The study first reviews the evolution of data governance and identifies two key structural challenges: insufficient scenario development, where global cross-border data exchange remains concentrated in traditional areas such as digital services, corporate operations, and personal information transfers while high-value application scenarios like medical research and technological cooperation are underdeveloped; and significant divergence in institutional logics among jurisdictions, particularly the U.S. favoring free data flow, the EU prioritizing rights and privacy, and China balancing openness with security, and these differences result in high compliance costs and fragmented governance that severely constrain efficient cross-border data utilization. To address these challenges, the study advances a context-driven mechanism that operates through a dynamic loop of "demand traction-data valorization-feedback circulation". In this model, scenario-specific demands act as a catalyst that aligns heterogeneous data resources across borders; the embedded application of data generates new derivative assets, which in turn stimulate new demands and reinforce continuous value creation. Simultaneously, the study proposes the concept of compound regulatory actors which comprise sovereign governments, digital trading platforms, international organizations, and industry self-regulatory bodies as a multi-layered institutional mediation mechanism that bridges conflicting legal and cultural logics. The synergy among these actors mitigates institutional friction, lowers transaction costs, and transforms regulatory divergence into a driver for optimizing global data allocation.
Building on the theoretical foundation, the study develops a process mechanism model for the full cycle of context-driven cross-border data flow,covering context identification, data acquisition, standardized processing, compliance verification, supply-demand matching, and iterative optimization. The model embeds institutional adaptation and collaborative governance to shift from "passive compliance" to "proactive empowerment". To validate the framework, the study conducts an in-depth case study of Beijing Friendship Hospital′s medical data cross-border cooperation with Amsterdam University Medical Center under the COLOR project. This case exemplifies how high-value medical data scenarios can achieve compliant and efficient cross-border circulation through context-driven mechanisms. By defining 72 core data fields and developing a "dual necessity list" with traceable justifications for each data item, the