八、竞合型治理的制度建构：从原则到机制智能经济中竞争与合作并存的生产关系，不能仅靠市场自发演化或事后纠偏。由于智能技术具有极强的规模效应、网络外部性与风险外部化倾向，必须构建“竞合型治理”框架，将竞争压力转化为创新动力，同时通过制度合作约束并引导竞争行为，防止智能经济滑向垄断型、排斥型或失控型结构。

 1. 数据治理：在占有与共享之间建立制度平衡数据是智能经济最特殊的生产资料：它既是私人生产的副产品，又具有公共品属性；既可以在使用中增值，又可能因过度集中而形成权力不对称。竞合型治理首先需要处理的，是数据的产权与控制权安排问题。传统产权理论假设资源是稀缺的、排他的，但数据具有非竞争性和部分排他性。因此，单纯套用“私有产权—公有产权”二分法难以解决问题。更可行的路径是构建分层的数据权利束，对数据的控制权、使用权、收益权、处置权进行差异化配置。个人数据：强化个人对自身数据的控制权和可携带权，允许个体将数据从一个平台迁移到另一个平台，降低平台锁定效应，促进数据层面的竞争。  企业数据：在保护商业秘密和投资激励的前提下，要求具有市场支配地位的企业开放部分非敏感性、聚合型数据，供中小企业和科研机构使用，以维持数据生态的竞争活力。  

公共数据：政府掌握的大量交通、气象、医疗、环境数据应作为公共品开放，但需通过制度设计防止被少数企业独占加工后形成新型垄断。  数据互操作：强制或激励不同平台之间实现数据格式和接口的互操作，使数据要素能够跨系统流动，避免“数据孤岛”固化竞争壁垒。欧盟《数据治理法》《数字市场法》的“守门人”条款、中国“数据二十条”中关于数据产权结构性分置的探索，都体现了这种在占有与共享之间寻求制度平衡的思路。关键是平衡点必须动态调整：当数据集中度威胁创新和公平竞争时，强化共享和互操作要求；当过度开放削弱投资激励时，则保护合法的数据权益。 

2. 算法治理：以透明性与可问责性约束算法权力算法是智能经济的组织运行核心，但算法的黑箱性、自动化和规模化特征，使得传统监管手段难以适配这种新的监管需求。面向算法的竞合型治理要求，算法既不能完全封闭（否则竞争无从谈起），也不能完全开放（否则创新激励和商业秘密会受到损害）。分层透明度：根据算法应用的风险等级，设定差异化透明度要求。对涉及信贷、就业、司法、医疗等高影响领域的算法，要求公开其决策逻辑、训练数据来源、性能指标和偏见测试结果；对低风险商业算法，则允许保留核心商业秘密。  

算法审计：建立独立的第三方算法审计机制，由专业机构对算法公平性、稳健性、安全性进行评估。审计报告应成为算法进入市场的前置条件或定期监管要求。  算法影响评估：在算法部署前，要求开发者评估其对个体权利、社会公平、竞争秩序的潜在影响，并制定风险缓解措施。  人类监督与干预：对于高风险自动化决策，保留人类复核和推翻算法决定的制度通道，防止算法权力完全替代人的判断。算法治理的难点在于，算法本身的快速迭代会让静态规则很快过时。因此需要建立“原则性立法+动态技术标准+行业自律”的复合治理结构，让监管机构、企业、技术社群和公众共同参与算法规则的制定与修订。

 3. 平台治理：从反垄断到生态竞争秩序的维护平台是智能经济中最典型的生产组织形态。平台的网络效应使“赢者通吃”成为可能，但智能经济又需要多元主体协同创新。竞合型治理要求反垄断范式从“市场份额静态标准”转向“生态竞争动态标准”。传统的反垄断关注价格操纵和市场集中度，但平台经济中许多服务是“免费”的，垄断损害表现为创新停滞、数据壁垒、对依附性经营者的不公平待遇。因此，治理重点应转向：自我优待禁止：平台不得利用自身中介地位，偏袒自有产品或服务，打压竞争对手。  

