摘 要：人工智能是新一輪科技革命和產(chǎn)業(yè)變革的重要驅(qū)動力量，人工智能發(fā)展離不開數(shù)據(jù)、算法和算力組成的“三駕馬車”。其中，算法作為激發(fā)算力潛能與實現(xiàn)數(shù)據(jù)價值的重要技術(shù)環(huán)節(jié)，是推進“人工智能+”進程與新質(zhì)生產(chǎn)力形成的核心驅(qū)動力。與數(shù)據(jù)要素市場相比，算法市場的商業(yè)化進展明顯滯后，其交易機制和市場結(jié)構(gòu)尚缺少系統(tǒng)深入的研究。文章探討了算法市場的交易標的、市場結(jié)構(gòu)及其關(guān)鍵特征，梳理了算法確權(quán)保護和算法流通機制方面面臨的主要挑戰(zhàn)，并總結(jié)了算法確權(quán)和流通市場發(fā)展的實踐探索。通過分析算法市場與知識產(chǎn)權(quán)、數(shù)據(jù)要素市場，文章發(fā)現(xiàn)，算法與知識產(chǎn)權(quán)在創(chuàng)新性和虛擬性方面具有相似性，但對隱私數(shù)據(jù)的依賴性和開閉源算法的差異性使其確權(quán)保護更具復雜性。同時，算法與數(shù)據(jù)要素市場共享場景依賴和非標特征，但算法更強的外部依賴性對其流通提出了更高要求。針對我國算法市場當前面臨的諸多挑戰(zhàn)，文章提出構(gòu)建以政府和市場雙驅(qū)動為核心的算法交易與流通機制的政策建議，通過優(yōu)化確權(quán)機制、促進供需匹配、降低使用門檻以及推動跨境流通，以促進算法市場的健康發(fā)展和廣泛應用。

關(guān)鍵詞：算法市場 數(shù)字經(jīng)濟 算法確權(quán)

DOI：10.19592/j.cnki.scje.421732

JEL分類號：L86， O31， K39 中圖分類號：F49

文獻標識碼：A 文章編號：1000 - 6249（2025）01 - 001 - 17

基金項目：本文受國家社會科學基金重點項目“‘三重壓力’下‘雙支柱’調(diào)控的政策效應評估與優(yōu)化研究”（22AZD121）；中山大學高校基本科研業(yè)務費“數(shù)據(jù)要素流通交易多邊平臺的運營機制研究”（24wkjc09）；國家自然科學基金青年項目“信息傳播中的貨幣政策不確定性：機制、測度與金融風險效應研究”（72303256）的資助。

一、引 言

人工智能是新一輪科技革命和產(chǎn)業(yè)變革的重要驅(qū)動力量，2023年中國人工智能核心產(chǎn)業(yè)規(guī)模已經(jīng)超過5000億元，加快發(fā)展新一代人工智能是事關(guān)我國能否抓住新一輪科技革命和產(chǎn)業(yè)變革機遇的戰(zhàn)略問題。2024年政府工作報告明確指出，“促進數(shù)字技術(shù)和實體經(jīng)濟深度融合，深化大數(shù)據(jù)、人工智能等研發(fā)應用，開展‘人工智能+’行動”①。黨的二十屆三中全會通過的《中共中央關(guān)于進一步全面深化改革 推進中國式現(xiàn)代化的決定》也指出，“完善推動新一代信息技術(shù)、人工智能……戰(zhàn)略性產(chǎn)業(yè)發(fā)展政策和治理體系，引導新興產(chǎn)業(yè)健康有序發(fā)展”“培育全國一體化技術(shù)和數(shù)據(jù)市場”②。這說明，積極培育發(fā)展人工智能產(chǎn)業(yè)是當前發(fā)展新質(zhì)生產(chǎn)力推進中國式現(xiàn)代化的重要途徑，而人工智能發(fā)展離不開數(shù)據(jù)、算法和算力組成的“三駕馬車”。其中，數(shù)據(jù)市場建設進入了有序規(guī)范的快速發(fā)展階段，全國已有多家數(shù)據(jù)交易平臺；算力建設作為新時代基礎設施已具備相當規(guī)模，并已形成“東數(shù)西算”等戰(zhàn)略布局。相比之下，算法作為激活算力潛能、釋放數(shù)據(jù)價值的關(guān)鍵技術(shù)環(huán)節(jié)，其市場化進展相對滯后，尤其缺少規(guī)范且高效的算法流通交易平臺，這極大地限制了前沿算法的開發(fā)、推廣與應用。

算法是一系列定義清晰的、用于解決特定問題或執(zhí)行特定任務的指令集合。這些指令可以被計算機直接執(zhí)行，通過邏輯判斷、迭代計算等方式實現(xiàn)數(shù)據(jù)處理、分析和決策。隨著人工智能發(fā)展對前沿算法的需求不斷增大，算法流通與交易活動逐漸增多，這類以虛擬算法商品為標的的交易活動逐步受到學術(shù)界與實務界的關(guān)注，并被稱為“算法市場”①（Kumar et al.，2021；Gorwa and Veale，2024）。算法市場研究最早來自機器學習和人工智能算法的發(fā)布、共享和商業(yè)化實踐，包括Algorithmia、Hugging Face和Gravity AI等②。這些平臺除了提供與開源平臺類似的代碼托管與代碼共享等功能，更加注重實現(xiàn)算法交易與流通的商業(yè)化。研究認為，算法市場可以連接算法的需求方與供給方，實現(xiàn)算法模型、算法服務乃至算法解決方案的交易與共享（Kumar et al.，2021）?，F(xiàn)有研究主要關(guān)注算法市場的交易標的、市場結(jié)構(gòu)、交易安全性等方面。算法市場的交易標的不僅可以是通用算法程序，也可以是指基于特定數(shù)據(jù)集訓練得到的模型，其具有特殊的模型參數(shù)和預測能力（Chen et al.，2019）。除了直接實現(xiàn)算法供需雙方的匹配，算法市場還要求算法審計師對算法模型的有效性進行獨立的專家評估（Kumar et al.，2021）。此外，隨著區(qū)塊鏈等技術(shù)的快速發(fā)展，算法市場可以利用基于區(qū)塊鏈的智能合約解決信任、激勵和模型驗證等關(guān)鍵問題，推動算法流通（Ouyang et al.，2020）。

盡管已有文獻開始對算法市場建設提出構(gòu)想，當前算法市場依然面臨著權(quán)益保護、價值評定和供需匹配等方面的諸多挑戰(zhàn)。一方面，傳統(tǒng)開源社區(qū)、學術(shù)研究項目通常沒有將算法商品化的機制，這類算法開發(fā)者的主要目的并非算法流通或交易，因此這類平臺轉(zhuǎn)型算法市場在算法保護、應用和優(yōu)化改進等方面存在種種困難。另一方面，由企業(yè)運營的算法流通交易平臺規(guī)模有限，且在算法保護方面完全依賴自身的技術(shù)保障，運行效率相對較低。尚未健全的算法確權(quán)與保護機制也導致現(xiàn)有的算法流通對前沿技術(shù)的覆蓋面有限，市場中流通的算法模型可能遠遠落后于相應領(lǐng)域最先進的模型。與此同時，數(shù)據(jù)與算法聯(lián)系緊密，兩者的發(fā)展是螺旋提升的，算法作為數(shù)據(jù)和技術(shù)的結(jié)合體，由于數(shù)據(jù)隱私和保護問題，算法在流通過程中通常無法提供用于訓練該模型的數(shù)據(jù)集，導致缺乏對算法商品的可溯源性和可審計性。

基于此，本文從算法的特征及流通機制出發(fā)，探究了算法市場的基本概念、主要挑戰(zhàn)與應對思路。首先，本文結(jié)合已有研究明確算法市場這個新的概念，包括交易標的和市場結(jié)構(gòu)。其中，算法市場交易標的包括完整算法、算法模型的關(guān)鍵參數(shù)或者模型輸出。算法市場的參與者包括算法開發(fā)者、算法需求者、數(shù)據(jù)所有者、算法審查者和市場監(jiān)管者，并由中央管理機構(gòu)負責運營。同時，進一步總結(jié)了算法市場具有交易形式豐富、場景依賴性強和強監(jiān)管需求等方面的關(guān)鍵特征。其次，本文總結(jié)了算法市場在確權(quán)保護與流通機制兩個方面面臨的主要挑戰(zhàn)，并梳理當前各類算法市場的實踐探索，系統(tǒng)介紹了算法確權(quán)在備案與登記方面的進展，以及不同流通模式下算法市場的發(fā)展現(xiàn)狀，并總結(jié)中國市場當前面臨的主要問題。針對這兩個方面的問題，本文提出將算法確權(quán)與現(xiàn)有知識產(chǎn)權(quán)保護體系相對比、將算法流通與數(shù)據(jù)要素市場相對比，歸納算法市場與這兩個市場之間存在的共性問題與特殊之處，以此給出應對思路。本文發(fā)現(xiàn)，算法與知識產(chǎn)權(quán)在創(chuàng)新性、虛擬性等方面具有相似性，但在隱私數(shù)據(jù)依賴性和開閉源算法差異特征方面又具有特殊性；算法與數(shù)據(jù)在虛擬性和場景依賴性等方面具有相似性，但同時具有更強的非標屬性和外部依賴性。最后，本文針對中國算法市場存在的問題，提出建立政府與市場雙驅(qū)動的算法市場的政策意見。

本文后續(xù)內(nèi)容安排如下：第二章討論算法市場及其運行機制的特殊性，第三章分析算法市場面臨的主要挑戰(zhàn)，并梳理其在確權(quán)和流通方面的實踐探索，第四章對比算法市場和知識產(chǎn)權(quán)、數(shù)據(jù)要素市場，第五章提煉政策建議。

