當前，由于人工智能的爆發(fā)、數據產(chǎn)權制度框架的提出、數據安全產(chǎn)業(yè)發(fā)展的需求，數據要素市場(chǎng)所涉及到的數據供給、確權評估、流通、安全管理等產(chǎn)業(yè)鏈關(guān)鍵環(huán)節，正在涌現一批快速發(fā)展的數據產(chǎn)業(yè)新賽道。據新經(jīng)濟智庫長(cháng)城戰略咨詢(xún)的分析，目前尤為引人關(guān)注的有三個(gè)賽道：
合成數據賽道：在大模型帶動(dòng)下成為產(chǎn)業(yè)發(fā)展新賽道
2023年，以ChatGPT等大模型為代表的AIGC技術(shù)取得重大突破，使大模型在全球范圍內受到了廣泛的關(guān)注，并開(kāi)始大規模應用，這離不開(kāi)大規模、高質(zhì)量數據的發(fā)展。根據公開(kāi)資料顯示，2018年GPT-1數據集約4.6GB,2020年GPT-3數據集達到了753GB，而2021年Gopher數據集已達10550GB，2023年GPT-4的數據量更是GPT-3的數十倍以上。大模型的技術(shù)突破將加速通用人工智能(AGI)時(shí)代的到來(lái)，屆時(shí)更加需要大規模、高質(zhì)量、多樣化的數據集提升模型效果和泛化能力。在此背景下，合成數據賽道將迎來(lái)爆發(fā)性發(fā)展。
合成數據是運用計算機模擬生成的人造數據，替代真實(shí)數據來(lái)訓練、測試和驗證大模型。當前主流大模型預訓練數據主要來(lái)源于公開(kāi)數據集、合作數據分享、大規模網(wǎng)絡(luò )數據以及通過(guò)數據眾包方式獲取的數據，普遍面臨中文數據集缺乏、質(zhì)量不高、成本過(guò)重等問(wèn)題。專(zhuān)家預測模型訓練中必不可少的語(yǔ)言數據將于2030-2040年耗盡，視覺(jué)數據將于2030-2060年耗盡，屆時(shí)合成數據將成為模型訓練的關(guān)鍵數據。根據Gartner預測，2024年用于訓練大模型的數據中有60%是合成數據，到2030年大模型使用的絕大部分數據都將由人工智能合成。
當前，合成數據賽道已涌現出快速發(fā)展的初創(chuàng )企業(yè)。如蔚來(lái)前高管創(chuàng )業(yè)的光輪智能，2023年成立以來(lái)連續獲得種子輪、天使輪、天使+三輪融資，累計融資金額達數千萬(wàn)元人民幣，其產(chǎn)品已經(jīng)開(kāi)始服務(wù)于數家自動(dòng)駕駛和機器人公司。寬客進(jìn)化(AiQuant)基于A(yíng)IGC技術(shù)提供人造合成數據與數據增強引擎、場(chǎng)景智能體解決方案，服務(wù)證券市場(chǎng)投資機構、金融風(fēng)險管理、電信運營(yíng)商、政府經(jīng)濟治理、市場(chǎng)監管、金融科研。
數據確權合規賽道：隨著(zhù)數據產(chǎn)權制度的提出和數據資產(chǎn)的落地始向快車(chē)道
明確產(chǎn)權、設立產(chǎn)權保護制度是生產(chǎn)要素參與生產(chǎn)、獲得收益的基礎，數據要素也不例外。數據要素產(chǎn)權被定義為附著(zhù)在數據上的一系列排他性權利的集合，是調整人與人之間關(guān)于數據使用的利益關(guān)系的制度。數據確權主要包含兩個(gè)方面，一方面是確定數據的權利主體，另一方面是確定權利的內容。數據確權是數據資產(chǎn)化的基礎和交易流通的前提。
數據確權是數據產(chǎn)業(yè)發(fā)展的核心問(wèn)題之一，是后續突破定價(jià)、流通、交易等環(huán)節，進(jìn)而令其真正成為一種資產(chǎn)的前提條件。數據確權的主要目的是以法律形式明確數據的產(chǎn)權歸屬問(wèn)題，規范數據采集、傳輸和交易等流程。這有助于保護數據所有權，推動(dòng)數據資源的整合和利用，降低數據交易的成本，從而激發(fā)大數據及其相關(guān)產(chǎn)業(yè)的活力，促進(jìn)數據產(chǎn)業(yè)的快速發(fā)展。隨著(zhù)“數據二十條 ”中“三權分置”數據產(chǎn)權制度框架的提出，以及數據資產(chǎn)入表的落地，數據確權合規賽道發(fā)展開(kāi)始邁向快車(chē)道。
