數據交易如何破局

丁曉東

關鍵詞：數據要素市場 數據交易 阿羅信息悖論 數據產權 反不正當競爭 信用品

中圖分類號：DF529 文獻標識碼：A 文章編號：1674-4039-（2022）02-0144-158

引言

數據交易是數據要素市場建構的關鍵一環。在我國數據要素市場的規劃與建設中，通過數據交易所的模式推動數據交易與數據流通，已經成為了我國數據要素市場建設的重要政策。早在2015年，《國務院關于印發促進大數據發展行動綱要的通知》就提出“引導培育大數據交易市場，開展面向應用的數據交易市場試點，探索開展大數據衍生產品交易，鼓勵產業鏈各環節市場主體進行數據交換和交易，促進數據資源流通”。2021年，《國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要》明確，應“建立健全數據產權交易和行業自律機制，培育規范的數據交易平臺和市場主體”。同時，2021年生效的數據安全法第19條規定：“國家建立健全數據交易管理制度，規范數據交易行為，培育數據交易市場。”北京市、上海市、山東省、廣東省、安徽省等地更是紛紛出臺法規、政策或文件，要求或鼓勵地方政府組建大數據交易所，推進數據場內交易。

數據交易的重要性毋庸置疑，但從目前各地的探索來看，通過數據交易所進行的交易卻困難重重。貴州、深圳、北京等地雖然都成立了大數據交易所，但其交易額卻寥寥無幾。以最早成立的貴陽大數據交易所為例，在2015年成立時，當時的負責人期待“未來3～5年交易所日交易額會達到100億元，預計將誕生一個萬億元級別的交易市場”。但后來的運營卻與此相距甚遠，數據交易“并沒有想象中活躍”，2019年“交易所大概只做了500萬～800萬元的項目”，2020年更是低于500萬元。〔1〕其他數據交易所也面臨類似困境。在由國家發改委等機構召集的各類研討會上，不少數據交易所都談到了類似的情況，數據交易并不像土地交易所、證券交易所那樣活躍，也不像商場里的商品那樣高效流通。

數據交易為何困難？ 六十年前經濟學家肯尼斯·阿羅就給出過一個理論與解釋。該理論認為，數據或信息交易存在一個“根本悖論”：交易需要買方事先了解或獲取數據或信息，以確定數據或信息的價值;但賣方一旦向買方詳細披露數據，買方就等于免費獲取了信息或數據。〔2〕其后，這一問題在法學與經濟學文獻中不斷被提起和重構。例如，庫特教授認為，關于信息與數據的交易常常面臨“雙重信任困境”，即提供思想或信息的一方“需要相信投資者不會竊取他的想法”，投資者則“需要相信他的投資不會被欺騙”。〔3〕

部分觀點認為，解決阿羅信息悖論的關鍵在于財產化確權。一旦對數據進行財產化確權，那么作為賣家的一方就不會擔心數據公開會導致其價值喪失，買家和第三方也無權在未經許可的情形下獲取數據。在數據產權理論看來，借鑒財產權與知識產權的經驗確立數據產權，也是解決數據交易的關鍵。否則，不僅數據交易很難發生，而且數據要素市場還會產生諸如公地悲劇、“搭便車”、激勵不足等問題。缺乏數據確權與數據交易流轉，企業或社會主體將不會有動力對數據進行加工利用，很多社會主體可能都想不勞而獲地獲取他人數據。

本文從真實數據交易場景出發，結合法學與經濟學的相關經典理論與前沿理論，對阿羅信息悖論以及數據產權方案進行分析。在本文看來，數據交易盡管面臨重重困難，但數據產權卻并非解決這一問題的良方。即使是知識產權制度，其產權體系與傳統財產權也存在重大區別，交易模式也與傳統財產交易不同。一般數據更是如此，無論是數據交易中的信息悖論，還是公地悲劇、“搭便車”與投資激勵問題，數據財產化確權都無法有效解決，反而可能帶來更多問題。〔4〕為了解決阿羅信息悖論及其相關問題，應當重新理解數據的特征與數據交易的模式，建構合作溝通型的數據交易模式，以中介撮合模式重構大數據交易所的定位，完善相應法律制度。

一、數據交易的現實場景與服務型特征

為了對數據交易市場進行全面分析，本部分首先分類闡述數據交易的類型。〔5〕在此基礎上，本文指出真實世界里數據交易的共同特征是將數據作為服務，圍繞數據締結合同或進行合作;而非將數據作為財產或流通產品。〔6〕

（一）真實世界的數據交易

1.基于平臺的數據交易

基于平臺的數據交易指的是報紙、電視、網絡平臺通過廣告或接口為相關企業提供曝光度或數據流量，讓相關產品在更多用戶或觀眾面前曝光，增強產品的知名度和接受度。報紙、電視等傳統媒體平臺為各類產品所做的廣告，雖然看上去并非典型的數據交易，但也可以視為一種廣義上的數據交易與合作。只不過這類數據交易比較初級，報紙、電視往往針對不特定群體投放廣告，按時間段、時長收取企業費用。到了互聯網時代，基于流量與數據的合作變得更為多元。互聯網平臺可能為商家提供類似傳統媒體的流量與數據支持，例如，淘寶、京東等電商企業可能給某家企業以大量的流量支持，在首頁提供某個商家的入口;微信可能在其“支付”頁面（俗稱九宮格）為合作企業開通小程序的流量入口;百度等搜索引擎可能通過競價排名等機制為不同企業配備不同的流量。同時，互聯網平臺也可能為商家提供個性化的流量支持，例如，針對用戶提供“千人千面”的購物體驗與產品推薦。

