问题1:最近几年人工智能、大数据、区块链等新技术被反复提及，但是当讨论到具体去应用的时候，想到的可能就只有有限的几个点，比如区块链技术这么一个好技术，但现在能应用的就只有比特币，其他的领域对于区块链这么一个去中心化的新的信任创造机制应该怎么用？还有就是新技术以及新数据在其他方面是不是也有一些应用？比如财税领域、金融领域。
龚强：我觉得总体来说，区块链的机制之前我们就已经有了，但受限于当时的计算能力不够，因为我们也知道计算机的发展是呈指数增长的，增长非常快。但是计算能力不够的时候，想实现共识机制的应用当时是无法做到的。比如一台286、386、486的电脑，怎么能把共识机制用起来？所以这样来讲的话，就会产生一系列问题。还有，理论上可行的东西，实际上到底能不能成，我们也不清楚。在这种情况下，为什么说比特币非常了不起，因为它是区块链技术真正的实际应用，而且用了很长时间后大家都觉得这个技术比较靠谱，这就是它的创造力的体现。比特币出现之后，虽然大家对数字货币众说纷云。但也看到了这样一种技术是可以落地的，是可以成为一个实际的应用。我个人觉得区块链技术的应用，与进一步的算法、基础的技术有关，还与计算能力、计算方式也有关。另外，现在区块链技术的应用已经越来越和实践相结合。就区块链来说，是理论引领技术。还有就是大家关心大数据、人工智能出现后，人会不会被替代。我们所说的人工智能是有多少人工就有多少智能，它需要更多的人工，只不过这部分人工和原来的蓝领人工是不一样的，所以技术应用的背后还是智力的投入与驱动，从这方面来说人工智能确实会对世界带来巨大的改变。
另外，区块链的多方审核验收特别重要，可能在政务方面还体现的不明显，但是在供应链里面是体现的特别明显。正常来说，用区块链技术的话，有产品、资金，有物流，几方面的信息数据全部上链。区块链技术可能是垃圾进垃圾出，上链的信息不准确，出来的信息可能也不管用。但是如果现在有多方的可核验，供应商、销售者、原材料商等几方数据一定要全部对得上，对不上的话就说明肯定是哪方面数据是出了问题。还有，因为区块链比较是可追溯、可核验的，所以出了问题马上就可以查。再一个，在这种商业体系下尤其需要多方核验，区块链技术的应用一是方便多方核验，第二是可以打标记。比如发票一旦报销的话，就标记这个发票在哪已经被报销了一次，第二次报销时马上就查出来是否违规。
张博辉：我大概说几点，第一点就是关于金融科技，我之前的研究中心其中有一个观点或者说研究点就是关于金融科技，我把这些技术都涵盖在金融科技这个体系里。第二点就是，以火箭发射为例，要发射一个火箭，火箭的底层需要燃料，我个人感觉大数据就是起到这个火箭燃料的作用。互联网、区块链、云计算，都属于火箭发射的助推器。那么火箭的发动机是什么呢？就是人工智能这样的一个算法和算力，作为整体的火箭的发动机。火箭能不能发射起来，这几个环节都非常重，但是最底层的基石就是数据，如果没有这个数据，也就相当于巧妇难为无米之炊，因此我们必须把数据结合起来。
第二块，因为我也一直关注学术研究跟金融科技或者这些技术相关的学术论文。我的观点第一就是，我们很多的研究学者也关注区块链，涉及到区块链相关的研究论文更多的是讨论比特币和ICO的价格和比特币的价格估值，然后去解释比特币为什么有这个价格，比特币的价格是不是被人为的操作，这是一方面。还有一方面，就是看一下ICO、ICO的价格，CIO发行的成功率，什么会影响ICO的发行。这两点其实是有数据支撑的，就是你可以获得ICO的数据，你可以获得比特币的数据。
