文 | 广东财经大学国家安全与发展研究院副院长 崔婷；电子科技大学计算机科学与工程（网络空间安全）学院 程一帆；电子科技大学（深圳）高等研究院教授 陈厅
人工智能作为新一轮科技革命和产业变革的强大驱动力，是实现产业升级、守卫经济安全的关键抓手。数据作为人工智能模型迭代优化的核心生产要素，已成为影响产业竞争能力和国家发展能力的重要战略资源。对数据访问、处理、使用和开发利用方式的实际支配能力，即数据控制权也逐渐成为人工智能竞争的重要内容。与土地、设备等传统生产要素不同，数据具有易复制、易传播和跨境流动成本较低等特点，其价值可以在采集、训练、推理和应用等多个环节持续释放。在资本逐利和全球产业布局调整的共同作用下，部分本土人工智能企业借助境外架构、委托训练、协议控制等方式，将关键数据及其控制权向境外转移。这种转移通常具有较强的隐蔽性，在形式上可能符合现有制度要求，但实质上改变了数据的控制关系和利益归属。由此产生的影响已经超出传统数据安全范畴，进一步影响数据资产、产业发展和国家治理等多个层面，对国家经济安全造成持续影响。因此，有必要从人工智能发展带来的数据控制关系变化出发，厘清数据主权与数字主权、算法主权等相关概念的边界，分析人工智能对数据主权保护对象、实现方式以及发展和安全关系带来的影响，进一步识别数据主权风险，并借鉴主要国家和地区的相关治理实践，从战略性数据识别、跨境转移审查和风险动态监测等方面提出相应的治理思路，实现数据安全保护与人工智能产业发展的协调统一。
一、人工智能发展对数据主权的拓展与重塑
随着数字经济发展，国内外关于数据主权的研究逐渐由早期的数据本地化和跨境数据流动，拓展至数据治理、平台控制和数字基础设施等领域，且关注重点也由数据的物理位置逐步转向数据的实际控制关系及其价值分配。从概念边界看，数字主权的范围更为广泛，强调国家对数字基础设施、数字技术、数字平台、数据资源及相关规则的自主治理能力；数据主权主要聚焦数据资源及其开发利用活动中的国家管辖和控制；算法主权则主要涉及国家对关键算法技术及其应用规则的自主掌控。三者虽相互关联，但它们的关注对象和治理重点并不相同。本文主要讨论数据主权，重点关注人工智能发展过程中数据控制关系的变化及其安全影响。
数据主权是国家主权在数据领域的延伸，主要体现为国家依据法律规则和国家利益，对数据生成、收集、存储、处理、流动和利用等活动实施有效管辖和治理的能力。维护数据主权并不意味着要求所有数据必须存储在境内，也不意味着要限制正常的数据跨境流动，其核心在于国家能否对关系国家安全、公共利益和重要经济利益的数据具有必要的管辖能力和控制能力。其中，数据控制权是数据主权在具体数据活动中的重要体现，主要表现为主体对数据访问、处理、使用和开发利用方式的实际支配能力。对于国家而言，关键数据能否处于有效控制之下，是衡量数据主权能否得到安全保障的重要方面。
人工智能的发展拓展了数据主权的保护对象。传统数据保护主要围绕原始数据本身的采集、存储和传输展开，而人工智能技术的发展使数据价值贯穿数据处理、模型训练、推理应用和成果利用等全过程，数据经过聚合、分析和训练后形成的模型参数、特征表示等也成为数据价值实现的重要载体。因此，人工智能数据主权保护不能仅关注原始数据本身，还需要关注数据开发利用及其价值形成过程。
人工智能也改变了数据主权保护的实现方式。传统数据治理通常以数据存储位置和物理流动作为重要判断依据，但对于人工智能委托训练、远程调用、协议控制等多种方式的数据开发利用，即使原始数据保留在境内，境外主体仍可能具备数据处理结果和模型训练形成的相关能力。这意味着，人工智能数据主权保护需要更加关注规则制定、实际控制、安全流动和价值维护之间的整体协调。因此，国家不仅需要建立数据治理规则，还需要识别数据实际控制关系。
人工智能数据主权受损造成的影响具有长期性和不可逆性。人工智能数据兼具生产要素和战略资源双重属性。随着模型训练能力不断提升，数据不仅能够提升模型性能，还能够反映产业运行规律、技术发展方向和市场竞争格局，甚至影响国家在全球产业链中的竞争地位。一旦相关数据被境外主体用于模型训练并形成先发优势，即使后续终止数据访问，也难以消除已经形成的竞争优势，并可能进一步扩大产业竞争差距。
人工智能发展对数据主权保护提出发展和安全的双重要求。如果将数据主权简单理解为数据本地化或者数据封闭，那么可能增加企业研发成本和国际合作障碍，降低数据资源利用效率。因此，数据主权保护的目标并非阻断数据流动，而是根据数据战略价值和实际控制风险实施差异化治理，在强化关键数据管控的同时，为一般数据流动和产业创新保留必要空间。