2.基于數據庫的數據交易

基于數據庫的數據交易指的是基于數據庫的數據服務。數據庫企業常常匯集海量信息，為相關企業與用戶提供數據查詢和數據服務功能。例如，高校里常見的中國知網、萬方數據庫、Jstor、Lexis、Westlaw等數據庫，這類數據庫常常通過購買版權或其他方式收集論文、案例、法律法規，再通過匯總的方式形成數據庫，為高校等研究機構提供服務。在商業領域，也有很多類似的數據庫企業。例如，企查查立足于企業征信，經過深度學習、特征抽取和使用圖構建技術，為用戶提供相關數據信息。對于普通用戶，企查查提供一般查詢服務，而高級檢索的用戶要通過購買VIP資格來獲取。此外，平臺企業也可能衍生出自己的數據庫。例如，淘寶基于對自身數據的分析，打造了“生意參謀”數據庫，為淘寶內的商家提供有償服務。通過生意參謀，淘寶內的商家可以看到口徑標準統一、計算全面準確的店鋪數據和行業數據，進而為企業決策提供參謀。

3.基于采集加工的數據交易

基于采集加工的數據交易指的是數據型企業與科技類企業之間的數據交易。在這類交易中，數據型企業通過數據采集、數據標注、數據清洗等數據加工的方式，為醫藥、人工智能等科技類企業提供數據。例如，針對新冠肺炎疫情，數據采集與加工企業可以為藥企和疫苗研發提供大量病人的臨床數據。針對自動駕駛，數據采集與加工企業可能收集大量街道駕駛數據，通過標注現實生活場景中的車輛行駛軌跡，為自動駕駛提供訓練數據。針對語音類的智能客服，數據采集與加工企業可能收集大量的不同方言、不同音色的語音數據，為人工智能識別不同語音提供訓練數據。針對人臉識別，數據采集與加工企業可能收集大量的人臉信息，并通過標注為相關企業提供人臉識別訓練。數據采集與加工企業往往根據企業需求，收集大量的語音、圖像與文本數據，為客戶提供數據標注與數據定制服務。以我國企業“數據堂”為例，其采集了“成品數據集覆蓋20萬小時語音數據、50萬ID圖像視頻數據、4.5TB文本數據等，涵蓋80多種語言及方言”，提供“智能輔助標注技術”與“專業個性化數據采集定制與標注”等各類服務，其客戶包括了華為、百度等一大批國內外企業。

4.基于經紀商的數據交易

基于經紀商的數據交易指的是通過經紀商而發生的數據交易。在實踐中，數據經紀商經常從事與個人信息相關的數據型服務，為企業與用戶提供各類不同服務。有的數據經紀商專注于營銷，創建包括個人年齡、位置、教育程度、收入、網絡記錄、購買歷史和興趣的數據庫，為商家或用戶提供有針對性的廣告和營銷。數據經紀商可能收集了某臺設備識別碼或某個IP的位置信息，當某家企業希望對某個地區投放廣告時，該數據經紀商就將該廣告推送給某個IP地址段或到過某個位置的設備。另外，有的數據經紀商可能專注風險防控。例如，銀行或貸款機構在發放貸款之前，可能會求助于數據經紀商，幫助其確定所提供的信息是否準確合法，從而降低向欺詐者發放貸款的風險。網約車企業在審核其簽約司機時，外賣企業在審核其快遞員時，可能也希望從數據經紀商那里獲取有犯罪記錄或嚴重違法行為的人員信息，從而幫助其履行安全保障義務。目前，數據經紀商在美國等國家和地區發展非常成熟，但在我國仍然處于起步階段。〔7〕

（二）從數據合同到數據財產

上述對數據交易的總結與分類并非齊全，但卻可以從中大致總結出一個共同現象：數據交易幾乎都是點對點的交易或通過服務合同的交易，數據的流轉也更接近于類似“私人定制”的數據服務或小范圍流轉，并沒有產生類似土地、房產、消費用品的市場化流轉交易，更沒有形成類似證券、黃金、石油期貨的高頻交易。例如，在平臺類企業中，平臺為商家或用戶提供的是流量或流量入口;在數據庫企業中，數據庫提供的是查詢、查重等服務;在數據加工類企業中，企業所提供的是基于用戶需求的定制數據或數據標注;在數據經紀商類企業中，企業所提供的是企業用于廣告、風控等服務。在數據交易與合作中，企業更多將數據當作一種合同與服務，而沒有將數據當作一種財產進行交易。

數據交易是否可以超越基于數據的服務，成為一種基于數據產品本身的商品交易，甚至成為一種類似證券商品的高頻交易？ 從而構建一種數據交易的“厚市場”？〔8〕有的觀點認為，實現這一目標的關鍵在于數據確權。正如阿羅的信息悖論所述，數據或信息難以交換的關鍵在于：交易的公開性需求與公開導致數據泄露之間存在悖論。面對這一難題，有理論主張，以財產權或知識產權的方式對數據進行確權，可以有效地解決信息悖論問題。例如，科基教授指出，知識產權“創造了一套雙方在談判開始時就知道的明確的法律權利”， 知識產權的所有者可以“披露受合法壟斷范圍保護的此類信息”。〔9〕莫杰斯教授也指出，產權制度可以解決阿羅的信息悖論問題，當數據交易的雙方“難以通過合同”進行交易，信息產權制度仍“可以有效運作”。〔10〕

