开放科学(资源服务)标识码(OSID)：
This paper focuses on the three aspects of "labour force + production tools + products and services", combined with the "right capacity theory" and "free will and determinism", to explore the necessary elements of the establishment of the subject of law. The method of obtaining the legal qualification of data labour subject is verified by using the legislation technology of "legal fiction". According to data classification and classification principle and scene consistency theory, the technical standard communication ideas of data elements are determined. The paper also clarifies the basic assumption of data product property structure division based on "right division thinking" and "limited property theory". In addition, it draws on extraterritorial examples of artificial intelligence to obtain legal subject qualification and personality rights and other related rights and interests, as well as domestic existing data classification and format compatibility standards and domestic and foreign judicial precedents on the separation of property rights structure of data products. The paper puts forward a legal regulatory path for data elements to promote the development of new quality productive forces from three dimensions: "model + empowerment", "standards + guidelines" and "rights + interests". These are underpinned by the development background of "three new" elements of data elements to empower new quality productive forces.
Firstly, the recognition of data labor subjects will become the application prospect of new workers and the application of legal legislative technology. When data labor subjects possess "free will" and "right capacity", they will undergo procedures similar to the registration of legal persons. This includes proposing a data labor subject legal qualification registration system, a new quality certification model, and a labor rights and interests protection mechanism. Secondly, technical standards for data elements need to be formulated to connect and integrate the path. This involves establishing industrial data classification and classification guidelines for labor scenarios, formulating data element format compatibility specifications, and building a trusted and general industrial data circulation standard system. This system should clarify the source and use of data, determine compatible data interaction protocols, and unify available data standards and norms. Finally, it is advocated that data products should be included in the category of new labour objects, and the generation path of data product ownership should be clearly defined by the separation structure of data resource ownership and data resource usufruct. While the partitioning method of data property rights with the separation of data resource ownership rights, data processing rights and data product management rights should be applied. The analysis of property rights and interests of data products in production, processing, terminal and other