刘皓琰：数据霸权与数字帝国主义的新型掠夺

刘皓琰  清华大学国情研究院

【摘要】

“数据”是数字经济时代最为关键的生产要素之一，数据占有的不平等会引发经济社会中权力的不平等。通过半个多世纪以来社会量化部门的发展和大规模监控体系的构建，以美国为代表的发达资本主义国家建立起了数据霸权，并以此为基础进入了新的帝国主义阶段，即数字帝国主义阶段。

数字帝国主义凭借对数据的垄断，通过创新霸权、平台垄断、制造需求等方式在多个领域施行了新型的对外经济掠夺方式。为了应对数据霸权，必须在技术层面和数据保护层面双重发力，以技术和法律手段迫使数字帝国主义国家失去对数据资源的统治力。

文丨刘皓琰

清华大学公共管理学院、国情研究院博士后

原文载丨《当代经济研究》，2021年第2期

在数字经济时代，“数据”的重要性不言而喻，大数据技术所引发的不平等和安全问题也愈发引起人们的重视。以色列著名思想家尤瓦尔·赫拉利( Yuval Noah Harari) 在《今日简史》中提出，数据的不平等占有对经济社会和国际政治经济格局有着巨大的影响，“数据霸权”的享有者很可能获得数字社会的独裁权力。［1］赫拉利的这一担忧并非空穴来风。事实上，自20 世纪下半叶开始，以美国为主的发达资本主义国家便已经开始通过信息产业的私有化和扩张进行了大规模的数据积累，并凭借着先动和技术优势以及垄断地位在当前建立起了强大的数据霸权。美国近年来频繁打压他国技术和Tik Tok 等平台软件，其中一个重要的原因也是为了维系其在数据领域的霸权地位。基于数据霸权，一种全新的帝国主义形态，即数字帝国主义也开始逐渐形成。

一、“数据”的政治经济学解构

“数据”是认识整个数字帝国主义的“阿基米德点”。但什么是数据? 西方经管界曾从多个角度对数据进行了考察。有学者从数据的形式和内容进行认识，如美国学者、人力资源开发大师迈克尔·马奎特( Michael J． Marquardt) 将数据定义为“包括文本、事实、有意义的图像，以及未经解释的数字编码等”［2］;有学者将数据视为一种生产要素，如“数字经济之父”唐·泰普斯科特( Don Tapscott) 便将数据视为数字时代最强大的资产［3］。另有一种已经被学界和商界大多数接受的比喻，即数据就是新时代的石油，以凸显数据资源的丰富与价值。但是，很少有学者将数据置于政治经济学的视野下进行剖析。事实上，尽管马克思等经典作家未曾也不可能对数据等信息时代的概念作出系统分析，但从根本上认识数据在资本运行和经济活动中的作用，离不开两个政治经济学的基本视角。

一是劳动过程的视角，用以认识数据的本质、价值与种类。数据具有社会属性而非自然属性，它是由人能动创制而非天然存在的。数据是信息的一种特殊形态，是对碎片化的信息进行归纳、计算、加工后的结果。因此，数据本质上是劳动的产物，其价值量取决于生产该数据的社会必要劳动时间。根据数据的不同生产者可以将其分成两类。一类是由客体生产的数据，指的是个人或组织以特定自然或社会存在为研究对象，通过采集、数学计算、算法编程等体力或脑力劳动所收集和总结的数据; 另一类是由自我生产的数据，在用户进行上网、社交、健康监测等活动的过程中，很有可能通过有意或无意行为向终端传递个人数据。

二是社会再生产的视角，用以厘清数据在社会再生产过程中的作用。数据作为信息产品，与传统的物质产品的作用不同。数据一方面可以推动生产过程中的价值增值，作为劳动的成果加入产品创制和知识研发的各个环节; 另一方面在流通领域也有着重要的作用，企业可以根据市场数据进行资源配置和定向推广，继而推动资本的循环周转。此外，由于信息产品的不可消耗性，能够保持时效性的数据还可以反复多次加入生产过程，因此拥有比传统物质产品更强的生产潜力。［4］