project establishes a replicable compliance model recognized by both Chinese and European regulators. Moreover, the application of international standards (e.g., ISO/IEC 27017) and ethical co-governance frameworks enables the transformation of institutional friction into interoperable governance interfaces. The project boosts research efficiency and clinical outcomes, generated tradable standardized data assets via the Shenzhen Data Exchange, and demonstrated cross-border data′s potential for cumulative value growth and international collaboration.
Policy recommendations are as follows: (1) building cross-border data ecosystems that integrates government, enterprise, and academic collaboration; (2) improving the compound regulatory framework to harmonize domestic and international rules and reduce compliance burdens; and (3) developing trusted data spaces through privacy-preserving technologies such as secure multi-party computation and homomorphic encryption. These measures can enhance the efficiency, safety, and inclusiveness of global data circulation, accelerate the transformation of data into new productive forces, and support digital economy sustainability.
开放科学(资源服务)标识码(OSID)：
人工智能时代,数据作为新型生产要素,日益成为推动数智技术创新、产业赋能和社会发展的战略性、基础性高价值资源。尤其是在全球产业链数字化重构背景下,数据跨境流动成为打破地域壁垒、促进知识共享与要素协同配置的重要机制。数据跨境流动能够加速技术创新、优化资源配置,并通过全球范围内的知识循环促进产业升级[1-3]。更为重要的是,数据具有“使用即增值”的特性,其在不同场景间的流动与复用可形成链式价值放大效应,即所谓的数据要素“乘数效应”[4]。这一效应不仅表现为单一数据集的价值增长,更体现为多主体、多场景互动下的创新外溢与协同增值,是实现数据要素价值化和培育新质生产力的关键路径。
中国在推动数据要素化与跨境流动方面已取得显著进展。2015年,国务院发布《促进大数据发展行动纲要》。此后,国家陆续颁布《中华人民共和国网络安全法》《中华人民共和国数据安全法》《中华人民共和国个人信息保护法》,为构建起我国数据治理与安全监管体系奠定了法律基础。2024年3月,国家网信办颁布《促进和规范数据跨境流动规定》,明确了多种免予申报数据出境安全评估、订立个人信息出境标准合同、通过个人信息保护认证的情形,标志着我国数据跨境流动从以往侧重安全限制向更为宽松灵活的方向转变[5]。2025年《政府工作报告》提出,要加快完善数据基础制度,深化数据资源开发利用,促进和规范数据跨境流动。2025年10月,《中共中央关于制定国民经济和社会发展第十五个五年规划的建议》也强调要“健全数据要素基础制度”“深化数据资源开发利用”“推进数据高效便利安全跨境流动”。此外,我国发布《全球数据跨境流动合作倡议》等政策文件,积极参与国际规则制定,体现了中国方案的制度创新与国际担当。
已有研究主要从数据要素价值化实现路径、数据跨境流动与全球化、数据跨境流动与发展新质生产力等方面进行积极探索,认为数据跨境流动顺应全球化趋势,能促进全球贸易与经济增长、推动技术创新与数字经济发展,对于发展新质生产力具有重要意义[6-7]。同时,为应对数据跨境流动可能带来的国家利益相关问题和数据安全隐患,数据跨境流动需通过法律、机制等方式加以规制和治理,现有研究广泛讨论了国内法律和国际机制如何更好地规范数据跨境流动[8-10]。尽管有学者逐渐关注场景是实现数据要素价值化的重要媒介,探讨如何推动数据、技术和场景融合[11-12],但鲜有研究关注场景在数据跨境流动方面所产生的重要价值和潜在机理。同时,现有研究也难以解决数据在复杂跨境场景中存在的制度逻辑冲突问题。
本文基于场景驱动创新理论和制度逻辑理论,构建“主体—场景—制度”三位一体理论框架,为数据跨境流动研究提供系统性理论基础,旨在揭示推动数据跨境流动的场景化解决方案,探索适用于中国情境的数据跨境流动典型模式,以弥补现有对数据跨境流动系统性研究的不足,为推动数据要素市场化配置和提升数字经济国际竞争力提供理论支撑与实践启示。
场景驱动创新理论(Context-Driven Innovation)是数字经济时代以特定应用场景中涌现的复杂综合性需求为牵引,通过技术、数据与多元主体协同共创实现价值跃迁的创新范式[5],其核心在于突破传统线性创新思维,强调应用场景与生产要素深度融合,通过场景化需求牵引、生态化资源整合和动态化价值共创,推动数据要素市场化配置与价值释放[13]。这一理论基于创新思维,运用场景牵引逻辑,为破解数据跨境流动面临的场景开发不足、制度逻辑差异两大难题提供了新理论视角和突破口。
