2021年4月19日，上海車展上一位特斯拉車主身穿“剎車失靈”白T恤站上車頂維權。特斯拉方堅稱，剎車未失靈，對方搞事情。緊接著，網絡媒體上掀起了一場聲勢浩大的“討特”運動。

公眾輿論迅速聚焦到一個點：行駛數據。

三天后，特斯拉對外公布了車輛事故發生前一分鐘的數據。數據顯示，剎車前車輛時速為118.5千米每小時，駕駛員剎車后車輛持續降速，時速降至48.5千米每小時時發生碰撞。從第一次剎車到碰撞間隔時間約為4.5秒左右。

數據公布后，吃瓜群眾逐漸散去，熱度迅速滑坡。但是，車主家屬指責特斯拉侵犯個人隱私權，要求撤銷數據。同時，一些人質疑，特斯拉可能修改過數據。

這起特斯拉維權事件終于把數字經濟的關鍵問題推到了前臺：數據的產權界定、隱私保護以及風險監管。本文從經濟學的角度分析大數據時代的數據產權及監管問題。

01、數據產權界定

在之前的反壟斷事件上，我寫過幾篇文章指出，互聯網平臺壟斷的關鍵問題，不是市場支配地位和巨額補貼，也不是資本泛濫和無序擴張，而是壟斷和濫用私人數據。

我曾在《螞蟻的野心》中指出：“如果個人數據的產權無法私有化，那么將貨幣發行權交給大數據銀行那是災難性的。”大數據殺熟、信息繭房以及網絡信貸問題，根本上是私人數據被平臺壟斷和濫用。如今，無人駕駛汽車的數據問題似乎更加急迫——直接關系到駕駛生命安全以及事故責任的認定。

數據產權到底歸誰？

第一類信息是從公共信息中收集的數據。

有人認為，數據本身是公共資源，按照“誰付錢歸誰”的原則，互聯網平臺花費了成本搜集、儲存和維護大數據，大數據的產權歸屬應當是平臺。按照這種觀點，特斯拉的車輛行駛數據的產權不歸車主，而歸特斯拉。

在大千世界中，宇宙中的火星、道路上行駛的汽車和全球流行的新冠病毒，都是一種信息的存在。這些信息是無主的公共信息。但是被收集的信息是有主的資源，誰為搜集的數據支付成本，數據的產權就歸誰。值得注意的是，公共信息與被收集的數據是兩個概念。事實上，每個人都在想方設法地收集更多更有效的公共信息，然后做出相應的決策。很多公司會將大量的市場信息形成有效的數據統計，股票交易員每天搜集大量的價格信息及行業信息。科斯表達的是帕累托最優而非產權界定，這種產權的界定原則在美國法與經濟學家波斯納的《法律的經濟學分析》中有詳細論述。

但是，這里有個前提，所收集的信息必須是公共信息，而非私人信息。何為公共信息？第一空間上是公共的。比如，你可以在大街上統計多少人穿耐克鞋，但是不能侵入私人家庭窺探。你可以在股票市場上統計量價信息，但不能侵入私人賬戶竊取信息。第二對象上是公共的。比如，你可以統計多少男人或女人進店，但是不能跟蹤偷拍某個客戶或每一個客戶的購買行為。為什么私人空間和私人對象上的數據收集是不正當的？因為私人空間和私人對象具有產權歸屬，比如私宅和隱私權。這些數據，即便是花費成本獲取的，也是不正當的，屬于對他人的產權構成侵害。

第二類信息是因交易及服務必要而提供的個人數據，如個人身份證、聯系方式等。所謂交易及服務“必要”，主要是為了降低交易費用。比如，雙方提供身份證、營業執照有助于降低信任成本。又如，住酒店登記身份證，乘坐飛機過安檢檢查包裹，都是為了降低交易風險。

所以，交易者會“讓渡”出部分個人信息（權益）以降低交易風險，或換取公共安全。但有人誤以為個人信息在這次交易中也被交易出去。其實不是，這些信息的產權依然是個人，產權沒有發生變化。個人之所以提供信息，是為了促進交易，降低風險。對方以及任何個人，未經當事人允許不得占有和使用他人數據。這一點是明確的，比如我們在簽署合同附個人身份證復印件都會注明“僅限于本合約”或“復印無效”。這么做的目的是防止個人信息被濫用。