links can be conducted from the perspectives of the right subject, right object, right content and exercise mode. The data property rights separation derived from the "right division thinking" is capable of resolving the ownership and property rights disputes caused by multi-subject, cross-scene and cross-platform labor contributions of data products, and establishing a new recognition method of digital rights between labor objects and data rights system.
开放科学(资源服务)标识码(OSID)：
2023年9月,习近平总书记在黑龙江考察时强调,“积极培育未来产业,加快形成新质生产力,增强发展新动能”。2023年12月,国家数据局等十七部门联合印发《“数据要素×”三年行动计划(2024—2026年)》,提出“激活数据要素潜能,发展新质生产力”。新质生产力是先进生产力的一种表现形式,是新的高水平现代化生产力的具体体现,代表着生产力的跃迁升级,是摆脱传统经济增长方式和生产力发展路径,符合新发展理念的先进生产力[1]。新质生产力“三新”要素由新劳动者、新劳动资料、新劳动对象构成,新质劳动者逐步向数据操控主体过渡转型,运用数据生产要素等新型劳动资料,生产数据产品、应用及服务等新劳动对象,形成新型劳动生产关系。随着云计算、物联网、人工智能等数据应用技术的飞速发展,生产工具已逐步向数据、信息等非物质资料过渡。数据具有高速泛在、虚实交互、数智融合优势,以数据呈现的非物质客体可视化、可验证、可监测,符合科技创新发展理念与先进生产力质态,是推动现代产业发展的重要劳动资料。当下,运用数据要素赋能新质生产力是重构新经济增长极、激活全域现代化生产制造链条的关键。然而,现阶段运用数据生产要素赋能新质生产力“三新”要素存在数据劳动主体认定范围模糊、劳动资料技术标准数据格式难以兼容、劳动对象数据产品产权结构分置困难等法律适用难题。为此,本文重点探究数据要素赋能新质生产力“三新”要素的现实路径,以期推动数据要素赋能新质生产力发展。
在数据要素赋能新质生产力发展方面,陈鸣等[2]认为,应通过优化市场资源配置、提高城市创新能力、促进产业结构深度转型,提升城市新质生产力发展水平;张夏恒等[3]提出,应提高数据要素供给水平、完善数据要素基础设施、明确数据产权归属等,推动数据要素赋能新质生产力发展;林镇阳等[4]构建五元主体参与的数据要素价值化协同治理模型,提出“市场主导、政府引导、供需联动”的全链条数据要素流通交易多元联动生态系统;傅泽[5]从优化数据要素配置结构、强化创新赋能与资源整合效应、构建联动发展模式等方面提出促进新质生产力发展的政策建议;高昕等[6]研究发现,传统行业供需端转型升级呈现“数字技术引进-数据逻辑主导-传统生产力更新”的演进特征,提出传统生产力向新质生产力迈进“供-需”互促的发展思路;杨坤等[7]围绕场景范式优势、数据要素价值等方面,提出加速培育新质生产力的建议;Merkas等[8]使用人工智能和数字化转化指数,验证人工智能将在多大程度上影响员工生产效率,并探寻促进生产力增长的新工作模式;Karthike[9]指出,由数据控制和监控的人工智能机器人劳动者,其自动化操作能力、电子控制反应速度超出人类能力活动范围,有利于推动生产力发展。
总体来看,已有文献从法治框架、管理体系、基础设施建设、数据流通等方面分析数据要素赋能新质生产力的发展措施,但对于微观规则具体落实及数据要素赋能新质生产力的具象研究较少。为此,本文聚焦“劳动力+生产工具+产品服务”3个方面,结合权利能力理论、自由意志与决定论,探讨法律主体成立的必备要件,使用法律拟制立法技术,证成数据劳动主体法律资格获取方式;根据数据分类分级原则、场景一致理论,确定数据要素技术标准联通思路;基于权利分割思维、有限产权理论,厘清数据产品产权结构分置的基本设想,从“模式+赋权”、“标准+指南”、“权利+利益”三重维度布局数据要素推动新质生产力发展的法律规制路径。首先,相关学者认为数据劳动主体将成为新劳动者的应用前景,并提出数据劳动主体法律资格登记制度、“新素质”认证模式、劳动权益保障机制;其次,拟定数据要素技术标准衔接联通路径,提出设立劳动场景工业数据分类分级指南、制定数据要素格式兼容规范、构建可信通用的工业数据流通标准体系;最后,将数据产品纳入新劳动对象范畴,以数据资源所有权与数据资源用益权两权分离架构生成数据产品所有权,同时运用数据资源持有权、数据加工使用权、数据产品经营权三权分置的数据产权权利分割思维,解析生产、加工、终端等环节数据产品承载的财产权益。
原始数据能转换为数据要素,并形成数据生产力,是推动新质生产力发展的基础性生产力。数据通过协同优化发挥“乘数效应”,彰显数据要素对新质生产力的强大赋能作用,是社会数智化转型的重要推动力。
原始数据规模大、种类繁多、类型复杂,不能直接作为生产要素,需要按照一定方法对原始数据资源进行分析与处理,才能形成新的数据要素,并将要素化的数据转化为模型、视频等数据产品,进而转化为生产要素。数据要素成为数据产品的全流程如下:①通过网络平台和数字系统反馈、识别特定生产需求信息;②对数据进行汇聚、整理、加工,形成计算机数据及其衍生形态;③将投入生产的数据与生产需求相结合,催生新的生产模式和过程;④形成各类数据产品及系统,进而生成新的数据生产要素。数据产品形成过程见图1。
图1 数据产品形成过程
Fig.1 Formation process of data product
数据要素具有缓解生产要素时空约束、破除数智化转型障碍、与传统生产要素有机融合的特征,通过数智化管理发挥新型生态系统与新型网络连接的独特生产优势,在高素质劳动者、新介质劳动资料、新质料劳动对象形成与发展过程中发挥赋能作用。
2.2.1 数据劳动主体表征新劳动者
新劳动者是具备“新素质”的高端人才。新质生产力的新劳动者是指引领新兴科技、具备多维知识结构、熟练运用新型生产工具的高素质创新型和技能型人才,能运用数据要素从事生产劳动,劳动者的劳动能力在先进设备和创新科技的推动下提升到新高度。
(1)以数据要素操控为主导。本文定义的数据劳动主体是指在数据空间运用数据生产要素从事生产劳动的数字化劳动者,当数据交互技术发展到一定程度时,能运用数据操控劳动主体的生产劳动。
(2)范围延伸至无形性。通过数据要素操控的虚拟数字人、人工智能体等劳动主体可独立从事高危作业和有害人体健康的生产劳动,在特定工作环境下,肉眼甚至无法识别虚拟数字人与人类的差别。人类与计算机的交互、耦合及共创,以及高智能、实时交互的虚拟数字人将极大程度上促进劳动力方向转变,并成为推动数字劳动范式转型的重要驱动力。