二、算法市場的概念興起

隨著人工智能發(fā)展對前沿算法的需求不斷增大，算法模型流通與交易活動逐漸增多，學術(shù)界也開始關(guān)注到這類特殊的流通交易活動。Jordan（2019）指出有必要在銷售數(shù)據(jù)的市場上發(fā)展直接銷售算法模型的市場，并以此推動人工智能快速發(fā)展。以虛擬算法商品為標的的交易平臺被稱為“算法市場”（Kumar et al.，2021；Gorwa and Veale，2024）。在這類市場中，算法開發(fā)者、數(shù)據(jù)科學家、研究機構(gòu)乃至企業(yè)可以發(fā)布自己研發(fā)的先進算法模型，這些模型可能涵蓋人工智能的各個領(lǐng)域，如自然語言處理、圖像識別、預測分析、智能推薦等。盡管這類市場旨在幫助需求者以合法和低成本的方式訪問算法產(chǎn)品或算法服務，但仍面臨市場交易制度不健全、數(shù)據(jù)隱私保護缺失、算法保護不足等問題。對此，已有研究對算法市場的不同方面提出建設構(gòu)想。在技術(shù)方面，Sarpatwar et al.（2019）和Somy et al.（2019）探討了區(qū)塊鏈技術(shù)在構(gòu)建人工智能算法市場中的應用，提出通過實現(xiàn)分布式協(xié)議保障隱私和消費者利益，解決信任、公平性和審計性問題。在市場運行方面，Kumar et al.（2021）指出，與傳統(tǒng)的軟件市場（即應用商店）不同，算法市場允許算法需求者依據(jù)自身特定需求即時申請新產(chǎn)品或服務，算法市場可以將其與具有相關(guān)專業(yè)知識的開發(fā)者進行匹配；同時，為避免網(wǎng)絡攻擊和知識產(chǎn)權(quán)泄露風險，部分專有算法無法像在應用商店中與廣泛的受眾共享，而需要額外的保護措施。整體來看，已有文獻對算法市場的技術(shù)或運行機制等個別問題提出構(gòu)想，但是對于算法市場的基本概念闡述仍不夠清晰。本節(jié)將從算法市場的交易標的、市場結(jié)構(gòu)和關(guān)鍵特征等維度，對其進行更全面和深入的分析。

（一）算法市場的交易標的與市場結(jié)構(gòu)

首先，算法市場中的交易標的既可以是完整算法，也可以是算法模型的關(guān)鍵參數(shù)或者模型輸出。其中，完整的算法模型是指解決特定問題的一系列步驟和方法，一般表現(xiàn)為某種抽象的計算過程，由一系列有序的計算步驟或規(guī)則組成。隨著科學技術(shù)的進步，算法的概念也在不斷演變和拓展。具體而言，可以將算法的發(fā)展分為三個階段：數(shù)學算法①、計算機算法②和智能算法③，這三個概念從狹義到廣義，從簡單到復雜，從靜態(tài)到動態(tài)，反映了算法的演化和創(chuàng)新。算法作為一種非物質(zhì)的數(shù)字產(chǎn)品，主要具有賦能性、內(nèi)嵌性和虛擬性三點特征（馬艷和陳堯，2023）。其一，賦能性指算法可以改造和增強其他數(shù)字或?qū)嵨锂a(chǎn)品，使其具有更高的智能和價值（Kelly，2017）。例如，自然語言處理領(lǐng)域的算法能夠幫助計算機理解非結(jié)構(gòu)化的文本數(shù)據(jù)，從中提取出文本情緒、文本主題、文本語義結(jié)構(gòu)等具有意義的結(jié)構(gòu)化指標信息，并實現(xiàn)文本翻譯、問答系統(tǒng)等一系列智能效果。其二，內(nèi)嵌性指算法可以與人、物、勞動和技術(shù)等各種要素相互融合和影響（楊善奇和劉巖，2021），例如當前各類推薦算法在社交媒體信息傳播當中扮演重要角色，并以潛移默化的方式影響著政治、經(jīng)濟、社會與文化等多方面。其三，虛擬性指算法具有虛擬產(chǎn)品的特征，如非稀缺性、非排他性和非消耗性等，即算法理論上可以被無限復制、共享和使用。此外，算法成本主要集中在研發(fā)階段，復制和傳播成本幾乎為零，算法收益則隨著使用者的不同而存在較大差異，也即對于算法價值的評估會根據(jù)實際應用場景和任務目標的不同而存在異質(zhì)性。

除了完整算法，算法市場中的交易標的也逐步拓展至模型參數(shù)和模型輸出。其中，模型參數(shù)指的是算法開發(fā)者基于特定數(shù)據(jù)對算法訓練后得到的參數(shù)，可以為其他開發(fā)者在相似算法開發(fā)中提供調(diào)整算法性能和適應特定需求的關(guān)鍵信息，節(jié)省訓練時間和計算資源，并可以在一定程度上規(guī)避訓練數(shù)據(jù)泄露的問題。此外，模型輸出可以被視為一種算法服務產(chǎn)品，開發(fā)者無需提供完整的算法，只需提供算法的輸出結(jié)果。通過這種方式，用戶能夠以較低的成本和簡便的方式滿足特定的需求，而不需要深入了解算法的內(nèi)部機制或進行復雜的開發(fā)工作。這樣，算法市場不僅擴大了交易標的范圍，也促進了算法應用的廣泛普及。

其次，算法市場包含算法開發(fā)者、算法需求者、數(shù)據(jù)所有者、算法審查者和市場監(jiān)管者，并由中央管理機構(gòu)負責運營，如圖1所示。其中，算法開發(fā)者、算法需求者和中央管理機構(gòu)是算法市場成立的最基礎參與者。算法開發(fā)者可以在市場上銷售其預訓練的算法模型或針對具體的算法需求進行研發(fā)，并將開發(fā)后的算法產(chǎn)品進行出售或者授權(quán)使用。算法需求者則是支付報酬并使用算法的購買方，主要根據(jù)自身業(yè)務實踐提出算法需求并最終使用算法完成具體業(yè)務。中央管理機構(gòu)負責驗證所有參與方的身份，確保市場的平穩(wěn)運行，維護所有算法流通交易活動的不可變記錄。中央管理機構(gòu)可以是政府部門，也可以是第三方算法服務商組織。算法服務商可以為供需雙方提供各項標準化服務，改進匹配機制，高效解決爭端，確保市場的流動性。在這種模式下，中央管理機構(gòu)一般通過對每筆成功交易收取的手續(xù)費來獲得基本收入支持。

除了三類基礎參與者，算法開發(fā)還會涉及訓練數(shù)據(jù)支持、算法審核和市場監(jiān)管等其他環(huán)節(jié)，與之對應的是另外三類市場參與者。數(shù)據(jù)所有者是為算法開發(fā)提供數(shù)據(jù)的支持方，主要解決算法開發(fā)過程中標注數(shù)據(jù)或者現(xiàn)實數(shù)據(jù)不足的問題。算法審查是指通過設立專門的審查機構(gòu)或?qū)＜覉F隊對算法進行合規(guī)性、有效性審核，并給出審查報告，確保其符合相關(guān)法律規(guī)定以及技術(shù)要求。市場監(jiān)管者一般是政府監(jiān)管部門，負責監(jiān)督算法市場的正常運行與爭議處置。在當前框架下，算法審查者和市場監(jiān)管者是負責對算法確權(quán)驗證以及維護市場的管理者。在避免利益沖突的前提下，單個實體可以同時擔任多個角色，例如算法需求者可能同時也是數(shù)據(jù)所有者，但算法開發(fā)者不能同時擔任算法審查者和市場監(jiān)管者。

在算法市場的運行過程中，算法需求者可以提供訓練數(shù)據(jù)集并提出具體的算法需求，由算法服務商為其匹配合適的算法開發(fā)者。如果模型訓練需要額外的數(shù)據(jù)，還可以由其他數(shù)據(jù)所有者提供相應的數(shù)據(jù)集完成算法開發(fā)。中央管理機構(gòu)負責對訓練數(shù)據(jù)進行脫敏和加密處理，可以通過提供算力資源和算法開發(fā)環(huán)境避免算法開發(fā)者直接接觸原始數(shù)據(jù)集，保護數(shù)據(jù)所有權(quán)和隱私安全。在此過程中，算法審查者對開發(fā)的算法質(zhì)量、權(quán)屬等進行評估和登記，并對不同的訓練數(shù)據(jù)源進行貢獻評定，確保交易的可信和公平。

（二）算法市場的關(guān)鍵特征

從商業(yè)運營的角度，算法市場與實體商品線上交易市場相似（Kumar et al.，2021），都是為了撮合供需雙方達成交易并提供相應的服務。算法市場旨在達成以下兩個目標：算法開發(fā)者能夠在市場中銷售其算法模型，并獲取相應的利潤；算法需求者能夠以合理的價格購買其所需要的算法，或者根據(jù)其特定需求定制算法。在此過程中，算法市場還涉及到算法確權(quán)、審核和定價等。由于產(chǎn)品性質(zhì)不同，算法市場存在以下幾個方面的特殊性。

第一，交易形式豐富。算法可以通過賦能數(shù)據(jù)、業(yè)務流程或其他產(chǎn)品服務，提供更多價值，因此算法市場相比實物市場具有更為多樣的交易形式。算法市場不僅限于將算法作為獨立的產(chǎn)品進行買賣，還可以與數(shù)據(jù)、業(yè)務流程或其他產(chǎn)品服務結(jié)合，形成復合型交易模式。多樣化的交易形式為市場參與者提供了更廣泛的選擇，使算法市場能夠適應更多元的市場需求和應用場景。

第二，場景依賴性強。算法市場需要圍繞特定場景進行定價。算法的效用取決于其目標、數(shù)據(jù)和應用場景等因素，同一算法對于不同使用者的效用存在差異。這意味著算法使用者需要根據(jù)自己的需求和偏好來選擇和評估算法，而不僅僅依賴算法技術(shù)參數(shù)等客觀評價指標。