还有一个类型研究是专门研究区块链的合约机制，这些研究更多的是通过理论模型去确定这样一个机制设计在资本市场上到底合理与否，这是现阶段经济、金融和会计财务方面等财税方面的一些研究。关于区块链的研究还有一点就是关于机器学习方面，机器学习的应用场景还是蛮多的，比如应用于预测股票的价格。研究的总体发现是有些文章能发现预测性，但实际上大部分通过稳定性检验和异质性分析可以发现，使用机器学习去预测将来的股价其实不是很稳健，或者预测的效率还是偏低。跟实业界进行交流后得到的反馈有一点是，使用机器学习的方法去预测股价不是特别稳定。除了股价的预测，还有比如说分析师对将来盈余的预测，这方面也有一些研究。由于它的预测性稍微低一点，对机器学习的整体要求也相对比较低一些，这是基于机器学习方面的一个研究。
还有就是非常大类的研究，就是关于大数据的研究。大数据好像是一个新概念，但是从金融学、会计学、经济学的角度出发，大数据可能是在我们过去二十年一直关注的，只不过没有完全用 “大数据”这个词汇给它进行定义。我举个例子，比如说在股票交易市场的微观交易数据，其交易频率那么大，广涵盖的信息那么广，其实它本身就可以被认为是大数据，金融学者也好，或者金融从业人员也好，在过去的一二十年一直就是专注于数据的挖掘和数据的发现，去资本市场里寻找任何有可能的有新的信息贡献力度的数据。所以，尤其是在资本市场上，你会发现很多新型的数据被挖掘出来，可以去预测股价，预测公司的基本面。这些信息的背后就是大数据技术，就是算法，同样是一组数据，不同的人使用达到的预测的效果是不一样的。
第三块就是最后一部分，现在有很多的技术可以应用到政府工作中，如税收方面或者是整个宏观市场预测，帮助我们确定资本市场的走向。这些技术很多，但是首先我们需不需要给它一个非常完美的要求，让它一定要完美的去实现我们希望它实现的目标。因为技术是不断迭代的，不断变化的，所以我们有可能不需要一项技术特别完美，这是第一点。第二点，技术的使用是否是有用的，或者是有利的还是有害的，还是要看使用技术的主体，个人或者公司本身的一些道德或者想法的约束其实更重要，或者是超出技术本身来看，到底这个使用主体是向善的还是向恶的。
张克中：我从新技术的变迁对我们研究者，一个是从理论层面，一个从方法，一个从实践层面做一点分享。第一个，我们主流经济学长期以来在一个基本的假定基础上，从亚当斯密以来，就是强调“看不见的手”的作用，也就是说市场机制会导致trickling-down effects，就是产生涓流效应。理论上来说技术的进步，经济的增长，可以惠及每个群体。但实际上在分工的过程中，提高了效率，做大了蛋糕，但是分工过程中由于不同的群体掌握的技术程度是不一样的，尤其是技术变迁、产业转型比较快的，所以就会导致收入分配出现了一个很大的差距，这也是西方发达国家和中国面临的一个重要的现象。收入分配差距拉大之后，由于技术的进步就会导致一些群体成为无用阶层或者有闲阶层，闲下来之后可能就会闲则生事，这个社会就会出现一些变化。所以说这也是我们为什么讲，我们收入分配中心与现代财政制度是紧密联系在一起的。经济增长，技术进步是一个涉及初次分配的问题，所以必须要再分配来解决，比如说我们的兜底政策，社会保障。现在每个人讨论很热烈的就是Universal Basic Income,就是所有人都要讲基本的保障。这就是说从理论层面上主流经济学的确有很大的解释能力，但是技术进步的过程中，对主流经济学中比如涓流效应、零的边际成本、存在的报酬递增等等，都是需要进一步解释和回应的热点问题。所从理论层面来讲，财税和金融都存在需要进一步完善的地方，因为经济学毕竟是研究人的行为或者人之间的行为。