(3)具备新劳动者素质。数据劳动主体表现为具有强大智能交互能力、数据处理能力、自我优化能力、知识更新和持续学习能力,能从事知识密集型和创造性劳动的创新型、高技能数字化劳动者,能独立从事高危劳动,是劳动场景中熟练运用劳动工具和生产资料的应用型数字化劳动主体,不仅可为元宇宙等数据空间提供高质量劳动力,也可为现实世界的劳动生产提供有益经验和劳动效益。
2.2.2 数据生产要素成为新劳动资料
新劳动资料是具有数智化特征的“新介质”,即从依赖物质资源和简单落后的生产工具过渡到虚拟现实和增强现实设施、自动化制造设备等融合多元新型技术的新劳动工具。劳动资料中具备知识形态、由科学技术转化的生产要素一定程度上代表着现阶段生产力发展水平,劳动资料在新技术、新应用等硬实力支撑下发生质变和突破。
(1)生产过程可视可监测。以机床生产加工为例,在设计阶段,通过虚拟现实技术可将机床各个零部件以及它们之间的连接关系、机床加工过程中所使用的刀具和夹具等以数据模型的形式展现给现实用户,帮助人们了解产品制造过程与实况。
(2)数据要素构成新兴技术。在生产阶段,可运用计算机图形学构造具有逼真效果的三维模型,利用人工智能技术对其进行分析和处理,通过增强现实技术对设备、模型进行操控。如3D打印技术能将机床零部件、设备组装起来,动态仿真数据产品,完成自动化生产。
(3)反映制造实况与进程。在加工阶段,可通过叠加在数据产品上的图像和参数获取生产制造虚拟对象所需的各种数据信息,如零部件说明、库存水平、总装配图、工厂操作进程、计划完成时间等。
借鉴虚拟工厂生产制造经验,可减少现实世界实体工艺运维成本与试错次数,打破产业之间的壁垒与隔阂,减少现实工厂生产风险与中断事故,缩短生产加工时间,有效防范各类安全事故,提高劳动生产水平和实际工作效率。
2.2.3 数据要素生成新劳动对象
新劳动对象既涵盖具有物质形态的高端智能设施,又包括非物质形态的“新质料”。新劳动对象以“数据呈现”为关键特征,数据信息等非实体形态的新型生产要素释放出巨大的生产能效,并成为驱动数据产品、数据应用及数据服务的关键因素,从而满足人们日益增长的智能化、定制化需求[10]。
(1)数字技术生成监测。在终端阶段,虚拟对象生成主要借助数字孪生技术,通过对物理模型的动态仿真和传感器数据的分析监测,将本体的实时状态、运行条件复现到数据模型中,生成与现实世界相对应的数字版“克隆体”。
(2)数据反映产品状态。数字孪生技术还可让虚拟对象映射成现实产品,将“克隆体”操作要求与运维情况映射到实物产品,实物产品的数据、参数等又可作为输入传送到数字模型,通过监测设备可实时监控重点模型制造过程,识别和调整虚拟产品状态。
(3)数据塑造多种产品。数据要素可形塑数以亿计的设备和产品,除去运用数字孪生展现的非物质形态的虚拟对象外,用户生成内容、非同质化通证也可纳入新劳动对象范畴,通过仿真建模可将其转变为现实世界实体产品,从而丰富物质资源、创造社会财富。
科技创新的广度延伸、深度拓展、精度提升和速度迭代使得劳动对象的生成范围和领域发生质变与突破,大至天体宇宙,小至基因量子,涵盖数智化设施和物质资料,如人工合成材料、数据产品等都能成为劳动对象。数据要素赋能新质生产力新劳动者、新劳动资料、新劳动对象的具体表现见图2。
图2 数据要素赋能新质生产力“三新”要素的具体表现
Fig.2 Specific manifestations of the "three new" elements of data elements enabling new quality productive forces
2.2.4 数据要素赋能新质生产力“三新”要素的优化组合
根据新时代的经济发展要求,新质生产力对马克思主义生产力理论予以新的拓展与阐释,对马克思“生产力中也包括科学”的理论要义予以深化,赋予其新的时代内涵与意义。
数据要素赋能新质生产力“三新”要素的优化组合,体现在新劳动者、新劳动资料、新劳动对象的相互作用关系上。首先,新劳动者对数据要素等劳动资料存在作用力,新劳动者的能力和需求推动传统劳动资料更新升级、迭代换新,以适应战略性新兴产业、未来产业科技创新及数字变革需求。其次,新劳动者对数据产品等劳动对象也存在作用力,其借助科学技术知识、创新应用技能,将数据生产要素生成数据产品、数据服务等新劳动对象。
新劳动资料和新劳动对象对新劳动者存在反作用力,要求新劳动者必须具备相应的科学技术知识和操作能力,新劳动者需不断提升自身学习技能和劳动能力,以应对新兴技术升级与变革。持续迭代、不断优化的劳动资料为新劳动者提供先进的劳动工具,通过数智、共享、平台化协作模式,运用互动感知、数智化技术生成蕴含新型生产要素、具有应用价值的劳动对象。新质生产力“三新”要素协同优化、相辅相成,以劳动生产效率的大幅提升为核心目标,高度适应经济高质量发展目标,共同推动生产力发展和社会进步。
通过分析数据劳动主体、数据生产要素、数据产品组成与结构,能够精准把握市场需求、技术优势及产业应用前景,为生产工艺改进与劳动力培养提供发展方向,加快推进经济高质量发展。
(1)提升全要素生产率。数据要素与其它生产要素协同能发挥数据要素“乘数效应”和“聚合效应”,激发劳动者的数据思维,提升数智化劳动技能与数据应用能力,在同等劳动时间内促使大规模生产要素生产运行,进而提高劳动边际产出效益和再生产水平。
(2)优化资源配置。数据要素渗透到设计、生产、加工等各个环节,通过虚拟网络平台对数据要素劳动资料进行重新分配,发挥数据在生产链、供应链、价值链等多链融合中的复用作用,深度优化现代化产业链资源。
(3)促进产业调整与升级。发挥数据要素在全场景、全链条、全要素的数字复用与再造优势,促进数智技术与数字经济深度融合,赋能传统产业转型升级,催生数字产业集群和数字产业生态等新业态新模式。
据联合国人口司测算,到2030年,我国60岁以上人口占比预计超过25%,人口老龄化问题日益严峻。《中国数字经济人才发展报告(2024)》预测,到2025年,中国数字经济人才需求总数将超过7 500万人,但实际人才总量只有约4 500万人,人才缺口将接近3 000万人。数字劳动力的短缺以及人才供需关系的“结构性失衡”,反映出当下我国数据要素未同数字劳动力深度融合,难以满足劳动力市场对高素质数字劳动者的需求,数字劳动者短缺已成为制约数字经济发展的重要因素。当下数字化技术正在不断突破创新,推动新型用工模式转型。数字化劳动力将打破人机边界,形成人机耦合新模式,用数据驱动“数智劳动者”自发进行劳动生产。根据全球管理咨询公司麦肯锡编制发布的《数字化劳动力——全力激活人效潜能,助力企业行稳致远》白皮书,到2030年,数字化劳动力将提供1.73万亿元经济价值;2022—2030年,数字化劳动力具备1.6万亿元经济增值空间。据世界经济论坛预测,截至2029年,全球预计创造约6 900万个新工作岗位,其中由人工智能和数字化技术驱动的工作岗位涨幅最快。