基于这两个视角可以得到两个结论。

第一，将数据比作新时代的石油并不是一种恰当的说法。以石油作类比有着这样的隐喻，即数据是天然的、可以被任意开采的。但在现实的经济社会中，并非所有数据都是由企业和组织等客体所生产的，还存在着大量由自我生产的数据。按照经济学的基本常识，这些数据理应由劳动者自身所有、支配和获取经济利益。但真实的情况是，由于技术原因、法律设置模糊等因素，数据窃取、隐私监听等情况在过去几十年内时有发生，个人数据被资本滥用早已成为常态。将数据比作石油无非是资本家为了伪造无偿占有的合理性、抹杀每个数据生产者对于数据的自主性所创造出的庸俗隐喻。

第二，数据在经济社会中拥有难以替代的强大功能。数据可以无缝接入现代信息社会的生产、分配、交换、消费等各个领域且发挥着多重作用，无论是在企业市场竞争还是在政府治理过程中的地位都在日益显著。正因如此，在数字经济时代，数据成为了各类企业和各国都竞相追逐的对象，这也构成了发达资本主义国家追求数据霸权的根本动因。

二、数据霸权与数字帝国主义的形成

作为世界上最先重视信息技术并完成了技术转化的国家，美国的数据霸权之路始于20 世纪60 年代末。在长达半个多世纪的时间里，这条道路沿着两个主要方向前进: 一是数据基础设施建设，突出体现在各类“社会量化部门”的飞速发展; 二是数据来源建设，突出体现在数字寡头与美国政府所建立的遍布世界的大规模监控体系。

1．“社会量化部门”的发展

“社会量化部门”最初是由左翼社会学家库尔德里( Nick Couldrv) ) 和梅西亚斯( Ulises A． Mejias) 提出的概念，用以指代专门从事信息基础设施建设、实现社会和经济行为量化和信息化的各类企业和组织［5］。社会量化部门有三种主要类型: 一是从事移动通讯行业的硬件制造商，如苹果、微软等; 二是互联网平台的运营者，如脸书、谷歌、优步等; 三是专门从事数据业务的运营商，如甲骨文、艾克希姆等。

在美国，社会量化部门的兴起和发展最早可以追溯到尼克松时期。在二战后初期，计算机与数字技术更多地只是在国防军事领域发挥作用，电信公司也被划为公用事业部门，并由政府实行广泛监督。这一情况在尼克松时期发生了改变，在各大信息企业组成的利益联盟的游说下，尼克松政府接受了电信产业大规模私有化的诉求，开始向数字技术和服务的开发商提供系统的自由权利。“在整个计算机设备制造和软件行业，政府的角色受到严重限制，工会已被淘汰。计算机、计算机组件和外围设备以及软件制造商几乎没有承担任何社会福利和责任。”［6］这一时期，美国的电信产业迅速繁荣，苹果、微软等之后影响世界的巨头企业纷纷成立， IBM、甲骨文等公司也开始进行初期的数据库建设。到了里根时代，新自由主义政策更加盛行，美国开始凭借第三次科技革命中的技术优势与市场化、自由化的政策导向打破其他国家的市场保护，将美国的骨干网络NSENET 逐渐扩散为一个覆盖全球的因特网，不断推动数字资源在国际范围内的加速流动，大大小小的数据库也开始随着存储需求的增加而数量飞涨。之后的克林顿政府又提出了“信息高速公路计划”，光纤、微电子、网络标准等都成为了美国面向21 世纪所要争夺的尖端技术，美国的互联网商业化进程由此迅速跃进，平台经济兴起，亚马逊等采取O2O 模式的企业在国民经济中的地位日益显著，云计算等更加先进的数据处理模式也随着大数据时代的到来而出现。

社会量化部门的繁荣推动着信息基础设施的大规模建设与相关技术的不断进化，其所带来的直接结果是使得人类日常生活的每个方面都被视为可以被量化的原材料［7］，令越来越多的经济活动和经济关系都可以用信息和数据的形态展示。