场景驱动创新理论主要关注3个方面:一是场景需求导向性,即以具体场景为创新载体,精准识别多样化、具象化场景中的复杂需求与关键痛点,将用户实际诉求与产业转型升级需求作为创新的逻辑起点,在真实应用场景中实现技术、产品与服务的动态匹配与持续迭代,以及数据和场景的高度融合[14]。二是多元主体协同性,强调在复杂场景中打破政府、企业、平台等主体间壁垒,通过构建开放协同的共创生态,推动数据、技术、资本、人才与场景需求的动态适配与深度融合。场景驱动创新包括数据交易所、数据运营商等数据产业多元主体,其不再局限于单一主体的技术研发,而是依托生态化协作网络,在真实场景中实现多方资源的集成联动与价值共创。如深圳数据交易所构建的场景——数据匹配(CDM)机制有效促进数据流通与乘数效应的实现[15]。三是动态迭代性,强调新技术、新产品、新要素与应用场景之间形成持续的双向反馈与循环互促。在场景驱动创新范式下,创新并非线性推进,而是嵌入具体应用场景,通过应用、反馈、优化重构、再应用的闭环机制不断迭代升级,实现能力与场景需求的协同演化。例如,尹西明等(2022)提出数据要素价值化五阶段机制,其中全场景应用是关键环节,正是在多样化应用场景中,数据价值才被充分激活。
在数据跨境流动中,场景驱动创新的特征尤为凸显。一方面,数据能否有效匹配特定场景需求直接影响数据价值以及数据流通的合法性与有效性[16-18]。例如,跨境医疗数据需匹配隐私保护场景,而供应链数据则需满足贸易合规场景,通过场景细分实现数据分类分级管理。另一方面,场景共创机制可破解数据跨境确权与治理难题。通过搭建国际协同的“场景—生态”平台(如产业互联网平台汇通达三重嵌入机制),促进多元主体共建数据确权规则与交易标准,降低制度摩擦[19]。
制度逻辑是指社会层面的文化、信仰及规则,用于塑造主体认知及行为[20]。其中,逻辑是一种社会共识,是人们共同认可的价值观,它能塑造社会公众的固定认知模式,是判断行为主体是否合法的依据[21]。制度逻辑理论一方面通过识别多维复杂环境解释组织的异化行为;另一方面认为尽管多元制度逻辑之间可能存在冲突,但组织能够通过发挥自身能动性对这些冲突进行创造性整合,从而提升组织能力并推动组织良性发展[22-23]。
数据跨境流动是跨区域和国界的流动,不同国家和地区在数据隐私、安全和使用方面的法律法规政策存在显著差异,涵盖国际协议、国内法律和行业规范等。制度逻辑理论指出客观存在的制度逻辑差异,同时强调通过整合制度逻辑来化解这些差异和冲突。该理论为理解和协调数据跨境流动过程中的制度逻辑冲突问题提供了框架,通过以数据跨境交易平台为主的制度中介确保数据流动符合各方法律要求。此外,数据跨境流动涉及多方利益相关者,包括国家、政府、企业和个人,制度中介能够平衡各方利益,确保数据流动的合法性和合规性。
全球数字贸易治理需要平衡数据自由流动与数据安全之间的关系,其面临数据流动壁垒、治理诉求差异、国际规则碎片化等困境。已有研究从法律和国际治理维度呼吁各国在数字贸易治理中应加强合作,如推动全球价值链构建[24]、提升政府治理效能、探索数据跨境分级分类、正面与负面清单制度等[10],但缺少从制度逻辑理论出发,构建制度中介并发挥其最大效能对冲突进行创造性整合的机制。
数据要素作为继土地、劳动力、资本、技术之后的第五大生产要素,是新一轮科技革命与产业变革的产物,其核心特征可归纳为“五V”属性,即数据体量巨大(Volume)、生成与处理速度快(Velocity)、数据类型多样(Variety)、数据真实可信(Veracity)以及价值密度高(Value)[25]。上述特性共同赋予数据“使用即增值”的独特经济属性,使其在不同应用场景中的融合与再利用能够激发链式反应,推动系统性价值的累积与释放,形成显著的乘数效应[17]。在此基础上,数据跨境流动不仅能拓展数据要素配置边界,更通过全球范围内的协同利用与价值重构,进一步释放其潜在经济效能[26]。因此,数据跨境流动成为数字时代全球要素配置优化的必然趋势,是推动数字经济高质量发展的重要机制与现实表征。
经济合作与发展组织(OECD)将数据跨境流动界定为个人数据跨越国境的流动,即数据在不同国家或地区之间转移。从更广泛的角度看,数据跨境流动是指数据以电子或其它方式跨越国界进行传输、存储和处理的活动,涵盖个人数据、商业数据和政府数据等各类数据形式[24]。2011—2021年,全球跨境数字服务贸易规模从2.15万亿美元增至3.81万亿美元,年平均增长率为6.76%,同期数据跨境流动规模增长超过14倍。然而,各国数据跨境流动政策法规差异较大,美国倾向于自由流动以获取经济利益,欧盟着重安全隐私保护,中国则在确保数据安全的前提下积极推动有序流动[27]。可见,数据跨境流动不仅是数据地理位置的跨越,还涉及数据在不同国家法律、监管和文化背景下的处理和应用。
已有研究广泛认可数据跨境流动的意义,指出不同国家当前对数据跨境流动持积极态度[28],聚焦法规政策框架的构建与安全保障机制完善,形成较为丰富的理论与实践成果。众多学者围绕《中华人民共和国网络安全法》《中华人民共和国数据安全法》《中华人民共和国个人信息保护法》等核心法律规范,以及《关于构建数据基础制度更好发挥数据要素作用的意见》等重要政策文件展开深入解读,系统探讨如何通过法律法规防范数据跨境过程中产生的安全风险,进而保护个人隐私与国家数据主权[29]。与此同时,实证研究也逐步兴起,学者从经济学与管理学视角出发,运用量化方法评估数据跨境流动风险传导机制对全要素生产率的影响路径,以及数字贸易发展对跨境数据流通的推动作用,进而从宏观政策、技术治理、国际合作等维度提出若干优化建议[30]。
然而,现有研究存在一定不足:一方面,多数研究侧重于“限制性治理”与“风险防控”,强调“如何管住”数据跨境,较少关注“如何推动”数据有序、高效流动,尤其缺乏对政府在制度、激励与服务方面如何主动促进和引导数据跨境流动的系统性探讨;另一方面,对于医疗健康、跨境电商等行业发展需求,尚未形成可复制推广的实践经验,无法指导企业依托合规、高效、安全的数据跨境路径实现技术创新、产业链升级与资源配置优化。在数据要素化背景下,如何通过制度创新与协同治理打破流通壁垒,释放数据要素价值是亟待深入探讨的关键议题。
