[关键词]数据垄断 资本积累 技术权力 平台权力 数据公共性 制度创新 基础设施建设跨国协作
引言
新一轮科技革命和产业变革背景下催生出的数字经济已经成为经济发展的新动能，数据也成为与土地、劳动力、资本、技术并列的关键生产要素，是推动技术革新与经济发展的重要资源。然而，随着平台经济的快速发展，数据垄断问题日益突出——少数科技巨头通过资本驱动与技术赋能，形成“数据一算法一算力”的闭环垄断，不仅扭曲了市场竞争秩序，更威胁到国家数据主权和数字经济发展安全。2022年12月2日，中共中央、国务院正式印发《关于构建数据基础制度更好发挥数据要素作用的意见》（简称“数据二十条”），就此提出“不断健全数据要素市场体系和制度规则，防止和依法依规规制资本在数据领域无序扩张形成市场垄断等问题”的指导意见。
然而数据垄断绝非技术演进的偶然产物，而是资本逻辑在数字时代的必然延伸，是资本在数字经济日寸代为突破自身矛盾、延续无限增殖本性而发动的适应性变革。当前，数据垄断呈现出四大核心问题：（1）资本通过数据商品化实现超额增殖，固化“赢者通吃”的市场格局；（2）技术壁垒导致数据资源高度集中，抑制中小企业创新活力；（3）催生出“数据鸿沟”与“数字贫农”等新社会分化现象；（4）跨境数据流动失衡，影响国家数据安全治理能力。在此背景下，亟待从国家战略高度剖析数据垄断的形成机制，厘清资本权力在数字维度形成技术权力，进而驱动数据垄断的生成与固化的逻辑理路，以问题为导向探寻超越资本主导的数字化发展范式和以公共利益为目标的数据垄断治理路径，为构建“有效市场”与。有为政府”相结合的数据要素市场体系提供理论支撑，为数字经济高质量发展的国家战略需求提供服务。
1文献综述：数据垄断的理论基础与全球趋势
1.1数据垄断的理论基础
从数据的自然特征来看，数据作为承载和表达信息的新型生产要素，具有易复制性、非竞争性、部分排他性等许多异于传统生产要素的特质。数据资源的非竞争性和部分排他性虽能有效促进信息共享与要素流通，但同时也加剧了市场主体的资源整合倾向，导致具备技术优势的大企业更容易通过先进的数据采集与分析系统形成数据资JP2源集聚并影响市场竞争格局。从技术特征看，数据要素使用中的规模报酬递增特性与网络效应形成正向反馈循环，使掌握庞大数据资产的市场主体更易实现业务拓展与市场份额扩张。这种技术驱动的数据垄断现象在平台经济中尤为突出。互联网平台借助用户行为数据的持续积累，通过深度学习算法构建精准预测模型，既优化服务吸引更多用户，又增强用户黏性，客观上抑制潜在竞争者的市场空间。现有文献多将数字技术视为中立的工具，未能深入探讨资本如何通过技术手段实现数据垄断。而将数据垄断归因于数据的技术特性或网络效应，则会忽视资本利用算法强化增殖控制的根本意图。从政策维度来看，相关法律与制度存在缺陷也是数据垄断的重要成因。目前，数据产权的界定尚不清晰，现有法律体系未能有效保护数据产权，导致数据交易机制不完善，从而使得数据垄断问题频发。在对于数据垄断规制路径的研究上，多数学者认为要从反垄断法律法规入手，建议完善滥用大数据市场支配地位的反垄断规则，使用反垄断法对数据垄断进行长期灵活的治理。而对反垄断的治理路径研究多关注于在企业的行为层面修补竞争秩序，却较少触及数据垄断与资本积累逻辑的紧密联系。数据垄断的产生并非偶然现象，而是资本主义发展逻辑下的必然结果。
1.2数据垄断的全球趋势与中国独特性
数据垄断已成为全球趋势，大型科技公司如微软（Microsoft）、谷歌（Google）、苹果（Apple）等，掌握着海量包含用户的消费偏好、社交互动及信息检索特征的信息流，通过数据积累和技术优势垄断着全球数字经济和互联网及衍生市场。除了经济领域，数字巨头依靠其垄断地位在规则制定方面也会产生影响。2021年脸书（Facebook）因不满澳大利亚《新闻媒体和数字化平台强制议价准则》要求数字平台为新闻内容付费，限制澳大利亚境内的新闻媒体和用户分享或获得本国及国际新闻内容，迫使澳政府对草案内容作出调整。在数据垄断的影响向不同领域渗透的同时，全球数据治理政策对数据垄断的规制效果却有限。有学者通过实证研究发现，《通用数据保护条例》（GDPR）施行后网站提供技术支持的技术供应商市场的行业集中度显着提高，某种程度上反而加剧了某些行业的数据垄断，同时由于其施行增加了企业数据合规成本，也可能会抑制企业技术创新和竞争力。传统的处罚、业务拆分等手段可能对具有新特征的数据垄断效果并不明显。