在其他国家尚未认识到数据的重要意义时，美国就业已完成了生产、流通、消费等各领域早期的数据积累过程，获得了相关的算法基础和技术经验。与此同时，在政府与私人企业的共同推动下，美国的数字巨头在几十年间不断侵吞国际市场份额，操纵行业标准，形成了愈发显著的垄断局面。

截至2019 年，全球市值前50 的互联网公司，美国拥有33 家企业，在电子商务、社交网络、娱乐、互联网金融等主要平台经济领域，美国的市场份额均居于世界前两位。尤其是在海外市场方面，几乎覆盖了除中国之外的所有主要国家和地区。［8］而在各大数据库排行榜单中，美国的甲骨文( Oracle) 、MySQL、MongoDB 等也是常年霸占前列，其强大的技术能力可见一斑。而针对近年来他国企业如华为、字节跳动等带来的挑战，美国还频繁运用政治、外交等手段帮助国内数字企业进行不正当竞争。因此，美国的数字公司可以堂而皇之地在世界范围内进行量化活动、搜刮数据，并凭借私有化和垄断带来的排他性常年保持远超于他国的数据优势。

2．算法革命与监视

在解决了数据量化和处理所需要的基础设施问题后，如何获取更加成熟的数据源成为发达资本主义国家的另一个重点领域。在这一点上，有两个问题最为关键。一是数据的“量”，这依赖于用户入网率的提高和上网时间的延长; 二是数据的“质”，即数据的准确性和即时性，这要求正确规避数据上传时的一些人为错误，同时保证数据的及时更新。

发达资本主义国家解决这两个问题的“良药”正是“算法”。二战后，基于平稳的国内环境和充足的人才、资金支持，美国成为首先开展现代计算机算法研究的国家，并于20 世纪90 年代实现了阶段性的突破，研发出了智能算法的初期应用。但真正意义上的算法革命还要到2010 年左右，图像分类、语音识别、人机对弈等多领域跨越了科学与应用间的“技术鸿沟”，人工智能、云计算等技术领域出现了爆发式增长，并迅速带动了相关科技产品转化。2010 年，苹果发布了具有划时代意义的第四代智能手机，谷歌公司也对安卓系统进行了全方位改进，智能手机市场自此崛起，手机开始从单纯的通讯工具向集社交、工作、娱乐、交易等为一体的多功能智能设备转化。国际互联网普及率、移动用户数量以及网民上网时长开始迅速攀升，流向网络平台的数据的绝对数量和数据源的多样性不断扩展，数据的“量”实现了突破。与此同时，物联网的建设也随着传感器的广泛应用而大规模开展，智能家居、智能汽车、智慧物流等产品纷纷出现。在算法编程与数据感知功能的作用下，即便用户不主动保存数据，各类传感器同样可以对数据进行自动量化和上传，这样便避免了人工的操作失误，也实现了数据的动态更新，数据的“质”也因此得到了保障。

数字巨头对全世界和人类生活全方位的算法渗透事实上意味着一个全球化的资本主义监控体系的出现，它不仅剥夺了用户对于数据的自主性，还损害了用户的隐私权利。由于不具备对抗数字巨头的技术条件，用户只能将反抗要求诉诸于政府部门。但现实情况是，美国政府不仅未在技术和产品监管上付出实质性的努力，反而在算法的助力下成为了最大的“黑客帝国”。早在21 世纪初，美国国防部就委托数据巨头安克诚公司，协助建立全方位监视美国和全球人口的技术系统［9］; 2014 年，美国被曝出“斯诺登事件”和“棱镜计划”; 2020 年，美国CIA 又被曝出瑞士加密公司事件。凭借产品和算法优势，美国政府几乎覆盖了全球网民的所有网上行为，从总统、情报人员到平民，从电子邮件内容、网页浏览记录到在线聊天记录全部难逃监视，大量的数据也在这种无底线的非法行为下流向美方的数据系统。

社会量化部门的垄断地位、全球化的监控体系以及一系列配套的知识产权制度、法律条文和贸易体系的建立使得美国最终获得了其他国家难以撼动的数据霸权地位，并随之拥有了可以支配全球产业链和进行资本扩张的权力基础。于是，基于数据霸权，数字时代的美国出现了一些典型的经济特征。如:

第一，平台成为新的组织形态，数字化生产不断集中，形成了巨型数字垄断公司。

第二，数字资本与产业资本和金融资本等相结合，数字寡头逐渐在经济生活中起决定性作用。

第三，知识数据等数字资源的重要性更加显著，数字产品、数字商品、数字资本等成为帝国主义对外掠夺的重要途径。

第四，形成了瓜分全球产业链的数字寡头同盟。

第五，帝国主义控制世界的重点方向由现实领土转向虚拟空间。

这些特征与列宁在《帝国主义是资本主义的最高阶段》中所作出的对“帝国主义”五大基本特征的经典判断如出一辙。可以说，在21 世纪第一个十年后，美国这样的发达资本主义国家已经开始由二战前的传统帝国主义阶段、二战后到21 世纪初期以空间依附为特征的帝国主义阶段逐渐向新的帝国主义阶段，即数字帝国主义阶段过渡。

三、数字帝国主义的新型掠夺

数据霸权为数字帝国主义带来了什么? 艾伦·伍德( Ellen Meiksing Wood) 曾在描述新帝国主义的发展趋势时曾指出，资本帝国主义所追求的是在任何可能的地方无需借助于政治统治而树立经济霸权。［10］发达资本主义国家建立数据霸权的最终目的，依然是在全世界范围内攫取利润。在数字经济时代，数据霸权会导致国际经济活动中生产、流通、消费等多个环节的权力不平等，继而为数字帝国主义提供多种更为高效也更为隐蔽的新型对外掠夺方式，使其不必像传统帝国主义那样利用军事或政治强权，便将越来越多的海外用户和用户行为拉入到帝国主义的资本体系之中。其中有几种典型的方式如下。

1．创新霸权

从生产端来看，数据霸权会在很多领域引发各国产品研发和创新能力的不对等，导致创新霸权现象，帮助数字帝国主义国家掠夺国际供应链，这是由于:

第一，数据霸权可以帮助数字寡头获得经济社会几乎各个领域的尖端知识。数据是知识的重要来源，数据的集中会在一定程度上导致知识权力的集中。在社会量化部门的监控体系下，人们的智力成果、学术研究或是在日常生活中的创意和想法等都会有意或无意地上传至网络，使得数字寡头可以第一时间在经济社会的各个领域都获得最为专业的知识内容。这便给予了数字寡头向多个领域渗透并进行技术创新的能力，很多传统的生产活动和商业活动也开始在数据的力量下以数字寡头为核心进行重组。

第二，数字寡头具有很强的业务拓展能力，会凭借数据优势在世界范围内不断吞并和收购初创的中小企业。与传统产业相比，数字企业在扩张时所受到的限制条件更少。在进行跨领域扩张时，数据、知识等各要素与其他行业都有着较高的融合度，在进行跨地域扩张时，也不必过多考虑交通、资源、规模等带来的成本，对文化因素也有着更强的适应性。因此可以看到，很多数字寡头会凭借数据优势，频繁地进行资本输出，对一些有着先进理念或技术人才的初创企业进行兼并和收购，以一种“中心—散点”［11］结构实现产业链的多元延伸。以谷歌为例，谷歌最初只是一家专注搜索引擎的公司，但壮大后便收购了摩托罗拉、YouTube、Bufferbox 等多家具有实力和创新理念的企业，业务范围也拓展到搜索引擎、操作系统、城市大脑、自动驾驶、谷歌学术、谷歌翻译、谷歌钱包、谷歌地图等大部分的数字前沿技术领域。［12］这样的扩张和吞并直接引发了企业创新能力和实力的此消彼长，很少再能有初创企业挑战数字寡头的绝对统治地位。

第三，数据会帮助数字寡头优先获取市场动态，开辟新兴市场，获得创新的先动优势。数字经济时代具有超越式竞争的特点，企业成败的决定因素不在于一次性的技术优势，而在于长期的技术创新能力。［13］只有正确把握未来产品的创新方向，才能持续地获得市场。而了解产品性能和市场需求的关键，依然在于数据。通过对技术数据与消费者数据的大规模分析，数字寡头可以对未来技术发展趋势和市场动态做出相关的预测和评估，从而制定更加合理的创新发展规划。这样的先动优势可以帮助数字寡头优先获得知识产权，开发更加符合市场需要的产品和商业模式，以延续自身的垄断地位和对未来市场的主导权。