因此,本研究通过构建场景驱动创新理论框架,强调数据跨境流动不应仅被视为技术或法律问题,更应被理解为在特定经济社会情境下,由应用场景牵引、制度适配与多方协同共同推动的系统性创新过程。另外,进一步探讨如何通过场景牵引机制设计,弥合制度差异鸿沟,实现制度创新与产业发展的双向互促,进而构建具有中国特色、可复制、可推广的数据跨境流动实践路径。
当前,全球数据跨境流动呈现出显著的场景失衡特征。目前全球数据跨境流动主要集中在数字服务贸易、跨国企业运营和个人信息出境等传统场景,这3类活动占据数据跨境流动的绝大部分比例。相比之下,数据产权转让、技术合作研发等新兴应用场景在数据跨境流动总量中占比较小。这种结构性失衡不仅会限制数据要素的全球化配置效率,更形成“高价值场景培育不足、低附加值场景过度集中”的负向循环,严重影响数据跨境流通交易。现阶段,数据要素高价值应用场景开发开放不足,无法在与实际场景结合中实现数据要素价值最大化,急需应用场景驱动创新思维,从场景供给视角推动数据跨境供得出、流得动、用得好。
从供给端看,政府部门与企业普遍存在“数据囤积”倾向与“数据沉睡”现象,多数企事业单位仅开发了少部分数据资源,尤其在建筑、医疗等领域,数据利用率严重不足,导致可交易的高质量数据跨境供给稀缺[31]。需求端则面临合规成本高、境外场景缺失等问题,如跨境电商企业虽对海外市场数据需求迫切,但受限于跨境流通评估体系不完善,实际交易多转向非正式渠道。供需错配使得现有场景集中于低风险、高收益领域,难以形成多元化生态。
中国信息通信研究院发布的《数据智能研究报告(2025年)》提出“丰富数据要素创新应用是首要任务”。数据跨境应用领域狭隘、场景匮乏,造就了当前无法形成数据开发开放和流通使用的正向循环困境。另外,目前只有少数领域数据应用初具规模,难以形成丰富的数据跨境流通生态。这就意味着,即使存在丰富的海量数据,如果缺少相应场景进行适配,也难以充分发挥数据“使用即增值”的特性,更难以将海量数据转化为数字经济和产业发展的新动能。
数据难以完全实现无国界,因为数据与国家安全紧密相关。而人工智能技术发展离不开数据的自由流动,因此各国在数据跨境制度上持续发力,致力于平衡好自由流动和国家安全之间的关系。但因各国在数据主权、隐私保护等方面存在较大的制度逻辑差异,会增加数据跨境流通的制度性摩擦,交易成本高成为制约数据跨境流动的重要因素[32-33]。
中国在数据跨境交易中坚持审慎开放与安全监管平衡,依托数据交易所“国际板”探索治理框架,统筹风险防控与规则优化[9]。通过“替代合规”机制和数据“白名单”制度,缓解国际规则冲突。我国通过构建以《中华人民共和国数据安全法》为核心的主权化监管体系,严格安全审查流程,推动跨境监管标准对接,在保障数据主权前提下促进高水平跨境流通[34]。2024年,国家网信办出台的《促进和规范数据跨境流动规定》以负面清单方式豁免多类活动的安全评估,显著减轻企业合规负担,提升跨境运营灵活性,推动中国企业更深入地融入全球创新体系。
美国采取包容态度,主张以市场为导向的数据跨境自由流动。通过宽松监管促进创新,美国互联网技术优势使其能在跨境数据流动中巩固领先地位,并在有效监管国内数据的同时降低外泄风险[35-36]。相比之下,欧盟则更关注权利(尤其是人权)保护,倾向于权利话语,2018年生效的《通用数据保护条例》(General Data Protection Regulation,简称GDPR)采用“影响主义”原则,通过长臂管辖规则赋予法规超地域效力[37],并在欧盟内部建立“泛欧数据市场”,推动成员国间数据自由流动[38]。
总体来看,美国偏重经济利益逻辑,欧盟强调权利与安全逻辑,中国追求安全与开放平衡。三者制度逻辑差异显著,企业往往需同时满足多重合规要求,导致成本陡增,阻碍数据跨境顺畅流动。以最为严格的欧盟GDPR的影响为例,根据普华永道调研,有 68%的美国公司预计花费100万～1 000万美元满足GDPR的苛刻要求,此外还有9%的企业预计投入超过1 000万美元。而对于没有足够资金用于合规操作的中小企业而言,这种由于制度逻辑差异所带来的高昂成本成为中小企业数据跨境交易的关键瓶颈[39]。
在批判性回顾数据要素跨境流动现状和制度差异的基础上,本研究基于场景驱动创新和制度逻辑理论,构建如图1所示的“主体—场景—制度”三位一体理论框架。该理论框架的核心在于揭示数据要素跨境价值释放的关键路径,即以场景化需求为牵引,驱动各主体围绕应用场景开展数据要素开放和开发,实现价值创造,通过场景需求精准牵引异质性数据要素的跨国匹配,同时激发创新反哺的动态循环,从而实质性推动制度逻辑协同与要素价值涌现。
图1 场景驱动数据跨境流动的理论逻辑框架
Fig.1 Theoretical logical framework of context-driven cross-border data flow
在这一框架下,复合监管主体作为新型制度中介,通过多层级制度创新(政府、交易平台、国际组织)桥接政府监管逻辑与市场运行逻辑,化解制度性摩擦;而场景驱动机制则聚焦业务真实需求,实现数据要素与跨境场景的动态适配,并在应用中衍生新数据,形成“需求牵引—数据增值—循环反哺”的正反馈循环,最终扩大数据要素价值创造的乘数效应[4]。两大机制的有机交织,既在制度层面重构包容审慎的治理范式,又在场景层面激活数据要素的动态迭代能力,为要素全球化配置提供灵活高效的创新支撑(尹西明等,2025)。
由此,数据要素跨境流动得以突破瓶颈,通过持续累积新资产与增加创新成果释放深层价值,为数字经济高质量发展注入可持续动力。本文分别阐述复合监管主体化解制度差异与场景驱动实现价值释放的创新机制。
3.1.1 复合监管主体解决制度逻辑差异
在数据跨境流通交易中,各国的限制条件不断激增,制度不兼容所引发的监管冲突已成为制约数据要素全球化配置的核心因素[40]。为破解这一难题,本研究构建由多元主体构成的复合监管体系,通过协同治理机制实现国家安全、市场效率与国际规则的三重平衡,有效弥合主权国家间的制度鸿沟。