二、人工智能数据主权面临的核心安全风险
人工智能数据主权保护不足所产生的影响并不会停留在数据层面，而是会随着数据控制权的变化不断向产业发展和经济治理领域传导。具体而言，这一过程通常表现为以下三个递进阶段。首先，关键数据及其增值收益向境外流失，直接损害国家经济利益；其次，产业运行信息和关键能力逐步外移，影响产业链供应链安全；最后，国家对经济运行数据的控制能力下降，进一步削弱宏观治理能力。这三个方面相互联系、逐层递进，共同构成人工智能数据主权保护不足所带来的系统性经济安全风险。
（一）关键数据资产及其增值收益外流，侵蚀国家经济安全
人工智能的发展建立在持续积累的数据资源基础之上。例如，制造业运行数据、金融交易数据、医疗健康数据等，不仅源于企业自身的经营活动，也依托国家长期形成的产业体系、市场环境和制度保障。随着人工智能模型不断迭代，这些数据逐渐转化为模型能力和产业竞争优势，其经济价值也不断提升。因此，人工智能数据价值不仅体现在数据本身，更体现在数据持续开发利用所形成的长期收益上。
然而，数据不同于传统的有形资产，其复制成本较低、流动方式更加多样、控制关系更加复杂。在现实中，部分企业通过关联交易、协议安排、境外架构或者委托训练等方式，将关键数据的访问权、训练权、收益权逐步转移至境外。从表面上看，数据仍保存在境内服务器，甚至仍由境内主体负责运营，但数据开发利用形成的核心收益已经由境外主体实际控制。这种控制关系的变化往往隐藏在复杂的资本安排和商业合作之中，使传统监管方式难以及时识别。
数据控制权发生变化以后，首先表现为关键数据资产及其开发利用形成的经济价值外流，造成依托国内市场、产业体系和公共资源形成的数据价值外流，进而威胁国家经济安全。随着关键数据持续流失，国家对战略数据资源的配置能力不断减弱，我国长期积累形成的数据资源也可能转化为境外主体的竞争优势。
（二）关键数据控制权向境外转移，威胁产业链供应链安全
人工智能能够从海量数据中识别复杂关联关系，使分散的生产、采购、物流、库存、研发和市场数据，转化为对产业链结构、上下游依赖、关键供应环节和技术“瓶颈”的系统认知。当相关数据长期由境外主体控制并用于模型训练时，这种产业认知可能进一步转化为模型能力和产业竞争优势，进而影响产业布局和竞争主动权。
数据控制权通常与模型训练、平台运营和技术标准制定相互联系。在人工智能产业生态中，掌握训练数据的一方往往能够决定模型优化方向、平台运行规则及下游应用的发展路径。当关键数据持续向境外集中时，相关模型能力、平台能力以及产业决策能力也会逐步向境外转移，致使产业发展开始形成对境外平台和模型服务的依赖。此时，即使数据仍保留在境内，其实际形成的产业竞争优势也已经掌握在境外主体手中。
长期来看，关键数据控制权持续向境外转移，可能使产业运行信息和竞争优势同步外移，从而削弱我国在产业链供应链中的发展主动权，并进一步影响国家经济安全。数据资产流失主要影响经济利益，而产业能力外移则会直接影响产业链供应链安全。随着产业运行信息持续被境外主体掌握，我国产业布局、供应链结构以及关键技术短板都可能被境外主体精准地识别，从而影响国际竞争中的产业布局、投资决策以及技术竞争能力。
（三）关键经济运行数据控制权弱化，制约宏观治理与风险应对能力
数字经济时代，经济运行越来越依赖实时数据支撑。交易数据、物流数据、支付数据以及平台运行数据，已经成为分析产业运行、监测市场变化和实施宏观调控的重要依据。相比传统统计数据，这些数据具有更新速度快、覆盖范围广和反映情况及时等特点，对政府识别经济风险、制定产业政策和开展市场监管具有越来越重要的作用。
与此同时，人工智能模型正在越来越多地参与信用评价、风险定价、资源配置等经济活动。当这些模型长期建立在平台或企业控制的关键经济运行数据基础之上，并逐步嵌入我国经济运行过程时，政府对相关治理所需数据的获取、分析和利用能力受到制约，而算法对市场运行的影响不断增强，将会增加调查取证、责任追溯和风险处置的难度。
若相关平台或企业的数据流向境外主体，则会进一步导致数据控制权与监管权相互分离。例如，在资本跨境流动监测、平台反垄断调查以及产业链风险预警等工作中，如果核心数据掌握在境外主体手中，那么监管部门将难以及时获得完整、准确的信息，从而影响监管效率和政策效果，最终导致数据资产流失、治理能力削弱和数据控制权与监管权分离形成连续传导，共同影响国家经济安全。