在数据霸权的助力下，美国的创新能力多年来一直居于世界领先地位。根据世界知识产权组织( WIPO) 发布的《世界知识产权指标2019》，美国在专利申请量、商标申请量、外观设计申请量等方面均居于世界前列，有效专利数量则持续保持首位［14］，而在历年的“全球创新指数”排名中，美国也是常年位居前列。凭借这些已有的创新成果和知识产权，美国得以堂而皇之地把控行业标准，或是设置繁多的贸易壁垒，限制他国的产品创新，以维系其在国际供应链特别是高端制造行业中长期的支配和统治地位，从而在产品收益中持续性地获得高额利润。

以苹果公司为例，世界知识产权组织曾在2017 年发布了一份详尽的报告，在苹果手机销售的总价值中，苹果公司可以获得42%，其他负责材料和分销的公司可以分别获得22%和15%，而负责制造的中国一线劳动力仅能获得1%［15］，大量的财富都在这种巨大的分配差距中向数字帝国主义国家流动。

2．平台垄断

从流通端来看，数据霸权会引发严重的平台垄断现象，继而帮助数字帝国主义国家获得高昂的网费、广告费和中介费用。马克思曾在《资本论》中指出，商品的交换和售卖的过程是一次“惊险的跳跃”［16］，如果无法找到购买方，便会“摔碎”商品生产者。也就是说，只有获得稳定的供需匹配和商品流通能力，才能保证商家正常的生产经营活动和一定的企业竞争力。在数字经济时代，数据和信息在商品流通过程中的重要性愈发显著，企业只有及时地获得消费者的动态信息和市场数据，才能不断提高商品交易的效率。于是，在过去二十年间，专门从事数据量化和信息发布的互联网平台成为了经济社会中的宠儿，无论是传统产业、文化产业还是金融和服务型企业，都开始积极推动数字化转型，依附于平台进行交易和流通活动，全球电子商务规模也因此出现爆炸式增长。由于平台的流通能力高度依赖于数据规模，这就导致了平台经济中梅尔卡夫法则的出现，即平台用户越多，网络价值就越大，因此越来越多的商家和消费者都会选择向亚马逊、脸书等大平台集中。

市场研究公司Canalys 在2019 年的全球云市场报告显示，仅亚马逊、微软、谷歌三家公司就在为全球半数以上的市场提供云服务。［17］视觉资本网站也在2019 年进行了全球百大网站的流量调查，结果显示世界前十家访问量最高的公司，美国独占7 家，一些巨头譬如谷歌公司甚至几乎在全球各国都具有顶级流量，优步、爱彼迎等平台企业的用户遍布世界各地，在很多国家业已形成了显著的市场垄断局面。［18］

平台垄断不仅可以为寡头企业带来大量的基础信息费、广告费等，还导致了线上平台与线下企业在利润分配中的严重不对等。传统的生产或服务行业尽管可以独立地生产产品，但如果摆脱平台，就无法获取足够的货源和完整的销售网络。同时，随着生产力的发展，这些行业的可替代性不断提升，为了赢得同行竞争，只能尽量压低劳动力价格，在与平台的利润分配中让步。于是，平台不需要任何物质产品的生产资料，就可以凭借数据在电子商务中获取高昂的中介费用，亚马逊、优步、贝宝支付、SWIFT 等每年都会由于巨额流水而大量获利。此外，由于平台更多地是作为资源调度者和中介方存在，与线下企业的传统业务很少存在冲突与摩擦，因此平台可以顺利进入经济和商业活动的各个领域，很多社交活动、娱乐活动等其他社会活动也开始依赖于平台进行，这意味着数字寡头可以以极低的成本在多个行业中取得交易费用。大量的利润齐刷刷地向美国企业流动，而他国的本土平台企业却因为不具备足够的数据支持而不断受到压制。