中国的数据垄断问题相较于欧美国家具有一定的特殊性。中国数字经济发展迅速，百度、腾讯、阿里巴巴等互联网巨头也通过平台经济模式进行生态化布局，构建了封闭的数据系统并形成数据垄断，在这种情况下用户脱离生态的成本往往很高，因此数据壁垒会更加稳固。在数据治理方面相比于欧美市场依赖反垄断法来限制企业的市场行为，中国采取了更直接的监管措施。出台《数据安全法》与《个人信息保护法》等法规，形成涵盖法律、行政法规、部门规章等不同层级的制度规则：并构建从中央到地方一体化的数据治理组织架构，使得政府在数据治理中扮演更强的主导角色。同日寸相较于欧美国家，中国坚持国家安全与数据跨境有序自由流通并重的理念，对企业提出较为严格的本地化存储要求，把国家安全作为核心诉求。但是现有政策仍存在一定的不足，对于数据驱动平台自我优待以及扼杀式并购等新型垄断行为缺乏针对性条款。现有文献对中国数据垄断问题的研究不足，对中国政策环境的深入分析尤为缺乏。
2数据垄断的历史演进与影响：从技术革命到资本形态的转变
数据垄断的出现并非是数字时代的技术偶然，而是资本主义发展进程的历史延续，从工业革命到数字经济时代，资本通过对技术吸纳不断升级积累工具，推动自身形态从实体垄断向数据控制转变，并逐步实现对公共资源的暴力无偿占有，最终在逐利性的驱使下走向数据垄断。
2.1技术革命与资本形态的转变
历史地看，资本与技术始终处于动态共生关系中，资本通过对技术革命的吸纳不断地推动着自身形态的转变。第一次科技革命带来的机器化大生产使得资本得以打破手工劳动的限制，通过工厂制度将劳动力固化为机器的延伸，利用对机器的占有不断进行绝对剩余价值的榨取。第二次工业革命带来的电气化技术打破了生产的地域限制，推动重工业的规模化扩张，铁路、制造业和矿业的巨大融资需求刺激了资本市场与投行业务的发展。而流水线技术将劳动过程分解为标准化动作，使剩余价值剥削从依赖劳动时间的绝对延长转向通过效率提升压缩必要劳动时间，电报技术使纽约与伦敦证券交易所实时联动，资本流动速度空前提升，股票、债券等金融工具将财富增殖从实体生产剥离。这一阶段的技术革新不仅催生了卡特尔、辛迪加等垄断组织的形成，也加速了工业资本与银行资本的结合。第三次科技革命以来，互联网技术打破物理空间限制、消解物质与信息的边界，云计算与数据库技术则实现了生产、流通与消费过程的实时互联，传统垂直整合的福特制工厂被分布式生产网络取代。进入第四次科技革命（或者说是3.5）阶段，人工智能、大数据、区块链、物联网、云计算等新一代信息技术的广泛应用进一步加速了数字化进程，在此阶段资本不仅从土地和金融中获取租金，也从知识产权、数字平台中获取租金。资本通过对数字技术的吸纳，实现利用平台控制价值链节点，将实体生产剥离为可外包的低利润环节，并实现从工业一金融资本主导的形态向数据一平台资本形态的转变。数据成为关键生产资料，资本通过平台垄断将人类社交、浏览、消费等行为数据化，榨取剩余价值的手段也从剥削劳动者的体力劳动转向对数字劳动成果的无偿占有。技术革命极大地改变了传统的生产生活方式，其与资本的结合不断催生新的资本形态并创造新的剩余价值榨取机制；另外，资本主义的周期性危机也迫使资本不断寻找新的科技工具以满足暂时延缓体系崩溃的需求。因此，在互联网技术发展拓展了资本剥削的场域，而传统生产要素的边际成本递增与稀缺性约束使得资本积累逐渐陷入瓶颈的当下，具有可复制性与几乎零边际成本特性的数据成为资本继承传统发展逻辑的必然选择。
2.2从“原始圈地”到“数字圈地”
