核心内容总结
这篇新闻围绕AI时代的数据治理展开，核心观点是：数据已成为战略资源，其价值分配的关键不在于“谁拥有数据”，而在于“谁制定数据使用的规则和标准”。全球目前形成了欧洲（重规则与标准）、美国（重市场与投资）、亚洲部分地区（重基础设施与标准制定雄心）三条不同的推进路径；发展中国家面临“只提供数据原料却无规则话语权”的风险；AI企业普遍存在数据抓取不规范、缺乏溯源的问题；标准不兼容会阻碍科学进步，因此需强调标准“兼容”而非“统一”。
一、数据治理的核心：不是“谁拥有”，而是“谁定规则”
以前大家可能觉得“谁有数据谁牛”，但现在不一样了——数据的价值怎么分，要看谁来写使用规则。比如，同样是医疗数据，要是A国定了“AI就绪数据”（整理好能直接给AI训练的 data）的标准，那其他国家想用这些数据训练AI，就得按A国的规则来，收益自然也更多流向A国。UNCTAD说，现在数据治理的焦点已经从“谁占有数据”变成“谁定义数据能用、怎么用”，这就像玩游戏，定规则的人总能占最大便宜。
二、全球三大路径：欧洲、美国、亚洲各有打法
目前全球数据标准的竞争分三条路走：
- 欧洲：强制规则+标准先行
欧洲把“开放数据”写进了科研资助里——比如“地平线欧洲”计划要求，拿了资助的研究，数据默认要开放；还推了FAIR原则（让数据好找、能访问、能互相用、能重复用），以及让论文免费读的PlanS。另外，GDPR（个人数据保护法）和AI法案给企业和研究者划了红线，必须合规。
- 美国：市场主导+政策摇摆
美国靠市场驱动，比如国立卫生研究院要求科研项目提交数据管理计划，但政府政策不稳定——2022年白宫要求联邦资助的研究数据免费开放，结果特朗普上台后要废掉这个指令。所以美国吸引了更多资本投AI数据，但规则没欧洲稳。
- 亚洲部分地区（比如中国）：基建快+想自己定标准
亚洲在数据基础设施（比如存储、处理数据的系统）上推进很快，而且不想被动跟着欧美规则走，有自己制定标准的野心。
这三条路各有优劣：美国钱多人多，但规则乱；欧洲基础扎实，但可能限制创新；亚洲基建强，正在争取话语权。
三、发展中国家的困境：成了“数据原料供应商”
最让人担心的不是欧美亚的路径差异，而是“有没有AI数据基础设施”这条鸿沟。比如非洲的DNA样本，多年来被采集后运到欧美分析，研究成果和工具都在欧美，非洲自己只能提供原料，像农民种了菜卖给别人，别人做成大餐赚大钱，农民只拿点辛苦钱。UNCTAD警告，发展中国家如果没有自己的AI数据基础设施，就只能当“供应商”，既没法参与规则制定，也分不到收益。
四、标准不兼容的代价：科学进步被“征税”
如果各国数据标准不兼容，就像不同国家的插头不一样——你带个电器去别的国家，得买转换头，浪费时间和钱。科学研究也是如此：
比如罕见病，每个国家可能只有几百个病例，单独看找不到病因，但把欧洲、亚洲的病例合起来就能找到。如果数据标准不兼容，没法合并，那这个发现就会迟到甚至永远不会来。希尔把这叫做对科学的“直接课税”：研究者要重复劳动，科学进步变慢，公众要等更久的治疗，甚至等不到。所以他说，标准不用完全一样，但必须能互相用（兼容）。
五、AI企业的“数据乱象”：抓数据不问来源，缺溯源
很多AI企业用数据的方式很粗暴——先大规模抓取，来源问题事后再说，甚至不管。希尔说，AI公司用别人的数据，应该像研究者一样：知道数据从哪来、给数据提供者署名、尊重使用规则。比如，把数据打包成AI能用的“成品包”时，要把来源信息带上，不能去掉；数据质量认证得让独立专家来，用明确的标准一条条检查，不能凭感觉打分。只有这样，数据才可信，收益分配才公平。
总的来说，AI时代的数据治理，本质是规则和标准的争夺战。谁能制定兼容又合理的规则，谁就能主导数据价值的分配，同时避免科学进步被阻碍、发展中国家被边缘化。