互操作义务：大型平台应开放关键接口，允许第三方在平台上提供互补服务，促进生态内竞争。  数据可携带：用户和商家应能方便地将数据迁移到竞争性平台，降低转换成本。  并购审查强化：对平台收购初创企业的行为进行更严格审查，防止通过“杀手型并购”扼杀潜在竞争者。同时，平台治理不能完全依赖政府自上而下的规制。平台内的大量交易和纠纷已经形成事实上的“准司法”功能，需要引入平台自身的治理责任和用户参与机制。可以探索“平台议会”“用户代表”等制度形式，将平台规则制定从企业单方决定转变为多方协商。 

4. 劳动治理：从雇佣保护到数字劳动者权利重建在智能经济的生产关系中，劳动者权益是最脆弱的环节。算法管理、零工化、技能极化使传统雇佣关系保护失效。竞合型治理要求在劳动领域建立新的权利框架。算法管理规制：限制平台企业对劳动者进行过度监控、频繁评级、不透明派单等行为。算法派单、绩效评估和工作时间安排应受到劳动法规的约束，不能完全由平台单方设定。  集体协商机制拓展：零工劳动者通常被归类为“独立承包人”，无法组织工会。应探索跨平台、跨区域的数字工会或行业协会，赋予其集体协商权，就费率、安全标准、保险等与平台谈判。  便携式福利：建立与单一雇主脱钩的社会保障账户，使劳动者在不同平台、不同工作形态之间转换时，养老、医疗、工伤等保障权益能够累积和携带。  技能转型投资：政府和企业共同投资于劳动者技能升级，特别是针对自动化替代风险高的岗位，提供持续教育、再培训和收入过渡支持。而在这些具体路径之外，更深层的问题在于：当智能系统承担越来越多人类劳动时，社会财富分配需要摆脱“就业中心主义”。全民基本收入、基本资本、数据红利分配等方案，都试图在“劳动不再是主要分配依据”的条件下，重构社会契约。 

九、智能经济中的全球竞合：地缘技术张力与制度协调智能经济的竞争与合作不仅发生在企业层面，更深刻体现在国家与全球层面。算力、数据、人才、标准已成为国家竞争的焦点，但全球性挑战又需要跨国协调。这种“全球竞合”具有与以往不同的特征。 

1. 算力与半导体：新的战略制高点算力是智能经济的基础设施，而先进半导体是算力的物质载体。这也让智能经济带有强烈的“硬件依赖性”，令半导体产业链成为地缘政治博弈的核心场域。美国、欧盟、中国、日本、韩国等纷纷推出芯片战略，试图在制造、设计、设备、材料等环节建立自主可控能力。这种竞争具有一定的“零和”色彩：高端芯片制造集中在少数企业（台积电、三星、英特尔），而光刻设备几乎被阿斯麦垄断。但完全脱钩又不可行，因为半导体产业链高度全球化、资本密集、技术复杂，任何单一国家或地区都无法闭环生产。因此，全球半导体竞争呈现“选择性脱钩+局部合作”的复杂格局。 

2. 技术标准与规则竞争：谁定义“可信人工智能”人工智能的伦理规范、安全标准、数据流动规则正在成为国际规则竞争的新领域。欧盟以“可信人工智能”为主线，强调人权、隐私和风险规制；美国更注重创新自由和企业自治；中国则强调发展与安全并重、国家主权和公共利益。三方在人工智能治理理念上的差异，带来了全球标准碎片化的风险。然而，人工智能的全球性风险（如自主武器、大规模虚假信息、模型失控）需要最低限度的共同规范。联合国全球人工智能治理倡议、人工智能安全峰会、全球人工智能治理联盟等多边平台试图在竞争性规则之间寻找交集。这种“规则竞争+底线合作”的格局可能长期存在。 

3. 数据跨境流动：主权、安全与效率的三难智能经济发展需要数据跨境流动，但数据主权、国家安全、个人隐私又要求限制流动。不同国家选择了不同的平衡点：欧盟通过“充分性认定”和标准合同条款管理数据出境；美国推动跨境数据自由流动以服务其科技公司；中国建立数据出境安全评估制度。这种规则差异使全球数据空间分裂为若干“数据区域”。竞合型全球治理的出路可能在于：发展可信的跨国数据共享技术（如联邦学习、差分隐私、数据信托），建立基于共同标准的“数据流通圈”，在特定领域（如科研、公共卫生、金融监管）先行实现有条件的数据互操作。十、学理再审视：智能经济中生产关系的“三重悖论”从更深的理论层面看，智能经济结构转型暴露了现代生

支持单位：