三、构建人工智能数据主权保护的系统性治理体系
人工智能数据主权保护需要针对数据资产流失、产业控制能力弱化和经济治理能力下降等风险，建立覆盖数据识别、跨境流动和持续监管的治理体系。其核心不是限制数据流动，而是根据数据战略价值和控制风险实施差异化治理。对战略性数据，需要进行强化保护；对一般数据，需要在明确合规流动路径、保障安全的同时，降低对人工智能创新和产业发展的不必要限制。
欧盟近年来通过《人工智能法案》《数据治理法案》等制度，将高风险人工智能系统的数据质量、风险管理和可追溯性纳入监管范围，并通过欧洲数据空间促进重点领域的数据共享，体现出“风险分类与数据利用并重”的治理思路。美国则更多从国家安全和技术竞争角度对人工智能相关技术和数据能力实施限制，通过出口管制等措施降低关键人工智能能力向潜在竞争对手扩散的风险。两种路径虽然侧重点不同，但均表明人工智能数据治理正在从单纯的数据保护向数据能力、技术能力和国家安全综合治理转变。我国应结合自身数据治理制度和人工智能产业发展特点，形成分类保护、穿透式审查和动态监管相结合的治理体系。
（一）划清保护边界，建立战略性人工智能数据识别与评估机制
针对关键数据资产及其增值收益外流的风险，应在现有数据分类分级制度基础上，建立面向人工智能应用场景的战略性数据识别机制，将数据本身的重要程度与其经过聚合、分析和训练后形成的能力纳入统一判断。并非所有人工智能数据都具有同等战略价值，如果对各类数据采取相同强度的保护，那么既会增加监管成本，也可能限制正常的数据开发利用和国际合作。
在识别标准上，应综合考虑数据涉及的行业领域、覆盖范围、聚合程度、实时性和不可替代性，重点评估其可能形成的产业认知和竞争能力。对于关系国民经济命脉的关键基础设施运行数据、能够反映产业链结构和薄弱环节的行业聚合数据、承载大规模经济交易和用户行为信息的平台数据，以及能够反映核心技术能力和研发方向的高价值训练数据，应纳入重点保护范围。同时，应关注一般数据经持续聚合后形成高价值产业图谱和模型能力的情形，避免仅依据单条数据的重要程度进行判断。
在具体制度上，可以建立企业自识别、行业主管部门复核、国家层面统筹的识别机制。企业承担数据分类、风险识别和目录更新的责任；行业主管部门应结合行业特点进行复核，对涉及多个行业、重大公共利益或者具有跨领域影响的数据，由国家数据安全相关协调机制统筹认定。
在保护方式上，对战略性数据实行严格的访问权限、用途限制、全流程留痕和重点跨境审查；对一般研发数据和普通商业数据明确标准化流动规则。对于人工智能训练形成的高价值模型能力，还应加强数据集、训练过程和模型之间的关联管理，将保护范围由数据本身适当延伸至其形成的数据能力。只有从数据分级进一步延伸至数据能力分级，才能更准确地适应人工智能条件下数据价值不断衍生的发展特点。
（二）抓住实质控制，构建数据跨境转移全链条审查机制
针对产业运行信息和关键能力随数据控制链条外移的风险，应将跨境审查重点由数据是否物理出境进一步延伸至实际控制关系。在人工智能环境下，境外主体可以通过远程调用、委托训练、联邦学习等方式获取数据开发形成的能力，即使原始数据仍保留在境内，也可能发生控制权和收益转移的情况。因此，应重点审查数据访问权、模型训练权、平台控制权和收益分配权。
在审查主体上，应形成以企业主体责任为基础、行业主管部门和网信部门协同、相关经济和安全监管部门参与的审查机制。当企业涉及战略性人工智能数据的境外提供、委托处理、共同处理或者境外模型训练时，应开展风险自评估，并报告数据种类、规模、用途、境外接收方、训练方式及收益安排等情况。行业主管部门负责判断相关数据对产业链供应链的影响，网信部门负责数据跨境安全审查；涉及重大国家安全、产业安全或者实际控制关系变化的，由相关部门开展联合审查。境外并购、协议控制、关联交易等可能改变战略性数据实际控制关系的，也应纳入风险识别范围。
在审查程序上，可建立企业自评、主管部门初审、联合审查、决定备案、持续监督的闭环机制。对战略性数据和高风险事项开展实质性安全评估，重点判断其对国家安全、产业链供应链和重要经济利益的影响，并根据风险程度作出允许、附条件允许或者不予允许的决定；对一般商业数据则通过备案、标准合同等方式简化程序。审查还应明确数据用途、范围、期限和接收方，防止通过审查后扩大实际使用范围。