18世纪末的英国发生的原始圈地运动一直被认为是现代资本主义发展的前提，新兴资产阶级通过《公有地围圈法》等所谓的合法手段，将公共土地强行私有化。这一过程一方面剥夺了农民与土地的天然联系，让个体脱离与土地的附庸关系，从而为工业资本积累廉价劳动力和商品市场；另一方面通过土地的集中为工业化提供原料。这种切断劳动者与劳动资料所有权的逻辑，构成了资本主义剥削的原始模板。而在当今数字经济时代，资本借助对数字技术的占有将用户数据私有化、商业化，迫使用户接受看似平等的平台协议，以出让个人数据控制权的代价换取数字服务，将可成为核心生产资料的人类社交、生物特征、行为轨迹等数据从个体身上剥离，并转化为私有数据资产。这本质上仍是对公共资源私有化手段与切断劳动者与生产资料直接联系的剥夺性积累策略的继承。正如《公有地围圈法》将公共土地定义为“无主荒地”来进行合理化掠夺，数字资本也将用户行为数据包装为“技术副产品”，掩盖其作为劳动产物的本质。从原始圈地到“数据圈地”，尽管技术形态从蒸汽机跃迁至人工智能，但资本依然沿袭着原始圈地的底层逻辑，通过对技术的吸纳，将公共性资源转化为排他性利润源泉，这既是资本突破积累危机、进行适应性转型的历史惯性，也是在数字技术发展下资本剥削从实体空间向数字维度扩张的必然结果。
2.3垄断逻辑的历史延续
“集中发展到一定阶段，可以说就自然而然地走到垄断。因为几十个大型企业彼此之间容易达成协议：另一方面，正是企业的规模巨大造成了竞争的困难，产生了垄断的趋势”。当资本将技术吸纳为进行剥削的工具，并对生产资料进行了占有，逐利的本性便会驱使其利用这些优势重构竞争的边界，从而攫取垄断利润。大型企业会选择结成垄断同盟，凭借其市场支配地位，在劳动力、技术研发和设备供应等环节强化控制力，以此扩大对产业链上下游的掌控，瓜分更多的利润。1870年洛克菲勒创建了股份制的标准石油公司，但因不满足于仅仅控制生产环节，随后通过与铁路公司达成秘密协议、收购输油管道等，构建起从油井到加油站的垂直垄断网络，并利用价格战、收购乃至威胁等方式吞并竞争对手，最终成为世界上第一个大型工业垄断企业，垄断逐渐超越生产领域，向流通与分配环节扩张。虽然最终标准石油公司被拆分为30多个小公司，但是实际上这种反垄断的本质仍是资本主义国家利用国家机器对内维护各资本家集团间的“利益均衡”，对外维护其在国际市场的垄断地位，实现自身利益最大化的手段。
数据垄断的形成正是这一垄断逻辑在数字时代延续与升级的结果。与标准石油公司通过控制输油管道和铁路网络实现垂直垄断相似，当今平台资本则通过算法、用户协议和数据基础设施构建起对数据资源的排他性支配。资本以“技术副产品”的名义将具有公共属性的数据进行私有化，将用户的行为数据包装为可以开采的“数字石油”，同时通过垄断数据人口和数据处理技术巩固其市场霸权。国际上针对科技巨头的反垄断拆分措施，本质上仍是资本集团间利益再平衡手段，无法遏制资本追逐超额利润的垄断天性。从历史逻辑来看，数据垄断是资本主义在技术革命中不断更新生产资料占有形式、扩大剥削边界的必然结果，是资本发展逻辑在数字时代的延续。
2.4数据垄断的表现与影响
数据垄断表现为少数平台巨头通过资本并购扩张市场份额，强制获取用户行为数据，利用算法黑箱等技术将数据转化为排他性竞争优势，最终形成“数据占有一算法控制一收益独占”的闭环垄断体系。这种垄断直接导致市场竞争失衡、消费者权益受损、劳动者被剥削，并威胁着国家数据安全。其本质是资本通过技术手段实现的数据生产资料私有化。
（1）在市场竞争层面，数据垄断产生了显着的负效应。以滴滴公司为例，其通过资本驱动快速扩张市场份额，依托平台经济积累海量用户出行数据，并借助技术赋能实现数据商品化，最终形成“资本扩张一数据垄断一市场支配”的闭环生态（见表1）。滴滴通过合并快的打车、收购Uber中国业务等一系列资本运作，在网约车市场逐步占据垄断地位；同时对用户出行、支付、行程等核心数据进行深度采集与整合，利用算法和人工智能技术实现精准匹配与动态定价，在提升服务效率和盈利能力的同时形成强大的数据壁垒。这一过程加剧了市场竞争的失衡，许多中小网约车平台因难以获取足够的数据资源而退出市场，创新动力和市场活力受到抑制。此外，数据垄断还催生出向不同用户收取不同价格的“大数据杀熟”等严重损害消费者权益的问题。