(1)主权政府的制度供给与风险防控。作为核心监管主体,A国与B国政府分别从国家安全视角构建数据主权制度框架。通过动态调整本国法律,建立数据分类分级管理制度,对涉及关键基础设施数据、生物特征等敏感数据实施出口管制。例如,欧盟GDPR在与美国《澄清境外数据合法使用法案》(Clarifying Lawful Overseas Use of Data Act,简称CLOUD Act)的管辖权博弈中,政府通过“数据本地化存储+白名单国家互认”的混合模式,兼顾主权与合作。2024年签署的中德数据跨境流动合作谅解备忘录,在确保国家安全和隐私保护的基础上促进两国之间数据流动[41]。这种“竞争性互惠”策略既维护了国家安全,又为数据跨境流动提供了制度接口。
(2)数据流通交易平台合规技术创新。跨境数字平台作为市场化监管主体,通过技术嵌入与制度创新降低合规摩擦成本,为数据供需双方提供一个高效、安全的交易平台(邬爱其等,2021)。平台通过开发智能合约系统自动识别数据敏感等级,应用零知识证明技术实现“数据可用不可见”的交易验证[42]。如亚马逊推出的Amazon Web Services Data Exchange(AWS Data Exchange)合规计划,通过合规工具将监管要求转化为可执行代码,有效提升了平台交易效率。这种“监管即服务”模式不仅能提升数据交易效率,更通过技术手段将抽象制度规则转化为可执行的代码逻辑。
(3)国际组织规则协调功能保障。世界贸易组织(WTO)与亚太经济合作组织(APEC)等国际机构发挥制度转译器作用,通过推广跨境隐私规则(Cross-Border Privacy Rules System,简称CBPR)体系等区域性认证机制,构建“等效互认+争端仲裁”的跨国监管框架。如全面与进步跨太平洋伙伴关系协定(Comprehensive and Progressive Agreement for Trans-Pacific Partnership,简称CPTPP)设立数据流通争端解决专家组,通过第三方评估机制裁定成员国数据政策是否符合“必要且适度”原则,有效化解了大量数据跨境纠纷。这种超主权治理机制为制度差异提供了缓冲带与转换器。
(4)补充性监管主体协同增效。行业自律组织通过制定《欧盟云服务行为准则》(EU Cloud CoC)、《数据跨境流通伦理准则》等柔性规范,弥补硬法监管的不足。例如,国际标准化组织(ISO)发布的ISO/IEC 27017云数据安全标准,已被全球云服务商广泛采纳。云安全联盟(Cloud Security Alliance)通过出台《云安全联盟GDPR合规行为准则》提供透明度指南和框架,用于指导云服务提供商在跨境数据流动中的隐私保护、风险评估和伦理实践,已被全球云服务商广泛采纳。这些主体形成的监管“毛细血管网络”,能有效增强制度执行的穿透力与适应性。
政府、平台与国际组织分别从制度供给、技术执行与规则协调3个维度形成治理合力,在保障数据安全的前提下降低跨境交易合规成本,成功破解了单一主权监管的“制度锁定”困境[43]。该新型治理范式表明,制度逻辑差异可通过创新性制度设计转化为优化要素配置的动力。
3.1.2 场景驱动数据跨境实现价值释放
场景驱动数据跨境流动理论框架遵循“需求牵引—数据增值—循环反哺”的动态闭环逻辑,通过场景与数据交互构建跨国数据要素持续流动与价值释放路径。
(1)场景化需求牵引启动数据流动。一方面,当企业或政府在跨国业务或创新中需获取他国数据支持时,场景需求方通过交易机制主动获取所需数据。另一方面,当数据跨境交易主体有充足的数据希望用来交易获取价值时,他们会积极寻求买方支持。例如,A国智慧城市场景需要B国的交通流量数据优化城市调度,需求方通过数据交易所签订数据采购协议,从而引入所需数据。在此过程中,数据经过标准化处理转化为可直接应用的资源形态,以满足双方需求。
(2)数据场景化应用催生增值资产。当数据跨境嵌入目标场景后,一方面能支撑场景功能运行,另一方面会在应用过程中生成新的数据资产,如算法参数、用户反馈等,形成对原数据的价值延伸,使数据由“消耗品”转为“可再生资源”。新产生的数据又成为一种资源,可进一步激发其价值。
(3)场景与数据循环反哺构建价值网络,形成正向循环。新生成的数据资产通过跨国企业或国际要素市场形成多向度再流通路径,这些数据既可回流至原始数据输出国优化其场景运行,也可被第三国新场景牵引进行二次应用。这种循环使数据要素突破单向流动模式,形成场景需求拉动数据跨境,数据在跨境应用中产生新资产,新资产激发新需求,新需求继续拉动更多数据跨境的增强回路,使数据要素在全球配置中持续累积创新动能。
这一机制充分体现出数据“使用即增值”的特性,即每一次跨境应用都会积累新数据、降低再流通成本,并促进新场景精准匹配,形成自我强化的价值创造循环,推动全球数据要素从静态存储向动态网络演进,为可持续创新提供驱动力。
场景驱动数据跨境流动机制的核心在于以具体业务场景为导向,匹配场景需求和数据要素,弥合制度逻辑差异,确保数据畅通流动并切实解决实际问题。基于前文理论逻辑,本研究构建如图2所示的过程机制,以场景需求牵引构建和激活数据要素生态,进而释放数据要素乘数效应。
图2 场景驱动数据跨境流动过程机制
Fig.2 Process mechanism for context-driven cross-border data flow
(1)针对数据需求方场景问题进行识别是数据跨境流动的起点,包括了解用户需求、分析业务流程瓶颈、识别技术障碍等,以实现对场景痛点的精准把握[12]。在此基础上,数据跨境交易平台凝练需求场景数据要求,通过具体化、结构化需求描述提升场景与数据匹配精度。不同行业和业务场景对数据的需求各不相同,因而需要从数据需求方角度出发,识别并凝练影响运营效率的“真”应用场景问题。需求决定价值,这一阶段通过场景问题的识别挖掘数据具体价值,可为后续数据价值的实现打好地基。
(2)明确场景需求后,由数据跨境交易平台对相关数据进行采集和处理。在数据采集环节,需关注数据类型和内容与场景问题的匹配程度。在数据处理环节,数据标准化和结构化处理是确保数据能够在不同场景中高效流动的基础。此外,数据的合规性也是重要考量因素。各国和地区对数据的隐私保护、安全要求等存在制度差异,因此在数据采集和处理过程中,复合监管主体及数据跨境交易平台需确保数据符合相关法律法规要求,避免在跨境流动中因制度逻辑冲突出现交易风险。