綜合數據產權理論，可以發現這一理論的正當性主要從兩方面論證。首先，數據財產化確權可以減少交易費用，避免阿羅信息悖論中的猜疑鏈或庫特教授所說的“雙重信任困境”。正如科斯所言，當交易費用較低時，權利的初始賦予并不重要，交易雙方總是可以通過市場談判而獲得最優的資源配置;但在交易費用較高時，高交易成本就會妨礙市場交易。〔11〕沿著科斯的這一進路，圍繞著交易成本的分析成為了法學與經濟學研究中的重心，交易成本被認為是分析市場交易的“關鍵維度”。〔12〕在支持財產權的學者看來，現實社會中往往存在高額的交易費用，這決定了財產權的優勢，財產權可以為交易雙方特別是多方交易主體提供清晰的信息，使得交易主體不必為復雜的社會現實和高交易成本所擔憂。

在過去幾十年里，這一理論在多個領域都產生了影響。例如，在公司法理論中，公司被認為是一種財產制度安排，公司可以成為多重契約的聯結，〔13〕解決公司內部復雜的資產分割問題，〔14〕避免社會主體需要和公司內部的每個成員打交道。在以史密斯為代表的新私法理論中，產權制度則被視為具有制度模塊的優勢，產權可以為市場交易提供有效的交易認知，提供比霍菲爾德以來各種權利束理論更低的信息搜尋與交易成本。〔15〕在數據等無形財產權問題上，支持財產權的理論認為，數據與動產和不動產并無不同之處，甚至可能更需要財產權保護，因為數據存在信息披露的悖論問題，比一般動產與不動產更難解決信息問題。有觀點甚至認為，所有“太陽底下任何人類創造的事物”都應當受到財產權保護。〔16〕

其次，數據產權的支持者指出，缺乏數據交易將導致公地悲劇、“搭便車”與投資激勵不足等問題。1968年，生物學家和哲學家哈丁發表了《公地悲劇》一文，指出沒有產權安排的公共資源使用將導致公共資源的浪費與“悲劇”。哈丁的理由是，每個用戶都可能過度使用沒有產權的公共資源，例如在公共草場上，農戶盡可能多地進行放牧，最終造成草場的退化。〔17〕哈丁的公地悲劇理論雖然建構在有形財產的基礎上，但這一理論也被應用在知識產權等無形財產上。〔18〕在知識產權的支持者看來，信息與數據等無形財產雖然與土地、商品等有形財產具有重大差異，但信息與數據也同樣存在公共悲劇問題。對符合條件的信息與數據進行一定期限的著作權、專利、商標的財產化保護，可以促進信息與數據的開發。信息與數據的開發利用者在采集、加工與提煉數據后，可以有效開發相關資源，將數據資源應用于最具有需求的交易方，并在保護期屆滿后允許公眾對其進行利用。這樣，數據等財產權設計可以有效促進公共領域的數據開發，更好地開發數據這一公地資源。〔19〕

“搭便車”、激勵理論和公地悲劇理論密切相關，但更關注數據產權對于促進市場預期、激勵市場主體與建構市場的作用。按照其推理，在缺乏產權保護的制度安排下，人們不會對相應資源進行投資、加工與維護，無法通過市場激勵與市場流轉的方式來激發市場活力。因為人們可以搭公共資源的“便車”，過度使用公共資源;或者搭他人的“便車”，對他人產品進行免費占有和利用。用經濟學的術語來說，這意味著缺乏產權保護將導致負外部性問題。對于支持數據產權理論的學者來說，產權制度正是解決外部性問題的良方，可以通過將外部性問題內部化而解決“搭便車”與激勵問題。在其經典著作《產權經濟學》中，德姆塞茨曾指出，在一個沒有交易成本的世界里，明晰產權將使所有者的活動成本和收益內部化，并允許將該權利出售給可能更重視該權利的其他人。〔20〕即使在具有交易成本的情形下，當產權保護所帶來的負外部性問題內部化超過產權保護帶來的成本時，產權保護仍值得追求。〔21〕

總之，數據產權理論認為，現實場景中數據交易以服務為對象，而非以數據本身為對象，其根源在于產權保護制度的缺失。一旦形成完備的數據產權制度，針對數據本身的交易需求就會被激發出來。就像在農業社會，人們之間的交易更多是勞務等形式的互助，只有到了工業化與商品化時代，各類商品、土地、技術等生產要素才出現市場交易。從這一邏輯推論，一旦關于數據的產權制度落實，針對數據本身的交易市場就可能出現，甚至可能出現類似證券市場的高頻交易。

二、數據特征與產權保護的困境

數據交易的困境是否可以通過產權制度解決？ 對數據的特征進行分析，可以發現數據具有價值不確定性、一定程度的非競爭性和非排他性等特征，這使得數據確權難以解決，或不適宜解決上文提到的交易成本、公地悲劇、“搭便車”等問題。在知識產權保護中，就已經存在上述問題，并引發了很多學者對知識產權過度財產化的批評。知識產權中的部分制度具有財產化特征，但也與傳統財產權存在較大區別。另外一些制度則更接近于非財產化保護。知識產權制度存在的問題，正從另一個側面反映了數據產權保護的困境。一旦對不滿足知識產權條件的數據進行產權保護，法律所面臨的困境將更為嚴重。

（一）數據價值的不確定性

數據本身的價值具有不確定性。產權理論的支持者認為產權制度可以降低市場交易費用。例如史密斯教授曾經指出，信息的知識產權保護可以降低市場的信息成本：“如果沒有這些制度，人們將沒有太多的動力參與與信息有關的某些活動，無論是發現信息、將信息商業化，還是利用信息降低消費者搜索成本。”〔22〕但數據特別是大數據的價值本身非常不確定。即使企業對外披露其數據，僅僅憑借數據本身也難以確定其價值，難以減少市場主體搜尋與利用數據的交易成本。〔23〕數據價值的不確定性有如下若干原因：