（2）在社会层面，数据垄断引发了严重的数据正义危机。平台通过算法权力将司机、骑手等数据生产者异化为“数字贫农”。“数字贫农”是指在数字经济中完全丧失数据产权的底层群体，他们作为数据的生产者（如生产轨迹数据和行驶数据的外卖骑手与网约车司机），因数字技术的垄断和产权制度的缺失，既无法控制自身数据的使用，也无法分享数据增值收益，沦为数字经济中的“无产者”。其核心特征表现为：数据产权的彻底剥夺（平台通过用户协议和算法强制占有数据）、劳动与数据的双重异化（行为数据被资本化为平台资产，劳动者反而受算法支配）、系统性收益排斥（数据价值沿“平台资本一技术精英一普通用户一劳动者”链条递减分配），以及身份固化的底层性（在“数据价值链”中处于不可逆的弱势地位）。“数字贫农”现象标志着数字经济中数据剥削的终极形态——它超越了传统“数字佃农”②面临的劳动剩余价值榨取，演进为对数据生产资料的彻底剥夺。
这种剥夺通过双重机制实现：一方面，平台借助算法权力无偿占有劳动者的数据产出。如根据滴滴2019年报告显示，滴滴司机与平台用户为公司新增了超过106TB原始轨迹数据，却既无数据产权，也无收益分成，甚至还要反向购买平台的数据服务：另一方面，平台利用数据产权制度的系统性缺失，将劳动者排除在数据收益分配体系之外。阿里巴巴集团旗下的数字营销平台——阿里妈妈广告平台通过打包分析用户产生的浏览与消费数据，为品牌方提供精确的人群画像、锁定广告投放目标。阿里巴巴财报显示，其2020财年营收超2500亿，但用户却未因此获得任何收入。这种“数据反哺”悖论凸显了数据生产关系的异化，不仅加剧了数字经济的结构性不平等，更将数据垄断问题从市场失序升级为社会正义危机。其核心矛盾直指“数据基本权利”的产权归属问题——当劳动者对其生产的数据既不拥有所有权、使用权，也无收益权时，数据正义的缺失便成为数字经济中最深刻的制度性缺陷。
（3）在国家安全维度，数据垄断还带来严重的系统性风险。平台企业垄断关键领域数据资源，不仅威胁着个人隐私保护，更危及国家数据主权和网络安全。2021年，监管部门因滴滴公司涉嫌违规收集用户数据问题对其启动网络安全审查，最终发现滴滴公司违法收集用户手机中的截图、剪贴板信息。更关键的是，滴滴公司凭借数据垄断掌握了全国主要城市的实时交通数据、重要场所人员流动信息等敏感数据，但未按法规要求完成数据出境安全评估，存储于境外服务器的数据包含大量高精度地理信息。其数据处理活动可能被用于构建关键基础设施的三维建模，存在被恶意利用的风险，严重影响国家安全的数据处理活动。这一案例暴露出数据垄断企业可能成为国家安全的“数据漏洞”，特别是当平台涉及外资背景或跨境数据流动时，风险更为凸显。
这一系列影响表明，数据垄断已不仅是经济问题，更是涉及社会公正和国家安全的系统性挑战，亟须通过数据产权重构等制度规制来破解重重困境。
3数据垄断的形成机理：资本驱动与技术赋能
数据垄断是资本与不同技术的联合以及剥夺性积累从物理暴力占有到数据占有的形态迭代，但其长期存续与扩张的深层动力则在于资本内在逻辑与技术逻辑的相互强化。
3.1资本驱动：数据商品化与垄断性积累
正如马克思所言：“资本只有一种生活本能，这就是增殖自身，创造剩余价值，用自己的不变部分即生产资料吮吸尽可能多的剩余劳动”。资本具有无限追求价值增值的本性，当传统实体经济的利润率下滑时，资本增殖的本能驱使其开辟新的价值源泉，将数据资源异化为私有化商品。资本利用数字技术采集用户在网络平台上进行社交、浏览与消费行为而产生的数据流，再经算法加工后将其转化为广告定向包、信用评分模型等高溢价商品出售，从而实现对数字劳动者创造的剩余价值的无偿占有。以Meta（原Facebook）公司为例，该公司的数字广告可以通过对用户行为数据的深入分析实现精准定位和个性化推送，较传统广告更具优势。