經濟學人重磅：數據經濟雖好，可是仍需補鈣
在工業界，煉油廠就是主教座堂，其中上演著權力的游戲、跌宕的劇情，隱藏著不為人知的角落：精致的裂化塔就是這座“教堂”的哥特式尖頂，火炬氣即彩繪玻璃，碳氫化合物的惡臭就是它濃重的香火味。
相比之下，數據中心顯然就沒那么壯觀了：連窗戶都沒有的低矮建筑，既不高大，也沒有裝飾，給人以綿延無盡之感。
但兩者卻有諸多共通之處。首先，它們都布滿了管道。煉油廠加熱原油，分離煤氣、丙烷等成分，再用管道加以收集。大型數據中心則用管道輸送空氣，冷卻成千上萬臺計算機，而這些計算機負責從原始數據中提取價值——規律、預測等各種洞見。
兩者也都扮演同樣的角色：為世界經濟制造重要原料。沒有原油產品，當代生活的很多方面都無從談起——不論是汽車、塑料還是眾多藥品。數據中心的萃取物則支撐起了各類網絡服務，乃至現實世界，因為眼下，各種設備的聯網程度越來越高。
數據之于本世紀就好比石油之于上個世紀，它們是增長與變革的驅動力。數據流催生了新的基礎設施、新的商業、新的壟斷與政治格局，以及至關重要的新經濟。數字信息不同于從前的任何資源;它采取不同的精煉、提取、估值和買賣方式。它改變了市場規則，需要監管機構采取新的舉措。圍繞誰該擁有數據、誰該從數據中獲益的問題，很多戰斗還有待打響。
市場研究公司IDC預測，到2025年，“數字宇宙”(每年創建并復制的數據)的規模將達到180澤字節(180后面再跟21個零)——若用一根上網寬帶來傳輸，450年都傳不完。
為加速數據中心的運轉，電子商務巨頭亞馬遜(其云計算分支正迅猛發展)動用了卡車運送集裝箱，每個集裝箱里的存儲設備容量達100拍字節(PB;也就15個零)。為消化如此多的數據，企業正加速構建數據提煉設施。
據《華爾街日報》報道，2016年，亞馬遜、Alphabet和微軟三家企業的資本支出與資本租賃共計320億美元，較上一年增長22%。
數據的質量也發生了改變。其主要存在形式不再是數據信息的倉庫——姓名、年齡、性別、收入等定義明確的個人數據的數據庫。
數據經濟更偏重于分析，對象是非結構化實時數據的激流：社交網絡用戶上傳的照片、視頻流，人們通勤路上生成的汗牛充棟的信息，以及飛機上無數傳感器輸出的數據洪流。
從地鐵到風力發電機，從馬桶圈到烤面包機，越來越多的設備都在變成數據來源。聯網傳感器將充斥世界，無論走到哪里，你都會留下一串數字腳印，哪怕你沒有聯網。
正如軟件公司甲骨文的大數據戰略師保羅·桑德雷格(Paul Sonderegger)所言：“數據將成為終極外部性：我們無論做什么，都會產生相應的數據。”
你所知的信息
最重要的是，數據正在升值。最初，Facebook和谷歌收集用戶數據，用于改進定向廣告。近年來，這些公司又發現，數據可以轉化為無限量的人工智能(AI)，或“認知”服務，有的還能催生新的收入來源。這樣的服務包括翻譯、視覺識別，以及憑一個人的文字評估他的性格特征。這些都可以賣給別的公司，用于它們的產品。
雖然數據經濟的征兆俯拾即是，但直至最近，它才初具雛形。在J.R.尤因(J. R. Ewing)眼里，這一切都顯得格外眼熟。大型數據公司，不斷壯大的投機分子隊伍，以及其他無數公司，大家都試圖分一杯羹。所有人都是沖著一臺強大的經濟引擎來的，它就是“數據網絡效應”，即用數據吸引更多用戶，進而催生更多的數據，再用這些數據改進服務，并吸引更多用戶。
大型數據公司坐享最充裕的數據信息庫。比如在Facebook上，評論、點贊等互動數量越多，它就越了解用戶，其廣告與消息流的定向就越準確。同樣的，人們用谷歌搜索的總量越多，谷歌返回的結果就越精準。