其一，大數據對相關問題的“預測”并不一定比已有的決策更加正確。舍恩伯格曾經指出，大數據的核心在于“預測”，并認為在不久的將來，“世界許多現在單純依靠人類判斷力的領域都會被計算機系統所改變甚至取代”，但舍恩伯格也同時強調，大數據的特征是“混雜性”而非“精確性”，是“相關關系”而非“因果關系”。〔24〕這就意味著，大數據所帶來的預測優勢僅僅是概率性的，并不意味著基于數據的決策在所有情形下都更準確。在實踐和各類研究中，也有大量的例子證明，數據未必總是能夠發揮正面作用，在不少情形下，數據甚至可能給企業帶來錯誤的決策。〔25〕

其二，數據本身往往很難進行兼容和集成，很難有效融合到企業已有的數據和決策體系中。數據的價值常常被類比為“石油”。但離開場景與服務，數據本身就是一堆表格和數字，對企業而言并無用處。〔26〕有的數據可能面臨結構化的問題，難以和用戶已有數據實現技術層面的融合。〔27〕有的數據雖然已經實現結構化，可以和企業已有數據在技術上實現整合。但在應用層面，這些數據可能難以有效和企業決策整合，幫助企業作出更佳決策或更有效的商業服務。〔28〕數據真正成為有價值的商品，必須結合需求方的具體場景，為企業提供看得見摸得著的服務。而要完成這種轉換，就需要網絡平臺、數據庫企業或數據經紀商對數據進行持續性加工，使其能夠持續性地嵌入企業發展需求。這也說明，為何數據的購買方或需求方往往并不直接購買數據，而是要求數據供給方為企業提供能夠解決現實生活場景的一對一服務。只有在相關數據能夠直接接入企業需求，成為契合企業內生數據一部分的情況下，數據才能真正成為企業的資產或助推器。就此而言，數據并不像“石油”、黃金或貨幣等資產，可以直接嵌入已有資產中;也不像土地、產品、專利那樣，可以相對容易與已有的生產要素進行匹配或融合。

其三，即使能夠確認某一數據的價值，數據也很難成為一種標準化產品。一般而言，能夠進行大規模流轉的產品都是那些能夠標準化的交易品， 交易品只有脫離了供給方和需求方的個性化因素，價值保持相對穩定，才不會因產品的供給方和需求方的不同而不同。但數據卻具有高度場景化特征，很難脫離場景成為標準化產品，也很難產生一個大規模流轉、適用于所有平臺和所有用戶的數據流量市場。從供給側來看，數據的供給方所供給的數據常常具有場景化特征。例如，在平臺類數據中，即使相同的數據與流量服務，其效果也會因為各平臺的受眾類型、消費習慣、觀看時間的不同而不同。比如，電視平臺的受眾可能年齡偏大，網絡用戶可能相對年輕，兩者對于不同產品的敏感度、接受度與購買興趣都不同，其收費價格也并不相同。從需求側來看，用戶常常只需要數據的很小一部分，很少需要對數據整體進行開發利用。以數據庫為例，數據庫可以說是標準程度最高的數據類型，但用戶在購買這類數據后，往往只需要對其部分進行利用。因此，數據庫企業在與不同高校、研究機構所簽訂的合同中，雖然都出售同樣的產品，但其所提供的服務和收取的費用往往相差巨大。

綜合而言，數據價值的不確定性使得數據本身難以成為一種可以流轉的標準化商品。能夠進行市場流轉的商品，一般需要具有相對確定和標準化的使用價值或交易價值。例如土地、產品具有工業或消費使用價值;黃金、貨幣、虛擬貨幣則具有交易價值，這些商品的價值都可以通過信息披露而大致確定。但在數據的例子里，很多數據的價值處于不確定或待定狀態。這樣，即使法律對數據進行財產化確權，也難以降低交易方的信息成本和交易費用。

（二）數據的非競爭性與非排他性

數據還具有一定程度的非競爭性和非排他性，這使得上文提到的公地悲劇理論不能簡單應用在數據問題上。上文提到，缺乏產權制度會導致公共領域的過度利用，或者導致對公共領域的開發利用不足。但首先可以指出，數據具有一定程度的非競爭性特征，并不像土地、商品或貨幣一樣是稀缺資源，一旦被他人占有，其價值就會完全喪失。〔29〕即使數據被他人復制或獲取，原始數據仍然存在，數據擁有者仍然可以對數據進行開發利用。正如羅斯教授所言，在數據與無形財產領域，不存在過度利用的問題，公地悲劇的理論并不適用。〔30〕

缺乏產權制度會否導致數據產品的激勵不夠，從而導致上文提到的“搭便車”問題，最終造成公共領域的開發利用不足？ 這一問題較為復雜，但可以指出“搭便車”行為并不一定都是負面行為。“搭便車”經常被認為是一種負外部性問題，因為“搭便車”會對他人財產造成損耗，而財產遭受損害的一方卻得不到補償。但即使在有形財產中，“搭便車”行為也不一定受到道德譴責和法律調整。〔31〕在無形財產或有形財產產生的無形資源中，“搭便車”更為普遍。一般而言，對無形財產的“搭便車”不會對對方物品造成損耗，因此“搭便車”很可能成為一種正外部性活動，產生所謂的“溢出效應”。〔32〕例如，當某戶人家在院子里種植花草樹木，路人和鄰居因此享受了花草的香味和美感，此時路人和鄰居的“搭便車”行為有利于社會的整體福利;當游客對當地房屋進行外部參觀或拍照，只要此類行為不侵害對方隱私或其他傷害，那么游客的此類“搭便車”行為也會產生正外部性。〔33〕

