文章核心观点 - 数据已成为一种战略资源，其价值与收益的分配取决于规则制定权，数据治理的焦点已从“谁拥有数据”转向“谁来定义数据的使用标准”[1] - 全球围绕“AI就绪数据”标准的角逐正沿不同路径展开，缺乏AI就绪基础设施的机构和国家可能被降格为数据原料供应方，无法参与标准制定和分享收益[1][9] - 数据标准需要具备互操作性，以避免对科学进步造成阻碍，并确保数据能够跨国界汇集以产生重大发现[9] 全球AI就绪数据标准竞争格局 - 当前全球格局可概括为三个中心：欧洲在强制要求与标准制定上领先，美国在投资与采纳上领先，而亚洲部分地区（尤其是中国）正在基础设施上快速推进并怀有制定标准的雄心[3] - 欧洲的推进方式以法规和公共研究框架为主导，例如将开放数据作为“地平线欧洲”研究计划的默认要求，推行FAIR原则、PlanS、欧洲开放科学云（EOSC），并出台《通用数据保护条例》（GDPR）与《人工智能法案》（AIAct）[3] - 美国的路径是市场主导、以机构政策逐步推进，例如美国国立卫生研究院（NIH）自2023年起要求新资助项目提交数据管理计划，但白宫科技政策办公室（OSTP）要求联邦资助研究成果在2025年底前免费开放的“纳尔逊备忘录”已陷入停滞并可能被废止[3][4] - 两种路径导向不同结果：更多资本流向了美国的AI就绪数据，而欧洲构筑的是更持久、可复用的基础，二者各有缺口[4] 数据治理失衡的风险与代价 - 真正的风险在于“有没有AI就绪基础设施”这条分界线，缺乏该设施的机构将被降格为向别处系统供应原料的角色，既无法参与标准制定，也分享不到由此产生的发现[9] - 发展中国家产出的宝贵数字数据日益增多，却对相关使用规则影响甚微，可能沦为数据供应方而在规则制定中缺乏话语权[1][9] - 互不兼容的数据标准会对科学进步构成“直接课税”，导致数据需要重复准备，且不同体系下的数据无法合并，从而延误或阻碍重大发现（例如罕见病研究需要合并跨国病例队列才能查明病因）[9] - 标准割裂的代价首先由研究者承担，其次是科学本身，最深的社会代价是治愈手段来得更慢、发现被延误、努力被重复，公众需付出双倍代价[9] - 出路在于标准的兼容与互操作，而非完全统一[9] AI企业对数据使用的规范问题与解决方案 - 当前AI企业真正做到规范获取科研数据的公司寥寥无几，普遍存在“先大规模抓取，来源问题事后再说”的现象[11] - 数据溯源（provenance）是可信度的根基，AI公司使用他人数据应承担与研究者的相同责任：清楚数据来源、予以署名、尊重使用条款[11] - 解决方案主张：当数据被整理为“AI就绪成品包”时，溯源与署名信息应随包保留，来源清晰的数据是更好、更可信的数据[11] - 数据质量认证应有意义，前提是质量判断与商业动机隔离，由独立同行评审完成，评审形式应基于“离散、可核验的陈述”逐条勾验，而非不透明的印象评分[11]