第二点就是从方法层面，我觉得技术进步使我们的研究从传统的规范分析演绎到实证研究，再演绎到随机实验。我们要怎么样用这种实验的方法来探讨因果关系？直到技术进步、大数据的出现，现在已经到了数据驱动，也就说我们传统的实证分析过程中考虑因果和内生性，我们必须很顽固地考虑内生性问题。传统的是样本，我们现在研究可能是样本到总体，大数据方式的驱动让我们的研究可能从相关性分析当中就可能找到原因是什么，这也是对我们在研究过程中所使用方法的进一步充实。这里面除了方法以外，怎么样去数据共享是我们面临的很大的问题，包括企业政府部门，我们怎么样把边界打通？中国在这方面还有很多的工作要去做。
第三就是我想从政策层面，尤其是财政和税收领域，我就从税收这块来讲一下这些技术的应用。技术的应用之后会产生一些经济后果，我们发展中国家，比如中国的金税三期，利用大数据、云计算、甚至区块链的技术运用的金税三期，从一级，二级到三级的进程来说，从16年全面铺开到现在，政府征税能力是相当强的，传统的发展中国家由于征税的过程中，人工政策上是有弹性的，在有弹性的情况下就把名义税率定的非常高。但随着技术的进步，征管能力的增强，实际税负就比较高。企业本身的避税逃税能力也在这个过程中越来越弱，所以实际税负比较高对企业的投资，对经济都会产生很大影响。所以怎么样优化税制，这是我们需要考虑的。也就是说技术的进步，对我们的公共政策也提出了很多挑战和思考。比如数字税，我们在直接跟税务局交流中探讨过一个问题，就是平台在杭州，但买卖或交易是在湖北、北京、上海等其他地方，税款该怎么征收就涉及到一个属地原则，税收政策可能就会出现很大的变化。还有在全球竞争背景下，国与国之间存在税收竞争浪潮，就是为了吸引资本、劳力来到本国，各国间存在一个减税的浪潮。征管能力在不断提高，怎样优化税制、怎样考虑国与国之间的税收协定与合作，就上升到Global Public Finance。即在全球范围下，我们的财政不能只是思考国家和地区的层面，尤其在中国是一个大国的情况下，在大数据驱动的背景下，中国怎样制定财政和税收政策来考虑全球治理，这是一个很大的问题。财政、税收和一些公共政策不只是影响一国内部，这么大的一个国家，这么大的一个出口体量，你的政策会影响很多国家。这些变化对理论、公共政策方面都有很多值得需要探讨的地方。
问题2:郭峰教授最近在做金融科技指数相关研究，能给我们介绍一下相关背景以及应用前景吗？
郭峰：刚才谈的都是大数据，或者金融科技的商业化的应用之类的，但是这个商业化的应用，要应用在学术界，这里面还有一个差距。比如在座大概有一百多人，可能绝大多数人拥有的设备就是一台笔记本电脑，所以对于掌握这样一个基础或者装备的话，是很难跟商业机构相提并论，去利用大数据做一些工作，这是非常困难的。因为真正的数据掌握在这些科技公司里，或者是在政府机构里面，他们有强大的算力。这反映到学术研究上就会产生一个问题，当我们谈论大数据，谈论金融科技的时候，到底在谈论什么？一种套路就是利用大数据做一些研究工作，还有一种套路就是研究大数据的应用对经济产生什么影响。举个例子，一种方法是用人工智能、机器学习去研究资本市场和研究信贷问题；还有一种是研究人工智能的广泛应用对就业产生了怎样的替代作用等等，这其实是非常不一样的两个套路。为什么会产生这样的问题？就是因为很多高校老师没有或者不掌握这样的设备或者技能储备也不够，只能面上的去研究和探讨一些大数据这种概念化的问题。怎么克服这种问题？