该公司披露的财报显示，2024年第一季度公司旗下APP用户平均日活量达到32.4亿人，从单个用户赚取的收入有11.2美元，来自广告业务的营收占总营收的97.7%，但用户却未因数据贡献而获得任何分成。在资本主义运行机制下，资本会迅速介入任何展现出增殖潜力的新兴资源并从中攫取利润。数据作为数字时代的新型生产要素，其商品化过程正是资本增殖逻辑在新领域延续的表现。与此同时，资本的增殖逻辑决定了资本不会仅仅满足于数据商品化的初级阶段，而是必然寻求数据规模的扩张与收益的最大化，也正因如此资本并不会局限于现有数据资源的开发，而是持续推动数据获取范围从个人隐私、社会行为到生物数据的扩张。这种对数据无限占有的趋势最终会导致数据市场向少数资本集中，并使资本能够在更高层面主导市场结构和资源配置奠定基础。
资本的扩张不仅依赖于看重剩余价值的即日寸榨取的资本增殖环节，更依赖于剩余价值资本化再生产的资本积累环节。资本通过扩大再生产与对技术控制权的独占，主导市场竞争结构并构建可持续的垄断权力。首先，资本以横向并购以及进行生态扩张等手段整合分散的数据资源以建立规模优势，同时利用网络效应吸引用户进而获取更多数据投入生产实现积累，强化数据垄断。此后，资本通过纵向控制数据生产链条建立排他性闭环，将数据流动限定于自有生态内，使数据资源脱离公共领域转化为私有资本品。然而数据价值不仅仅取决于存量积累，更取决于对数据处理能力与变现手段的提升。因此最终资本会将积累成果投入算法迭代与技术升级，通过技术优势将数据规模转化为市场优势，同时通过专利化核心技术构筑排他性壁垒以巩固自身垄断地位。2014年阿里巴巴收购高德地图，通过整合地理数据资源进行用户定位，为本地服务、广告推送和外卖等业务提供支持并构建商业闭环。同时高德地图借助阿里巴巴的技术与规模优势，于2021年4月实现了全月平均日活跃用户数超过1亿的重要里程碑，成为阿里巴巴020战略的关键支撑之一。这种资本积累机制的本质在于确保资本增殖的可持续性，从而推动数据资源不断集中并最终走向垄断。
3.2技术赋能：平台权力与数据控制体系
数据本身的价值并不能直接显现，而是依赖于数字技术使其从零散的信息转化为可量化、可交易的商品。资本逻辑虽然作为数据垄断形成的内生驱动力推动着数据从分散性公共资源向私有化垄断资本的转化，但利用数字技术实现对数据的全链条控制，才使得资本的垄断意图转化为现实真正成为可能。
在采集环节，数字技术推动了数据收集的规模化和精细化。平台经济依托社交媒体、电商平台等渠道大规模收集用户数据，同时结合物联网、智能设备等拓宽数据来源，使数据采集的范围从线上交互扩展至线下行为轨迹、环境数据等领域。这一过程不仅扩大了数据的覆盖面，也细化了数据的颗粒度，使其更具商业价值。如苹果公司借助其强大的设备生态系统以及软件服务实现对用户数据的全方位采集。苹果设备能够利用物联网技术收集用户的地理位置、健康数据、使用习惯等相关信息，为苹果提供构建用户画像的基础，进而为其后续的产品与服务优化提供条件。在处理环节，数字技术提升了数据的利用效率。资本能够利用大数据分析和人工智能技术高效挖掘数据价值，从而可以从海量数据中提取用户行为模式、消费倾向等关键信息。算法的优化和算力提升进一步增强了数据处理能力，能够使企业更快、更精准地提供定制化服务，同时凭借专有算法建立竞争壁垒，使其他市场主体难以复制其优势。如微软的Azure云计算平台集成了Azure Databricks、Azure Synapse Analytics等多种大数据分析工具和Azure Machine Learnlng等人工智能服务，使企业能够利用其强大的算力和先进的算法库高效地处理和分析海量数据。在数据应用环节，数字技术的进步显着提高了决策的精确度。企业通过先进的数据分析方法和智能算法能够对用户需求和行为实现更加精准的预测，并基于这些预测制定个性化的服务和营销策略。这种精确度的提升不仅优化了产品推荐、广告定向等业务功能，还能更好地满足用户需求，增强用户黏性，使得拥有先进技术的企业能够持续优化业务流程、提升盈利能力，最终获得竞争优势。如Netflix通过其先进的数据分析和机器学习技术分析用户的观看历史、评分、停留时间等行为数据，预测用户的兴趣偏好，从而为用户提供个性化的内容推荐，增强用户黏性。