目前，國內的數據確權服務(wù)工作主要由一些國有企業(yè)搭建的平臺承擔。人民網(wǎng)旗下的人民數據推出人民數據資產(chǎn)服務(wù)平臺，以人民網(wǎng)的“人民鏈”技術(shù)為技術(shù)基礎，成為行業(yè)內首個(gè)集數據合規性審核、數據確權出版、數據流通登記和數據資產(chǎn)服務(wù)于一體的國家級綜合數據資產(chǎn)服務(wù)平臺，也被視為國內首個(gè)數據確權平臺。同時(shí)，制定的數據確權標準“人民數據確權108項名錄”正式上線(xiàn)?；谠撁?，浙江中國小商品城集團股份有限公司的義烏·中國小商品指數在人民鏈·數據確權平臺完成確權公示。武漢東湖大數據科技股份有限公司和青島數據資產(chǎn)登記評價(jià)中心等聯(lián)合推出國內首個(gè)產(chǎn)業(yè)數據資產(chǎn)登記評價(jià)平臺，提供面向產(chǎn)業(yè)數據資源的登記評價(jià)服務(wù)。目前已實(shí)現包括武漢、青島、廈門(mén)和蘭州四個(gè)城市的互聯(lián)互通互認。
隱私計算賽道：在政策和市場(chǎng)的雙重驅動(dòng)下高速發(fā)展
隱私計算是隱私保護計算(Privacy-preserving Computation)的簡(jiǎn)稱(chēng)，是指在提供數據隱私保護的前提下，對數據進(jìn)行分析計算的一類(lèi)技術(shù)，可構建“原始數據不出域、數據可用不可見(jiàn)”的數據可信流通范式。隱私計算涵蓋了安全多方計算、同態(tài)加密、差分隱私、零知識證明、聯(lián)邦學(xué)習、可信執行環(huán)境等眾多技術(shù)子項，以及這些技術(shù)子項的組合及相關(guān)產(chǎn)品方案。
隱私計算正處于產(chǎn)業(yè)快速增長(cháng)階段。在推動(dòng)“數據二十條”理念落地的途徑中，隱私計算作為平衡數據流通與價(jià)值釋放的關(guān)鍵“技術(shù)解”，得到了越來(lái)越多的重視。2023年1月《關(guān)于促進(jìn)數據安全產(chǎn)業(yè)發(fā)展的指導意見(jiàn)》提出加強隱私計算、數據流轉分析等關(guān)鍵技術(shù)攻關(guān);加強隱私計算等產(chǎn)品研發(fā);推進(jìn)安全多方計算、聯(lián)邦學(xué)習、全同態(tài)加密等數據開(kāi)發(fā)利用支撐技術(shù)的部署應用。2022年Gartner技術(shù)成熟度曲線(xiàn)列出的25項值得關(guān)注的新興技術(shù)中，有6項與隱私計算相關(guān)。Gartner報告還指出，至2024年，隱私驅動(dòng)的數據保護和合規技術(shù)支出將在全球突破150億美元以上。
當前，隱私計算技術(shù)提供商主要有四類(lèi)：一是螞蟻集團、百度等為代表的互聯(lián)網(wǎng)廠(chǎng)商，憑借自己的技術(shù)、資金、場(chǎng)景和積累的海量數據源優(yōu)勢，已推出各自基于隱私計算的相關(guān)產(chǎn)品;二是高成長(cháng)初創(chuàng )企業(yè)，如華控清交(2022年完成近2億元B+輪融資)、翼方健數(2023年完成數億元B++輪融資)、洞見(jiàn)科技(2022年完成超億元A輪融資)、星環(huán)科技(2022年IPO上市)、星云 Clustar(2022年完成千萬(wàn)美元B輪融資)、數牘科技(2021年完成3.08億人元A輪融資)等;三是瑞萊智慧、云從科技、神州泰岳等集成商，將隱私技術(shù)與現有的軟件、硬件、數據服務(wù)等嫁接或集成，植入到服務(wù)中;四是區塊鏈公司、金融科技公司、數據服務(wù)商、安全技術(shù)商等公司，基于原有業(yè)務(wù)的客戶(hù)需求與相關(guān)技術(shù)來(lái)發(fā)展隱私計算模塊，如趣鏈科技、聯(lián)易融、微眾銀行、沖量在線(xiàn)、信安世紀等。
在政策的推動(dòng)和市場(chǎng)各方面參與者的努力下，我國數據要素市場(chǎng)的正走向蓬勃發(fā)展的階段，合成數據、數據確權和隱私計算等賽道迅速崛起。未來(lái)更多的數據產(chǎn)業(yè)將在數據乘數的作用下，放大勞動(dòng)力、資本、技術(shù)等要素在社會(huì )各行業(yè)價(jià)值鏈流轉中產(chǎn)生的價(jià)值，不斷促使數據產(chǎn)業(yè)裂變或聚合成新的賽道，推動(dòng)數據產(chǎn)業(yè)的發(fā)展空間和格局不斷擴展。
(作者單位：北京市長(cháng)城企業(yè)戰略研究所)
(責任編輯：韓夢(mèng)晨)