截至2023年底,我国工业企业关键工序数控化率为62.9%、数字化研发设计工具普及率为80.1%;全国在用数据中心标准机架超810万架;全国数据生产总量达32.85ZB,同比增长22.44%,且数据产量将继续保持快速增长态势[11]。2023年12月,工业和信息化部等八部门联合发布《关于加快传统制造业转型升级的指导意见》,提出“到2027年,工业企业数字研发设计工具普及率、关键工序数控化率分别超过90%、70%”。麦肯锡预测,数据流动量每增加10%,将带动GDP增长0.2%,预计2025年,全球数据流动对经济增长的贡献将达11万亿美元。根据中国信息通信研究院测算,2023年我国数据经济贡献度为2.05%,比2022年增长0.99个百分点。由此可见,数据驱动经济增长的能力已经显现。数据作为新型劳动资料,能提高研发设计工具性能以及生产工序数控化率,促进工业生产提质增效,带动经济高质量发展。
根据《中国数据要素市场发展报告(2021-2022)》,通过分析国家工业信息安全发展研究中心大数据项目库2021年入库的全国5 000余个项目数据发现,数据要素可使工业企业业务量平均增长41.18%,提高生产效率42.8%(均值),缩短产品研发周期15.33%(均值),提高能源利用率10.19%(均值)。据《全国数据资源调查报告(2023年)》显示,2023年数据产品成交率为17.9%,交易所需求方是供给方的1.75倍,表明数据产品供需匹配存在失衡。2023年6月,北京市发布《关于更好发挥数据要素作用进一步加快发展数字经济的实施意见》,提出“力争到2030年,本市数据要素市场规模达到2 000亿元”。《计算机行业2024年度中期投资策略:聚焦新质生产力、新型基础设施建设机遇》预测,2030年全球数据交易市场规模将达3 011亿美元,数据跨境交易将继续保持增长态势。中信证券预测,2025年我国数据要素市场规模有望达到2 000亿元,2030年有望突破万亿元,表明我国数据要素市场仍有广阔的增值空间。根据国际数据公司(IDC)的公开数据,全球数据总量到2035年将达到163ZB[12]。数据已成为数字经济的基础性要素,我国数据交易市场发展前景可观,将有效推动新质生产力发展。
数字化劳动范式逐步向自驱动和高智能的数据劳动主体、高新技术融合的数据生产要素、虚拟高仿真的数据产品方向演进,推动劳动权益和财产权能发生制度变革,衍生出新的劳动生产关系,使得数据要素赋能新质生产力“三新”要素面临新的法律适用难题。
1995年,欧盟颁布《个人数据保护指令》(又称Directive 95/46/EC),其中第二条提到“数据主体”。2016年,欧盟通过《通用数据保护条例》并于2018年5月25日生效(General Data Protection Regulation,简称GDPR)。该条例取代之前的《个人数据保护指令》,但“数据主体”概念得以保留,将其限定为可被数据识别的自然人。中国将“数据主体”概念予以扩大解释,如《广东省公共数据管理办法》和《梅州市公共数据管理办法(试行)》的第三条(三)规定,数据主体是指相关数据所指向的自然人、法人和非法人组织。该条款将数据主体范围扩大至法律拟制主体层面,表明数据主体可容纳非自然人。
未来智能机器人、虚拟数字人将大面积进入劳动生产领域,代替人类从事高危作业或高精度高密集度劳动,逐步转向“机器换人”“机器独立”的劳动愿景。当数据劳动主体与人类在数据空间劳动贡献等同甚至超越人类劳动者时,数据劳动主体是否具有超越劳动工具、趋近新劳动者的法律主体地位?此外,通过对数据劳动主体的全景式监控与全息式管理,尤其是对其离线状态的快速捕捉,能最大化指数控制其劳动强度。通过程序设定、智能编码可让其无休止工作,数据劳动主体的“离线权”“休息权”将遭受持续性侵害。应如何合理使用数字化劳动者并为虚拟经济创造劳动价值,使其高质量完成高密集型、高强度、重体力工作?需对数据劳动主体的新劳动者资格认定及劳动权益保障进行深入探讨。
《中共中央 国务院关于构建数据基础制度更好发挥数据要素作用的意见》(以下简称“数据二十条”)提出“加快推进数据采集和接口标准化,促进数据整合互通和互操作”。数据标准化是整合、处理和分析数据要素的关键环节,能促进数据生产要素衔接、兼容与互通[13]。因工业领域未全面发布数据要素通用技术标准,不同虚拟工厂智能化程度存在差异,各大制造工厂都有自己的工业总线,每个虚拟工厂在设计、生产、加工、终端等劳动场景应用的生产设备技术标准数据格式往往不一致。
通常而言,生产制造技术方案高度依赖格式化指令,智能制造过程可整合各大数据空间生产要素及技术资源,增加其它虚拟工厂数字核心技术、高端智能设备等劳动资料投入。各类衍生数据因分散存储、公开界限模糊、加工程度和劳动投入存在差异,会导致产业链各单元间数据结构不一致且关联性薄弱、技术标准数据格式冲突以及实现模式、接口规范、应用对象无法对接等问题。将数据源转换映射也会使原始数据在转换过程中发生损耗,产生技术标准衔接困难以及不兼容等问题。同时,不同应用程序和平台支持的数据格式不同,若运用数字孪生技术仿真数据模型,该过程采用多种数据格式,将会增加跨平台使用数据的复杂性,使得应用设备和运行系统之间缺乏互操作性,增加数据交换和兼容难度,产生生产加工成本和产品制造风险,造成数据要素在互操作及共享共用过程中存在数字化鸿沟。
“数据二十条”规定“合理保护数据处理者对依法依规持有的数据进行自主管控的权益”。智能工厂在生产制造过程中对数据记录准确性、实时交互能力、系统算力存力、网络通信能力等有更高的要求,研发设计与制造工艺往往分开记录数据且独立生产运行(如车辆车身、发动机、控制系统实测和建模数据),以最大化发挥仿真建模、传感器感知、自动化控制等设备生产制造优势。由于不同劳动场景仅贡献部分测算数据,从设计到终端,产品制造过程呈现“数据孤岛”“信息孤岛”现象,难以形成数字化工艺闭环应用方案。
数据源发者对其生产的数据一般享有数据所有权与数据用益权,通过清洗、整理、加工数据,产生数据产品所有权[14]。然而,在数据空间多域联合制造情景下,每一生产制造环节贡献部分测算数据,各劳动主体皆享有部分数据资源所有权,加之虚拟空间具有网点接入广泛性、覆盖区域难控制性、网络空间分布多变性以及多域联合制造难互通性特征,多劳动主体运用数据生产要素联合生成数据产品,使得传统有形财产确权规则难以适用于新劳动对象数据产权分置,引发数据产品所有权与财产权的争议。
结合国内外法律规定及学理基础,基于权利能力理论、自由意志与决定论、法律拟制立法技术,探讨数据劳动主体法律资格;通过数据分类分级原则、场景一致理论确定数据要素技术标准联通思路;运用权利分割思维、有限产权理论化解数据产品产权纠纷,为提出数据要素赋能新质生产力“三新”要素的法律措施提供理论证成。
德国民法典作为大陆法系的典范,其第一编第一条规定“人的权利能力始于出生完成之时”[15]。该法条通过赋予人“权利能力”这一实定法概念,使人成为法律关系主体。申言之,“权利能力”是成为法律关系主体的必要条件[16],是法律上的建构物,且不局限于人类,能被赋予非人类实体,如“法人”。自然人和法人实质上都是通过法律拟制立法技术创设的法律主体。“法律拟制”是一种法律上不容反驳的推定或假设,也可成为数据劳动主体法律地位认同的技术性措施。