“搭便車”行為也未必妨礙投資激勵，更不一定需要以財產權制度進行投資激勵。“搭便車”行為經常會被認為不利于投資，因為付出投資成本的主體將無法在“搭便車”的情形下通過收費而收回成本。但正如萊西格等學者指出，“足夠的激勵”并不意味著“完美的控制”。〔34#〕即使鄰居與路人享受了花草的香味、房屋的視覺美感，也不會打擊戶主種植花草與修建房屋的動力。法律只需要保證投資者能夠有效獲取比成本更高的回報，而不必禁止所有的“搭便車”行為。如果對所有個人投資都進行絕對化的產權保護，那么結果將是過度的投資激勵，造成社會資源與社會福利完全被私人所占有。例如，承擔修建橋梁或高速公路的公司可以拒絕某些車輛的通行， 或者通過對車輛收取高額的通行費，在這些涉及正外部性的例子中，賦予個體以絕對性控制的權利，都會造成社會福利的整體下降。在數據問題上，由于數據的非稀缺性與競爭性，法律更應謹慎以財產權制度來進行投資激勵。因為一旦采取財產權和排他性保護，就剝奪了社會其他主體對于數據的利用，大幅降低社會的整體福利。

此外，數據還具有一定程度非排他性的特征，這使得每個社會主體都會進行大量的“搭便車”等行為。〔35〕傳統的動產與不動產之所以能夠確立財產權制度，除了法律對于違法行為的打擊，一個重要原因在于動產與不動產的所有者往往能自我保護。對于不能自我保護的財產，法律對其保護往往較為謹慎，因為這需要花費大量的執法資源。這就是為什么對于花草的香味、植物與房屋的視覺美感，法律常常并不進行保護。在信息與數據問題上，傳統農業社會更容易對信息與數據進行自我控制，例如手抄書籍往往只能在小范圍內流通，但在工業化時代，印刷術與現代媒介的形成使得所有者對信息與數據的控制能力越來越弱。特別是隨著互聯網與信息技術的發展，信息與數據可能“以零邊際成本為無限多的用戶”所獲取。〔36〕在這樣的背景下，如果對數據進行絕對化的財產權保護，就可能導致少數大型企業壟斷數據，〔37〕大量社會主體數據侵權的困境。面對“零邊際成本”和“無限多的用戶”，數據的產權保護將面臨法不責眾的困境。

（三）知識產權的啟示

或許有觀點會問：數據具有非競爭性與非排他性，但作為知識產權客體的智力成果也具有同樣的特征，為什么法律對智力成果確立了產權保護制度？ 如果說知識產權的財產化可以有效解決阿羅信息悖論以及與之相關的公地悲劇與激勵問題，〔38〕那么為何數據不能？ 對知識產權制度進行簡要分析，可以從反面論證數據產權的困境所在。

首先，知識產權并非傳統財產權，知識產權雖然被冠以“產權”的名稱，但不能完全以財產權進行理解。萊姆尼曾經指出，知識產權的“產權化”是一種修辭性的轉變。〔39〕從實際制度運行來看，知識產權與動產或不動產存在重大區別。產權的標志性特征是排他性，〔40〕但知識產權中的各種制度都規定了寬泛的例外。例如各國著作權都規定了合理使用制度，只對思想表達而非對思想本身進行保護;專利制度一般都允許反向破解，〔41〕且必須以登記和公開作為保護前提;無論是著作權還是專利，都規定了保護期限。〔42〕而商標和商業秘密則與財產權的區別更大，商標保護只針對商業化使用，商業秘密則以保密為前提，這兩者都更接近行為主義保護，而非對世（in rem）的財產權保護。

其次，即使非傳統財產權保護，知識產權也已經遇到了前文所提到的種種困境，并且試圖尋找非產權化的保護途徑。例如在著作權領域，萊西格等人提出的知識共享計劃就試圖淡化著作權的財產權特征，為創造者提供保護與非保護中間的選擇。在專利保護領域，專利惡意注冊所引發的“專利流氓”問題已經成為公害，帶來了漫天要價、知識私有化等一系列問題，引發了淡化專利財產權保護的呼聲。〔43〕此外，在公地悲劇、“搭便車”等問題上，也有學者指出，這些理論框架不適宜運用在知識產權上，不能以此論證智力成果的財產化保護。〔44〕

最后，也是最重要的，知識產權對于數據保護有嚴格的限定，大大縮小了數據的保護范圍。知識產權中的著作權、專利、商標，法律也都要求其具有原創性、新穎性與實用性、顯著性等特征，通過此類限定，法律將不具有價值的信息與數據排除在保護范圍之外，從而大幅降低了信息交易的成本;同時，這一限定也大幅減少了數據財產化保護可能帶來的問題。如果法律不加限定，對所有數據進行財產化保護，其結果必將是信息搜尋與認知成本進一步增加和負面問題也進一步增加。

對非知識產權的數據整體進行保護， 最為接近的法律制度是TRIPS協議和歐盟等部分國家或地區所采取的數據庫的特殊權利保護。〔45〕但這一法律制度存在若干重要限定。其一，這一法律的立法目的是為了保護對數據庫的投資激勵。只有當數據庫的持有者付出了重大投資，相關數據庫才受到法律保護。其二，這一法律制度僅僅保護數據庫的整體或實質性部分，并不保護數據的部分或非實質性部分。〔46〕其三，在很多國家和地區，數據庫并未受到各國通行的法律保護。〔47〕綜合數據庫的法律保護制度，可以發現這一法律制度存在爭議，而且更接近于反不正當競爭法制度，與傳統的產權制度存在較大差別。因此，即使是數據庫保護的法律制度，也未對數據進行財產權保護。