這些公司永遠都在尋找新的信息源泉。Facebook借用戶之手訓練自己的一些算法，比如在用戶上傳照片、圈出好友時。這解釋了其計算機何以識別幾億人的面孔，且準確率達到98%。谷歌數字管家Google Assistant也是如此，你用得越多，它完成任務、回答問題時就越嫻熟。
Uber以廉價打車服務著稱。但它能獲得680億美元的估值，一個原因是它把持著個人交通領域供(司機)需(乘客)關系的最大數據池。
類似地，對大多數人而言，特斯拉是一家生產高檔電動汽車的公司，但它的最新車型收集到巨量數據，幫助特斯拉優化自動駕駛算法，進而更新軟件。及至去年年底，該公司已收集到21億公里里程的駕駛數據——比Alphabet自動駕駛汽車部門Waymo高出好幾個數量級。
“數據驅動型”初創企業是數據經濟中的冒險者：勘探數字石油，加以提煉，巧妙地轉化為新服務，從分析X光片和CAT掃描，到確定草坪上何處該施用除莠劑。以色列初創企業Nexar就設計了一種巧妙的方式，使司機成為數據來源。其應用將司機的智能手機變成行車記錄儀，通過司機的操作標記行車錄像。若很多人都在同一位置意外剎車，此處就可能存在坑洞或障礙物。
作為使用Nexar應用的報償，司機獲得免費的行車記錄儀和相應服務，比如，一旦發生事故，就可獲得詳細的事故報告。Nexar的目標是提供各類服務，幫助司機避免事故。其中之一就是坑洞警報，或者在某個處于視角盲區的轉角處有車驟停時發出警報。
非科技公司也在勘探數字礦井。比如通用電氣(GE)就開發了Predix，一個“面向工業互聯網的操作系統”，幫助客戶控制機器設備。Predix也是一個數據收集系統：它從連接的設備處收集數據，拿來與其他數據相混合，繼而訓練算法，幫助改進電廠運作，或者在噴氣飛機引擎發生故障之前確定維護時機，諸如此類。
跟石油市場一樣，大型數據公司不斷地兼并小公司(見下表)。但數據經濟還有令“黑色黃金”交易者們頗感陌生的一面。按價值計算，石油是世界上交易量最大的大宗商品。
相比之下，數據交易幾乎無跡可尋，至少，數據與金錢的交易鮮有存在。這跟它與“新興資產類別”這一稱號很不相稱。在2011年發布的一份報告中，世界經濟論壇(WEF;達沃斯的會議組織機構兼智囊)就給數據冠以這一稱號，隱含的意思是，構成數據經濟的，將是欣欣向榮的數據信息市場。但從當前的情況來看，數據經濟基本上是一個個相互孤立的“谷倉” 集合體。
自己的信息自己保管
交易市場缺失的原因，也是相應企業產生的原因。由于市場交易攜帶的各種“交易成本”——搜尋信息、談判交易、執行合同等等，在公司內部進行這些活動就會更加簡單、高效。同理，比起在開放市場買賣數據，在公司內部生成并使用數據通常也更有利可圖。
數據流固然充裕，但算不上大宗商品：每一個信息流都不盡相同，時效性、完備度各異。用一個經濟術語來說，就是缺少“通用性”。因此，買方很難對一組數據出價：對于不同類型的數據，價值的可比性并不是很強。買賣雙方都怕吃虧，這是抑制交易的因素。
直到近期，研究人員才開始開發定價的方式方法，咨詢公司高德納(Gartner)稱之為“信息經濟學”(infonomics)。加州大學圣迭戈分校的吉姆·舒爾特(Jim Short)是數據定價先驅者之一，致力于涉及數據定價的案例研究。
其中一個案例涉及到2015年申請破產的博彩集團凱撒娛樂(Caesars Entertainment)的一個分支。該分支最值錢的資產估值達10億美元，據稱就是客戶數據——前17年加入該公司忠誠度計劃的4500萬客戶的數據。
正因為數據定價如此之難，對一家公司來說，直接收購另一家公司可能更加干脆利落，哪怕它只對被收購方的數據感興趣。