就需要学术界跟科技公司、政府机构合作。我到北大做博士后开始，我们就跟蚂蚁金融合作以及编制一些东西，一开始编制了一个叫互联网金融发展之路，后来改编了一个叫北京大学数字普惠金融指数。做法就是利用蚂蚁金服数亿条的个人微观数据，比如说每个地区数万人使用的支付宝账户以及里面使用的极大的银行卡数量等类似几十个指标，编制出衡量各个地区数字普惠金融发展程度的指标。这种合作模式，因为涉及到商业机密，底层数据和个人微观数据没办法输出给我们外界，但是我们可以提供一些思路，一起探讨这种指数的权重和意义方法等等。我觉得这种模式既克服了数据不能外泄的商业保密要求，包括个人隐私保护在未来越来越严格的要求，同时又实现了科技公司利用他们掌握的大数据为国民经济发展服务。我们觉得这是一种非常重要的方法。
问题3：因为现在地方政府债务风险比较大，是否能够从大数据的角度，谈谈地方政府债务风险识别、风险管理及风险应对的一些思路。
许伟：政府部门负责指导工作的方向，学术部门主要负责研究，科技公司就是负责把技术进一步落地。关于政府债务这一块，我简单说两句，政府债务是三大攻坚战之一，很复杂，也很难去解决。像你刚才说的就是风险很大，这个大和小，也不能这样直接说大和小。总体来看，政府债务风险还是可控的，我相信政府还是可以控制的，只不过在可控的范围之内，里面也有很多问题，有很多需要去调整的地方。那么我们作为数据方或者数据处理方，要去发现怎么甄别数据，哪些是属于风险点，哪些是可控的，哪些是有风险的问题，这是我们最核心的工作内容之一。第二个就是债务风险肯定是分几个层次的，有国家层面，有省级层面，有地方层面，甚至有下面的县乡的层面，每个层面的风险都是不一样的，我们在做数据的时候也要从不同的层面看待风险问题。第三个，因为债务风险是一个很复杂问题，我们不能单看债务风险，因为它是有多种因素共同引起的。有的是因为政府的经济实力不够，导致其风险率比较高；也有可能是因为过度的举债导致风险比较高。形成风险的因素会比较多，所以在分析时，一定要甄别某个地区的债务风险到底是什么原因造成的。风险大小的问题，不是说债务量大其风险就比较高，而是要从综合因素去考虑，就是具体应该从哪些因素去算，怎么算，以及怎么算才具有客观性，这也是我们跟政府部门、学术界一直在共同探讨的。
问题4：收入分配问题现在问题很大，收入差距似乎变得越来越严重了。大家就在想一个问题，就是技术的进步可能使得收入分配的差距变得越来越大，特别是对于不掌握这个技术的人、公司等主体，但是我们想做的工作是什么呢，就是能不能用一些技术手段和方法解决收入分配问题，让收入分配不公问题通过新技术手段得到解决。
吴雷：我的专业是运筹学，近几年一直在思考模型、数据怎么去落地的问题，最近也做了一些关于智慧城市、数字经济的一些咨询报告，然后根据这方面谈一下自己的想法。首先我考虑的就是一件事情的可行性和可操作性，现在比较热的就是量子计算，特别是出了一个“九章”，这个东西到底是什么？我上课的时候经常跟学生讲，比如把一百个数字打乱后，从大到小再排一遍，传统的做法大概需要七八百步左右，但是作为量子计算机可能只要十步，这可能是在数学层面的一个分管，这还不是很关键的，现在已经有的我们把它叫做根号型的一个加数。量子计算最大的一个层面就是要做常数的加数，等于说我把它控制在十步以后，我有一千个数，我还是只要十步，一万个数也只要十步。量子计算机在计算能力层面是一个非常大的突破，但是为什么不用呢？我们经常就听到别人说，为什么保护我们的存款，银行卡只要六位数的密码。