第三，強監(jiān)管需求。由于算法是一種虛擬的信息產(chǎn)品，其價值和質(zhì)量難以被直觀地觀察和衡量，因此其相關(guān)交易活動需要更強的監(jiān)管。同時，算法幾乎為零的傳播成本意味著算法所有者可以通過算法交易獲得持續(xù)的收益。此外，算法市場也需要通過技術(shù)手段避免購買者的轉(zhuǎn)售行為，這要求交易平臺不僅需要提供合理的算法確權(quán)和定價機制，還要以強監(jiān)管力度保護算法市場參與者的權(quán)益。

基于算法市場的交易標的、市場結(jié)構(gòu)與幾個關(guān)鍵特征，不難發(fā)現(xiàn)算法市場的概念與數(shù)據(jù)市場、軟件市場、知識產(chǎn)權(quán)市場緊密聯(lián)系，有必要探討這些相似概念之間的聯(lián)系與邊界。首先，算法市場與數(shù)據(jù)市場聯(lián)系緊密，交易標的都具有賦能性、內(nèi)嵌性和虛擬性特征，而且算法需依賴數(shù)據(jù)來實現(xiàn)價值。但是，算法的流通一般不涉及數(shù)據(jù)所有權(quán)的轉(zhuǎn)移，而是交易模型、關(guān)鍵參數(shù)等數(shù)據(jù)處理功能。實際上，隨著數(shù)據(jù)交易從數(shù)據(jù)所有權(quán)與使用權(quán)拓展到數(shù)據(jù)產(chǎn)品，算法交易與數(shù)據(jù)交易的邊界也逐漸模糊?；谔囟〝?shù)據(jù)得到的模型參數(shù)和模型輸出也可以被認為是一種廣義的數(shù)據(jù)產(chǎn)品，因此算法市場和數(shù)據(jù)市場的邊界也將隨著實踐探索而不斷變化。其次，知識產(chǎn)權(quán)市場是指非實物形式智力成果的流通，可以在一定程度上涵蓋軟件市場與算法市場。算法市場和軟件市場在防止惡意代碼傳播、保護知識產(chǎn)權(quán)方面是類似的。但相較軟件市場，算法市場不僅交易具有通用功能的成品，還包括模型定制和參數(shù)優(yōu)化，其交易標的形式豐富且與特定場景聯(lián)系更緊密。因此，算法市場和軟件市場的邊界集中體現(xiàn)在產(chǎn)品的非標準化和數(shù)據(jù)依賴性。綜合來看，算法市場位于數(shù)據(jù)市場和知識產(chǎn)權(quán)市場的交集，既需要確權(quán)保護，又需在特定場景中動態(tài)實現(xiàn)價值。

三、算法市場面臨的主要挑戰(zhàn)與實踐探索

（一）算法市場面臨的主要挑戰(zhàn)

基于算法市場的關(guān)鍵特征，相較于傳統(tǒng)實體商品的線上交易市場，算法市場在算法確權(quán)與流通機制面臨更加復雜和突出的挑戰(zhàn)。由于算法本質(zhì)上是一種無形的智力成果，其權(quán)屬難以像實體商品那樣明確界定。這導致算法的確權(quán)過程復雜化，不僅涉及算法本身的原創(chuàng)性，還涉及對其開發(fā)過程和應用場景的綜合考量。此外，算法在市場中的流通也面臨諸多問題，如確保算法的合法使用、防止未經(jīng)授權(quán)的復制和濫用，以及在交易過程中保護算法開發(fā)者的權(quán)益等。這些問題的解決關(guān)系到算法市場的健康發(fā)展和創(chuàng)新活力的持續(xù)釋放。

在算法確權(quán)方面，算法市場面臨算法權(quán)益難以界定其歸屬和范圍的問題，難以有效地防止和解決算法的侵權(quán)和糾紛。一方面，算法種類繁多，同一算法可能涉及不同領(lǐng)域和功能；另一方面，算法抄襲復制的鑒別成本極高，如他人將算法代碼破譯后以同樣邏輯重新編寫，需要專業(yè)的技術(shù)和法律知識予以判斷是否涉及侵權(quán)。當前算法的開源協(xié)議具有明確規(guī)則①，但其執(zhí)行面臨挑戰(zhàn)，尤其在于如何確保使用者遵守協(xié)議中的開源傳染條款。開源協(xié)議通常要求使用者在基于開源代碼進行二次開發(fā)后，將其成果同樣開源或者支付“閉源費”獲取使用權(quán)。盡管部分開發(fā)者會在代碼中留下特別“算法水印”，以便監(jiān)控是否有人違反協(xié)議，但是，小型開源項目的開發(fā)者往往難以追蹤使用者，缺乏資源來強制執(zhí)行開源協(xié)議。這些問題也導致了算法治理中的責任性風險，當算法的決策或應用結(jié)果損害了特定主體的權(quán)利時，缺乏清晰的歸責原則，難以實現(xiàn)有效的利益救濟（賈開和薛瀾，2021）。例如，人工智能算法“生產(chǎn)”的文學或音樂作品可能涉及侵犯他人的著作權(quán)或版權(quán)，但責任不能簡單地歸咎于算法的設計者或應用者，因為他們并不能完全控制算法的輸出，也無法完全預測算法的輸出結(jié)果（賈開和薛瀾，2021）。近年來發(fā)生的一些軟件知識產(chǎn)權(quán)案件，如軟件自由保護協(xié)會訴訟Vizio違反GPL和甲骨文訴谷歌版權(quán)侵權(quán)案等，也表明軟件行業(yè)對于開源法務和合規(guī)的意識正在增強②。

在流通機制方面，算法市場面臨定價困難且監(jiān)管空白的問題。出售算法的邊際成本幾乎為零，而算法使用者對同一算法的效用取決于具體需求，可能存在較大差異，因此算法的價值存在“雙向不確定性”。此外，不同于大多數(shù)商品“先了解后使用”的模式，多數(shù)算法的了解過程與使用過程重疊，其可用性無法事先確定，使得算法的定價難度遠大于其他產(chǎn)品（王璟璇等，2021）。目前，大部分算法的定價均為針對特定應用場景的非標準化定價，缺乏統(tǒng)一的定價機制。此外，算法作為數(shù)字和虛擬產(chǎn)品的特性對流通和監(jiān)管機制提出了特殊要求。目前尚未有監(jiān)管機構(gòu)和法律法規(guī)對算法流通進行監(jiān)管，缺乏權(quán)威、統(tǒng)一的算法可信流通環(huán)境，因此算法交易雙方難以有效建立信任機制。在交易事前，可能出現(xiàn)“千人千價”等大數(shù)據(jù)殺熟行為，同時因為缺乏針對算法所有者和算法產(chǎn)品的評估體系，算法質(zhì)量和合法性難以保障。在交易事后，由于缺乏可信的第三方監(jiān)管，后續(xù)的算法運行、優(yōu)化和保護等環(huán)節(jié)缺乏標準化規(guī)范，算法安全和應用難以得到保障。

（二）算法確權(quán)的備案與登記

當前算法市場在算法確權(quán)方面主要依靠開源社區(qū)自律、算法備案與登記。人工智能的快速發(fā)展受益于大量開源算法和信息共享，開源社區(qū)仍是全球算法生態(tài)與治理的重要依托?！禔I框架發(fā)展白皮書（2022年）》指出，開源社區(qū)通過提供代碼開源、項目托管、協(xié)作分享和溝通交流等一系列活動，實現(xiàn)了算法的流通和共享，促進了算法的創(chuàng)新和優(yōu)化，也吸引了大量的開發(fā)者和用戶。然而，開源算法對代碼和技術(shù)方案的公開容易導致算法重復保護和權(quán)利主體不明確，并產(chǎn)生安全風險和法律難題。例如代碼庫中的安全漏洞風險、開源漏洞傳播性風險和開源許可證風險等可能影響算法的質(zhì)量和信任度，并威脅算法的使用者和受益者的權(quán)益。而算法確權(quán)機制可以有效地與開源社區(qū)互補，為算法開發(fā)者提供更多的傳播渠道和安全保障，以平衡算法的開放和安全、利益和責任。此外，主要開源社區(qū)的相關(guān)指標，如Github和Gitee的活躍度、關(guān)注度和貢獻者規(guī)模等，可以體現(xiàn)算法確權(quán)的需求和水平。

在法律保護上，國外法律實踐主要集中在知識產(chǎn)權(quán)保護和數(shù)據(jù)隱私領(lǐng)域，我國尚未有明確法律法規(guī)對算法提供特定保護。在知識產(chǎn)權(quán)保護方面，國際上，有人類作者明確介入和貢獻的算法代碼可以通過版權(quán)法或者商業(yè)秘密法規(guī)尋求保護。例如，美國的《商業(yè)秘密保護法》（DTSA）為算法模型和訓練數(shù)據(jù)提供了商業(yè)秘密保護，保護算法的核心邏輯和參數(shù)，尤其適用于私有算法或閉源算法，防止其未經(jīng)授權(quán)的泄露或使用。我國目前主要依靠知識產(chǎn)權(quán)領(lǐng)域的法律對算法進行規(guī)范和保護，但算法在法律上仍未被直接納入知識產(chǎn)權(quán)的保護范疇?！秾＠ā泛汀吨鳈?quán)法》中對算法的保護相對有限，未針對算法本身提供保護。在數(shù)據(jù)隱私方面，歐盟制定了《通用數(shù)據(jù)保護條例》（GDPR）、《可信賴人工智能的倫理準則》、《人工智能法案》（AI Act）等一系列法案，對算法提出了透明性、可解釋性和責任機制要求，對高風險算法要求進行更詳細的透明度報告、用戶知情告知、記錄存檔和定期審查。2022年，國家網(wǎng)信辦牽頭建立了算法備案機制，要求算法的提供者和使用者按照規(guī)定向相關(guān)部門備案算法的基本信息、功能、數(shù)據(jù)來源、輸出結(jié)果等，以便于監(jiān)管部門對算法的合法性、合規(guī)性和安全性進行審查和監(jiān)督（張吉豫，2023）。這一機制旨在通過算法治理實現(xiàn)數(shù)字向善的目標，即保障算法的公平、透明、可解釋和可控，同時尊重和保護算法涉及的個人和社會權(quán)益。但是，這一機制是否適用于開源算法，如何保證開源算法備案的及時性和準確性，以及如何避免開源算法的濫用和過度監(jiān)管，都是需要進一步探討和解決的問題。

