Page 32 - 金融科技视界2023-2期

Technical Tracking
技术追踪

出问题是，传统的数据处理者过于强势，它们会利用技术优势和
场景优势垄断数据输入和输出，无法保证数据权益分配过程中
的公平性，对于监管机构来说也是一个黑盒子。
为了扭转上述困局，可以在数据活动中引入数据托管机构，

将数据的存储、使用、管理职责相分离，由专业的数据托管机构 数字经济高质量发展的关键是
承担数据存储，监督数据处理者的数据使用和服务，并收取和分 数据，抓住高质量数据这一“牛
配数据权益。数据权益主要分两块：一块是分配给数据主体的原 鼻子”，就能有效应对以数据为

始数据权益；另一块是分配给数据处理者的增值数据权益。数据 核心的科技创新和产业变革。
托管还可以支持监管机构、国家有权部门开展数据流动监管、执
法取证、数字税征收等方面工作。
为促进大模型训练数据的合规使用和高质量输出，需要加 一是重点发展基于AIGC技术
强对大模型训练数据的源头管控，特别是在国家层面对大模型训 的合成数据产业。以更高效率、更

练数据进行规范，而数据托管机制恰好可以成为大模型训练数 低成本、更高质量为数据要素市场
据监管的有力抓手。 “增量扩容”，助力打造面向人 工
可以考虑对大模型训练数据尤其是合成数据建立托管机 智能未来发展的数据优势。在强化

制。监管机构则通过对训练数据托管方的约束，进一步规范大模 数据要素优质供给方面，应统筹兼
型训练数据生产方和使用方的行为。数据托管方可按规定对大 顾自立自强和对外开放。可考虑对
模型训练数据来源、数据处理方的处理结果以及数据使用方的 Wikipedia、Reddit等特定数据源
数据流向和训练结果进行监测，确保大模型训练数据来源可靠， 建立过滤后的境内镜像站点，供国
在数据标准、数据质量、数据安全、隐私保护等方面依法合规， 内数据处理者使用。

以保障大模型输出结果的高质量并符合监管要求。 二是构建大模型训练数据的监
管体系。国家相关部门应对大模型训
练数据的处理和使用标准进行统一
05 规范；建立数据托管机制，对数据托

管方进行约束，要求数据托管方按照
大模型产业发展与合规监管思路 监管机构的规定对数据来源、处理
结果以及使用去向等进行监测，从而
数字经济高质量发展的关键是数据，抓住高质量数据这一 使得模型的输入、输出结果符合监管

“牛鼻子”，就能有效应对以数据为核心的科技创新和产业变 要求。
革。当前AIGC（AI Generated Content，人工智能自动生成内 三是探索基于可信机构或基于
容）和ChatGPT充分展现了高质量训练数据在产业价值创造中 可信技术的数据托管方式。数据托管

叠加倍增作用，大模型训练数据及其输出结果将会是未来社会 机构可以由相关机构组建数据托管
和生产中的一种重要的数据资产，其有序流转并合规使用也是发 行业联盟，以共建共享的方式建设；
展数字经济的应有之义。通过合理的机制理顺市场中各参与方 亦可利用区块链技术，基于联盟链或
的数据权益关系和分配格局，并加强训练数据的依法合规监管， 有管理的公链，完善源端数据治理
是促进大模型人工智能产业健康发展的关键。为此，笔者拟提出 机制，实现数据的链上托管、确权、

以下政策建议。 交易、流转与权益分配。

30 金融科技视界