2015年，據報道，IBM斥資20億美元收購Weather Company，就是沖著它海量的氣象數據，以及收集氣象數據的基礎設施。另一個模糊地帶是物物交換：英國國家醫療服務體系(NHS)的一部分已經和DeepMind(Alphabet的AI部門)達成一致，用匿名患者數據換取DeepMind從中提煉的醫療洞見。
和石油不同，數字信息是“非競爭性”的，也就是說，它們可以復制，同時被多人(或多個算法)使用，問題由此進一步復雜化。這意味著數據很容易被用于事先約定以外的其他用途。
另外，數據所有者也很難界定(以自動駕駛汽車為例，數據所有者可以是汽車廠商，可以是傳感器供應商，也可以是乘客;假以時日，若自動駕駛汽車變成“自動所有”汽車，數據所有者還可以是汽車本身。)
“數據買賣枯燥至極，”高德納的亞歷山大·林登(Alexander Linden)說。因此，數據交易通常是雙邊交易和一事一例的，不適合三心二意者：數據合約通常洋洋幾十頁紙，法律術語密集，規定了數據應如何使用、如何保密。最近，一家大銀行的一位高管就告訴林登，他可沒時間簽署這樣的文件，哪怕數據價值不菲。
個人數據就更棘手了。“在一個監管健全的全國性信息市場上，個人信息是可以買賣的，賣方有權決定提供多少信息，”1996年，紐約大學肯尼斯·勞登(Kenneth Laudon)在一篇題為“市場與隱私”著名文章中寫道。
不久前，世界經濟論壇就提出了“數據銀行賬戶”的概念，稱個人數據應該“置于一個賬戶之中，在賬戶內進行控制、管理、交易和核算。”
這概念聽著很優雅，但交易市場和數據賬戶都尚未實現。其問題跟企業數據恰恰相反：人們太容易交出個人數據、換取“免費”服務了。微軟研究(Microsoft Research)經濟學家格倫·威爾(Glen Weyl)說，交易條款幾乎是無意間變成了標準。
繼本世紀初網絡泡沫破裂后，企業亟需打開財路，捷徑之一就是收集數據，實現定向廣告投放。直到最近，這些公司才意識到，數據還可以轉化為無限量的AI服務。
算法的奴隸
用數據換取免費服務，這種交易是否公平，主要取決于這些服務的價值源于何處：是數據，還是分析處理數據的算法?
谷歌首席經濟學家哈爾·瓦里安(Hal Varian)認為，數據中存在“規模收益遞減”效應，也就是說，隨著數據規模的增加，新增數據的價值呈遞減趨勢，一旦超過某個閾值，信息的增加就不會帶來價值的提升。他說，更重要的是處理數據的算法質量，以及一家公司旗下開發這些算法的人才。谷歌的成功源于“菜譜，而非食材”。
在網絡搜索的早期階段，情況也許的確如此，但在人工智能的新世界則不然了。算法的自學能力不斷長進，饋給它們的數據越多、越新鮮，結果就越理想。
威爾表示，隨著應用數量的不斷增加，數據的邊際效應事實上還可能遞增。就比如網約車領域，在為一項服務收集到足夠多的數據(比如實時路況信息)之后，新增數據也許不會帶來價值的增益。但只要繼續收集下去，它總有一天能提供其他服務，比如路線規劃。
這些爭論，加上數據交易的不溫不火，也許只是生長疼痛。石油交易市場也用了幾十年才漸漸完善起來。頗具諷刺意味的是，加速這一過程的是標準石油公司(Standard Oil)——約翰·D.洛克菲勒于19世紀末建立的石油壟斷企業。標準石油的計劃就在它的名字之中——標準化，使一種新資源的交易成為可能。
對于價值高、易于標準化的個人數據，相關交易市場早已存在。“數據經紀商”能對特定類型的數據進行快速交易。在其他領域，市場或類似市場的東西正在萌芽。
以主導企業數據庫市場的甲骨文公司為例，該公司正在開發相當于數據資產交易所的東西，希望客戶買賣數據，并結合甲骨文提供的工具套裝，從中提煉洞見，而且這一些都在該公司計算云提供的安全環境中進行，確保信息不被濫用。初創企業Cognitive Logic也在開發一款類似的產品，但將數據留存于其他的IT系統之中。
