数据与算法主权

数据与算法主权描述数字平台控制权的两个相互依赖层面：数据主权关注数据存放、密钥、访问和跨境传输由谁控制；算法主权关注推荐模型的产权、训练语料、更新权限和审计权归谁。TikTok 美国案表明，只完成数据本地化并不能自动消除算法控制问题。[^1]¹

数据主权不只是服务器地址

“得克萨斯计划”曾拟把美国用户数据全部迁移到甲骨文运营的美国云，并成立 USDS 管理。但美国监管者仍认为存在漏洞，因为核心推荐算法由北京工程师维护，团队间的技术共享也没有完全切断。源稿由此展示了四个不同的问题：数据在哪里、谁持有密钥、谁能修改处理数据的代码、谁能把知识跨境带走。[^1]¹

算法产权与算法控制不是一回事

字节跳动 不愿出售推荐算法源代码，因为该技术与抖音、今日头条等产品共享底层架构；与此同时，中国的技术出口目录把基于数据分析的个性化推送技术列为限制出口项目。美国一侧无法轻易取得算法产权，因而转向要求本地实体取得运行环境、训练数据、更新流程和审计机制的控制。[^1]¹

flowchart LR
    A[字节跳动保留算法产权] --> B[受控技术授权]
    B --> C[甲骨文隔离算力环境]
    D[仅美国用户行为数据] --> E[美国版模型重训]
    C --> E
    E --> F[USDS 控制运行与更新]
    F --> G[美国监管者可审计的算法控制]

这一结构表明，“算法属于谁”和“算法在一个市场里听谁指挥”可以被拆开。前者仍受知识产权和出口管制约束，后者则通过国家安全型强制剥离、本地训练与治理结构重新分配。[^1]¹

本地重训的收益与成本

源稿称，美国监管者坚持让 TikTok 美国版只用美国用户数据，从头训练或从未经微调的基础模型重训，以切断模型与中国历史数据以及潜在操纵指令的联系。这一选择增强了训练过程的本地可控性，却同时制造冷启动问题：历史样本变少，模型对跨文化趋势与长尾兴趣的泛化能力可能下降，初期推荐体验也可能变差。[^1]¹

主权化不等于完全断网

TikTok 仍是全球内容平台，美国用户需要访问欧洲、日本和东南亚视频。源稿因此认为，USDS 与全球网络之间必须保留受控的内容“进出口”接口；真正的目标不是把平台变成没有外部内容的孤岛，而是允许内容流动、阻止敏感用户元数据与控制指令越界。[^1]¹

这种“可控互操作”是跨境数字平台的主权化拆分最难的一层：主权边界要能被审计，又不能彻底摧毁全球网络效应。

[^1]: TikTok_是如何被拆分的？为什么？.md

注释

1. TikTok_是如何被拆分的？为什么？ ↩