在审查时限上，应实行风险分级，避免增加企业正常国际合作成本。低风险事项原则上采用简化程序；中高风险事项则需根据数据重要程度和影响范围开展进一步评估，并明确材料补正、专家评估和部门会商等环节的办理期限，对需要补充材料的情形实行一次性告知。
目前，我国现有数据出境制度已经形成风险自评估与安全评估相结合的制度框架，可在此基础上进一步增加对人工智能数据实际控制关系的审查。欧盟《人工智能法案》强调高风险人工智能系统的风险管理、数据质量和可追溯性的做法，可为我国完善跨境审查提供参考，即不仅关注审查数据能否出境，还应关注数据被谁使用、用于何种训练以及形成何种能力。
（三）强化系统治理，完善经济安全监测与分级监管机制
针对经济运行数据控制力下降的风险，应建立覆盖数据、资本、技术和人才等要素的动态监测体系。数据控制权变化往往与资本流动、技术合作和人员迁移相互交织，单一部门掌握的信息难以反映全貌，容易在职能交叉地带形成监管盲区。因此，应加强跨部门信息共享机制，将数据控制权变化纳入产业安全和经济安全监测体系。
在监测对象上，应重点关注掌握战略性人工智能数据的平台企业、模型开发企业、云服务企业以及承担关键产业数据处理任务的机构，建立重点主体名录。围绕企业融资并购、境外投资、核心数据授权、重大技术合作、模型训练主体变化等事项开展关联分析，对数据控制权、资本结构和核心技术能力同时发生重大变化的主体启动实时预警，必要时启动专项安全评估。
在监管方式上，建立日常监测、风险预警、专项评估、分类处置的动态监管机制。低风险主体以企业自查和定期报告为主；对重点数据处理者实施定期风险评估、数据处理活动审计和安全事件报告；对存在重大风险的主体开展联合检查并依法采取整改、限制相关数据处理活动等措施。现行《网络数据安全管理条例》已要求重要数据处理者开展风险监测和风险评估，并强调相关主管部门加强协同，为人工智能数据风险监测提供了制度基础。
同时，应实现数据主权保护与人工智能产业发展相衔接。对风险可控的企业，应通过合规认证、标准合同和数据共享等方式提高数据利用效率；对掌握战略性数据且具有较高外部依赖风险的主体，则强化持续监管。欧盟通过数据空间促进重点领域数据共享，并以风险分类强化高风险人工智能监管；美国则通过出口管制限制先进人工智能能力扩散。我国应根据自身产业发展和安全需求吸收其有益经验，避免简单采取全面限制措施，在重点保护战略性数据的同时，为一般数据依法有序流动和人工智能国际合作保留空间。
此外，应积极参与人工智能数据治理和跨境数据流动国际规则的制定，在训练数据、模型服务和数字贸易等领域加强国际协调。对于一般数据，应推动形成稳定、透明的跨境数据流动规则；对于战略性数据，则探索建立安全评估、风险通报和争议解决机制，以国内分类监管与国际规则协调相结合，为我国人工智能产业发展创造稳定的制度环境。
四、结语
人工智能正在改变数据的价值形成方式、控制关系和跨境流动模式，数据主权保护也由传统的数据存储和流动管辖进一步延伸至数据开发利用、模型训练及数据能力形成过程。数据控制权与存储地点相分离，使单纯以物理出境为依据的治理方式面临新的挑战。关键数据控制权一旦通过资本、技术和商业安排向境外转移，可能进一步引发数据资产流失、产业链供应链风险和导致经济治理能力弱化。因此，人工智能背景下的数据主权保护，核心在于维护国家对战略性数据及其价值形成过程的有效管辖和控制能力。
从风险传导看，数据主权风险并非单一的数据安全问题，而是能够由数据层面逐步传导至产业竞争和宏观治理层面的复杂问题。人工智能强化了数据向模型能力和产业认知转化的速度，也使这种风险传导更加隐蔽和持续。因此，数据主权保护需要从单纯保护数据本身转向维护数据控制权及其价值实现能力，并将数据、资本、技术和产业关系纳入统一的安全视角。
数据主权保护并非限制数据流动，而是应在发展和安全之间寻求平衡。应以数据战略价值和实际控制风险为基础，完善战略性数据识别、跨境转移审查和动态风险监测机制，同时，推动形成稳定、透明的跨境数据流动规则，在强化关键数据保护的基础上保障一般数据依法有序流动，为人工智能产业创新和国际合作创造良好的制度环境。
（本文刊登于《中国信息安全》杂志2026年第8期）
声明：本文来自中国信息安全，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。