有的年輕企業希望消費者也能從自己的數據中獲益。Citizenme允許用戶將自己所有的網絡信息收歸一處。用戶若選擇與某品牌分享個人信息，就可獲得一小筆報酬。初創企業Datacoup正從個人數據中提取洞見，銷售出去，并將部分所得回饋用戶。
到目前為止，這些努力都成效寥寥;專注于個人數據的更不消提起。目前，消費者和網絡巨頭之間依然相互依存，但關系有些尷尬。人們不知道自己的數據值多少錢，也不想管理這些數據，免得麻煩，卡內基梅隆大學的亞歷山德羅·奎斯蒂(Alessandro Acquisti)說。
但他們也表現出了“習得的無助感”：服務條款通常令人費解，用戶除了接受，別無選擇(比如說智能手機應用，要是不點“我同意”，應用立馬退出)。
另一方面，網絡公司也開始嚴重依賴免費數據：無意于從根本上改變用戶協議。它們要是付錢購買數據，并構建昂貴的系統，用于追蹤用戶的數據貢獻，那么，數據提煉商就會無利可圖了。
重要的資源不一定都是廣泛交易的;無線電頻譜和水權就是兩例。但威爾認為，對數據而言，交易市場的缺失可能會導致低效。如果數據信息沒有定價，有價值的數據也許永遠無法生成。如果數據繼續困在相互孤立的“谷倉”之中，很多價值也許永遠無法提煉出來。大型數據提煉公司并沒有獨掌創新;其他企業也許能更好地利用信息。
數據市場的匱乏也會讓老大難的政策問題更加棘手。最突出的有三個：反壟斷、隱私和社會平等。和石油領域一樣，最迫在眉睫的就是反壟斷。1911年，美國最高法院維持下級法院的判決，即拆分標準石油。當時，標準石油控制了美國90%的石油提煉業務。
已經有人呼吁拆分谷歌等公司。比如，南加州大學的喬納森·塔普林(Jonathan Taplin)就在新書《快速行動，打破陳規》(Move Fast and Break Things)中如是呼吁。但如此激進的補救措施恐難奏效。拆分會造成巨大的干擾，從而減緩創新。而且很快，小谷歌和小Facebook們就會形成新的壟斷。
然而，要求采取行動的呼聲日益高漲。牛津大學的阿里爾·埃茲拉徹(Ariel Ezrachi)說，“超級平臺”把持了過大的權力。他與田納西大學的莫里斯·斯塔克(Maurice Stucke)合著的新書《虛擬競爭》(Virtual Competition)已于最近出版。
他論稱，這些平臺擁有比他人更多、更新鮮的數據，可以迅速偵測到競爭威脅。憑借雄厚的財力，一發現哪家初創企業不可小覷，它們就立馬出手收購。它們還可以操縱自己壟斷的市場，比如讓算法快速響應，使競爭對手沒有機會通過降價贏取顧客。“看不見的手也正在數字化，”埃茲拉徹說。
當心數字化的無形之手
在數字時代中，反壟斷當局至少得磨礪一下自己的工具。歐盟委員會當初并沒有以數據壟斷為由阻撓Facebook并購WhatsApp。
Facebook之所以收購WhatsApp，是害怕它成長為強大競爭對手。所以在反壟斷調查期間，Facebook曾許諾不會合并兩者的用戶群。但Facebook在去年偷偷開始合并兩個平臺的用戶群，引致歐盟委員會以罰款相威脅。
Facebook引發的糾結很好地說明了一些歐洲國家開始修訂競爭法的原因。在德國，相關立法已遞交國會，一旦通過，聯邦卡特爾局將有權介入涉及網絡效應和數據資產的案件。
監管機構要履行職責，一個通用法則就是像它們監管的企業一樣勇于創新。在最近的一篇論文中，埃茲拉徹和斯塔克提出，反壟斷當局應該運作“暗中勾結模擬器”——要調查某個定價算法是否操縱市場，或是與市場暗中勾結，他們就應該在自己的計算機上運行模擬。
另一條思路是提供替代選項來緩和數據集中化。政府可以進一步開放收集到的數據，為小型企業創造機遇;還可以支持“數據合作社”。在瑞士，一個名為Mitada的項目從患者處收集健康數據，患者可決定是否允許研究項目使用自己的數據。