此外，在行政保護上，算法確權(quán)和保護主要通過支持地方建設算法服務中心進行。例如，北京算法登記服務中心實施算法登記制度，引入企業(yè)級的專業(yè)代碼審核，為已經(jīng)在網(wǎng)信辦備案的生成式人工智能、大語言模型提供算法登記和確權(quán)服務①。北京算法登記服務中心旨在幫助人工智能初創(chuàng)團隊和企業(yè)的算法資產(chǎn)進行確權(quán)、鑒權(quán)，充分利用區(qū)塊鏈可追溯、不可篡改特性，保護初創(chuàng)團隊和企業(yè)合法權(quán)益。深圳（前海）大模型和算法創(chuàng)新服務中心則圍繞大模型和算法備案，提供備案咨詢、輔導培訓和預測試等服務。但目前全國僅有2家算法服務中心，輻射范圍有限，且確權(quán)效力和效果有待進一步考察。

除了法律保護與行政保護，一些機構(gòu)和標準提出了可用的算法可信評價指標和方法。例如，數(shù)據(jù)要素 PDCA可信模型將代表算法合規(guī)信任的安全性、功能信任的高效性和倫理信任的公平性作為算法可信的評價指標②。清華CoAI小組針對模型倫理安全推出的中文大模型安全評測平臺，以及螞蟻集團發(fā)布的大模型安全一體化解決方案“蟻天鑒”，基于大模型安全評測平臺思路給出解決方案③。

整體來看，算法確權(quán)是一項重要的工作，既關(guān)系到算法的創(chuàng)新和應用，也關(guān)系到算法開發(fā)者和使用者的權(quán)益。國內(nèi)外關(guān)于數(shù)據(jù)、算法等數(shù)字資產(chǎn)的法律監(jiān)管都處在不斷探索的階段，其中國外法律在知識產(chǎn)品、個人隱私方面對算法模型提出了更高的監(jiān)管要求，也對算法開發(fā)者的權(quán)益進行更充分保護。相比之下，我國的算法登記與備案為算法的確權(quán)和保護提供了有益的探索和嘗試，但也存在算法登記的效力和效果不確定、算法備案的專業(yè)性和時效性不足、算法的評估和價值不透明等難題。此外，對于算法的技術(shù)保護也可以與算法確權(quán)和保護手段作進一步結(jié)合。在開源社區(qū)的背景下，算法確權(quán)需要更加平衡算法的創(chuàng)新和保護、開放和安全、利益和責任。

（三）算法流通的多模式并行

算法流通作為新概念，當前算法市場呈現(xiàn)出多種流通模式并行發(fā)展的趨勢。為了滿足不同需求，各個平臺和機構(gòu)提供了多種類型和功能的算法流通交易服務，包括全棧式服務平臺、細分領(lǐng)域服務商、第三方算法市場和數(shù)據(jù)交易所的算法流通交易板塊等。這些服務涵蓋了通用型算法、定制化方案和撮合交易等多種產(chǎn)品類型，具體如表1所示。

第一，全棧式服務平臺不僅作為第三方平臺撮合算法供需方達成交易，同時也作為算法供應商提供通用算法模型和定制化服務。平臺通過提供全棧支持，包括底層硬件、開發(fā)工具、通用模型和云計算基礎設施等，使用戶能夠部署、管理并監(jiān)視其模型，形成完整的供需鏈和產(chǎn)業(yè)生態(tài)。主要包括百度、阿里、騰訊、華為、谷歌、微軟、亞馬遜等頭部AI巨頭搭建的開放平臺，例如亞馬遜的AWS Marketplace為其客戶提供各種預構(gòu)建的模型和算法①，涵蓋與業(yè)務分析、計算機視覺、醫(yī)療保健以及文本和語言處理相關(guān)的領(lǐng)域，主要采用按小時、按天等收費的訂閱模式（Nizamis et al.，2023）。這類平臺主要存在算法確權(quán)制度不完善和定制化方案價格高的問題。

第二，細分領(lǐng)域服務商主要指垂直領(lǐng)域的AI公司建立的算法市場，如?？低旳I開放平臺、螢石算法商店、Modelplace AI和Nuance②。這些平臺通過其在特定領(lǐng)域積累的經(jīng)驗、數(shù)據(jù)和口碑，為特定行業(yè)客戶提供定制化解決方案。這類平臺的算法資源主要是由平臺自身提供，存在較為嚴重的應用領(lǐng)域受限問題，難以促成大規(guī)模的交易活動。

第三，第三方算法市場主要包括Algorithmia、極視角①和鈦靈科技等創(chuàng)業(yè)公司搭建的開放算法市場。這些市場通過整合各類算法資源，使開發(fā)者能夠發(fā)布、銷售和共享其算法，以市場化的方式促成算法交易，并設有與應用商店類似的評級和評論功能，幫助企業(yè)篩選合適的算法。第三方算法市場為解決個人開發(fā)者品牌信任度不足和小微企業(yè)定制化模型開發(fā)成本高的問題提供了新的探索思路。但作為企業(yè)主導的平臺，這些市場仍存在算法確權(quán)制度不完善等問題。

第四，數(shù)據(jù)交易所的算法流通交易板塊。依靠成熟的數(shù)據(jù)交易生態(tài)，部分數(shù)據(jù)交易所已經(jīng)開始布局算法流通交易板塊，如貴陽大數(shù)據(jù)交易所的算法模型板塊、廣州數(shù)據(jù)交易所的模型算法板塊等。這些板塊的主要業(yè)務模式是撮合算法供需方，算法供給方提供通用型算法模型或定制化算法服務。然而，這部分交易活動作為數(shù)據(jù)交易所的一個細分板塊，算法質(zhì)量和數(shù)量仍非常有限，截至2024年5月，貴陽大數(shù)據(jù)交易所平臺僅有30項“算法模型”標的產(chǎn)生過1—8筆交易，其余均為0筆交易；廣州數(shù)據(jù)交易所平臺中僅有11家企業(yè)提供的31個模型算法且未披露交易次數(shù)。

與國外算法市場相比，我國算法市場整體上仍處在初期探索階段。國際上，以 Algorithmia和Gravity AI 為代表的算法交易平臺已搭建起了成熟的算法交易和管理模式。Algorithmia自2014年開始運營，建立了活躍的算法社區(qū)和規(guī)范的交易機制，通過開源算法的相互改進和非開源算法的運行監(jiān)控確保算法的質(zhì)量，并搭建開發(fā)者聲望系統(tǒng)和用戶評價體系為算法選擇提供了可信依據(jù)。這種基于社區(qū)和評價的模式有效地提高了算法的可靠性和用戶的使用信心。Gravity AI 則在運營機制上重點優(yōu)化算法審核和部署流程。每個模型在上線前都需通過嚴格的審核流程，包括輸入輸出格式、性能可靠性、安全性等多方面。此外，Gravity AI 強調(diào)算法模型的無代碼和低代碼的應用，鼓勵將復雜的算法轉(zhuǎn)化為簡單易用的應用程序，簡化了模型使用流程。這種無代碼化的設計不但降低了技術(shù)使用門檻，還增加了模型的市場適應性和普及度。當前我國以數(shù)據(jù)交易所算法流通交易板塊和大型科技企業(yè)的服務平臺為主導，不同的算法市場都致力于促進算法的應用和商業(yè)化，但在活躍度和規(guī)模仍相對不足，算法市場建設在交易形式、運營模式等方面仍存在諸多探索空間。

（四）中國算法市場當前主要問題

通過梳理算法確權(quán)和算法流通的國內(nèi)外相關(guān)實踐，本文提出推動中國算法市場發(fā)展需要解決“審核備案—供需匹配—應用門檻—跨境監(jiān)管”四個方面的諸多問題。

其一，算法權(quán)益保護不足，缺少透明的審核備案規(guī)則以及可置信的算法流通環(huán)境。當前，算法權(quán)益保護機制不夠健全，導致算法開發(fā)者在權(quán)利確認和維護方面存在諸多困難，尤其在面對惡意傳播或抄襲算法時，缺乏有效的維權(quán)渠道和法律支持。例如，2020年修訂的《專利法》和《著作權(quán)法》中對算法的保護相對有限，前者中最符合算法定義的為第二十五條中第二項“智力活動的規(guī)則和方法”，不授予專利權(quán)；后者只在第三條中對“計算機軟件”，即算法的表現(xiàn)形式進行保護，未針對算法本身提供保護。此外，缺乏清晰的審核和備案流程使得算法資產(chǎn)的合法性和合規(guī)性難以驗證，造成流通環(huán)境的不確定性和風險。由于缺乏透明的審核機制，開發(fā)者對其算法的市場地位和知識產(chǎn)權(quán)保護充滿疑慮，這不僅抑制了創(chuàng)新積極性，也使得潛在投資者對算法項目的信心降低，從而影響整體市場的活躍度。