三、數據交易的模式重構

如果說產權并非解決數據交易困境的藥方，那么數據交易的種種困境如何破解？ 大數據交易所應當采取何種模式？ 法律制度應當采取何種制度設計？ 要回答這些問題，可以首先回到本文第一部分留下的一個問題。第一部分指出，盡管大數據交易所的場內交易困難重重，但場外的點對點的數據交易卻非常普遍。這就留下了一個疑問：為何缺乏數據產權保護，場外的數據交易仍能發生，場外點對點的數據交易如何克服本文所稱的阿羅信息悖論？ 回答了這一點問題，我們就能進一步推論，如何可能吸引企業去大數據交易所進行交易。畢竟，數據交易所一般要對交易雙方收取交易傭金。而且在數據交易所進行交易， 意味著數據交易所也可能掌握數據交易雙方的數據或至少部分商業情形，增加數據泄露的風險。同樣，只有充分理解數據交易的特征以及大數據交易所的模式，我們才能對相關法律制度進行進一步設計。

（一）數據交易的合作模式

先來分析數據交易的發生模式。場外數據交易已經說明，阿羅信息悖論并不能阻止數據交易的產生。這其中的原因在于，阿羅信息悖論的前提假設：數據的非排他性是相對的。當阿羅等學者論述排他性時，他們往往都以排他性/非排他性的二元框架進行論述，〔48〕即人們可以對有形物品進行排他性控制，而無法對數據等無形物品進行非排他性控制。〔49〕但排他性與其說是一項事物的本質特征，不如說是一種成本。當“利益可由所有者或提供者以零成本持有，此商品具有可排除性;而一旦商品被提供，所有人都能獲得利益，則這種商品具有不可排除性”。〔50〕在現實生活中，有形物品很難實現完全的排他性控制，例如書店、商場的所有者在營業時間不能排除一般顧客進入;但數據等無形物品并非不可以進行排他性控制。少量數據雖然可能在數據互聯的場景下以零成本被復制，但一旦數據的體量巨大，或者數據控制者并未和他人進行互聯，此時數據控制者就仍然可以通過商業程序或技術而實現數據的排他性或一定程度的排他性控制。〔51〕

與此相應，數據公開也是一個相對的概念與過程。在有形商品中，產品的信息公開就可能處于完全公開與非公開之間。例如，普通水果從外表上就能辨別其產品特征，而檸檬的外表則可能造成信息不對稱;新車可能僅通過品牌與說明書就能了解產品的大致特征，而二手車市場則可能具有與檸檬市場類似的特征。〔52〕大部分產品則可能通過披露其信息而讓交易對象對其進行一定程度了解，但要對產品進行詳細了解，則需要和交易對象進行持續性溝通，簡單的信息披露往往無法實現。〔53〕數據亦是如此。數據即使公開，其披露的也往往只是部分的信息。〔54〕同時，即使數據控制者完全公開其數據，交易對象完整復制了交易數據，這也不意味著交易對象就能完全獲取信息。〔55〕正如上文所述，大數據的價值具有不確定性，其價值的實現往往依賴于具體場景與數據提供者的服務。即使某一企業復制了知網、Lexis、Westlaw等數據庫，這一企業也很難為用戶提供搜索查詢服務。

對數據非排他性與數據公開的反思可以說明，為何數據在面臨阿羅悖論的情形下仍然可以進行交易。通過數據的合理控制與數據的合理公開，數據控制者既可以向數據交易方披露其數據的價值，幫助數據交易方評估交易數據的成本與收益，又可以防止數據完全脫離其控制，導致價值的徹底喪失。在現實的商業場景中，這種逐步披露、有限控制與漸進式合作的模式非常普遍。即使是向外披露其信息的專利制度，也有研究表明，專利也經常面臨阿羅信息悖論問題，在專利制度交易中，雙方仍然需要借助有限披露與漸進合作的模式進行專利轉讓與合作。〔56〕

在經濟學文獻中，交易方難以通過信息披露或體驗而了解的商品可以被歸入信用品的類別，〔57〕相比起非信用品，消費者或交易方對于此類商品的價值往往難以在事前完全確定，只有在購買使用之后，消費者或交易方才能確定信用品的價值。但正如經濟學文獻所指出，信用品雖然面臨信息披露與交流的難題，但其難題并非不可解決。例如交易雙方可以通過漸進式了解促進信息的不斷溝通，〔58〕例如通過電影片花與電影介紹來了解影片。在類別區分上，數據也屬于典型的信用品，〔59〕數據的價值高度依賴場景，難以進行事先披露，但數據也可以和其他信用品一樣，借助合作機制、聲譽機制等方式促進信息交易。〔60〕在數據交易中，數據提供方經常為數據需求方提供部分數據或試用期，以幫助數據需求方了解其數據的價值;數據需求方在尋求數據服務方時，也經常通過市場聲譽機制而尋求合作者，而非直接購買數據本身。因此，數據交易采取的是一種更接近于服務合作的模式，而非一種去人際化的產品交易模式。

（二）數據交易所的模式與制度

數據交易的服務合作模式也為大數據交易所的模式與制度設計提供了反思基礎。大數據交易所不宜模仿類似證券、期貨之類的商品交易所。過去數年，在大數據交易所的創建過程中，證券交易所的交易模式成為不少人的理想模型。由于大數據價值的日益凸顯，而數據又不像有形商品一樣，需要實物交接。因此有不少觀點認為，可以證券交易所為模型，促成數據產品的高頻交易。但事實與理論都說明，證券交易所的模式并不適合大數據交易所，數據交易只能采取基于數據服務的合作模式，而非基于完全市場化的合同模式。〔61〕