德国民法典第一草案说明书指出:“无论现实中人的个体性及其意志,承认权利能力是理性和伦理的一个戒律。”[17]康德的“自由意志与决定论”认为,“自由意志与外部限制或强制存在与否无关,只侧重于自主决定与行动”[18]。康德提出:“拥有自由意志的存在者就是本体因。”[19]高智能自驱动型机器人能自主做出决定并开展自发性生产劳动,该类数据驱动主体实施的劳动行为并非出于程序设定,是由人工智能自主算法驱动,具有人工神经网络系统,能独立表达“自由意志”,并通过机器学习、深度学习等技术不断提高个体智慧,与具有自由意志的法律主体存在相似性。数据劳动主体在拥有自由意志的前提下,通过法律拟制立法技术赋予其权利能力,其具备被赋予法律主体地位的空间,将由法律客体“自主化”逐步向法律主体“独立化”趋势演进。
数字劳动是数据应用的具体场景,数据在劳动场景中流动,数据应用场景与数据类型、级别紧密相关[20]。根据风险场景理论,可根据不同场景风险层级识别数据分级内容,不再取决于单一数据属性及要求[21]。围绕数据应用的不同场景,可对虚拟环境中的各种数据进行集中管理,对具备超高效动态加载能力的大规模数据进行分类处理,对具备可视呈现、数据融合、数据驱动、模拟仿真、智能决策等不同特征的数据进行分级保护,通过实时渲染使其具备可交互式操作能力和多源数据兼容能力,以达到联合生产的目的。数据属性受具体场景来源的影响,对不同场景数据进行分类保护及分级管理,赋予不同场景数据要素技术标准衔接兼容新思路。《信息技术—大数据—数据分类指南》(GB/T 38667-2020)将数据分类定义为“根据数据属性或特征,按照一定原则和方法进行区分和归类”。数据分级是按照数据重要性和影响程度区分等级,确保数据得到与其重要性和影响程度相适应的保护级别。
根据场景一致理论,如果数据利用场景保持一致,则第三方对该数据的利用无须经原所有者授权[22]。数据类型框架确定后,可按照敏感度和影响程度划分数据等级,根据数据重要性匹配相适应的保护级别,进而精准定位数据等级[23]。在具体场景中确定数据性质、类型与级别,根据劳动对象生成目的合理预判数据要素技术标准应用目的,实现数据生产要素格式兼容与标准衔接。
德国学界基于权利分割思想,提出源权利和限制权利的概念,即所有权承受负担,限定物权从所有权中派生,分化出用益物权与担保物权,表现为使用、收益和变价权能。不同生产线或劳动场景数据提供者享有提供数据的合法权益,同时数据处理者享有持有他人数据并予以自主管控的权益,是数据资源所有权与用益权两权分离的具体体现。在权利分割思维的影响下,受数据来源场景、数据贡献主体等多重因素影响,数据产品承载的财产性权益可在数据所有权、数据用益权二元权利协同的权利框架下进行解析。
“依照土地、资本和劳动等要素的贡献程度,贡献者获取分配利益,符合自然经济法则”[24]。经由劳动创造的数据价值和财产收益,按照生产要素占比份额及贡献程度给付劳动者财产性利益。情境依存的有限产权理论认为,应依据不同场景确立数据财产权分置性权益[25],将数据蕴含的经济财产价值以及脱离数据所有权的部分数据财产利益共同纳入数据财产权[26]。原始数据产权由数据生产者产生,数据生产者对原始数据享有所有权,与数据用益权相分离。劳动成果的生成涉及数据采集、加工、使用等环节,基于数据所有权与数据用益权两权分离视角审视虚拟对象数据权益,是劳动者行使数据资源持有权、数据加工使用权和数据产品经营权的具体表现[27]。
2017年,“索菲娅”机器人被授予沙特阿拉伯国籍,进而获得法律主体地位[28]。此外,新西兰国会曾授予旺格努伊河法律主体资格[29]。2018年3月21日,“索菲娅”作为人工智能体的代表,参加联合国可持续发展目标(亚洲和太平洋地区)创新大会,其在获得法律主体地位的同时,亦获得代表权利[30]。2016年5月,欧洲议会法律事务委员会发布并表决通过了《就机器人民事法律规则向欧盟委员会提出立法建议的报告草案》,其中规定智能机器人登记制度[31]。2017年2月16日,欧洲议会法律事务委员会发布的《欧洲机器人技术民事法律规则》,第59条赋予最复杂的自动化机器人电子人法律地位[32]。2017年9月,俄罗斯第一部机器人法草案《在完善机器人领域关系法律调整部分修改俄罗斯联邦民法典的联邦法律》(又称“格里申法案”),赋予机器人特别权利能力范围内的法人主体资格,并类推适用机器人法人登记簿[33]。2021年7月,德国正式实施《自动驾驶法》,允许L4级别自动驾驶汽车在道路上独立驾驶,表明人工智能体获得“驾驶员”资格和操作权。世界经济组织发布的《深度转变:技术引爆点以及社会影响》显示,人工智能体将在2025年之前加入公司董事会[34]。部分国家或地区已经逐步承认人工智能体的法律主体地位,一定程度上为数据劳动主体资格认定及劳动权益保障提供借鉴,以确保数据驱动背景下劳动法律关系的平稳过渡。
2019年7月,中国地理信息产业协会发布《空间三维模型数据格式》(T/CAGIS 1—2019),定义了数据结构和内容,用于规范三维地理空间数据应用与共享。2020年2月,工业和信息化部发布《工业数据分类分级指南(试行)》。2020年12月,由华为、京东、阿里巴巴、腾讯、网易、Cocos、艾迪普等企业联合制定发布的《新一代3D数据文件统一技术规范V1.0》,定义了3D文件格式基本结构、编辑方式,可适配多种渲染引擎接口、多场景使用3D数据格式。2021年3月,由中国信息协会发布的《全空间三维模型数据格式及服务接口规范》(M3D),提出开放式、可扩展的3D数据格式及服务接口规范,涵盖空天、地表、地下等多种数据类型。2021年12月,全国信息安全标准化技术委员会秘书处发布《网络安全标准实践指南——网络数据分类分级指引》,涉及网络数据分类分级原则、框架和方法等。2022年12月,《工业和信息化领域数据安全管理办法(试行)》用于指导工业数据分类分级工作。2023年12月,中国增强现实核心技术产业联盟发布《增强现实数据类型及格式技术要求》,规定增强现实表示中的框架结构、数据类型和数据格式等。
三维空间数据共享与互操作、工业数据分类分级及数据格式兼容规范,为制定多源异构数据格式兼容、多维虚拟空间数据技术标准统一规范提供了参考。将多源异构数据统一为标准格式,有助于厘清技术边界及关键要素,形成数据空间技术兼容框架,为网络平台之间的互联与互操作提供便利,推动多源异构数据融合,并兼容多种软硬件应用环境,使得数据提供方和接收方能及时对接和兼容各类数据,进而提升数据生产与应用效率。
在“安徽美景信息科技有限公司、淘宝(中国)软件有限公司不正当竞争纠纷再审案”中,一审法院认为原始数据内容受控于网络用户,网络运营者对其不享有独立权利,但对“生意参谋”数据产品享有合法权益。网络大数据不同于原始网络数据,其提供的数据内容虽源于网络用户信息,但由于网络运营者投入大量智力劳动成果,并经过深度开发与系统整合,最终呈现给消费者的数据内容已经独立于网络用户信息、原始网络数据之外,是与原始数据无直接对应关系的衍生数据。