3.3动态耦合：资本与技术协同强化的垄断路径
数据垄断的形成根植于资本增殖与积累逻辑与数字技术的联合，这一过程中，资本与技术相互强化，资本依托技术打破数据的分散格局，构建高度集中的私有化数据体系，而技术在资本的推动下不断迭代升级，将数据规模优势转化为市场主导权。最终，资本通过技术标准的私有化与政策游说，进一步巩固垄断地位，形成数据集中化向市场主导，再到制度壁垒的演进路径，最终锁定数据垄断格局，并在全球资本体系的支持下进行数据垄断的扩张。
（1）数据集中化为数据垄断奠定基础。在资本驱动下，企业对分散的数据进行采集、整合与处理，同时借助先进的数据挖掘、算法优化和云计算等技术，提升数据获取的规模化、标准化和精细化程度，从而形成高度集中的数据资源库。与此同日寸，领先企业会凭借技术优势在数据获取和处理上建立门槛，加剧数据资源向少数资本集中的态势，构成数据垄断的基础。进一步地，资本利用数据集中化逐步占据市场主导地位。数据的集中化为资本提供了规模优势，而对先进数字技术的掌握则会进一步放大这种优势，使其具备市场主导能力。头部企业凭借数据积累可以精准预测用户需求，优化产品和服务，提高市场竞争力，挤压竞争对手，使得市场份额向少数数据寡头集中。随着市场主导地位的确立，头部企业会进一步利用算法推荐、数据壁垒和资本收购等方式，增强对市场资源的控制，确保其在数据市场中的主导地位。
（2）资本凭借制度壁垒的构建进一步固化数据垄断。在市场主导地位确立后，资本并不会满足于仅凭市场优势维持垄断，而是会进一步通过建立技术标准、制定行业规则和政策游说等方式构建制度性壁垒，确保数据垄断的长期稳固。垄断资本会通过专利保护、数据产权界定和隐私协议等手段，将数据资源锁定在自身生态系统内，限制外部竞争者的数据获取权，同时试图在法律、行业监管和数据治理层面施加影响，使行业规则向有利于自身的方向倾斜，进一步巩固数据垄断格局。
以谷歌（Google）公司为例，其通过自身的搜索引擎、安卓操作系统、谷歌地图、YouTube等多个平台，构建覆盖全球用户的全场景数据采集网络，并利用先进的数据挖掘技术和云计算能力，对这些分散的数据进行整合和处理，而后利用其数据积累，预测用户需求，优化广告投放，从而提高广告的点击率和转化率，获得产品优势并逐渐占据在数字广告市场的主导地位。在市场主导地位确立后，谷歌通过多种手段构建制度性壁垒，为对抗各国对数据日益加强的监管措施，谷歌公司又提出第一方集（First-Party Sets）提案，试图通过新的隐私政策来更好控制用户数据，增强其竞争优势。同时通过专利保护等手段，将数据资源锁定在其生态系统内，限制外部竞争者的数据获取权，进一步巩固其数据垄断格局。
3.4全球博弈：跨国资本扩张与监管治理困境
在世界数字经济竞争加剧的背景下，数据垄断不仅源于市场内部的资本驱动和技术赋能，还深受全球资本体系的支撑与各国政策环境的影响。
一方面，跨国资本通过并购整合、技术封锁和制度安排不断强化数据垄断，使数据资源向少数企业集中。首先，全球资本体系为数据垄断提供了金融支撑。数据资本的扩张往往依赖于风险投资、资本市场并购等金融手段，大型科技企业通过资本运作迅速收购初创公司，获取其数据资产及技术，从而扩大自身的数据生态体系。这种并购整合加速了数据的集中化，使少数跨国企业掌握全球范围内的数据资源。其次，数据垄断依赖全球技术体系的支撑。核心算法、云计算、大模型等关键技术往往掌握在少数资本集团手中，领先资本通过技术标准、专利封锁等方式，确保自身在数据处理和商业化领域的优势，并通过控制云服务、AI基础设施等核心环节，使全球数据市场高度依附于特定资本体系。此外，资本借助全球性制度安排强化数据垄断。主导数据市场的资本不仅通过市场竞争形成垄断，还依托国际贸易协定、数据主权政策、跨境数据流动规则等制度，建立符合自身利益的全球数据治理体系。跨国资本利用政策谈判影响各国数据法规，使发展中国家在数据主权和市场竞争中处于不利地位，从而加强其对全球数据资源的控制。