他们给出了一个很简单的道理，就是说保证你五位数的存款，六位数密码就够了。其实这就是一个成本问题，用量子计算机去保护的话，成本非常高。简单去理解一下我们在什么样的情况下可以操纵量子呢？绝对零度。我们现在要做一个超算来说，比如业界有个超算的话，有空调去吹，或者像谷歌直接把它嵌到冰岛底下，阿里是把它的服务器放到千岛湖底下，放到深山里面物理降温。绝对零度这个条件有很大的成本，也就是量子计算机进入实用有很大的成本。其次，就是时间成本和金钱成本。就我之前在法国待了很多年，当时我去办一个准迁证手续，上面盖了二十几个章。像欧洲政府这样一个做得比较前沿的地方，为什么要盖二十几个章呢，而且盖章总共用了三个月，如果有人想伪造这个证件，他的时间成本可能需要三个月的时间才能把这个东西伪造完成。如果我们投入一个高强的区块链、人工智能技术去完成这一套验证可能只要一秒钟。不管投入的金钱成本是多少，但是时间成本缩短到只要一秒。当这个利益驱动足够大的时候，自然就会有人去做这个事情，因此用技术来进行安全管控的时候，无形中也扩大了风险，没有什么绝对安全的技术，一定是道高一尺魔高一丈。当他们觉得做这件事情有巨大利益时，他就会做。但是同样的，如果我们在某些环节可能就是人工的，但是时间很长，金钱成本很低，导致他最后的犯罪只能给他带来的利润是很低的。基于这个思考，我们觉得新技术，我们经常讲人工智能其实不厉害，人工智能落地为王。所以在用一个新技术的时候，我们更多的是要思考能找到一个很好的切入点，包括我们去杭州调研大数据，杭州阿里他们做的非常好，但现在实现的业务场景大概也只有二十几个，而且还是轮换制的。他们一直在寻求的是一个切入点的问题，就是我们干一件事情一定要找到一个好的切入点，找到一个操作性，一个抓手，这个工具才能进行落地，才能应用。
提问5：想问下龚教授，您是研究供应链金融的，我想问我们财政对微观市场主体的企业各种补贴和奖励，能否用供应链金融的手段让这些财政资金更有价值，更有意义？
龚强：我把这个问题稍微拓展一些，实际上现在大家是在讨论两个事情：一个是你刚才说的事情，还有一个相关的事情，就是数字鸿沟和由于数字技术对于收入分配恶化的一个效果。我们比较清楚的是，随着技术的发展，大家找了很多方法来提高市场的效率。但是因为不同的主体在同质的情况下，总的来讲，技术对于整个市场肯定是好的。但实际上，我们知道市场有不同的主体，有些主体能够充分利用技术，然后得到一个很好的发展；同时也有些主体可能没有得到这个技术，而且我们也知道现在是市场主体是竞争的，所以这时候强者恒强的话，这也是为什么我们经常说在数字技术里面，只有老大、老二，没有老三。就是说技术的进步是在边际成本非常低的情况下，现在感觉小的企业很难发展壮大，这引起现在大家对于平台反垄断的一些思考。我们换一个角度来讲，其实反垄断并不是像我们想的控制他的垄断环节。说个最简单的例子，淘宝、京东出来以后，大家说老大老二之后，基本没有老三，但是现在发现窜出了拼多多。还有大家想不到的一个东西是什么呢？抖音、快手现在的网上直播售货，马上就对淘宝在数字市场上垄断局面产生了冲击，促进了数字化的市场竞争，同时也带来了巨大的扶贫效应。因为现在农村很多扶贫渠道就是通过直播，给他们带来了很多销售收入。同时也有些人可能是由于数字鸿沟的影响，没有得到这方面的好处，这种情况下，就需要用技术的手段为这些有基本需求的人提供基础保障。