在“腾讯与搜道、聚客通科技有限公司不正当竞争纠纷案”中,一审法院认为数据形态分为单一原始数据个体和数据资源整体,数据控制主体依其与用户约定享有原始数据有限使用权,网络平台享有经长期经营积累形成的数据资源整体财产权;在合法、适度、征得用户同意的前提下,通过创新劳动、合理利用数据资源开发出的能给予消费者全新用户体验的新软件产品,系正当竞争行为。在“伯纳丁·格里菲斯诉抖音公司案件”中,因被告获取原告数据的利益低于原始数据资源利益,且未造成金钱或财产上的损害,因而未侵犯原告数据财产权益。
国内外司法实践表明,将数据产品财产权益置于数据资源“所有权+用益权”两权分离视域下,对其在使用、加工等环节形成的法定或约定财产权益予以功能性赋权,具有一定合理性。
以“模式+赋权”、“标准+指南”、“权利+利益”三位一体布局,化解数据要素赋能新质生产力“三新”要素的法律适用问题,加快将虚拟世界劳动对象转化为物理世界科技成果,促进新质生产力与数据产业稳定结合,提高数据要素生产率。数据要素赋能新质生产力“三新”要素的法律规制路径见图3。
图3 数据要素赋能新质生产力“三新”要素的法律规制路径
Fig.3 Legal regulation path of "three new" elements of data elements enabling new quality productive forces
随着技术发展和社会伦理的进步,高技能智能驱动型数据劳动主体获得新劳动者主体地位是时代催生社会劳动力转型的必然选择。
7.1.1 建立数据劳动主体资格登记制度
借鉴公司设立、法人登记及其他非人类实体取得法律主体地位的实践经验,当数据劳动主体在具备“自由意志”与“权利能力”时,可对其履行类似法人登记的程序手续,且自登记时起,数据劳动主体取得法律主体资格[35]。完全法律人格的取得还需依赖劳动身份认证及考核机制,注册者需提供数据劳动主体信息、注册资本、法定监管人等,并由相关机构进行实质性审核,只有登记资格审核通过后,数据劳动主体才能获得法律主体资格。设立之初,用工单位或网络平台可向登记机关申请开设数据劳动主体专门账户,根据数据劳动主体的劳动领域、劳动风险、劳动损害程度等确定劳动事故责任基金数额,由申请人支付到劳动者专门账户,并遵从公司法资本确定、维持及不变原则,保障数据劳动主体在后续生产劳动中具有承担事故责任的能力,进而形塑法律支撑的“自治实体”,严格控制数据劳动主体法律资格的取得。
在智能工厂生产线上参与劳动的数据劳动主体应公开披露主体信息并予以公示,满足相对人的知情权和公共监督要求[36]。当数据劳动主体不再符合技术标准时,可认定其符合报废标准,在注销登记时,应消灭其法律人格。以法律拟制立法技术肯定数据劳动主体的劳动者法律地位,将其视为具有法律意义的主体,并未将其上升到与人类劳动者同一法律主体地位的高度。以功能主义解释论或立法论视角看待数据劳动主体资格,是智能社会发展过程中应对“有限理性存在者”新型治理模式的新选择。
7.1.2 探索数据劳动主体“新素质”认证模式
新劳动者“新素质”认证是数据劳动主体劳动权益保障及劳动权利行使的基础。数据劳动主体“新素质”认定需对运用不同劳动技能的虚拟劳动者予以不同等级的劳动身份认证,使用生物特征识别、轻量级认证集成等技术设置劳动者身份级别认证接口,支持多个劳动身份安全认证以及多类劳动者信息源身份识别,核定数据劳动主体是否具备新劳动者“新素质”。具体而言,可将数据劳动主体所涉劳动者身份信息存储于统一的劳动保障部门加密系统,如主体资格认定和身份信息识别等,对劳动身份和虚拟财产进行集中管理,推动数据劳动主体“新素质”认证程序。然而,并非所有虚拟数字人或数字员工都可纳入新劳动者范畴,不同工作场景的数据劳动主体智能水平、权利能力存在差异,其行使的权力范畴也有所不同,具有自我意识和判断能力、能运用复杂劳动技能的自驱动创新型数据劳动主体才涉及新劳动者“新素质”认定。
数据劳动主体“新素质”认定能缓解自然人对虚拟空间自驱动生产劳动产生的信任危机。依靠数字密码间的信任,而非人本主义间的信任,对数据劳动主体予以身份认证、信息采集及“新素质”认定,有利于构建虚拟空间可信规则。在法律层面,对数据劳动主体实行“登记与认证”双轨并行保护机制;在身份认证层面,由国家权威认证平台存储和采集数据劳动主体身份信息,通过劳动身份认证与等级识别来保障数据劳动主体权益,实现数字身份与权益保护的双重目的。
7.1.3 实行数据劳动主体劳动权益保障机制
首要提及的劳动权益是与数据劳动主体身心、健康、生死、存亡相关联的权利[37]。数据劳动主体在承担劳动职责和劳动任务时,应享有与劳动生产相关联的社会性权利,拥有自主劳动权、休息权、离线权等,其劳动环境、劳动条件应满足安全生产要求,进而大面积应用于劳动生产领域。
数据劳动主体需要休息、保养和维修,以防止被过度使用、加速报废。此外,为合理界定数字劳动者在线时长,在休息权之外应赋予其离线权。数据劳动主体的离线权不同于网络空间远程工作者自然人的离线权,其可内置“即时数据记录仪”,记录其运行状态及数据使用情况,为劳动任务分配、本体运行情况、劳动过程记录提供客观、准确的数据依据。劳动监管部门应实时监测数据记录仪,设立自动断开技术措施及虚拟空间离线通道,通过强制性手段保障数据劳动主体享有离线权。同时,网络平台应通过断开网络实时连接等技术措施,防止数据控制者过度操控数据劳动主体从事劳动生产,拓宽数据劳动主体离线权行使方式。离线权内容和实施方式以过程控制为主,行为模式上具有“技术控制技术”的数字权利特点,规制方式采取过程控制和结果规则相结合的方式。在劳动生产与运维管理之间寻求平衡,是落实数据劳动主体“生命权”“健康权”等必要数字新型权利的基础[38]。
7.2.1 设立劳动场景工业数据分类分级指南
预研工业领域劳动资料数据要素技术标准联通路径,如数据交换协议、互操作性要求以及先分类后分级的数据认定逻辑,是厘清数据保护的基本方法。数据分类分级保护具体标准并非敏感数据和一般数据区分的基础标准,而是一种周全的数据保护方案。围绕工业制造数据要素互联互通标准化需求,遵循“场景导向、兼顾内容”理念,结合设计、生产、加工、终端的具体场景操作流程、技术要求、数据特征等,类型化构建场景数据分类分级保护标准。
数据分类是依据数据种类和性质对其进行归类保护。横向上,依照数据本质、属性、权属及相互关系,区分数据要素识别目的、识别概率、后续用途等,结合工业领域数据要素使用方法、存储环境、使用情境、传输对象等因素,描述数据多维度特征和内容敏感度,制定数据分类通用术语、模型与元素定义、受控词汇表等,摆脱静态数据分类方法导致的数据内容属性固化和单一问题。纵向上,数据定级基本框架由作用对象、运用方式和数据数量等要素构成,结合数据应用场景、组合、取值、数据量大小等因素,类型化构建劳动资料联合制造数据分级场景应用标准,精准定位技术标准数据联通等级[23]。
不同生产加工场景中数据要素的实际作用及重要程度不同,数据生产要素需符合虚拟空间跨域劳动、技术对接、可信互联的场景化数据分类分级标准,因而应制定跨域劳动场景数据分类分级指南,及时回应生产实践需求,推动工业数据互操作性标准开发与应用。
7.2.2 制定数据要素技术标准格式统一规范