第三類信息是因交易及服務而產生的數據，比如交易價格、交易數量、付款周期及合約信息。這類信息的歸屬權在交易雙方，由雙方協商是否公開交易價格及合約信息。在一些交易中，雙方約定不公開價格。通常，為了降低交易成本，很多人愿意公開價格，但不公開交易個人信息。比如，深圳用指導價調控樓市后，交易價格迅速消失，給交易帶來不便。又如股票交易市場，我們可以看到每一筆交易的價格，但是無法知曉交易對象及更多個人信息。但是，交易所為何要求大宗交易公開信息？道理與上面類似，為了降低大宗交易的風險，避免內幕交易，上市公司及大宗交易對象需要做到信息公開。這相當于公開部分信息來促進交易。

以智能駕駛汽車為例。特斯拉的優勢是擁有幾百萬臺汽車每天在道路上行駛，它可以獲得大量真實的行駛數據來提高它的智能駕駛技術。哪些數據該收集，哪些數據不該收集？數據的產權歸誰？

特斯拉可以通過外部攝像頭和傳感器收集外部公共信息，比如識別道路上的行人、汽車、紅綠燈、危險物等。這些針對外部公共信息收集的數據歸屬于特斯拉。無人駕駛系統正是通過對外部信息的收集、識別及處理，然后做出駕駛決策，從而提高安全性。如果車主危險變道和跟車太近，特斯拉輔助駕駛系統都會報警，如果車主沒有采取措施，該系統會強行干預。

斯坦福教授吳恩達曾在谷歌無人駕駛汽車項目中建立人工神經網絡。這個網絡具備深度學習的功能，它在YouTube上看一周的視頻后，可以自主學習識別哪些是貓的視頻。這個技術如果運用到無人駕駛汽車上，可以用來識別車輛前面的物體是貓還是小孩，幫助無人駕駛系統執行合理避讓。

但是，無人駕駛汽車不能在未經車主允許的情況下對內實施監控，收集車主的個人行車數據。車主的個人行車數據，包括行車里程、行車位置、行車速度、剎車次數、變道次數、乘坐人數、車內對話、交通事故、違章次數、保養維修、駕駛習慣等等。

不過，其中有些個人信息，因交易及服務必要而需要向汽車廠商提供，比如對行車速度、發動機、安全帶、油量電量的監控數據。汽車在交易結束后，服務才剛剛開始，汽車廠商對汽車安全負有一定的責任，對必要的行車速度、發動機安全等數據進行監控，并起到提醒作用。如今，對這些安全數據的監控已是汽車產品質量標準。

智能駕駛汽車對數據的依賴性更大。無人駕駛或輔助駕駛，不僅需要外部數據，還需要大量的個人行駛數據。比如，輔助駕駛系統采取緊急避讓，必須結合當時行駛的車速來判斷。又如，輔助駕駛系統會分析車主的不良駕駛習慣并加以提醒和糾正。而這些都依賴于對個人行駛數據的監控、搜集及處理。

問題來了，哪些是因交易及服務必要而提供的個人信息？車內對話、乘坐人數、個人肖像不屬于交易及服務“必要”。不過，美國聯邦通信委員會許可特斯拉及五家公司使用雷達傳感器，在可疑活動發生時對車內人員及環境進行監控。

除了普通汽車涉及的安全數據外，智能駕駛“必要”數據或覆蓋行車里程、行車位置、行車速度、剎車次數、變道次數、交通事故、違章信息、保養維修、駕駛習慣等大量數據。

這類數據的產權歸屬個人，但誰來保證不被濫用？

02、數據資源配置

如今大數據時代的問題是，用戶因交易及服務必要，“讓渡”出了大量的個人數據，但又無法確保數據的安全性，甚至還深受其害。

比如網絡購物數據。在電子商務平臺使用搜索引擎購物，好處是降低了搜索成本，我們不需要全國各地找商家比價。但為此我們“讓渡”了大量的個人數據。在平臺上的搜索數據、瀏覽數據、討價還價的數據等等，這些個人數據被平臺收集，甚至可能運用于大數據殺熟。平臺很可能為你量身定制了機票、沙發、電腦等商品的價格。

