政策探索，但在法律转化中面临诸多难题。人工智能企业作为加工使用者，与数据来源者、平台方的权利边界如何划分；跨境数据流动中的权利适用冲突如何解决……这些问题尚未形成共识，仓促立法可能导致“制度碎片化”，反而破坏人工智能发展所需的法律确定性。

　　其次，赋权方案将显著增加交易成本，阻碍数据流通。人工智能产业的核心竞争力在于数据的聚合与利用，若对数据进行严格知识产权赋权，意味着每一次数据使用都需获得权利人事先授权。这与“人工智能+”行动所倡导的“促进数据要素高效流通”政策导向相悖。

　　再者，赋权方案可能引发“反公地悲剧”，限制技术创新。数据的价值实现具有“使用越多、价值越高”的网络效应，而知识产权的排他性本质可能导致数据被分割占有。部分互联网平台若获得数据知识产权，可能通过权利壁垒形成垄断，阻碍中小企业获取必要数据资源，最终抑制人工智能产业的创新活力。

　　现有法律的协同保护路径优化

　　笔者认为，无需创设新型数据知识产权，现有法律体系通过精准适用与适度修订，已能充分回应人工智能时代的数据权益保护需求，且更符合当前立法的渐进式推进原则。

　　《著作权法》可对具有独创性的数据表达提供保护。对于人工智能生成的数据分析报告、具有独创性编排的数据库，若满足“独创性”要件，可纳入著作权保护范畴。2025年，国家知识产权局发布的《人工智能相关发明专利申请指引》明确，人工智能参与创作的成果若体现人类创造性贡献，可获得相应知识产权保护，这一逻辑同样适用于数据类成果，重点保护“创造性表达”而非“数据本身”，既坚守了著作权法的核心原则，又避免了数据垄断。

　　专利法可聚焦数据处理技术的创新保护。人工智能的数据价值实现依赖算法、模型等技术手段，对于数据采集、清洗、分析过程中的创新性技术方案，可通过专利法予以保护。

　　《反不正当竞争法》与商业秘密制度构成数据保护的核心防线。2025年新修订的《反不正当竞争法》第十三条中增设“数据专款”，明确禁止非法获取、使用他人合法持有的数据，为数据权益保护提供直接依据。对于未公开的核心数据，如人工智能企业的训练数据集合，可通过商业秘密制度进行保护，要求权利人采取保密措施，既保障了数据处理者的投入回报，又不限制合法的数据共享与利用。