其二，當前算法流通場內(nèi)交易發(fā)育不充分，中小企業(yè)獲取前沿算法資源較為困難。一方面，我國目前場內(nèi)算法市場規(guī)模較小，部分數(shù)據(jù)交易所開設了算法流通交易板塊，但交易規(guī)模和活躍度均較低。大量的算法需求只能通過場外企業(yè)主導的算法市場完成交易，然而部分用于模型訓練的數(shù)據(jù)可能具有專有性和敏感性，存在一定的數(shù)據(jù)安全或隱私風險。另一方面，大部分算法開發(fā)者傾向于面向通用場景進行研發(fā)，中小型企業(yè)雖然自身擁有數(shù)據(jù)，但面向業(yè)務需求獨立開發(fā)算法需要強大的研發(fā)能力和算力資源，較高的研發(fā)門檻導致企業(yè)無法充分發(fā)揮數(shù)據(jù)的價值。

其三，人工智能算法的算力需求與部署難度有所上升，前沿算法的使用門檻較高。一方面，隨著AI技術(shù)的發(fā)展，對算力的需求激增，然而現(xiàn)有的算力資源在地域和行業(yè)之間分散。對于資源相對有限的中小企業(yè)而言，高昂的算力支出不僅限制了其技術(shù)應用的廣度和深度，還直接影響到企業(yè)運營成本，制約了中小企業(yè)的技術(shù)創(chuàng)新。這也反過來影響了算法市場的整體活躍度。另一方面，前沿算法迭代更新速度快，但不同開發(fā)者所使用的開發(fā)環(huán)境和工具鏈存在顯著差異，造成算法開發(fā)與部署的標準化不足。不同基座模型之間的切換成本較高，開發(fā)者在遷移算法時往往需要重新調(diào)整模型和優(yōu)化參數(shù)，增加了開發(fā)復雜性和時間成本。

其四，國際數(shù)據(jù)和算法監(jiān)管趨嚴提高了算法監(jiān)管與跨境流通的復雜性。國際上，歐盟制定了《通用數(shù)據(jù)保護條例》（GDPR）、《可信賴人工智能的倫理準則》等一系列法案，圍繞算法決策的實施來構(gòu)建具體監(jiān)管規(guī)則。我國自2021年以來相繼出臺了《關(guān)于加強互聯(lián)網(wǎng)信息服務算法綜合治理的指導意見》《互聯(lián)網(wǎng)信息服務算法推薦管理規(guī)定》，以中國互聯(lián)網(wǎng)信息服務中的算法推薦服務為客體進行了初步的算法監(jiān)管立法探索。此外，不同國家在安全、數(shù)據(jù)隱私等方面的法規(guī)可能存在差異，例如新的美國法規(guī)要求公司獲得特殊許可證才能出口某些地理空間 AI 軟件（尤其是中國）。因此，算法市場監(jiān)管不僅需要適應國內(nèi)法律規(guī)定，還需要約束采用國外數(shù)據(jù)或模型參數(shù)的算法產(chǎn)品符合國際要求。與此同時，算法資產(chǎn)相比數(shù)據(jù)資產(chǎn)在所有權(quán)、質(zhì)量評估等方面具有一定優(yōu)勢，適合作為數(shù)字資產(chǎn)跨境流動的試驗，但國內(nèi)外監(jiān)管差異是實現(xiàn)跨境流動必須解決的問題。

四、算法市場、知識產(chǎn)權(quán)保護與數(shù)據(jù)要素市場

算法可以視為一種不同于傳統(tǒng)技術(shù)的新型科技創(chuàng)新成果，為這種數(shù)字技術(shù)成果的交易和流動構(gòu)建的“算法市場”，必然與為傳統(tǒng)技術(shù)成果構(gòu)建的交易和流通市場緊密相關(guān)。結(jié)合前文對算法市場面臨的主要挑戰(zhàn)與實踐探索，以及算法市場與知識產(chǎn)權(quán)、數(shù)據(jù)市場的概念邊界，本文認為算法在確權(quán)保護方面與知識產(chǎn)權(quán)更為相似，在市場上的流通機制則與數(shù)據(jù)市場具有較強的可比性。一方面，算法作為創(chuàng)新性的智力成果，其核心價值在于其獨特的邏輯結(jié)構(gòu)和創(chuàng)新性應用，這些特性與知識產(chǎn)權(quán)所保護的核心內(nèi)容——創(chuàng)新思想、技術(shù)方案等高度契合。另一方面，算法和數(shù)據(jù)均依賴于高度虛擬化的交易環(huán)境，且均表現(xiàn)出強烈的場景依賴性。算法模型的部署、優(yōu)化與應用，往往需要根據(jù)具體的數(shù)據(jù)集和業(yè)務場景進行調(diào)整，這一特點與數(shù)據(jù)在市場中的流動和價值實現(xiàn)過程不謀而合。因此，本文通過對比算法市場與知識產(chǎn)權(quán)、數(shù)據(jù)市場，參考知識產(chǎn)權(quán)領(lǐng)域?qū)?chuàng)新性和獨創(chuàng)性的保護，以及數(shù)據(jù)市場對虛擬資產(chǎn)交易的運作機制和市場結(jié)構(gòu)相關(guān)研究，探討算法確權(quán)和流通方面的未來發(fā)展思路。

（一）算法確權(quán)與知識產(chǎn)權(quán)保護研究

算法作為計算機技術(shù)領(lǐng)域的創(chuàng)新技術(shù)和成果，一方面可以作為方法發(fā)明納入專利保護，另一方面可以通過計算機軟件載體進行著作權(quán)保護，與知識產(chǎn)權(quán)概念高度相關(guān)。目前，已有大量文獻從專利、著作權(quán)、商業(yè)秘密等角度討論了算法的知識產(chǎn)權(quán)保護路徑（王德夫，2021；靳雨露和肖尤丹，2022），可為算法確權(quán)提供研究借鑒。

知識產(chǎn)權(quán)保護是一個涉及創(chuàng)新成果交易和保護的市場體系，涵蓋了專利、商標、著作權(quán)等不同類型的知識產(chǎn)權(quán)。截至2023年，中國發(fā)明專利有效量為499.06萬件，有效注冊商標量為4614.64萬件①，與此相對應的是不斷增強的知識產(chǎn)權(quán)保護體系，主要包括行政保護、法律保護和技術(shù)保護等方面。其一，行政保護是指國家知識產(chǎn)權(quán)局支持地方建設了知識產(chǎn)權(quán)保護中心和快速維權(quán)中心②。其二，法律保護是指《專利法》《商標法》《著作權(quán)法》等知識產(chǎn)權(quán)領(lǐng)域的法律規(guī)范了知識產(chǎn)權(quán)的創(chuàng)作、使用、轉(zhuǎn)讓和授權(quán)等行為，此外，最高人民法院于2019年成立知識產(chǎn)權(quán)法庭③。其三，技術(shù)保護是指使用加密、防篡改等技術(shù)來防止知識產(chǎn)權(quán)的非法復制、傳播和使用。研究表明，區(qū)塊鏈技術(shù)和智能合約的應用可以簡化知識產(chǎn)權(quán)確權(quán)流程并降低成本，同時提高了交易的透明度和效率（華劼，2018）。

知識產(chǎn)權(quán)保護能有效減少知識產(chǎn)權(quán)侵權(quán)現(xiàn)象，對推動知識產(chǎn)權(quán)市場發(fā)展乃至鼓勵創(chuàng)新與推動經(jīng)濟發(fā)展都有積極作用。政府加強知識產(chǎn)權(quán)保護執(zhí)法力度有效促進了企業(yè)創(chuàng)新，企業(yè)的研發(fā)投入和專利申請數(shù)量均顯著增加（吳超鵬和唐菂，2016）。同時，知識產(chǎn)權(quán)司法保護和行政保護的創(chuàng)新和進步，也為健全中國知識產(chǎn)權(quán)治理體系、強化知識產(chǎn)權(quán)全鏈條保護作出了重要貢獻（董濤，2022；甄紅線等，2023）。知識產(chǎn)權(quán)法院設立和知識產(chǎn)權(quán)行政保護水平提高促進了高質(zhì)量創(chuàng)新和企業(yè)數(shù)字化轉(zhuǎn)型（黎文靖等，2021；甄紅線等，2023）。

算法與知識產(chǎn)權(quán)在創(chuàng)新性、虛擬性等方面具有相似性，這意味著算法確權(quán)與保護在一定程度上可以借鑒知識產(chǎn)權(quán)的保護措施。其一，具有創(chuàng)新性和獨創(chuàng)性的算法才具有確權(quán)和保護需求，因此算法確權(quán)需要經(jīng)過類似于專利申請的流程以證明其獨特性，尤其是對于針對特定領(lǐng)域進行微調(diào)后的算法，需要專業(yè)人員審核是否將其視為不同的算法進行確權(quán)，以避免重復保護和權(quán)利主體不明確。其二，算法在虛擬性上與知識產(chǎn)權(quán)中的著作權(quán)相似，均可以視為一種虛擬創(chuàng)作，同時計算機軟件作為算法的載體在《著作權(quán)法》受到了明確保護，因此可以從著作權(quán)保護出發(fā)，構(gòu)建算法的確權(quán)和保護框架。

