J.D.哈佛大学法学院候选人、亚洲协会政策研究所中国分析中心（CAA）附属研究员。

利兹·C Lee是Common的研究员，领导经济和技术支柱。

8月，美国-中国经济与安全评估委员会向华盛顿提交了一份令人震惊的报告。《数据人民共和国》认为，中国花了十年时间建立将数据转化为资本的机制，从允许公司将数据作为资产负债表资产入账的规则，到买卖数据的国有交易所。它还建议国会认真对待中国的努力，并制定自己的全面数据战略。报告称，立法者应该“考虑美国会计准则是否应该将数据视为资产”。

该报告正确地指出，北京采取了行动，但中国本身已经超越了它敦促华盛顿研究的模式。

多年来，中国政策制定者将数据视为可拥有和交易的战略商品，他们得出了这样的结论：许多经济学家怀疑所有数据都不能事先资产化。考虑一下北京实际尝试了什么。在亚洲协会政策研究所二月份的一份报告中，郭指出了自资产化以来中国数据战略的三大支柱、交易所和公共数据特许经营权。在宣布了20项建设数据市场的措施后，各省市竞相开放60多家数据交易所。公司被敦促将他们的数据资产化，像记录房地产一样记录在他们的账簿上。这个想法是为了释放世界上最大的数据池中的价值。经过几年的实验，中国发现自己被抽象数据定价的困难所束缚。

数据与石油或房地产不同，它们的价值可以以合理可预测的价格评估。相比之下，数据集的价值可能会根据谁想要它以及出于什么目的而产生巨大变化。例如，关于分子性能的数据集可能只对追求该药物目标的制药公司有价值。如果没有用例，分配值只不过是猜测。在实践中，资产化常常成为一种会计策略--国有企业夸大资产负债表和获得银行贷款的一种方式。

Palantir首席执行官Alex Karp（左）于9月1日在北卡罗来纳州教堂山举行的G20创新部长级峰会上向美国商务部长霍华德·卢特尼克提出了观点2交易所也遭遇了挫折。他们的员工既不是专业的证券交易所经理，也不是工程师。因此，大多数交易都发生在交易所之外，在已经知道自己想要什么的交易方之间进行;大多数交易所都在净亏损的情况下运营。今年早些时候，中国采取行动控制这些交易所，要求加强控制，原则上不允许新的交易所。

那么出了什么问题呢？中国专家对“三个异质性”有一个很有用的说法。“数据有不同的所有者、不同的结构和格式，并且存储在不同的域中。有人必须弄清楚如何找到它、清理它、标准化它、连接它并将其集成到实际的工作流程中。

今年我们在北京和上海参加的数据和人工智能会议上，中国从业者越来越多地谈论“数字智能”或“人工智能的数据”，以及他们所说的基于数据库的管理。基于情景的管理不是积累数据，而是从具体的需求开始，然后向后工作以确定问题到底需要什么数据。换句话说，数据的价值是由用例事后决定的，这解释了中国对Palantir的前向部署工程师模型的迷恋，该模型将业务问题转化为数据问题。这家美国公司经常被用作人工智能成功使用数据的模板。

截至6月，中国国家数据管理局已发布了涵盖11个行业的典型场景指南，涵盖其更广泛的Data Element X计划下的约760个子场景，并警告不要在了解数据集的用途之前构建数据集。

中国陷入困境的数据交换也正在重新调整。它们的新设想角色不是充当买卖标准化数据单位的市场，而是更接近于为数据集寻找潜在用户，提供“可信数据空间”，组织可以在其中联合分析信息并集成第三方服务进行数据管理。

这应该会告诉华盛顿如何看待与中国的数据竞争。美国确实需要针对人工智能时代的数据战略。但复制中国的模式有可能复制中国数据战略中失败的部分。

中国的战略转变也凸显了当前数据面临的挑战，即缺乏可从孤岛转移到互联系统的高质量数据。在人工智能时代获得竞争优势可能在于使数据可用和可共享的平淡无奇的工作。这将减少数据及其生产性使用之间的摩擦，并最终可能释放数据的价值。