很多人將大數據殺熟與價格歧視混淆，每個商家就同一款產品都可以針對客人差異化定價。大數據殺熟不等于價格歧視。歧視性定價具有正當性，屬于商家的定價策略。但是，歧視性定價是建立在有限的信息和平等的競爭地位之上，而大數據殺熟是建立在控制、濫用個人數據和不平等的競爭地位之上。大數據殺熟被認為是一級價格歧視。其實，在正常的競爭環境中，歧視性定價不可能做到大數據殺熟。

交易是一個平等博弈的過程，雙方都想方設法獲取更多的信息從而贏得更強的議價權。在每一筆交易中，雙方所賺取的是交易剩余，即以更低的邊際效用換取了更高的邊際效用，中間的差額就是交易剩余。一旦所有用戶的個人信息都被平臺所掌握，那么交易的天秤向平臺傾斜。互聯網平臺可以最大限度地榨取每一位用戶的交易剩余。財富的天秤向人為的信息壟斷方傾向，引發財富集中和社會控制。

有人認為用戶“讓渡”必要的個人數據，換取了交易便利。但是，這里不能混淆兩個問題：

一是“讓渡”必要的個人數據，必須是自愿的，用戶有知情權。

互聯網平臺需告知用戶，他們對用戶的“足跡”，包括搜索、瀏覽、購買、支付等數據進行搜集。對超出“必要”范圍的數據監控，用戶可選擇反對，屏蔽數據采集。比如，在宜家購物，宜家的空間設計，讓客戶可以更好的搜索和體驗商品。但是，宜家不能因提供了這種便利而監控客戶購物行為。宜家只能提供必要的安防監控，并告知客戶：公共區域，安防監控。

不論是線上還是線下，商家都必須告知用戶：第一是對交易及服務必要的數據進行監控；第二是用戶可選擇屏蔽超出必要范圍的數據監控。

二是“讓渡”出去的必要數據，其產權也是歸屬個人，且禁止被濫用。

如果所有車主的行駛數據由汽車廠商控制，后者又將數據賣給保險公司，結果會怎樣？保險公司可以根據每一個車主的數據量身定制保險方案，賺取最大的交易剩余，而車主則沒有任何議價權。這是大數據殺熟。從保險公司角度來看，這是最有利的。但是，這違背了自由市場的平等規則。合理的做法是什么？

如果車輛行駛數據歸屬個人，車主可以使用個人的數據進行討價還價。假如你的安全駕駛數據很好，你可以選擇對保險公司公開這個數據，以降低保險公司開出的保費。假如你的安全駕駛數據很糟糕，你定然會隱藏這一數據，避免保險公司抬高保費。數據私有化后，用戶才能拿自己的數據去討價還價，最大限度地獲取交易剩余。當然，保險公司也會想方設法去挖掘更多關于你的信息。這就是正常的市場博弈，也是經濟增長的動力，而不是所謂的逆向選擇。

所以，數據產權界定，數據才能得到有效配置和監管。用戶也可以將自己的數據交易出去，當然交易也是有規則的交易。這樣真正的數據交易市場才能形成。

目前的問題是互聯網平臺使用集中化數據庫搜集和存儲用戶數據。技術創新正在打開這個困境。一些分布式網絡不再集中存儲用戶數據，并實施端對端加密。除了端對端外，平臺及任何第三方都無法得到具體數據。但是，無人駕駛級別的數據處理對分布式網絡的效率是一個巨大的挑戰。同時，分布式網絡容易遭受雙花攻擊，將加大無人駕駛系統的風險。