我个人的观点是，发展的初期首先要让技术能够生存下来，到利润比较丰厚的地方，先使技术落户，版权有了之后，后期一定是技术慢慢下沉，最后运用到各具体领域的细节方面。比如财政方面，技术的下沉会使得收入分配进一步得到改善。从国家角度上来说，有些行业需要一些支持，有了数字技术以后，支持一定是属于精准支持。而不是像原来，要支持就是放水，放水之后，比如我们看到很多补贴政策，出现很多骗取补助金的现象，导致最后资金的运用效率偏低。中国作为一个大政府，在发展经济和保证公平里面起到了重大的作用。所以我们是对于整个的财政学科的发展是有着巨大的期盼。
张克中：政府补贴和财政税收政策瞄准的问题，就是说怎样不浪费，这个问题在实践中和学术界都非常热。在生产网络过程中，比如供应链中在考虑，政府应该补贴产业链中的哪一个链条、哪一点是最有效率的？这也是现在学术界一直关注的问题。为什么现在这么多的补贴存在这么大的浪费。
提问6：现在大数据运用在逃税方面也应用到社保管理上面，我们看到中间他们做了很多工作，但是好像各部门之间缺乏一种协调机制。那么关于大数据分享的这样一种机制，在国家在政策设计上，还有学术界以及实务界有没有什么关于共享机制的一个思路？第二个是关于政策执行最后一公里的问题，财政有没有落实到贫困人员、小微企业？在实际应用中，技术如何解决最后一公里？
吴涛：各部门之间数据不共享问题的确是我们电子政务这一块儿运用的一个难点。我个人感觉在电子政务应用里，大数据的运用不在技术。不像专家他们是研究一些前沿的技术，我们用的都是比较成熟的技术，但是难就难在应用，而这个应用里面，难就难在数据的共享。现在大家都想共享别人的数据，又都不想把自己的数据复制给别人，所以协调方面就特别难。我们感觉到现在国家实际上是在解决这个数据共享问题，包括现在国家发改委新出的管理办法里面就很强调这方面，就是你的大工程要立项，你在项目建议书里面必须要列明你如何给别人提供数据和你需要别人给你提供什么数据，这是作为你能够立项的一个必备内容。这在过去我们是没有的，过去我们项目立项书、可行性研究报告基本就写我自己就行了。但是我感觉现在的协调难度还是很大，这里面也有一些特殊的客观的因素，因为有些数据比较敏感，哪怕是我们政府内部之间有时候可能会有涉密、敏感数据。还有一个就是共享的数据，有几种方式。过去我们共享的，都是把人家的数据拿过来。但是像公安部门他们是不让你把数据拿过来，只是给你提供一个接口。我觉得这样挺好的，这也是个方法。
郭峰：我可能讲一些不一样的观点。我觉得对于政府部门中更高一级的管理部门，可以要求下一级提交数据，但是政府有没有权利去要求企业上交他们自己采集到的数据？我觉得这是一个需要立法的问题。可能政府以国家安全或者什么理由，可以要求企业提供这样的数据，否则大多数情况下我认为政府没有这样的权利。这里面涉及到一个问题，就是说这个数据到底是个人的，还是属于大数据公司的？比如我在淘宝上买了一个东西，这种购物行为以及我个人账号注册的信息，这些信息是我个人的，但是大数据公司通过采集、汇总之后才产生的价值。他利用了这个价值说他不共享数据什么之类的，那我觉得政府是没有权利跟人家要这个数据的。除非说不共享这个数据，有些国家安全隐患，你可以基于这个理由。