從數據交易的信用品特征與合作模式出發，大數據交易所應采取類似房產中介特別是婚姻介紹所的中介與撮合模式。在現實社會，類似的中介型的交易模式已經普遍存在并運轉良好。例如，在房產買賣與租賃中，房產中介采取的就是較為積極主動的中介與撮合模式。房產中介之所以采取這種模式，原因之一在于房產也具有一定的信用品特征，其價值難以進行標準化界定。房產中介可以發揮居中撮合的作用，為交易雙方提供前期的信息搜尋、信息溝通等服務，增強彼此信任。此外，房屋中介還能夠為交易雙方提供一定的安全保障，為交易雙方解決后顧之憂。基于這些增值服務，房屋中介雖然同時從交易雙方那里收取傭金，但交易雙方仍然愿意通過中介進行房屋買賣。婚姻介紹所存在的原理與此類似，在婚戀市場上，單身青年對于彼此的期望往往非常個性化，因此絕大部分婚戀都通過自由戀愛解決。但婚姻介紹所或媒人仍可以通過信息搜尋、信息溝通、信任建構為單身青年提供增值服務，向雙方收取傭金或獲得人情上的回饋。〔62〕

與房產和婚姻中介類似，大數據交易所也可以為交易雙方提供增值服務。首先，在交易形成前的階段，市場中有大量交易信息搜尋的需求，例如銀行、網約車公司可能希望進行風險控制，對違約賴賬、有犯罪風險的群體進行風險預防，這些企業可能不知道去何處尋求有價值的數據;從事藥品與疫苗的藥企也可能不知道去何處尋求所需的臨床數據。大數據交易所完全有可能扮演中間商的角色，為雙方提供更準確的信息搜尋服務。其次，在商談環節，交易雙方也可能面臨上文提到的信任問題，交易雙方可能因為信息不對稱而草草放棄交易，或者在中間環節形成合作的囚徒困境。此時大數據交易所就可能發揮其中介功能，促成交易形成。

此外，大數據交易所也可能發揮關鍵的安全保障與安全認證功能。〔63〕目前，場外的數據交易雖然活躍，但也面臨若干重大風險。隨著我國數據安全法與個人信息保護法的落地，企業在數據安全與個人信息保護方面都存在合規的巨大壓力。一方面，數據安全法對于數據安全、重要數據等關鍵問題的界定仍然較為模糊，企業的場外交易存在重大的不確定性。另一方面，個人信息保護法對個人信息的收集、融合與利用都進行了嚴格規定，而企業所處理與利用的數據又存在海量的個人信息。在個人信息保護法生效的背景下，原先很多場外的數據交易與合作是否合法合規，也處于不確定狀態。〔64〕在此種背景下，如果具有政府背景的大數據交易所能夠為企業的數據安全提供合規科技、風險評估與安全認證，并且為個人信息提供可交易的規則，則企業將會有較大的動力進入場內交易。〔65〕

綜上所述，撮合型的大數據交易所可以視為對場外點對點數據交易的促進、服務與保障，以此吸引數據交易從場外進入場內交易。如同本文第一部分指出，場外的點對點數據交易已經非常普遍與有效。撮合型的大數據交易所并非完全替代場外的交易模式，而是在此基礎上發展起來的一種模式。在這種交易所模式下，數據的價值不確定、非競爭性與非排他性問題將有效得到解決。因為數據的交易方可以在數據交易所的撮合下進行漸進式的溝通、談判與互動，就像房產買賣雙方在中介的撮合下互動，或者單身青年在中間人的撮合下互動。當大數據交易所提供足夠專業化的中介服務，撮合型的交易所就有可能克服數據的價值不確定問題。在大數據交易所的安全保障下，交易雙方也將有更多信心進行交易，克服數據的泄漏或排他性問題。

（三）數據交易的法律規則

除了大數據交易所提供的規則，法律還需為數據交易提供兜底制度或缺省規則。首先，法律應要求大數據交易所承擔安全保障義務和守門員責任。隨著社會生活中具有公共組織功能的社會主體日益出現，〔66〕特別是隨著網絡平臺等組織的興起，安全保障義務日益為我國法律所認可。〔67〕大數據交易所具有典型的組織性功能，作為一種撮合性中介，在促進數據交易的同時也放大了相關數據風險，可能造成個人信息的再識別與數據流入上下游的黑產手中。在這樣的背景下，大數據交易所在承擔數據交易促成功能的同時，也應當承擔相應的數據安全風險防范與數據治理功能。特別是當大數據交易所提供安全認證、風險評估等服務時，更應承擔安全保障義務。對大數據交易所施加此類義務，要求大數據交易所承擔類似守門員的責任，不僅可以有效促使大數據交易所對數據交易的上下游風險承擔預防責任， 而且還將倒逼數據交易所創新交易模式， 承擔積極的數據治理責任。〔68〕2022年年初，《國務院辦公廳關于印發要素市場化配置綜合改革試點總體方案的通知》指出，應當探索“原始數據不出域、數據可用不可見”的交易范式，在一定程度上可視為對風險可控數據交易的一種有效指引。

其次，法律可以利用專利、商業秘密、合同等已有法律制度為數據交易提供法律保障。這些制度有的可以為數據提供一定程度的財產性保護，例如專利;有的制度則屬于責任規則，例如商業秘密和合同。〔69〕專利制度的優點在于，這一制度可以成為一種對世權，實現排他性保護，但專利制度保護需要符合相關要件，且必須進行登記以及向外公開披露其信息。這使得專利制度只適合很少一部分的大數據保護，例如，對符合專利申請條件的醫藥數據進行保護。相對而言，具有責任規則性質的商業秘密和合同雖然無法提供排他性保護，但卻可以為數據交易與談判提供保護，促進交易的成功。〔70〕萊姆尼曾經指出，商業秘密正是一種克服阿羅信息悖論的方式。〔71〕即使在沒有明確保密協議的情況下，法律也可以在某些情形下推斷出保密關系，從而使盜用商業秘密的一方承擔責任。〔72〕