在福布斯发布的最新数字企业百强排行榜中，美国企业在前十中占据7 席，而总榜中除中国外几乎看不到发展中国家企业的身影［19］，这足以表明数据力量与平台流量不均等所带来的巨大发展差距。

3．制造需求

从消费端来看，数据霸权会为数字寡头提供针对市场和消费者的强大分析能力，成为刺激甚至制造消费需求的重要抓手。在社会量化部门的全方位监视中，人们的聊天记录、收藏记录、交易记录以及越来越多的其他日常行为都会受到数字公司的痕迹管理。通过对这些历史记录的整理和总结，可以概括出每个微观经济体的消费习惯、个人偏好、位置和性格等等。这些被收集起来的海量数据经过大规模的加工和计算，便可以反馈群体性、区域性的市场信息，帮助数字企业了解消费者的特征，了解不同地区、不同时间段的市场动态，从而更加合理地安排资源配置，制定有针对性的、分级分类的经营策略。

但是，数据对于数字寡头们的价值不止于此。数字寡头会将数据售卖给广告公司，不断推动资本周转的加速以共同获得利益。一个典型的例子是谷歌与双击广告公司的联盟，谷歌精通将搜索活动与搜索者的兴趣相关联，双击公司则擅长根据数据找到广告用户，两种方法的结合极大地增强了广告与个人的匹配度。为了提升广告的营销效率，降低用户对广告不感兴趣的概率，广告公司逐步减少了以往无差别播送广告的传统方式，开始利用数据进行精确到人的广告匹配模式，典型的如Feed 广告。广告公司会根据数据进行算法设计，在其中加入人工智能元素，向每个用户推送符合其兴趣和消费能力的信息，实现供需的精准匹配。

但从实际效果来看，随着这种人工智能推荐机制的广泛应用，数据对消费的刺激作用早已超出合理的范畴，很多用户的消费需求不再基于其个人的实际需要，而是被鼓动和制造出来的。在人工智能的加持下，广告和信息被有选择性地推送和封锁，何为“流行”“时尚”“爆款”等等均可以遵从资本的意志。同时，完全自动化和带有自定义色彩的推荐会让很多用户单纯地认为这是算法带来的便利，其个人往往难以察觉到自身消费观念的演化，并且认为一切都是基于自己的主动选择［20］，甚至将很多产品的过度消费视为“个性”“先锋”的象征。于是，品牌崇拜、粉丝经济、节日狂欢等各类严重的消费主义行为开始在世界范围内蔓延。美国等发达资本主义国家的大片、手机、鞋、手办等，一经推出就会在世界市场中得到热捧，且往往会以远远超出价值的价格被消费者疯狂抢购。

当然，这种需求制造的现象不止存在于消费领域，在投资领域也屡见不鲜。譬如在金融业，无论是住房抵押贷款的证券化、巨额信用卡使用的拓展、学生贷款、医疗保险和养老基金的增长还是其他形式的个人金融都需要大量的数据，金融机构和广告公司会利用这些数据进行定向的业务推广。伴随着互联网金融所产生的各种金融衍生品，金融化及其风险已经侵入人类生活的方方面面。

总而言之，数据霸权所引发的需求制造使得无论是传统行业、文化产业还是金融服务业的资本周转速度都在不断加快，消费者剩余也在这一过程中不断被收割，其制造出的利润最终会被数字帝国主义中的数字资本家、产业资本家和金融资本家等所共同瓜分。