另一方面，我倒是觉得应该反过来想想，为什么要求他共享？如果从学术上我非常同意数据在一起才能产生价值，但是为什么要不同的机构数据强行的拼接在一起？我在淘宝上购物的数据，它凭什么有权力把我的数据共享到另一个商业机构里面？这是个很荒唐的事情。我在淘宝上购物，根据格式条款你可以采集我的购物的信息，但是我觉得再怎么格式条款我都不会说我授权你随意的把我的数据共享给另一个大数据公司或者另一个金融机构里面。这个边界我觉得应该尽早的立法来规范一下。不仅仅是这个问题，大家可能都注意到，在手机淘宝或者某个平台，你去搜一个购物的话，你购物不管成功与否，离开这个app之后你又去上百度，或者又刷抖音时候，这些手机平台很快就会给你弹出一些商品，问这些商品是不是你感兴趣的。说明另一个机构知道你在刚才那个app上浏览过，你想想这里也有一个很荒诞的事情，那这个边界在哪里？这里面有两个途径，一个途径是我在某一个网站购物之后，那个浏览器的痕迹数据迅速地传递给了另一个公司，我觉得这个技术可能性是比较低的。另一种可能性是因为我安装了比如说抖音app，这个抖音app从技术上毫无难度就可以监测我在这个手机上的任何行为，甚至我的聊天行为，甚至我在其他购物网站上的浏览行为，这也是一个很荒唐的行为，这也是属于数据共享的。但这个数据共享行为、数据采集行为我认为都是一个非法的行为，但是到现在为止没有这样的立法。所以我觉得不是怎么促进数据共享，而是怎么规范促进不能恶意共享。
龚强：我们怎么样能够在保护隐私的条件下，然后又能做到数据共享？在理论上来讲，目前区块链技术有一定的可行性，但是它麻烦的地方是怎么对于用最简单技术上去做的时候，他还是不够完善，还没有做到非常好。我相信后面区块链成熟了的话，它可以落到我们共享技术方面。只要达成协议，我可以共享数据，或者我不拿到这个数据，但是能使用这个数据。这样的话就有好多工作可以做，而且用户又能够保护隐私，技术的可行还是得看到时候技术落地的时候。
提问7：现在数据作为生产要素跟过去的不一样的地方在于，数据本身，即每个人或每个公司，既是生产者也是使用者。在行业数据互为因果的情况下，尤其是在国家层面DCEP的推行，以及国家大数据中心的筹备、在建过程中会迸发出很多的新商业机会情况下，如果把数据理解一种生产要素，它的分配就变得很重要，银行、金融实际上就是分配环节的，那么在区块链的或者大数据背景下，数据作为一种生产要素，怎么样分配更为合适，更有效率？
张克中：我理解就是市场机制在发挥作用，就是说公共资源是共享，私有资源是在立法，保护私有隐私的情况下怎么样去实现共享。在这个基础上，如果是在合法的基础上对数据做了一些加工，有利于市场需求的话，就算是市场机制。也就是政府的归政府，市场的归市场。让数据基于价格机制去发挥作用，我觉得离不开基本的市场规律。所以也可以把数据理解成一种要素，也就说你是在一定的加工基础上，像大数据公司获取这些数据，本身这个数据是稀缺的。第二种他获取的信息对用户有用，所以要市场机制来发挥作用。政府的数据，我认为还是需要去公开的。像很多发达国家和发展中国家，他很多的数据是供大家去研究的。
吴雷：最近我觉得一个比较合理的是，在各地尝试的数据交易中心，包括贵州、广东、湖南都已建立了这种数据交易中心。土地可以交易，金融产品可以交易，数据当然也可以交易。其实产生了交易系统以后，数据共享就相当于企业并购一样，只要合理合法就能够产生价值，大家都愿意去做。两个数据并在一起，就像一个企业把另一个企业收购一样。现在更多的是说有这么一个交易机制。其实几年前在欧洲就出现这种情况，一个女孩子她把自己的所有数据都卖了，这在当时是一个很大的事件。比如说可能有些人觉得自己的数据很重要，不想让别人知道，但是有些人觉得他的数据可以发生价值。就跟很多人一样去世以后，不要把他的器官捐献给别人，但有的人觉得他的器官可以捐献给什么机构，只要他签署协议授权了，这个时期当然可以进行。所以我觉得，推动整个数据运用与发展的一个较为合理的机制，就是建立一个数据的交易系统，我觉得这个可能国家也支持，也在进行这么一个探索。