相比知識產(chǎn)權(quán)，算法具有隱私數(shù)據(jù)依賴性和開閉源算法差異特征，開源算法更關(guān)注如何在共享的同時保護開發(fā)者的利益，而閉源算法則更注重防止技術(shù)泄露并滿足透明度要求。其一，算法對外部數(shù)據(jù)存在高度依賴性，數(shù)據(jù)的持續(xù)性和質(zhì)量直接影響算法的更新與完善，而數(shù)據(jù)權(quán)屬一直存在諸多爭議，同時涉及隱私問題（王德夫，2021）。因此，在對算法進行確權(quán)與保護時，還需要對其使用的數(shù)據(jù)進行權(quán)屬界定和加密保護，防止數(shù)據(jù)通過算法泄露。其二，算法確權(quán)與保護還需要考慮開源算法和閉源算法的差異，兩者在確權(quán)和保護需求存在不同。開源算法確權(quán)復雜性較高，公開的代碼和技術(shù)方案可能會導致其權(quán)利和義務不清晰，進而造成責任性風險（賈開和薛瀾，2021）。盡管開源算法的初衷常常是促進共享與協(xié)作，但這并不意味著開源團隊或作者沒有盈利訴求。實際上，許多開源項目的開發(fā)者有強烈的商業(yè)化意圖，希望通過捐贈、贊助、閉源授權(quán)等途徑實現(xiàn)盈利。然而，受限于團隊規(guī)模和資源有限，許多開源項目難以有效收取“閉源費”或?qū)崿F(xiàn)商業(yè)變現(xiàn)，導致其保護需求難以得到充分滿足。此外，開源算法的開放性也可能增加其被未經(jīng)授權(quán)使用的風險，尤其是在沒有強制性執(zhí)行機制的情況下，難以保障開發(fā)者的利益。相比之下，閉源算法的所有權(quán)相對明確，因為其源代碼和技術(shù)細節(jié)在交易過程中通常保持封閉狀態(tài)，開發(fā)者或公司可以更好地控制其使用和傳播。閉源算法所有權(quán)相對明確，但隨著人工智能社會對算法可解釋性、透明性要求的提高，閉源算法在流通過程中存在更高的泄露風險，特別是在算法作為產(chǎn)品或服務進行交付時，其核心技術(shù)可能因逆向工程或惡意破解而被泄露。因此，閉源算法不僅需要傳統(tǒng)的知識產(chǎn)權(quán)保護措施，還需要更全面的技術(shù)手段，以防止非法復制和濫用。

（二）算法流通與數(shù)據(jù)要素市場研究

作為數(shù)字經(jīng)濟的基石，數(shù)據(jù)和算法在應用過程中聯(lián)系密切。數(shù)據(jù)包含著豐富的信息，是推動產(chǎn)業(yè)升級和經(jīng)濟發(fā)展的基礎生產(chǎn)資料；而算法是發(fā)掘數(shù)據(jù)信息的工具，是連接數(shù)據(jù)與實際應用場景的橋梁。算法與數(shù)據(jù)共有的虛擬性使得算法市場和數(shù)據(jù)市場在流通與運行機制等方面面臨著相似的問題。已有大量研究關(guān)注到數(shù)據(jù)要素市場的快速發(fā)展（熊巧琴和湯珂，2021；龔強等，2022），可為算法流通機制提供研究借鑒。

數(shù)據(jù)要素市場是數(shù)據(jù)在交換或流通過程中形成的市場，是推動數(shù)據(jù)資源有序利用、數(shù)據(jù)產(chǎn)品價值最大化的有效路徑，各國在數(shù)據(jù)定價、交易機制和確權(quán)上紛紛提出條款，推動全球數(shù)據(jù)交易市場發(fā)展①。截至2023年，全國共有場內(nèi)數(shù)據(jù)交易所（中心）61家②，涵蓋數(shù)據(jù)登記、確權(quán)、價值評估、數(shù)據(jù)安全體系建設等數(shù)據(jù)交易業(yè)務和制度規(guī)則的構(gòu)建。當前，數(shù)據(jù)要素交易在實踐中出現(xiàn)了多種創(chuàng)新做法，主要表現(xiàn)在數(shù)據(jù)的交易形式和定價方面。第一，在交易形式方面，隨著隱私計算、區(qū)塊鏈等技術(shù)的快速發(fā)展，“數(shù)據(jù)可用不可見”已成為數(shù)據(jù)要素交易的核心技術(shù)模式，通過隱私計算技術(shù)，實現(xiàn)數(shù)據(jù)在加密狀態(tài)下被用戶使用和分析，將“數(shù)據(jù)所有權(quán)交易”轉(zhuǎn)變?yōu)椤皵?shù)據(jù)使用權(quán)交易”（龔強等，2022）。具體而言，對原始數(shù)據(jù)和隱私數(shù)據(jù)要進行加密等必要的技術(shù)處理動作，在計算環(huán)節(jié)要通過加密傳輸進行調(diào)用，從技術(shù)角度屏蔽了敏感信息和隱私數(shù)據(jù)，以實現(xiàn)對數(shù)據(jù)的保護。第二，在數(shù)據(jù)定價方面，很多數(shù)據(jù)交易所已經(jīng)認識到應用場景對于數(shù)據(jù)交易的重要性，并探索基于應用場景的數(shù)據(jù)交易模式。例如，上海數(shù)據(jù)交易所通過培育“數(shù)商”生態(tài)，服務數(shù)據(jù)的合規(guī)評估、資產(chǎn)評估、質(zhì)量評估和安全評估等，明確“不合規(guī)不掛牌，無場景不交易”的交易原則。歐陽日輝和龔偉（2022）也指出不同應用場景下影響價值的因素不完全相同，數(shù)據(jù)產(chǎn)品價值也會不同。根據(jù)不同場景下的數(shù)據(jù)度量維度，構(gòu)建更為全面的數(shù)據(jù)產(chǎn)品定價模型，對提升數(shù)據(jù)資源價值、提高資源配置效率有著重要意義。

算法與數(shù)據(jù)在虛擬性和場景依賴性等方面具有相似性，這意味著算法流通與定價在一定程度上可以借鑒數(shù)據(jù)市場的機制。其一，算法和數(shù)據(jù)都具有虛擬性的特點，可復制、可共享和非排他的性質(zhì)使其能夠無限增長和供給，同一數(shù)據(jù)與算法可以被不同主體同時使用（Jones and Tonetti，2020；蔡繼明等，2022；蔣煒等，2022）。因此，在交易形式方面，可以通過隱私計算技術(shù)保護算法的關(guān)鍵參數(shù)，實現(xiàn)算法在加密狀態(tài)下被用戶運行及調(diào)整，將“算法所有權(quán)交易”轉(zhuǎn)變?yōu)椤八惴ㄊ褂脵?quán)交易”。其二，數(shù)據(jù)和算法都需要依賴于實際應用場景體現(xiàn)其價值，導致它們的價值具有高度不確定性（龔強等，2022）。在算法市場中，可以根據(jù)算法模型的類型與算法應用場景來核算價值。對于通用型算法，可以與開發(fā)者協(xié)商提供算法訂閱服務，使企業(yè)以較低的訂閱費用獲得算法的使用權(quán)，從而降低企業(yè)參與算法流通交易的門檻。對于定制化算法服務，強調(diào)市場機制的有效運作，買賣雙方以市場合約的方式進行交易，需求方可以通過競標、拍賣等方式獲取最適合自身需求的算法定制化服務，提高企業(yè)算法流通效率。中央管理機構(gòu)可以培育“算法服務商”生態(tài)，服務算法的合規(guī)評估和質(zhì)量評估，協(xié)助根據(jù)算法的應用場景實現(xiàn)合理定價，避免算法市場出現(xiàn)價格機制扭曲、市場壟斷等問題。

相比數(shù)據(jù)，算法具有更強的非標屬性和外部依賴性，使得算法在流通過程中存在其特殊性。其一，算法的運行效果與輸入的數(shù)據(jù)相關(guān)，部分算法在流通過程中需要與數(shù)據(jù)強綁定。不同于數(shù)據(jù)集具有相對標準的判斷規(guī)則，算法的交易流通需要依賴客戶提供的數(shù)據(jù)進行模型訓練和調(diào)整，使用相同算法處理不同的原始數(shù)據(jù)，經(jīng)過分析過濾、提煉整合及脫敏處理后形成的具有交換價值和技術(shù)可行性的算法產(chǎn)品可能是完全不同的（李曉珊，2022），導致算法產(chǎn)品具有更強的非標屬性。其二，算法有較強的外部依賴性，算法的運行離不開算力的支持，當前算法的大規(guī)模算力需求也成為突破芯片技術(shù)“掐脖子”困境的契機。具體而言，算法的效率和性能依賴于硬件設備的能力，如處理器的速度、內(nèi)存的大小以及網(wǎng)絡的穩(wěn)定性等，復雜的算法通常需要更多算力支持。當前人工智能浪潮與大模型的研發(fā)浪潮帶來了海量的算力需求，全球算力市場出現(xiàn)供給不足。在此背景下，如何鼓勵國內(nèi)AI算法研究者在國產(chǎn)算力設備上從頭研發(fā)，從而減少對國外設備（如英偉達）的依賴，也成為了我國解決芯片“掐脖子”的重要機遇①。因此，當前更需要實現(xiàn)算法和算力的雙向發(fā)展，在人工智能和半導體領(lǐng)域?qū)崿F(xiàn)協(xié)同進步。

五、政策建議

本文梳理了國內(nèi)外算法市場建設實踐以及我國當前算法市場主要問題，并將算法確權(quán)與知識產(chǎn)權(quán)保護、算法流通與數(shù)據(jù)要素市場建設作對比，提出應該由政府提供規(guī)范和完善的算法登記和交易服務，建立完善的算法流通交易市場，并鼓勵培育算法服務商隊伍，加速算法市場流通，形成“有效市場和有為政府”雙驅(qū)動發(fā)展模式。針對前文提出的“審核備案—供需匹配—應用門檻—跨境監(jiān)管”，本文提出如下政策建議：

第一，政府部門提供規(guī)范的算法登記服務，細化算法權(quán)益保護操作規(guī)則。一是牽頭組建由算法研究領(lǐng)域?qū)＜医M成的算法委員會，參照知識產(chǎn)權(quán)領(lǐng)域的相關(guān)法律法規(guī)，對開源和閉源算法分別構(gòu)建符合算法特性的算法登記標準，從法律制度層面為算法市場的權(quán)益與價值劃分提供支撐。二是完善算法登記流程，設立算法評估部門，由專業(yè)的代碼審核人員審核算法的創(chuàng)新性，并進行風險漏洞檢測和質(zhì)量評估，完成算法的規(guī)范登記。并針對算法背后的數(shù)據(jù)隱私問題，聯(lián)合數(shù)據(jù)確權(quán)部門共同進行確權(quán)和保護，保障算法市場的公平和秩序。

