可持续的 AI 经济需要惠及数据生成者的数据交易

我们认为，由于经济数据处理不平等，机器学习价值链在结构上是不可持续的：从输入到模型权重再到合成输出的数据循环中，每个状态都提炼了技术信号，却剥夺了数据生成者的经济权益。通过分析 73 份公开数据交易，我们发现大部分价值流向了聚合者，有记录的创作者版税几乎为零，且交易条款普遍不透明。这不仅仅是一个经济福利问题：随着数据及其衍生品成为经济资产，维持当前学习算法的反馈循环面临风险。我们识别出三个结构性缺陷——缺失的数据来源、不对称的议价能力以及非动态定价——作为这种不平等的运作机制。在分析中，我们沿着机器学习价值链追溯了这些问题，并提出了一个公平数据价值交换（EDVEX）框架，以建立一个使所有参与者受益的最小市场。最后，我们概述了研究界可以为数据交易做出具体贡献的研究方向，并将我们的立场与相关及正交的观点进行了语境化。