另一方面，各国政府基于对经济安全、市场公平和数据主权的考虑，采取不同的反垄断与数据监管政策，试图平衡数据资源的开放与安全。
美国的政策环境以市场主导为特点，强调数据自由流动和市场竞争。其对数据垄断的治理主要依赖《谢尔曼法》《克莱顿法》等传统反垄断法，缺乏联邦层面的统一数据立法，但各州的立法比较积极。欧盟则主要强调个人隐私和数据保护。其核心立法包括《通用数据保护条例》（GD-PR）和《数字市场法案》（DMA），对科技巨头提出了严格的合规要求。
中国的反垄断和数据监管政策以政府主导为特征，较为注重数据安全和国家安全。其核心立法包括《中华人民共和国反垄断法》《网络安全法》和《数据安全法》等，近年中国也针对数据产权提出了“三权分置”的政策框架。从阿里巴巴因实施强制“二选一”垄断行为被罚款182亿元也可看出政府对平台经济的强力监管。这种政策环境有助于维护市场秩序，但也可能限制数据的跨境流动，对企业的国际化发展造成影响。
总体而言，不同的政策环境对数据垄断治理路径和实践效果有着深远的影响。中国的政府主导模式强调快速干预，但可能影响市场活力：美国的市场主导模式鼓励创新，但可能导致监管滞后；欧盟的法规主导模式注重预防，但可能限制企业发展。这些差异需要在全球化背景下进行协调，以实现对数据垄断的有效治理。
国际经验一致表明，数据垄断治理不能仅依赖传统反垄断法，还需要结合数据安全、隐私保护和市场公平等多重因素制定综合治理体系。对于中国而言，未来的政策重点应是构建更加科学的竞争规则，以及更加完善的数据产权制度，在保障数据安全的同时，促进数据要素的流通和创新，推动数字经济的可持续发展。
4数据垄断的治理路径：制度创新与全球合作
数据垄断的成因既有资本主义发展历史的必然性，也有资本自身增殖、积累和寻求全球扩张的内在特性。因此，数据治理不仅需要解决技术和市场中存在的瓶颈，更要立足于公共利益和社会正义，在制度和理念上对资本逻辑进行突破，从根源上打破数据资源被资本无限占有的格局，重新定义数字时代的数据权利和价值分配机制，推动实现技术从资本增殖工具向人类解放手段的转变。
4.1产权制度创新：数据权益的公平分配体系
治理数据垄断需超越传统反垄断思维，关注“数据正义”。数字劳动并非传统意义上的劳动，而是数字经济中核心价值创造的重要环节。用户在社交网络、电子商务、内容分享等平台上所产生的信息和互动，构成了数据生产的重要基础。这种劳动被平台收集、整合并经算法处理，最终转化为巨大的剩余价值。
（1）确立数据生产者权益保障机制。要在制度和法律层面明确数字劳动的定义和地位，承认并保障数字劳动者的权益，建立合理的利益分配和权益保障机制。具体措施包括：将数字劳动纳入劳动保护范畴，重新界定用户生成内容、在线互动等行为的劳动属性；推进利益分配机制改革，推动平台企业建立收入共享模式：强化对数据采集与使用的透明监管，赋予数字劳动者对自身数据的知情权和控制权。
（2）创新数据确权机制。造成资本对数据无偿占有和对“数据贫农”剥削的根源在于当前数据产权制度的不完善。为破解这一问题，必须构建新型数字生产关系，建立数据资源“三权分置”制度：要明确界定数据所有权、使用权、收益权的分离与界定；将政府、企业和个人在数据生成、加工和商业化过程中的权益进行清晰划分：依托技术手段，不断完善数据中介服务和数据信托机制。
（3）建立数据收益的二次分配制度。通过设计合理的数据红利分配模型，使个人用户、平台企业及政府等数据贡献者能够共享数据收益：借助政策激励和财政补贴等手段保障“数字佃农”权益，引导平台企业在盈利过程中按数据贡献比例等方式向骑手、司机等群体返还部分平台数据收益：加快制定统一的数据标准和市场交易规则，促进数据公平流通。