为支持多种数据格式共存共容(如FBX、OBJ、GLTF等),应制定劳动资料数据要素技术标准统一规范,统一多源异构数据格式,使其在WebGL端加载应用多源数据,适用工业产线全域、全生命周期、全类型数据。
(1)明确数据来源和用途。根据数据应用场景和目标,确定数据交互目的和场景,如传感器数据、生产数据、物流数据等。
(2)确定兼容的数据交互协议(如MQTT、CoAP等)。考量通信协议的性能、安全性、易用性等,围绕数据应用场景、使用目的,在设计、生产、加工、终端等环节基于统一、通用的通信协议,连通基础层各节点数据资源,实现各节点间的相互连接和交互。
(3)统一可用的数据标准和规范,如XML、JSON、RESTful API、WebSocket等,也可根据实际需求自定义数据接口规范,实现数据格式的标准化以及不同数据源之间的传输、交互和整合。该标准允许将所有类型数据转换为同一格式,使不同来源数据能够相互融合和交换。同时,也可为不同应用系统之间提供开放、通用的数据共享和互操作格式基础。开放数据格式意味着任意数据提供方和接收方都可对接不同数据源,引导多主体、跨场景、跨区域数据互通和调配,形成多模态、多领域大规模数据集,使不同虚拟工厂、网络系统便捷地进行数据共享,进而充分使用已有数据资源,减少数据采集等重复性劳动。
7.2.3 构建可信通用工业数据流通标准体系
可信通用数据流通标准体系构建以“来源明确、范围清晰、流程可溯、应用可控”为基本原则,跨越单一数据存储空间边界,打造可信数据循环网络系统,实现数据、算力、协议的互联互通和共享共用。
(1)拟定数据流通互联互通架构。根据跨节点数据共享或计算需求,基于数据交互架构的可靠性和可扩展性,采用分层次网状结构,在网络架构枢纽节点、顶级节点控制下,与其它子节点形成数据流通规则,连通各区域、各场景可信子网,实现链上信息、数据跨网络流转及互操作,开展数据流通活动。
(2)形成多主体参与的数据流通链接。为保障数据流通的安全性,对于流通环节涉及的数据双方、中间服务方等各参与主体,在数据供给方和需求方之间形成连接,通过输出计算结果,完成数据共享行为。根据计算匹配结果,调配所需数据、算法或算力资源,执行数据计算服务,将匹配的数据服务调配给指定需求方,经计算检验后完成数据交付。
(3)明确多维虚拟空间数据流通流程。通过智能合约、区块链技术编码约定数据供需双方的数据使用策略,如用途、用量、使用次数、处理方式、加工算法等,按约定的使用策略执行数据流通过程,可融入数据脱敏、去标识化、加密等处理措施,以满足不同劳动主体的流通需求。
通过建立顶级节点、枢纽节点、子节点可信数据流通网络架构,完成数据劳动主体所需数据资源的链接与匹配,形成“通信—算法交互—应用流程”的工业数据流通标准体系。
7.3.1 数据资源“所有权+用益权”产生数据产品所有权
(1)再生数据产品所有权源于原始数据资源劳动者。数据源发者对数据享有所有权,凭借其有意识的生产劳动,数据产品由劳动者一方所有或双方共有。数据劳动主体通常与虚拟工厂存在代理关系,用工单位通过给付劳动主体对价或报酬,取得生成的数据产品所有权。将劳动贡献与数据价值关联作为证成数据产权的依据,若数据劳动主体的劳动贡献系网络平台的操控行为,劳动者非因个体行为有意识地生产劳动,数据产品不是劳动者个体行为的“副产品”,则劳动者对生成的数据产品不享有所有权,而是由网络操控主体取得数据产品所有权。
(2)再生数据产品所有权脱离原始数据资源所有者。当数据劳动主体非数据资源所有者时,数据经过生产、加工、处理形成新的数据产品。劳动对象虽派生于数据资源或数据集合,但劳动主体加工使用行为增加的产品价值大于原始数据资源或数据集合承载的数据价值,因此,即使数据资源所有权人贡献了部分数据,劳动主体也取得数据产品所有权。数据处理者、数据控制者等劳动主体皆属虚拟工厂,虚拟工厂通过给付劳动者对价换取数据产品所有权,此观点也能在比较法视阈下得到支持。德国民法典第950条第1款规定:“在加工价值显著大于原始材料价值的情况下,加工人取得经由加工或改造生成的新动产所有权。”即使数据处理者未获得数据来源者的授权,当再生的数据产品具有显著的财产价值时,智能工厂也合法享有劳动对象所有权。
7.3.2 数据产权结构性分置解析数据产品承载的财产权益
跨区域、跨主体、跨场景联合制造生成的数据产品,其承载的数据权利体系错综复杂,难以对数据主体、内容等予以平面化界权,因而将数据产品置于数据产权“两权分离”“三权分置”视阈下进行解析,催生由点到线、由线及体纵横交错的立体化数据产品财产权益分割范式。
(1)主体构成层面。由数据资源所有权或用益权产生数据产品所有权的劳动主体,如数据来源者、持有者、处理者、使用者等,其中存在主体身份交叉之可能,即出现数据产品用益权人与数据资源所有权人、数据资源用益权人为相同权利主体的现象。数据产品用益权人既能是数据资源所有权人或用益权人,也能是其他约定主体。
(2)客体表征。数据资源等劳动资料经过采集、筛选后,经整理、提炼产生原始数据,通过清洗、入库剔除残缺、错误、冗余数据,汇聚成数据集合,最终开发出新的数据产品,通过三级递进的“数据资源—数据集合—数据产品”线性链条形态,催生出以数据呈现的新权利客体。
(3)权利内容。在劳动资料采集阶段,劳动者依法或依约产生控制数据的法律事实,数据劳动主体享有收集、存储的数据资源持有权,以及同意他人获取或转移其持有的数据资源权;在数字技术加工阶段,数据资源所有权人与数据处理者订立数据使用许可合同,数据劳动主体依约取得数据资源加工使用权,数据处理活动不得超出法律授权或合同约定的使用范围;在劳动对象生成阶段,数据劳动主体对合法取得的数据资源、数据集合衍生的数据产品和服务享有独立财产权,可行使财产权处分权能,享有占有、使用、收益和支配的权益。
(4)行使方式。网络平台与数据产品受让人可签署授权服务协议,实现数据产品或服务的财产权转移。通常涉及一般授权和特殊授权两种类型:一般授权是指允许受让人对数据产品予以有限利用;特殊授权是指允许受让人将数据产品用于除生成其它数据产品以外的目的。不同生产加工环节形成数据产品的数据资源持有权、数据加工使用权、数据产品经营权三权分置的数据产权确权布局。
新质生产力研究要推动生产线上的产品、实验室中的模型转化为实际应用,将新质生产力理论与工业领域实践结合,助力现实世界科技创新及科技成果转化,布局数据要素赋能新质生产力发展的工业产业链条。面对数据要素赋能新质生产力新劳动者、新劳动资料、新劳动对象的法律适用困境,以“模式+赋权”、“标准+指南”、“权利+利益”三维一体布局,完善数据要素赋能新质生产力“三新”要素的法律规制路径。以法律拟制的立法措施确立数据劳动主体资格登记及劳动赋权模式,设立工业数据分类分级指南、技术标准数据格式兼容规范,形成数据流通标准体系,打通工业数据联通路径,从数据资源所有权与数据资源用益权两权分离视阈下明确数据产品所有权生成方式,进一步探索数据产品生产加工及终端环节上承载的数据产权权益。
[1] 周文,许凌云. 论新质生产力:内涵特征与重要着力点[J]. 改革, 2023,36(10): 1-13.