第二，建立圍繞算法耦合的供需匹配機制，培育算法服務商以提高算法交易活躍度。算法耦合是指利用不同通用算法實現(xiàn)優(yōu)勢互補，精準服務具體需求，可以在一定程度上解決針對通用場景搭建的大模型與企業(yè)特定業(yè)務場景結(jié)合的問題。以數(shù)據(jù)交易所算法流通交易板塊主導的算法交易場內(nèi)市場可以通過政策優(yōu)惠吸引符合資質(zhì)的個人、機構(gòu)和企業(yè)組建算法服務商隊伍，并與算力平臺和數(shù)據(jù)交易所建立深度合作，將現(xiàn)有通用型算法匯集起來，為算法耦合提供統(tǒng)一展示、測試和優(yōu)化的平臺，實現(xiàn)通用型算法供應向?qū)Ｓ眯退惴ㄐ枨蟮霓D(zhuǎn)化，以市場化的形式實現(xiàn)更優(yōu)的供需匹配機制。

第三，鼓勵市場積極探索算法流通交易機制，包括推動社區(qū)建設和聲譽體系，鼓勵采用無代碼設計以及整合并提供算力資源，降低算法使用門檻。借鑒國外算法市場經(jīng)驗，可以鼓勵交易平臺根據(jù)算法的市場熱度、客戶評價、質(zhì)量、價格等指標，為用戶建立個性化的算法推薦系統(tǒng)，也為開發(fā)者建立聲譽系統(tǒng)和用戶評價機制，增強算法選擇的透明度和可靠性。此外，算法市場可以參考國外算法市場的無代碼設計，吸引更多非技術(shù)背景的用戶使用算法，讓算法使用更加便捷和普及。與此同時，算法市場建設也可以與全國統(tǒng)一算力服務大市場建設相結(jié)合，通過推動公共算力標準化互聯(lián)互通，提升算力利用效率，降低中小企業(yè)用算成本。

第四，推動算法加密技術(shù)應用與算法數(shù)據(jù)源審查，探索建設算法跨境流動體系。算法的跨境監(jiān)管對算法加密提出了更高要求，目前包括算法數(shù)據(jù)化和算法加密兩條路線，算法數(shù)據(jù)化是將體現(xiàn)算法價值的部分關(guān)鍵參數(shù)作為數(shù)據(jù)，為其添加水印與指紋進行保護和監(jiān)控；算法加密則需要開發(fā)加密技術(shù)使算法能在不被揭露的情況下完成計算（蔣煒等，2022）。我國建立算法市場應當積極應用與推動相關(guān)加密技術(shù)，確保算法流通過程當中不會出現(xiàn)技術(shù)泄露以及數(shù)據(jù)隱私泄露。此外，針對算法等數(shù)字資產(chǎn)的跨境監(jiān)管與跨境流通，我國需要明確或設立數(shù)據(jù)跨境流動監(jiān)管執(zhí)法部門，建立跨部門協(xié)同機制，嘗試建立“數(shù)據(jù)特區(qū)”，解決數(shù)據(jù)跨境過程當中不同市場的數(shù)據(jù)規(guī)范、法律要求的對接問題，積極探索高效便利安全的跨境流通。

參考文獻

蔡繼明、劉媛、高宏、陳臣，2022，“數(shù)據(jù)要素參與價值創(chuàng)造的途徑——基于廣義價值論的一般均衡分析”，《管理世界》，第7期，第108-121頁。

董濤，2022，“知識產(chǎn)權(quán)數(shù)據(jù)治理研究”，《管理世界》，第4期，第109-125頁。

龔強、班銘媛、劉沖，2022，“數(shù)據(jù)交易之悖論與突破：不完全契約視角”，《經(jīng)濟研究》，第7期，第172-188頁。

華劼，2018，“區(qū)塊鏈技術(shù)與智能合約在知識產(chǎn)權(quán)確權(quán)和交易中的運用及其法律規(guī)制”，《知識產(chǎn)權(quán)》，第2期，第13-19頁。

賈開、薛瀾，2021，“第四次工業(yè)革命與算法治理的新挑戰(zhàn)”，《清華管理評論》，第4期，第68-73頁。

蔣煒、王鴻鷺、鄭志強、沈浙，2022，“基于區(qū)塊鏈技術(shù)的數(shù)據(jù)—算法—場景價值鏈研究展望”，《安泰行業(yè)評論·第一卷》，上海：上海交通大學出版社，第1-12頁。

靳雨露、肖尤丹，2022，“算法的知識產(chǎn)權(quán)保護路徑選擇”，《中國科學院院刊》，第10期，第1511-1519頁。

黎文靖、彭遠懷、譚有超，2021，“知識產(chǎn)權(quán)司法保護與企業(yè)創(chuàng)新——兼論中國企業(yè)創(chuàng)新結(jié)構(gòu)的變遷”，《經(jīng)濟研究》，第5期，第144-161頁。

李曉珊，2022，“數(shù)據(jù)產(chǎn)品的界定和法律保護”，《法學論壇》，第3期，第122-131頁。

馬艷、陳堯，2023，“‘算法革命’的政治經(jīng)濟學分析”，《學術(shù)月刊》，第6期，第66-74頁。

歐陽日輝、龔偉，2022，“基于價值和市場評價貢獻的數(shù)據(jù)要素定價機制”，《改革》，第3期，第39-54頁。

王德夫，2021，“論人工智能算法的知識產(chǎn)權(quán)保護”，《知識產(chǎn)權(quán)》，第11期，第50-70頁。

王璟璇、竇悅、黃倩倩、童楠楠，2021，“全國一體化大數(shù)據(jù)中心引領(lǐng)下超大規(guī)模數(shù)據(jù)要素市場的體系架構(gòu)與推進路徑”，《電子政務》，第6期，第20-28頁。

吳超鵬、唐菂，2016，“知識產(chǎn)權(quán)保護執(zhí)法力度、技術(shù)創(chuàng)新與企業(yè)績效——來自中國上市公司的證據(jù)”，《經(jīng)濟研究》，第11期，第125-139頁。

熊巧琴、湯珂，2021，“數(shù)據(jù)要素的界權(quán)、交易和定價研究進展”，《經(jīng)濟學動態(tài)》，第2期，第143-158頁。

楊善奇、劉巖，2021，“智能算法控制下的勞動過程研究”，《經(jīng)濟學家》，第12期，第31-40頁。

張吉豫，2023，“論算法備案制度”，《東方法學》，第2期，第86-98頁。

甄紅線、王璽、方紅星，2023，“知識產(chǎn)權(quán)行政保護與企業(yè)數(shù)字化轉(zhuǎn)型”，《經(jīng)濟研究》，第11期，第62-79頁。

Chen， L.， Koutris， P. and Kumar， A.， 2019， “Towards Model-based Pricing for Machine Learning in a Data Marketplace”， Proceedings of the 2019 International Conference on Management of Data， 1535-1552.

Gorwa， R. and Veale， M.， 2024， “Moderating Model Marketplaces： Platform Governance Puzzles for AI Intermediaries”，Law， Innovation and Technology， 16（2）： 1-51.

Jones， C.I. and Tonetti， C.， 2020， “Nonrivalry and the Economics of Data”， American Economic Review， 110（9）： 2819-2858.

Jordan， M.I.， 2019， “Artificial Intelligence—The Revolution Hasn’t Happened Yet”， Harvard Data Science Review， 1（1）： 1-9.

Kelly， K.， 2017， The Inevitable： Understanding the 12 Technological Forces That Will Shape Our Future， London： Penguin.

Kumar， A.， Finley， B.， Braud， T.， Tarkoma， S. and Hui， P.， 2021， “Sketching an AI Marketplace： Tech， Economic， and Regulatory Aspects”， IEEE Access， 9： 13761-13774.

Nizamis， A.， Schlake， G.， Siachamis， G.， Dimitriadis， V.， Patsonakis， C.， Beecks， C.， Ioannidis， D.， Votis， K. and Tzovaras， D.， 2023， “Design？ ing a Marketplace to Exchange AI Models for Industry 5.0”， Artificial Intelligence in Manufacturing： Enabling Intelligent， Flexible and Cost-Effective Production Through AI， Cham： Springer Nature Switzerland， 27-41.

Ouyang， L.， Yuan， Y. and Wang， F.Y.， 2020， “Learning Markets： An AI Collaboration Framework Based on Blockchain and Smart Contracts”， IEEE Internet of Things Journal， 9（16）： 14273-14286.

Sarpatwar， K.， Ganapavarapu， U.S.， Shanmugam， K.， Rahman， A. and Vaculin， R.， 2019， “Blockchain Enabled AI Marketplace： The Price You Pay for Trust”， Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops， 1： 10.

Somy， N.B.， Kannan， K.， Arya， V.， Hans， S.， Singh， A.， Lohia， P. and Mehta， S.， 2019， “Ownership Preserving AI Marketplaces Using Block？ chain”， 2019 IEEE International Conference on Blockchain （Blockchain）， IEEE， 156-165.