（4）重构平台与用户契约关系。参考Gillespie（2018）对用户协议的分析，现行平台契约往往通过不平等条款剥夺用户权益，要规范用户协议格式条款，防止平台单方面制定霸王条款：建立用户集体议价机制，平衡平台与用户的权利义务关系：引入第三方仲裁制度，保障用户在数据权益纠纷中的救济渠道。
4.2技术体系重构：公共数据基础设施的建设
传统资本逻辑将数据视为增殖工具，但这一逻辑忽视了数据在社会公共生活中的广泛影响。应明确将数据认定为共享资源和公共财富，通过技术体系的重构，打破数据孤岛，将关键数据从私有化控制中剥离出来，为全社会提供公平的资源分配平台，从根本上改变资本对数据的垄断格局。
（1）打造国家级公共数据池。①要在如金融、医疗、交通等关键领域，将数据强制接人公共平台。鼓励政府、科研机构及非政府组织主导建立跨部门、跨行业、跨领域的数据共享平台，形成覆盖社会各主要领域的公共数据池：②要尽快建立数据资源共享交换标准。在保护用户隐私和数据安全的前提下，制定统一的数据格式、接口和开放标准；③构建全社会共享的公共数据平台。通过政策引导和财政补贴，激励中小企业、科研机构参与平台建设，降低技术和资金壁垒，进而打破资本对数据资源的垄断局面；④缩小数据鸿沟，强制平台开放非核心数据（如交通热力图、用户行为统计等），供公共研究与社会创新使用。
（2）开发普惠性技术工具。为削弱资本对数据资源的独占性控制，需构建开放共享的技术生态。①借鉴欧盟《数字市场法》等经验，开源核心算法库，并建立如国家AI开放创新平台等开源算法共享平台：②建设公共算力服务平台并开发基于区块链的共享验证技术架构。
（3）推进技术民主化改造。通过制度设计确保技术权力的公平分配。①要尽快建立并完善算法审计制度。在立法中应强制高风险算法备案与审计，建立国家算法审计机构，制定分级标准，开发检测工具，并引入第三方监督与公众参与机制，破除算法黑箱．制衡技术权力，确保算法公平透明，防范资本滥用和数据垄断；②需着力开发用户数据控制权技术工具。坚持“技术中立、用户可控”的基本原则，采取“政府定标准、市场做产品、用户选服务”的协同推进模式开发如个人数据银行等用户数据控制权技术工具。通过技术赋权的方式，使用户重新获得对自身数据的实际掌控能力，扭转当前数据控制权严重向平台企业倾斜的不对称格局；③保障算法民主化。规范平台行为，保障对影响劳动者权益的算法逻辑（如配送时效计算）的公开化，并完善工会、NGO等第三方监督机制。
4.3治理机制突破：跨国协作与多元共治
数据垄断的全球性特征要求构建新型国际合作治理框架，当前亟须建立兼顾数据主权与全球协同的治理体系。
（1）完善跨境数据流动方面的国际合作机制。应建立“安全可控”的流动规则，实施分类分级管理，推行“白名单+负面清单”模式，形成数据跨境流动“安全港”机制：在反垄断协作方面，需加强跨国联合执法，建立科技企业拆分标准联动机制，推动全球数据税协调：在标准互认方面，要制定技术互操作性标准，完善数据伦理认证体系。
（2）构建系统性全球合作框架。依托国际组织平台，在尊重数字主权前提下构建平衡各方利益的治理体系。应推动建立国际数据治理协定和跨国监管机构，制定统一的数据隐私、安全和权属标准；另外，要强化各国反垄断执法协作，建立信息共享机制，对跨国资本垄断行为实施联合调查与制裁。
（3）构建防范数据霸权的综合应对体系。在国内层面，要加快数据安全立法进程，完善关键数据出境管控机制；在国际合作方面，推动建立非对称数据主权保护机制，特别是针对美国“长臂管辖”制定反制措施：在技术自主层面，重点突破大数据、人工智能等核心技术，降低对西方技术体系的依赖：在企业合规方面，要求跨国企业建立数据本地化存储和独立审计制度：全球治理层面，倡导建立多边、民主、透明的国际数据治理新秩序。
（4）创新多元参与的全球共治模式。应倡议成立全球数据治理联盟，整合政府、企业、社会组织等多元主体参与，构建多边协同的监管机制：同日寸，需通过建立技术标准互认、数据伦理认证等制度，为全球数据治理提供可操作的实施路径，最终形成技术权力再平衡的新型治理格局。