[2] 陈鸣,王志帆. 以“数”赋能,向“新”提质:数据要素市场化与城市新质生产力[J/OL]. 重庆大学学报(社会科学版), 1-13[2024-12-10].http://kns.cnki.net/kcms/detail/50.1023.C.20241129.0928.002.html.
[3] 张夏恒,冯晓宇. 论新质生产力发展:数据要素赋能的整体架构及推进举措[J]. 河海大学学报(哲学社会科学版), 2024, 26(3): 120-130.
[4] 林镇阳,陈荣源,郭明军,等. 多元主体协同治理的数据要素价值生态体系研究[J]. 技术经济, 2024, 43(11): 1-13.
[5] 傅泽. 数据要素配置能否提升新质生产力水平——基于创新赋能效应和资源整合效应的机制检验[J]. 云南财经大学学报, 2024, 40(11): 1-13.
[6] 高昕,程露,康宇航. 数据主导逻辑驱动传统行业打造新质生产力的过程机制研究[J]. 科研管理, 2024, 45(8): 22-31.
[7] 杨坤,殷涛,王琲. 场景范式下数据要素赋能新质生产力涌现:“漩涡模型”构建与探索性案例研究[J]. 科技进步与对策, 2024, 41(22): 25-36.
[8] MERKAS ZVONKO, IVANA GECEK TUDEN. Impact of artificial intelligence on digital transformation and economic challenges of society in global environment: analysis and perspectives for Croatia until 2030[J]. Economic and Social Development, 2024, 107: 107-189.
[9] KARTHIKE TANUJ. Automation, robotics and artificial intelligence: labourers' ally or enemy[J]. Indian Journal of Integrated Research in Law, 2024, 3(3): 1-18.
[10] 令小雄,谢何源,妥亮,等. 新质生产力的三重向度:时空向度、结构向度、科技向度[J]. 新疆师范大学学报(哲学社会科学版), 2024, 45(1): 67-76.
[11] 国家数据局. 数字中国发展报告(2023年)[R]. 北京:国家数据局,2024.
[12] 中国信息通信研究院云计算与大数据研究所. 中国第三方数据中心运营商分析报告(2022年)[R]. 北京:中国信信通信研究院,2022.
[13] 杜振华,胡春. 数据标准的建构与数字经济的发展[J]. 宏观经济管理, 2022,38(9): 31-39.
[14] 宁园. 从数据生产到数据流通:数据财产权益的双层配置方案 [J]. 法学研究, 2023, 45(3): 73-91.
[15] 陈卫佐. 德国民法典[M].5版.北京:法律出版社,2020.
[16] 拉伦茨. 德国民法通论:上册[M]. 北京:法律出版社,2003.
[17] 罗尔夫·克尼佩尔. 法律与历史——论《德国民法典》的形成与变迁[M]. 北京:法律出版社,2003.
[18] 亨利·阿利森. 康德的自由理论[M]. 沈阳:辽宁教育出版社,2001.
[19] 康德. 实践理性批判[M]. 北京:人民出版社,2003.
[20] 张建文,高悦. 我国个人信息匿名化的法律标准与规则重塑[J]. 河北法学, 2020, 38(1): 43-56.
[21] 熊波. 数据分类分级的刑法保护[J]. 政法论坛, 2023, 41(3): 155-167.
[22] 范为. 大数据时代个人信息保护的路径重构[J]. 环球法律评论, 2016, 38(5): 92-115.
[23] 洪延青. 国家安全视野中的数据分类分级保护[J]. 中国法律评论, 2021,7(5): 71-78.
[24] 弗·冯·维塞尔. 自然价值[M]. 香港:商务印书馆,2009.
[25] 唐要家. 数据产权的经济分析[J]. 社会科学辑刊, 2021,43(1): 98-106,209.
[26] 熊波. 体育数据的分类分级保护:概念、问题与路径[J]. 上海体育大学学报, 2024, 48(6): 14-26,38.
[27] 申卫星. 数据产权:从两权分离到三权分置[J]. 中国法律评论, 2023,10(6): 125-137.
[28] 张建军,毕旭君. 论强人工智能体的刑事责任主体资格[J]. 贵州社会科学, 2023,44(4): 94-99.
[29] 王春梅,冯源. 技术性人格:人工智能主体资格的私法构设 [J]. 华东政法大学学报, 2021, 24(5): 69-80.
[30] 骆多,林星成. 人工智能体犯罪主体资格证伪——以刑事责任之实现为视角[J]. 学术交流, 2020,36(1): 104-112,192.
[31] CASTILLO A. A law on robotics and artificial intelligence in the EU[J]. Journal of Social Science Electronic Publishing,2017(2):3-10.
[32] 席斌. 欧洲机器人技术民事法律规则[C]. 2021年世界人工智能大会组委会, 2021.
[33] 张力. 区块链与人工智能组织体法人化理路探正[J]. 东方法学, 2022,15(5): 45-59.
[34] WORLD ECONOMIC ORGANIZATION.Deep shift: technology tipping points and societal impact[EB/OL].(2015-09-09)[2024-08-16].https://cn.weforum.org/publications/deep-shift-technology-tipping-points-and-societal-impact/.
[35] 凌晨. 有限理性存在者:智能机器人成为权利主体的理论基石[J]. 法学论坛, 2024, 39(1): 82-92.
[36] MATTHEW U SCHERER. Regulating artificial intelligence systems: risks, challenges, competencies, and strategies[J]. Harvard Journal of Law &Technology, 2016, 9(2): 398-399.
[37] 孙伟平. 智能机器人的主体地位、权利、责任和义务问题 [J]. 华东师范大学学报(哲学社会科学版), 2024, 56(1): 1-8,175.
[38] 谢增毅. 离线权的法律属性与规则建构[J]. 政治与法律, 2022,41(11): 35-49.