随后,数据跨境交易平台会将数据需求方的场景要求与数据供给方的标准化、结构化合规数据集进行精准匹配。这一阶段通过场景和数据要素匹配,让制度逻辑在新场景得到验证,将制度逻辑的复杂性解构在一个个场景之中。一方面,该过程能够解决用户场景问题,实现数据基础价值,并进一步构建新场景、拓展新的场景化需求。另一方面,还可以在场景应用中不断优化数据内容,产生新的有效数据,推动数据价值持续增值。这一过程会化解制度逻辑冲突问题,让数据价值在场景流动中得以丰富和增值,让场景问题在数据支撑下得以有效解决,推动业务创新和发展,进而释放更多数据价值。
通过以场景需求为始点、以平台撮合为纽带、以复合监管主体为保障、以价值循环为动力的跨境流动过程,形成场景驱动数据要素加速走向新质生产力的实践路径。具体而言:场景识别和需求凝练奠定价值挖掘基础,标准化与合规处理确保应用可行性,同时化解制度差异,精准撮合与循环反哺又不断补充新数据资产,从而形成持续的正向循环。正是这一完整的过程机制,通过场景化解决方案,利用场景问题牵引,整合制度逻辑,解构制度冲突,推动数据要素在全球范围内从静态沉淀向动态价值网络演进,实现数据要素的高效配置与价值最大化释放,为数据要素加速转化为新质生产力提供实践路径。
随着全球医学交流的日益频繁,医疗数据跨境流动需求变得更加迫切。但医疗数据涉及大量个人敏感信息,如何在满足法律法规的前提下实现安全、高效的跨境共享,是当前医学研究面临的重要挑战。医疗场景不仅关乎民生福祉,更是国家医疗水平提升和国际医学合作的重要载体。医疗数据已被列为《“数据要素×”三年行动计划(2024—2026年)》中的十二大重点领域之一,凸显了其在推动健康中国建设和数字经济发展中的核心地位。此外,医疗数据价值化是国家数据局推动的重点工作,其科研与商业潜力巨大,能够加速新药研发、优化诊疗方案,并为精准医疗提供关键支撑。医疗数据跨境共享不仅是国际科研合作的重要组成部分,更有助于通过场景驱动的数据跨境流动推动全球公共卫生事业发展,实现数据向善。
然而,医疗数据跨境流动实践往往面临高价值场景开发不足和制度逻辑差异导致交易成本过高的制约。一方面,在场景侧,医疗数据跨境中高价值场景“沉睡”现象突出。中国医学科学院2023年对104家三甲医院的抽样调研显示,医院每年新增影像、病历与随访数据超过50 PB,但真正进入跨境流通并被用于AI制药或国际多中心临床试验的比例不足0.7%。此外,医院海量原始数据只能以论文附件的形式外流,低附加值场景占据多数,而AI制药、跨国临床试验等高附加值场景占比不足5%,形成“高价值场景供给不足—低附加值场景过载”的结构性失衡。另一方面,在制度侧,各国间制度逻辑差异导致较高的双重合规成本。欧盟GDPR将基因与生物识别数据列为特殊类别,原则上禁止出境;《中华人民共和国数据安全法》与《中华人民共和国个人信息保护法》要求人口健康数据必须完成安全评估并签订标准合同。企业需同时聘请欧盟律师出具GDPR合规备忘录、委托中国机构完成数据出境安全评估,部分中小药企可能难以承担双重审计费用,被迫转向其他渠道。
北京友谊医院与荷兰阿姆斯特丹大学医学中心共同主导的COLOR研究(全称为“一项比较腹腔镜右半结肠癌切除术腹腔内吻合与腹腔外吻合的国际多中心随机对照研究”),是国家网信办发布《数据出境安全评估办法》后的首个数据跨境评估申报和审批通过项目,也是全国首个被北京市网信办批准的数据出境安全评估案例。该研究聚焦结直肠外科场景,通过数据跨境流动,双方能够实时共享临床试验数据,优化研发方案,提高研发效率,从而更快地推动医学技术创新和突破。在这一过程中,北京友谊医院扎根实际应用场景,深入评估数据出境与项目实施和产出之间的关系,并出台《数据出境安全管理办法》,建立重要数据出境的复合主体审核、评估和监督机制。北京友谊医院医疗数据出境评估的成功实践为医药企业的医疗数据跨境流动带来重要参考,也为立法完善和其它行业实践提供了宝贵经验和示范。
本文结合场景驱动数据跨境流动理论框架,解析北京友谊医院在医疗数据跨境流动方面的成功实践,揭示复合监管主体如何协调制度差异、场景需求如何驱动数据流动以及数据如何实现增值,以期为其它高敏感、高价值场景中的数据跨境流动提供参考。
4.2.1 场景需求牵引
场景驱动创新理论强调以具体场景为牵引,通过技术、制度、组织等多维度协同创新,实现数据价值释放与安全可控之间的平衡。北京友谊医院的数据跨境实践是该理论在医疗健康领域的典型应用,其核心在于通过解构场景、识别并锁定需求,在复合监管主体协同下匹配对应技术,最后实现数据复用和价值增值的闭环逻辑,构建具有战略引领性、技术突破性与制度示范性的数据跨境流通体系。
结直肠癌是全球高发恶性肿瘤,但不同手术路径在肿瘤学疗效、术后并发症、功能恢复等方面的差异尚缺乏高质量证据,亟需大规模、跨区域、多中心临床数据验证。在此场景需求驱动下,北京友谊医院自2018年加入 COLOR III 研究以来,迅速成为全球入组病例最多的中心,为研究提供大量亚洲数据,同时引入欧美标准化手术参数与随访体系。
双方共同定义了72项核心数据字段,并明确了数据粒度、样本量、脱敏标准等,场景需求被转化为结构化、可执行、可验证的数据跨境任务书,成为后续数据流动与制度适配的锚点。
4.2.2 制度摩擦化解
在医疗数据跨境流通中,制度摩擦并未被消除,而是通过复合监管主体协同机制,被翻译为可验证、可互认的合规路径,进而实现数据跨境流动从“禁止”到“可控”再到“可信”的跃迁。例如,《中华人民共和国数据安全法》《中华人民共和国个人信息保护法》对人口健康数据出境提出“最小必要”原则,项目团队建立“数据字段必要性双清单”机制,对科研所需字段与可删减字段进行因果链论证,并由医院伦理委员会、北京市网信办、国家卫生健康委三方会签确认。同时,引入“场景必要性说明书”,将每一项数据字段与临床终点指标进行一对一映射,形成可审计的“科研必要性证据链”,使监管部门能够清晰判断数据出境的正当性与不可替代性,以通过数据出境安全评估。