The Rise of the Marketplace for Algorithm： Concepts， Challenges， and Future Development

Lin Jianhao Zhang Yifan Shi Peichang Wu Junfan

Abstract： Artificial intelligence （AI） represents a critical driving force in the new wave of technological revolution and indus？ trial transformation. The progress of AI is inseparable from the synergistic development of three essential pillars： data， algo？ rithms， and computational power. Among these， algorithms serve as a fundamental component for unlocking the potential of computational power and realizing the value of data. They act as a core driver in advancing the \"AI+\" initiative and fostering the emergence of new productive forces. However， compared to the data market， the commercialization of the algorithm mar？ket has significantly lagged behind. The mechanisms governing transactions and the structure of the algorithm market remain underexplored and lack systematic research. This paper delves into the core aspects of the algorithm market， including its trading subjects， market structure， and defining characteristics. It identifies the major challenges in algorithm rights confirma？ tion and the circulation mechanism while summarizing key domestic and international practices in developing algorithm regis？ tration and circulation markets. A comparative analysis is conducted between the algorithm market， intellectual property rights （IPR）， and the data market， revealing both shared traits and unique challenges. The findings highlight that algorithm shares notable similarities with intellectual property in terms of innovation and virtuality. However， algorithms’ reliance on sensitive data and the distinctions between open-source and proprietary algorithms introduce additional complexities in rights confirmation and protection. While open-source algorithms prioritize balancing accessibility with developers’ interests， pro？ prietary algorithms demand stringent safeguards to prevent leakage and unauthorized use. Furthermore， the algorithm market and the data market exhibit shared dependencies on application scenarios and inherent non-standard features. Both are influ？ enced by specific contextual demands， which shape their respective market dynamics. However， algorithms demonstrate a stronger external dependency， requiring significant computational resources for training， optimization， and deployment. Ad？ dressing the current challenges in China’s algorithm market， this paper proposes a dual-driven model integrating government regulation and market innovation. Policy recommendations include optimizing the mechanism for algorithm rights confirma？ tion to ensure clarity and enforceability； fostering an efficient supply-demand matching system through the cultivation of algo？ rithm service providers； reducing barriers to algorithm usage by lowering technical and financial thresholds； and developing cross-border regulatory frameworks to facilitate the secure and lawful international circulation of algorithms.

Keywords： Algorithm Marketplace； Digital Economy； Algorithm Registration

① 政府工作報告，中國政府網(wǎng)，https：//www.gov.cn/yaowen/liebiao/202403/content_6939153.htm。

② 中共中央關(guān)于進一步全面深化改革 推進中國式現(xiàn)代化的決定，中國政府網(wǎng)，https：//www.gov.cn/zhengce/202407/content_ 6963772.htm。

① 以算法為標的的交易活動也被稱為“算法交易”，但該說法容易與基于算法程序的自動化股票交易相混淆，本文參考相關(guān)文獻采用更為準確的“算法市場”提法。

② Algorithmia是成立于2014年的面向開發(fā)者和企業(yè)的算法市場平臺，企業(yè)和開發(fā)者可以直接在平臺上獲取算法，而無需重復開發(fā)。Hugging Face成立于2016年，以自然語言處理領(lǐng)域的模型和工具聞名，是一個用戶可以上傳、共享以及下載各種預訓練的機器學習模型的開放平臺。Gravity AI成立于2019年，是一個專注于為企業(yè)提供可交易機器學習模型的市場，主要面向開發(fā)者和企業(yè)的算法交易與商業(yè)化應用。

① 數(shù)學算法是最早的算法，主要用于數(shù)學問題的求解，如歐幾里得算法、牛頓迭代法等。

② 計算機算法是預先定義好的計算機指令序列，由計算機按照一定的步驟或次序執(zhí)行，進而實現(xiàn)計算、數(shù)據(jù)處理和推理的算法，如排序算法、搜索算法、加密算法等。

③ 智能算法是能夠模擬、擴展甚至超越人類智能，通過學習、推理和自我修正來處理和分析大量數(shù)據(jù)，從而達到解決復雜問題目的的算法，如機器學習算法、優(yōu)化算法、推薦算法等。

① 當前主流的開源協(xié)議包括MIT、GPL、Apache 2.0、BSD和Mozilla Public License等。它們都有明確的規(guī)則來保護開發(fā)者和用戶的權(quán)益：MIT和BSD許可證允許幾乎無限制地使用和分發(fā)，只需保留版權(quán)聲明；GPL要求衍生作品保持相同的開源許可證，確保軟件自由傳播；Apache 2.0提供專利授權(quán)并防止專利訴訟；Mozilla Public License允許混合使用開源和專有代碼，但修改后的文件必須保持開源。這些協(xié)議通過詳細的條款規(guī)定了如何使用、修改和分發(fā)軟件，以確保各方的合法權(quán)益得到保護。

② 全球開源生態(tài)研究報告（2022年），中國信通院，http：//www.caict.ac.cn/english/research/whitepapers/202211/P020221111497159008532. pdf。

① 當前政策實踐優(yōu)先鼓勵為開源大模型提供算法服務，尤其是在Hugging Face、Github、阿里魔搭社區(qū)開源的大模型。

② PDCA指的是主體可信（Participant）、數(shù)據(jù)可信（Data）、合約可信（Contract）和算法可信（Algorithm）。數(shù)據(jù)來源：數(shù)據(jù)交易安全港白皮書，上海數(shù)據(jù)交易所，https：//voe-static.chinadep.com/group1/voe/2c6cbf2f5c8c4b5fb199eb1b2293b471.pdf；數(shù)據(jù)交易PDCA模型，上海數(shù)據(jù)交易所，https：//voe-static.chinadep.com/group1/voe/a48c71a0813442f1a1f032edd73abae2.pdf。

③ 大模型治理藍皮報告（2023年）——從規(guī)則走向?qū)嵺`，中國信通院，http：//www.caict.ac.cn/kxyj/qwfb/ztbg/202311/P02023112452 6622371194.pdf。

① 制藥和生物技術(shù)公司Moderna利用AWS Data Exchange簡化數(shù)據(jù)管理。此前，Moderna的數(shù)據(jù)工程師需為每個數(shù)據(jù)源編寫代碼和定制流程，導致數(shù)據(jù)孤島和管理復雜。借助AWS平臺，Moderna可以在一個平臺上訂閱和獲取所需的真實世界數(shù)據(jù)，無需定制集成或單獨計費，同時數(shù)據(jù)傳輸和存儲均經(jīng)過加密，確保安全。Moderna能更快速地將數(shù)據(jù)傳輸?shù)椒蘸蛻弥?，縮短搜索數(shù)據(jù)和基礎設施構(gòu)建時間，并可近乎實時地在Amazon Redshift中分析數(shù)據(jù)，從而高效地進行疾病監(jiān)測和試驗入組策略制定。

② Nuance通過提供醫(yī)療語音轉(zhuǎn)錄算法技術(shù)，服務77%的美國醫(yī)院，以極大減少醫(yī)生的文書負擔。Nuance是一家語音識別技術(shù)公司，2022年被微軟收購后與OpenAI的GPT-4模型進行合作，推出Dragon Ambient eXperience（DAX？） Express的AI臨床文書應用，通過語音識別算法智能識別醫(yī)生與患者的對話，然后將數(shù)據(jù)輸入到電子病歷中自動創(chuàng)建臨床記錄，由此提升醫(yī)生的診斷效率。

① 極視角提供近20種智慧城管算法，包括餐飲出店經(jīng)營識別、攤販識別、占道經(jīng)營識別、機動車占道檢測等等。青島市城管局與極視角合作建立“青島市城市智能管理聯(lián)合實驗室”，覆蓋青島市多個街道48000個監(jiān)控攝像頭，使用“輪詢”算法策略，實現(xiàn)實時報警反饋與事故責任追究等功能，提升整體城管效率。

① 二〇二三年中國知識產(chǎn)權(quán)保護狀況，國家知識產(chǎn)權(quán)局，https：//www.cnipa.gov.cn/art/2024/4/30/art_91_192134.html。

② 當前全國共有71家國家級知識產(chǎn)權(quán)保護中心與42家快速維權(quán)中心， https：//www.gov.cn/zhengce/202405/content_6954135.htm。

③ 截至2023年，全國有北京、上海、廣州、海南4家知識產(chǎn)權(quán)法院和27家地方法院知識產(chǎn)權(quán)法庭。數(shù)據(jù)來源：中國法院知識產(chǎn)權(quán)司法保護狀況（2023），最高人民法院知識產(chǎn)權(quán)審判庭，https：//img. chinacourt. org/mup/uploadfile/2024/04/22/12/ 8fa944f259dcc2705ffe283a7c2be810.pdf。

① 根據(jù)上海數(shù)據(jù)交易所發(fā)布的數(shù)據(jù)，2022年全球數(shù)據(jù)交易規(guī)模約906億美元。其中，美國數(shù)據(jù)交易市場的市場規(guī)模約為417.0億美元，是全球規(guī)模最大的國家，交易模式主要以B2B2C為主，產(chǎn)品形態(tài)以數(shù)據(jù)集為主。歐洲和亞洲的數(shù)據(jù)交易市場規(guī)模分別為192億和182億美元。中國數(shù)據(jù)交易市場規(guī)模達876.8億元，在全球占比13.4%，在亞洲占比66.5%。

② 數(shù)據(jù)要素市場生態(tài)體系研究報告2023年，工業(yè)和信息化部網(wǎng)絡安全產(chǎn)業(yè)發(fā)展中心，https：//www.hulianhutongshequ.cn/upload/ tank/report/2024/202401/1/f400bc3f3044462b87c4948ddec2f8f5.pdf。

① 當前的人工智能浪潮不僅推動了算法的發(fā)展，還帶動了半導體產(chǎn)業(yè)的根本性變革。英偉達憑借GPU在人工智能算力領(lǐng)域的優(yōu)勢登上行業(yè)巔峰，而傳統(tǒng)CPU巨頭英特爾則面臨較大挑戰(zhàn)。實踐中，北京算法登記中心與華為昇騰算力中心等機構(gòu)進行合作，對能移植到國產(chǎn)服務器上的大模型給予大力支持，而且優(yōu)先支持利用國產(chǎn)算力設備從頭開始訓練的科研創(chuàng)業(yè)團隊。未來，國內(nèi)算法服務機構(gòu)可以與更多國產(chǎn)服務器廠商建立合作機制，鼓勵算法研究者在國產(chǎn)算力設備上進行從頭研發(fā)，減少對國外設備的依賴，帶動國產(chǎn)芯片研發(fā)和國產(chǎn)算力基礎設施建設。

（責任編輯：張瑞志）