特斯拉維權事件凸顯了數據監管的滯后性。當特斯拉公布行車數據后，一些人質疑數據的客觀性。數據是否被修改？

個人行車數據的產權不明確，特斯拉陷入兩難：不公布數據，則涉嫌掩蓋真相；公布數據，則可能涉嫌侵犯隱私。這個事件最后上升為公共輿論事件，消除公眾疑慮最好的辦法也就是公開行使數據。如果明確行駛數據歸屬個人所有，車主可向特斯拉調取行車數據，或者特斯拉經由車主同意公布行車數據。在整個維權事件中，監管部門應該發揮更大的作用。監管部門具備執法資格，向特斯拉調取車主的行車數據。同時，為了避免侵犯個人隱私，由監管部門對外公布相應的數據。

從特斯拉維權事件可以看出，未來的智能駕駛汽車，行駛數據是厘清事故責任的關鍵。過去，我們通過檢測剎車硬件來判斷剎車是否失靈。如今，汽車開始由無人駕駛系統干預、接管，剎車是否失靈、是否系統自動加速，只能由數據說話。

在美國，互聯網巨頭及民眾對政府調取用戶數據極為敏感。推特、蘋果公司都曾多次拒絕聯邦政府的要求。2014年推特公司狀告美國聯邦政府，理由是聯邦政府強迫他們交出用戶數據。最后，推特勝訴。但是，這些社交媒體及科技巨頭卻因此手握審查權，成為了信息的仲裁者、真理的仲裁者。

社交媒體及科技巨頭利用對用戶數據的控制給用戶編制了一個個信息繭房。這個問題在推特封殺特朗普事件中為世人所知。如今，行車數據監管難題或許是一個更加棘手而明確的問題。未來，越來越多的事故需要通過數據公開來劃定責任。

所以，如何監管行車數據是擺在政府面前的一個難題。在分布式技術尚未成熟之前，第三方數據加密存管或許是一個解決辦法。特斯拉等巨頭將大數據存放在第三方平臺，車主擁有所有權，車主授權給特斯拉無人駕駛系統使用，第三方肩負數據安全責任。政府可通過第三方來調取和監管行車數據。

03、數據風險監管

假如無人駕駛或輔助駕駛系統干預引發交通事故，汽車廠商需要承擔責任嗎？

比如，我正在駕駛汽車危險變道，輔助駕駛系統識別出車輛正處于危險變道中，迅速強制干預，車輛回到原來車道。而我之所以危險變道，是因為我判斷到隔離帶對面車輛將要發生碰撞事故，進而實施緊急躲避。假如輔助駕駛系統沒能識別這一信息，強制干預我變道，對面車輛越過隔離帶撞上我車。在這起事故中，假如逆行車輛負全責，但是輔助駕駛系統需不需要承擔責任？這類的問題在輔助駕駛領域逐漸出現，比如因識別錯誤而突然停車。

這就涉及到無人駕駛信任問題。如何才能建立信任？

自由競爭是一個好辦法，但要依賴于制度監管。事故率是判斷汽車質量的一個重要指標。但是，如果數據不公開，我們并不清楚哪些事故是輔助駕駛系統造成的。公共部門需要對無人駕駛汽車建立數據標準。

第一個數據標準是數據輸入標準。

允許汽車廠商收集哪些必要的車輛行駛數據，如行車里程、行車位置、行車速度、剎車次數、變道次數、交通事故等等。監管并規范這些數據的用途，這些數據只能運用于提高無人駕駛性能，保障駕駛安全。

第二個數據標準是駕駛技術標準。

無人駕駛的難度是對大量行駛數據的積累及智能化處理。歐洲國家對無人駕駛技術的實際應用相對謹慎。美國政界對無人駕駛汽車標準博弈激烈。開始各州對汽車制造商提高了無人駕駛汽車的投放門檻，需要符合75項汽車安全標準以及積累大量的道路測試數據。后來，聯邦政府否決了地方的標準，試圖將安全標準放低。

目前，谷歌無人駕駛車已積累了大量的行駛數據，在過去六年間制造了11起輕微事故。這一結果還是令人滿意的。蘋果公司在2018年就往加利福尼亞公共道路上投放了62輛無人駕駛測試車。

特斯拉的優勢是每天都有幾百萬特拉斯在道路上奔跑，無人駕駛系統實時搜集及處理各種各樣的真實道路數據和安全駕駛數據。這是一個打怪升級的過程，最有助于無人駕駛技術的進步。