四、应对数据霸权的相关策略

近年来，国内对数据在经济社会中重要性的认识也在不断成熟。

从企业角度看，大数据产业兴起，大数据独角兽企业数量飞涨，总体数据产量在2018 年约为7. 6ZB，占全球数据圈的23. 4%［21］，阿里巴巴、腾讯、百度、字节跳动等大型数字公司纷纷将数据业务作为企业的核心业务之一，如阿里云已经在全球14 个地区部署了超过200 个数据中心。从政府角度看，党的十九届四中全会首次明确提出“数据”作为生产要素参与分配， 2020 年的“新基建”规划中也将数据中心作为关键领域之一，越来越多的地方政府开始寻求与数字公司的通力合作，数据在经济发展和公共治理中的重要作用日益显著。可以说，无论是在某些前沿技术还是数据基础设施建设方面，中国业已有能力与美国“掰手腕”。但是，现存的发展差距也要正视。美国几十年来积攒的数据优势地位依然显著，很多国内企业仍要依附于美国的数字公司开展业务，用户数据被海外公司窃听、盗用、售卖的情况也依然广泛存在。为了削弱甚至摧毁美国的数据霸权地位，抵抗数字帝国主义国家基于数据的资本输出和掠夺行径，必须继续将大数据技术作为重要的战略领域，提高相关产业竞争力，做好配套政策建设。具体而言，有两个方面最为关键。

第一个是技术层面。有关数据的技术竞争并不仅仅限于数据库、数据挖掘等具体业务领域，而是关乎几乎整个数字通讯行业。美国数据霸权的建立，正是受益于多个领域大规模的社会量化部门的繁荣。中国近年来数字技术和产业的发展虽然有了长足的进步，在移动通讯、平台建设、电子商务等方面均取得了巨大的建设成就，但仍然存在两个明显的问题。

一个是技术领域发展不平衡，短板突出，特别是在芯片、软件、操作系统等方面研究进展缓慢，与美国有着明显的差距。如果无法在这些核心数字领域对美国进行制衡，推动关键“卡脖子”技术和部件的本土化，就无法从根本上限制数据向美国公司的流动。

另一个是技术的跨境流动规模不足，对海外数据的吸纳程度不够。中国的很多数字公司虽然也拥有大量的用户基础，但更多地是在国内，在海外市场的占比上仍然无法与美国的巨头企业抗衡。因此近年来中国的跨境数据流增长有限，在2019 年的宽带数据流动总量只位居世界第八，仅有美国的五分之一［22］。这其中有技术原因，也有数字帝国主义国家把控行业技术标准、进行贸易审查限制的因素。为此，必须进一步提升原始创新能力，强化知识产权建设，提升产品竞争力，打破美国在平台、系统、硬件等技术领域的垄断地位。

当然，除了补短板以外，面对数字经济时代不断缩短的创新周期，把握未来市场和技术发展方向、培育新一代的技术优势同样十分关键，华为公司在5G 技术上的研发策略正是典型的案例。

第二个则是数据保护方面。在数据保护方面，立法和执法是最关键的环节。

从立法角度来说，一个最基本的问题就是如何处理好数据权利保护与数据自由流动间的关系。在这一点上，已经进行了数据立法的国家采取了几乎截然相反的思路。欧洲缺少世界领先的互联网公司，为了在贸易谈判中获取优势，欧盟在2018 年的《通用数据保护条例》中赋予了数据主体以广泛的权利，并对数据侵权行为设置了天价的罚款; 美国加州于2020 年推行的隐私法案则基于数据行业的领先地位，在很多环节采取了留白和放任的态度，给予了市场很大的自由度。中国目前已就《数据安全法( 草案) 》公开征求社会意见，在进行后续法律体系建设时，也应根据自身国情，在数据权利保护与数据自由流动间找到平衡，特别是在个人数据的边界、数据的管辖范围、数据的跨境传输管控等问题上作出清晰的界定。从执法角度来说，应当进一步加强对进口产品的技术监管和对企业商业活动的嵌入式监管，设立严格的审查流程。

同时也要注重新技术在执法过程中的运用。数据的量化与提取技术归根结底是由算法生成的，旧算法带来的社会问题与技术漏洞也应当由新算法解决。譬如区块链的出现，就是对原有电子支付方式中信任和结算问题的补缺和优化。

当然，随着各类网络活动有法可循，公众的力量便会更加重要。近年来，由于公众数据保护意识的提升，已经开始有越来越多的用户对美国政府和脸书、微软等数字公司的数据泄露、信息监听等行为作出声讨和反抗，倒逼数字寡头进行产品革新与安全保护。

一旦在数字空间中形成足够的技术力量与法律力量，迫使其失去在数字资源方面的统治力，美国的数据霸权及其上的新型经济掠夺体系也必然会走向崩溃和瓦解。

*原文注释及参考文献略