此外,行业组织与国际标准机构作为补充性监管主体,在制度摩擦化解中发挥关键作用。国际标准化组织(ISO)发布的ISO/IEC 27017云数据安全标准作为行业基准,可确保数据在云端存储与传输过程中的安全性;中国医院协会与欧洲医院联合会共同发布《跨境医疗科研数据伦理共识》,为项目提供柔性伦理框架,以弥补硬法监管在科研灵活性方面的不足。
通过上述机制,复合监管主体将“制度摩擦”转化为“制度接口”,使场景驱动数据需求得以在合规框架内高效流动。
4.2.3 数据价值增值
场景驱动机制不仅能解决数据跨境问题,更为关键的是在场景应用中能实现数据价值的“滚雪球”式增值。国家卫生健康委将相关研究结论纳入《结直肠癌诊疗指南(2025版)》,在全国广泛推广,临床教学与术式培训产生大量高保真、3D标注的标准化手术视频。随后,经标签化与一致性校验后,在深圳数据交易所挂牌流通。跨国药企与手术机器人厂商得以购入该数据集,用于训练术中并发症预测模型,再次实现价值形态升级,形成显著的临床边际效益。
数据要素在每一次跨境—跨场景流动中均完成“使用—增值—回流—再增值”的自我增强闭环,该过程不仅验证了“数据使用即增值”的本质特征,也揭示跨境可信数据空间与多中心协同治理在降低再流通成本、放大创新外部性中的关键作用,为全球高敏感度医疗数据价值化提供了可复制的学理范式与制度模板。
(1)本研究系统构建“主体—场景—制度”三位一体理论框架,弥补了现有文献对场景在数据跨境流动中价值与机理研究的不足。当前,关于数据跨境流动的研究多聚焦于法律规制、安全评估与风险防控等制度性议题,或将数据流动简化为技术合规问题,鲜有从场景视角切入,揭示数据如何在具体业务情境中被激活、匹配、流动最终实现增值[9,10,27]。本文基于场景驱动创新理论,首次将“场景”作为驱动数据跨境流动的核心媒介,提出场景驱动“需求牵引—数据增值—循环反哺”的动态机制,阐明高价值场景如何精准识别跨境数据需求、引导合规数据供给,并在应用中持续生成新数据资产,从而打开数据要素乘数效应的“黑箱”。这一框架不仅回应了“如何推动”而非仅“如何管住”数据跨境流动的现实命题,也为理解数据要素在全球配置中的价值实现路径提供了新的理论视角。
(2)本研究基于制度逻辑理论,提出由主权政府、跨境平台、国际组织、行业联盟构成的复合监管主体协同治理机制,有效回应了跨境场景中制度逻辑冲突难以调和的理论难题。现有研究虽普遍认为各国在数据主权、隐私保护与安全治理上的制度差异,但多将制度摩擦视为刚性约束,缺乏对多元制度逻辑如何通过中介机制实现创造性整合的深入探讨[27-29]。本文揭示,复合监管主体通过制度供给、技术执行与规则协调等多重路径,将原本对立的制度逻辑转化为可互认、可执行的制度接口,使数据跨境流动在保障安全的前提下实现高效配置。这一机制不仅破解了制度锁定困境,也为构建包容审慎、动态适配的全球数据治理新范式提供了理论支撑。
(3)本研究将场景驱动创新理论应用于数据跨境流动这一高敏感、高制度摩擦的新领域,显著拓展了该理论应用边界。以往数据领域场景驱动研究多运用场景化思维推动数据要素价值化和市场化,以及赋能新质生产力发展,较少关注数据跨境流动问题[11-12]。本文通过引入“场景问题识别—数据采集处理—场景数据匹配—场景问题解决—数据优化处理”的循环逻辑,揭示场景不仅是数据价值实现的载体,更是化解制度摩擦、重构跨境治理规则的关键抓手。这一拓展不仅深化了对场景驱动机制动态性与制度嵌入性的理解,也为数据要素市场化配置理论注入跨域协同与制度适配的新内涵。
基于上述研究结论,本文提出如下政策建议:
(1)加强数据跨境场景生态培育,精准识别并拓展多元化数据跨境流动场景需求。尤其是聚焦高价值和新兴应用场景,如医疗、金融、智能制造等领域,鼓励企业、高校、科研机构等多元主体协同合作,形成场景需求动态更新机制,推动数据跨境流动与产业创新深度融合。通过创新应用场景,构建“需求牵引—数据增值—循环反哺”正反馈机制,实现数据要素增值与价值释放。
(2)健全完善数据跨境流动的复合监管体系,明确政府、数据交易平台、国际组织等多元主体职责与协同机制。加强国际规则协调,推动与主要经济体在数据安全、隐私保护等方面的规则对接,减少因制度差异导致的合规成本。优化国内监管流程,细化数据分类分级管理制度,提升监管的灵活性与适应性,在安全可控的基础上推动数据跨境高效流动和价值释放。
(3)加快推进面向跨境场景的可信数据空间建设,以技术创新破解数据跨境流动信任难题。推进多方安全计算、同态加密等隐私保护计算技术,确保数据在跨境流动中的安全性和隐私保护。优化数据出境安全评估流程,加强对敏感数据、关键基础设施数据的审查力度,在保障数据安全的同时提升数据流通效率,支持全球数字经济发展。此外,加强对企业和从业人员的数据安全培训,增强其数据合规意识与技术能力,从源头上防范数据跨境流动中出现的安全风险。
[1] 陈龙江,唐静.数据跨境流动赋能新质生产力:理论机制、关键挑战与实践路径[J].战略决策研究,2024,15(4):56-71,134.
[2] 阙天舒,王子玥.数字经济时代的全球数据安全治理与中国策略[J].国际安全研究,2022,40(1):130-154,158.
[3] 史丹,孙光林.数据要素与新质生产力:基于企业全要素生产率视角[J].经济理论与经济管理,2024,44(4):12-30.
[4] 刘银喜,吴京阳,任梅.数据要素乘数效应运行机理与实现路径[J].科技进步与对策,2025,42(17):23-32.
[5] GUO S, LI X. Cross-border data flow in China: shifting from restriction to relaxation[J]. Computer Law &Security Review, 2025, 56: 106079.
[6] MANYIKA J, LUND S, BUGHIN J, et al. Digital globalization: the new era of global flows[R]. McKinsey Global Institute, 2016.