但是，這也是風險最大一種方式。

中國正在掀起新一輪造車盛宴，眾多巨頭紛紛入局。巨頭們急于造車，并不是他們掌握了無人駕駛技術或者電池技術，而是試圖繞過發動機搶占無人駕駛賽道。什么意思？他們不造汽車，不是因為汽車不能搞無人駕駛，而是內燃機的技術難度太大。如今，電動車大大降低了造車成本。盡管電池續航有限，技術瓶頸不小，但是只要電動車上路，就有大量的數據輸入到無人駕駛系統的“實驗室”中。

目前及未來的一段時間是無人駕駛汽車風險系數相對高的階段。在造車盛宴之下，巨頭們紛紛“下餃子”，用真實的道路數據和駕駛數據推動無人駕駛的技術進步，是高效的，也是危險的。

有人認為，汽車廠商不會在技術不成熟的情況下啟動無人駕駛系統或輔助駕駛系統。比如，現在這個階段使用相對成熟的是自動泊車系統。這只能依靠汽車廠商的聲譽機制。但存在兩個問題：

一是無人駕駛系統缺乏一整套技術標準和參數。

目前，全球無人駕駛處于無標準的“裸奔”狀態。國際沒有出臺針對這種帶有自動駕駛功能的智能汽車檢測的標準規范，中國的檢測主要還是針對硬件設備的檢測。

比如，無人駕駛汽車必須滿足多少項安全標準才能上路？正如傳統汽車的安全碰撞測試，必須滿足多少項安全指標。又如，無人駕駛系統必須積累多少測試里程，完成多少安全識別任務，事故率在多少以下，才能上路？假如汽車時速在100千米每小時，前方突然竄出來一只狗或一個小孩，人工駕駛的緊急避讓可能是不同的。如果是小孩，駕駛員一般會緊急剎車或緊急打方向躲避。如果是狗，駕駛員可能為了避免翻車而適當剎車或降速。如果無人駕駛技術不能識別狗和小孩的區別，會采取一樣的避讓措施。在上述模擬的事故中，如果無人駕駛系統識別到了對向事故，可能不會阻止我危險變道，或者會采取更加合理的避險選擇。

二是無人駕駛系統缺乏監管。

如今，在市場上投放的無人駕駛系統是否安全？輔助駕駛系統是否安全？因為缺乏對無人駕駛技術的監管，我們并不清楚，廠商投放使用的新技術是不是真正過關，比人工駕駛更加安全。

這次特斯拉維權事件，有人懷疑背后有多股勢力在博弈。拋開勢力斗爭，這次事件也算給世人提了一個醒：無人駕駛汽車正在“裸奔”。

所以，無人駕駛技術的可靠性很關鍵。而可靠的標準，正如汽車碰撞測試安全標準、極寒氣候行駛標準一樣，需要公共部門來建立，并施之監管。

國家技術標準的含義是什么？

回到上述的個人數據“讓渡”問題。個人為何要讓渡行車里程、行車位置、行車速度等行駛數據？目的是換取更加安全可靠的駕駛。但是，如果沒有標準，車主并不清楚數據的“讓渡”是否換來了安全。車主可能還會懷疑，如果人工駕駛，或許不會發生碰撞事故。如果沒有技術標準，無人駕駛的事故如何認定？如果無人駕駛導致事故，這車算不算不合格，汽車廠商是否需要承擔責任？

如果公共部門建立了技術標準，車主至少明白，讓渡個人行駛數據換取了符合標準的自動駕駛系統。國家標準的建立，相當于在自由市場中借助國家信用為技術做背書。其中的含義，類似于國家的產生，每個公民讓渡一部分個人權益（如私人刑罰權、納稅義務）來換取公共保障。盡管國家這種制度并不完美，但人類目前還沒找到更好的替代品。

特斯拉維權事件過后，無人駕駛及數字經濟時代的數據風險正在來臨。

原文標題：特斯拉行駛數據歸誰？

文章出處：【微信公眾號：傳感器技術】歡迎添加關注！文章轉載請注明出處。

責任編輯：haq