最后，法律可以審慎地應用反不正當競爭法，對某些數據進行保護。反不正當競爭法也屬于典型的責任規則類或行為性規制法律，但比起合同法，反不正當競爭法又可以保護數據同時免受非交易方的侵害，為數據控制者提供比商業秘密與合同更多的保護。從中國和其他國家和地區的情況來看，數據的反不正當競爭主要涉及若干類型的案例，例如平臺類數據爬蟲所引發的糾紛;以及由熱點新聞等信息或數據所引發的糾紛。在前者的案例類型中，典型的場景是一方平臺企業爬取另一方平臺企業的公開數據，但被爬蟲的一方不愿意其數據被爬取;〔73〕而后者的案例類型中，典型的場景是一方新聞機構擁有熱點新聞的信息或數據，另一方新聞機構在未獲授權的情形下，利用這一信息或數據進行報道。〔74〕

法律對于反不正當競爭法的使用應注意和其他法律協調。法律為數據提供合同與商業秘密之外的反不正當競爭法保護，其好處是可以維護數據原來持有者的權益，激勵數據持有者公開其數據。但其可能存在的風險也非常明顯。首先，反不正當競爭法本身就存在一定的不確定性，在歐美等國家，反不正當競爭法的應用領域一直非常有限;在我國，反不正當競爭法的泛化也引起了學界不少爭議。〔75〕因此，反不正當競爭法本身就具有探索與實驗性質。其次，在數據問題上，反不正當競爭法的泛化應用可能導致數據的財產化保護，如果反不正當競爭法的保護范圍與力度過大，那么其結果就可能導致數據的財產化保護，進而造成上文所述的數據私有化、違法普遍化等問題。正如上文所述，在保障數據交易的法律工具箱中，專利、商業秘密、合同等制度已經為數據交易提供了基本制度支持。在此背景下，數據的反不正當競爭法保護不宜過于激進。數據的反不正當競爭法保護可以采取個案化、場景化進路，對準財產性權益與準合同性權益進行探索性保護，〔76〕將其視為拓展數據知識產權與合同保護的工具。

結語

自從數據要素市場的概念提出以來， 商品市場特別是證券市場的模式支配了數據交易的想象。在不少觀點看來，既然大數據的價值已經充分體現，數據已經成為一種類似土地、勞動力、技術的重要生產要素，那么數據交易就應當模仿傳統各類生產要素搭建交易市場。例如，針對土地、勞動力，各地都已經建立了土地交易或拍賣所、勞動力交易所并且運轉良好，針對技術，各地也已經建立了技術交易所，搭建專利、著作權、商標等知識產權交易的平臺。

但需指出，不同生產要素與商品的交易模式非常不同，各類交易所的交易規模與頻率也非常不同。僅就土地、勞動力、技術而言，土地拍賣與勞動力市場的運轉就較為順暢，交易規模與頻次較高，而技術交易所的交易規模與頻次要低很多。究其原因，專利等知識產權與土地、勞動力等生產在性質上存在較大不同，很難完全復制類似前者的交易模式。而相比知識產權，數據更具有獨特性，數據具有價值上的不確定性，即使數據完全公開，其價值也處于難以了解的狀態。因此，數據確權并不能解決阿羅信息悖論問題。此外，與知識產權類似，數據也具有一定程度的非競爭性、非排他性等特征，這些特征使其即使缺乏產權保護， 數據也不會面臨傳統動產與不動產所面臨的公地悲劇問題、“搭便車”所造成的投資激勵不足問題。相反，如果對數據進行財產權保護，則會造成公共資源私有化、正外部性與溢出效應喪失、普遍違法等困境。〔77〕基于這些原因，就可以解釋為何現有的大數據交易所面臨交易規模與頻次低下的困境，也可以得出結論：數據的財產化確權無法解決數據交易的困境，反而會帶來種種問題。〔78〕

但數據交易的困境卻可以從其他途徑破解。在傳統市場中，商品的交易就并非都采取去人際化的產品交易模式，很多服務型與信用品類的商品都采取合作型的交易模式。在合作型交易模式下，交易雙方往往進行個性化或非標準化服務， 或者通過信息的漸進式披露和聲譽機制而進行談判和交易。數據具有典型的信用品特征，也可以借用合作模式進行交易。數據雖然具有非排他性，但這種非排他性也是相對的。因此，數據可以通過部分逐步公開與有限控制，實現數據交易雙方的互動型合作，或者借助聲譽機制、社會規范而克服阿羅信息悖論，實現數據成功交易。

從合作型交易模式出發，可以發現大數據交易所不宜采取市場流通商品的交易模式，更不宜追求類似證券、期貨的高頻交易所模式。相反，大數據交易所應當定位為撮合型與中介型交易所，大數據交易所在為數據交易提供平臺的同時，應當成為主動撮合雙方數據交易的中介，減少交易雙方的信息搜尋成本，搭建交易雙方的溝通與信任機制。大數據交易所還應當探索數據交易的風險評估、安全認證等功能，為數據交易雙方提供增值服務。當大數據交易所成為類似房產中介或婚姻中介的交易所，為交易雙方提供場外交易不具備的優勢，大數據交易所就可能吸引數據交易從場外交易轉為場內交易。

在法律層面，首先應當確立大數據交易所的安全保障義務，要求大數據交易所對數據交易的上下游風險擔負守門員責任，預防相關數據風險，承擔數據治理責任。其次，法律還應運用已有的知識產權、合同等法律制度，為數據交易提供傳統法律保護;同時審慎運用反不正當競爭制度，為數據提供財產性權益與合同性權益的探索性保護，避免陷入數據財產權保護的窠臼。總而言之，法律對數據應當采取非財產權的法律保護，為數據交易提供治理型的制度回應。〔79〕