[7] 陈龙江, 唐静. 数据跨境流动赋能新质生产力:理论机制、关键挑战与实践路径[J]. 战略决策研究, 2024, 15(4): 56-71.
[8] AARONSON S. Data governance and the politics of digital trade[J]. Journal of International Business Studies, 2023, 54(3): 412-428.
[9] 许可. 自由与安全:数据跨境流动的中国方案[J]. 环球法律评论, 2021, 43(1): 22-37.
[10] 孔文豪, 陈玲. 重新理解数据跨境流动治理模式的驱动因素[J]. 电子政务, 2025,22(4): 85-97.
[11] 尹西明,钱雅婷,武沛琦,等.平台企业加速数据要素向新质生产力转化的逻辑与进路[J].技术经济,2024,43(3):14-22.
[12] 尹西明,陈劲,王冠. 场景驱动:面向新质生产力的数据要素市场化配置新机制[J]. 社会科学辑刊,2024,46(3):178-188.
[13] 尹西明,苏雅欣,陈劲,等.场景驱动的创新:内涵特征、理论逻辑与实践进路[J].科技进步与对策,2022,39(15):1-10.
[14] 尹西明,武沛琦,钱雅婷,等.场景驱动型数智技术创新赋能新质生产力:理论逻辑与实践进路[J].中国软科学,2024,39(10):18-31.
[15] 尹西明,钱雅婷,王伟光. 场景驱动构建数据要素生态飞轮——从深圳数据交易所实践看CDM新机制[J]. 清华管理评论,2023,14(5):107-117.
[16] 刘业政,宗兰芳,杨祖艳,等.数据要素可信流通交易的研究框架与展望[J].南开管理评论,2025,28(4):158-170.
[17] 史丹.数字经济条件下产业发展趋势的演变[J].中国工业经济,2022,40(11):26-42.
[18] 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.
[19] 黄雪,沈灏,王栋晗. 产业互联网平台场景如何驱动商业生态系统创新——基于汇通达的纵向案例研究[J]. 科技进步与对策,2023,40(24):10-19.
[20] THORNTON P H.Markets from culture: institutional logics and organizational decisions in higher education publishing[M]. Stanford, CA: Stanford University Press, 2004.
[21] ERTIMUR B, COSKUNER-BALLI G. Navigating the institutional logistics of markets: implications for strategic brand management[J]. Journal of Marketing,2015,79(2):40-61.
[22] 许艳芳,朱春玲. 社会价值、经济价值与社会企业创业策略的选择——基于制度逻辑理论的案例研究[J]. 管理案例研究与评论,2022,15(1): 51-68.
[23] 武静. 社会企业如何兼顾公益与商业——基于制度逻辑的分析[J]. 北京社会科学,2018,33(10):119-128.
[24] 马涛,刘秉源.数据跨境流动、数据要素价值化与全球数字贸易治理[J]. 国际经济评论,2024,32(2):151-176,8.
[25] 范柏乃,盛中华.数字风险治理:研究脉络、理论框架及未来展望[J].管理世界,2024,40(8):208-239.
[26] 郭凯明,王钰冰,杭静.数据要素规模效应、产业结构转型与生产率提升[J].中国工业经济,2024,42(8):5-23.
[27] 徐玉梅,杨柳,吕微.“自由”与“主权”:数据跨境流动治理模式的动态博弈——基于全球数字贸易规则视角[J].行政论坛,2024,31(6):157-167.
[28] 周念利,于美月,孟克.地方数据治理与数字内容出口[J].中国工业经济,2024,42(5):79-96.
[29] 王雪琪.数据要素赋能新质生产力“三新”要素的法律适用困境与出路[J].科技进步与对策,2025,42(7):21-32.
[30] 刘斌,甄洋.数字贸易规则与研发要素跨境流动[J].中国工业经济,2022,40(7):65-83.
[31] 吕艾临,王丹阳,杨晓芸,等.数据要素流通发展热点与趋势分析[J].信息通信技术与政策,2025,51(4):2-7.
[32] CHANG Q. The legal and regulatory issues of AI technology in cross-border data flow in international trade [J]. Transactions on Economics, Business and Management Research, 2024, 8: 111-117.
[33] SOHRAB L B, SHAH K, NAWAZ B. Bridging the gap: cross-border data flows &data protection harmonization in Pakistan [J]. Journal of Social Sciences Development, 2024, 3(3): 232-247.
[34] 徐拥军,王兴广.总体国家安全观下的跨境数据流动安全治理研究[J].图书情报知识,2023,40(6):20-30.
[35] 王洪涛,孙璐,熊友根,等.我国证券数据跨境流动的监管路径探索[J].证券市场导报,2024,34(9):51-58.
[36] 谭观福. 数字贸易中数据跨境流动的国际法规制[J].比较法研究,2022,36(3):169-185.
[37] 彭岳. 贸易规制视域下数据隐私保护的冲突与解决[J].比较法研究,2018,32(4):176-187.
[38] 郑琳,李妍,王延飞.新时代国家数据主权战略研究[J].情报理论与实践,2022,45(6):55-60.
[39] 王瑞. 欧盟《通用数据保护条例》主要内容与影响分析[J].金融会计,2018,27(8):17-26.
[40] 陈颖,薛澜.全球数据跨境流动治理的演进与趋势[J].国际经济合作,2024,40(2):55-66,93.
[41] 李嘉宝.中国积极推动数据跨境流动国际合作[N].人民日报海外版,2024-07-11(006).
[42] 龚强,班铭媛,刘冲.数据交易之悖论与突破:不完全契约视角[J].经济研究,2022,57(7):172-188.
[43] 郑煌杰.数据要素赋能新质生产力的逻辑机理、现实困境与实现进路[J].技术经济,2024,43(12):23-34.