數據分銷
一些重要的數據類型甚至需要強制分享。出版《Stratechery》通訊的本·湯普森(Ben Thompson)最近提議，社交網絡應該開放其社交圖譜的訪問權。
同樣被Facebook吞并的照片分享服務Instagram最初憑借讓新用戶導入Twitter關注者名單的做法而異軍突起。“后來，各大社交網絡就紛紛叫停這種操作，使競爭者更加難以壯大，”湯普森指出。
強制性數據分享并非前所未聞：德國就要求保險商共同維護一組統計數據，包含汽車事故在內。這樣的數據是小企業無力自行編纂的。
歐盟新推行的《一般數據保護條例》(General Data Protection Regulation)將于2018年5月生效，要求網絡服務創造有利條件，方便用戶將信息轉移至其他服務提供商，乃至競爭對手處。
但“數據便攜性”和數據共享凸顯出第二個政策難題：數據市場與隱私保護的緊張對峙。在買賣或共享過程中，個人數據更容易泄漏。
為降低這一風險，《一般數據保護條例》加強了人們對各自數據的控制：企業須就數據的使用方式，獲取用戶的明確許可。違者將被處以高額罰款：最高可達企業全球營收的4%，或2200萬美元。
在數據流混合匹配的當下，這種法規殊難實施。另外，收緊數據保護和促進競爭也是一對矛盾：大企業有更強大的實力去遵守代價高昂的隱私法規，不僅如此，大企業也可以借此進一步加緊數據控制。
假以時日，新技術也許能取代原理簡單、容易破解的匿名化，從而緩解這種矛盾。初創企業Bitmark就使用比特幣的“區塊鏈”技術，追蹤記錄數據訪問者。但法律創新也必不可少，牛津大學維克多·麥爾-荀伯格(Viktor Mayer-Schönberger)說。
他還有其他一些數據專家認為，不但數據的集合需要監管，其使用也需要監管。正如食品行業禁用某些配料，網絡領域也可以禁用某些數據，或禁止用數據對個人造成傷害。他認為，這樣可以將責任轉移到數據收集者和使用者頭上，他們應對自己管理的數據負責，而不是在獲得個人許可之后，就萬事大吉了。
這種“基于使用”的數據監管很難實施，絲毫不亞于當前通行但具有爭議的“告知與許可”模式。這也可能加劇當前數據經濟的第三大挑戰：社會與地理層面的收益不均。
至少就個人數據而言，當前模式幾乎難以維系。隨著數據的升值，以及數據經濟的重要性不斷增加，所有錢都將落入數據提煉者的腰包。數據生成者面臨一場不公平的交易，他們到手的只有免費服務。在2014年出版的《誰擁有未來》(Who Owns the Future?)一書中，微軟研究院(Microsoft Research)的賈倫·拉尼爾(Jaron Lanier)最先指出了這一點。
威爾提出了該論點的另一個版本：歸根結底，提供AI服務的不是算法，而是生成原材料的人。“數據是勞動力，”威爾說，他正致力于開發一個系統，用于衡量個人數據貢獻的價值，從而為更加公平的交易打下基礎。
全世界數據工人，聯合起來!
威爾說，難點在于，你要讓人們理解，他們的數據是有價值的，他們理應獲得報酬。“我們需要某種形式的數字工人運動，”他說。“更難的是說服數據巨頭們——拉尼爾稱之為‘塞壬服務器’——改變做法，因為現狀讓他們獲益頗豐。”
地理分布的平等化也許就更難實現了。當前，多數從事大數據提煉的公司都位于美國，或是由美國公司掌控。隨著數據經濟的進展，這種局面將難以維系。
過去，美國和歐洲圍繞隱私爭執不斷，未來從中可見一斑。中國的監管草案要求，企業應將收集到的所有“關鍵數據”存儲于中國的服務器內。石油控制權沖突禍亂世界幾十年之久。目前還沒人擔心數據引發的戰爭，但與石油相比，數據經濟引發沖突的潛力有過之而無不及。
