“当一个AI智能体可以在医疗场景中自主调用数据、执行分析、生成诊疗建议并持续迭代，数据价值就不再由‘谁拥有原始数据’单独界定，而要由贡献、收益与责任链条重新界定。AI Agent带来的也不只是医疗效率提升：数据贡献越隐蔽、收益分配越模糊、决策链条越自动化，患者隐私、机构责任与证据采信的风险就越可能被同步放大。它究竟是让医疗数据在公益与商业之间实现价值共创的可信基础设施，还是将患者、医院与平台共同卷入‘数据贡献者无收益、决策参与者难担责’的新型数字风险？”

2026年8月19日，在CCF2026中国数智服务大会期间，中国计算机学会主办、CCF YOCSEF成都学术委员会观点论坛“AI智能体时代，数据贡献、数据资产收益与责任链如何重构”（论坛编号：CCF-Yo-26-094）在成都非遗博览园缇沃丽酒店3楼·鼓楼南街厅举行。论坛开篇即聚焦一个核心问题：当AI智能体进入医疗数据生产、流通与决策链条，谁在贡献价值、谁应分享收益、谁拥有决策权、谁承担最终责任？

四川省医学科学院副研究员、高级工程师吴行伟，西南财经大学财税学院资产评估教育中心主任、投资系副教授李子燃，蚂蚁密算机密计算团队负责人刘双，中国科学院深圳先进技术研究院教授级研究员、温州医疗大数据运营负责人王东松担任引导发言嘉宾。四川大学华西医院生物医学大数据中心技术专家殷晋、成都中医药大学副教授王德贤、成都铁路运输第一法院党组书记、院长程媛媛担任特邀嘉宾。来自医疗机构、高校、科技企业、法院、法律服务机构和数据运营机构的其他参会人员担任思辨嘉宾并齐聚一堂，围绕数据贡献计量、数据资产收益分配和责任链重构三项议题展开深入思辨。

图1 论坛会场

在思辨环节，来自医疗机构、高校、科研院所、科技企业、法律服务机构和数据运营机构的思辨嘉宾围绕三项研讨问题展开充分交流。赵俊从医疗数据公益属性与隐私保护出发，认为数据应在合规前提下更好服务诊疗过程；唐诗、谭言丹、张晓均、周蓓、李叶辉、丁熠等嘉宾围绕数据质量、数据主体贡献边界、数据生命周期价值、公平分配与市场化定价展开讨论；张涛、刘盾、符颖、陈福中、刘明钰等嘉宾则从多重责任、事前风险控制、具体应用场景、医疗AI监管以及医生与运营方责任等角度，讨论AI Agent参与医疗决策后的责任承担。思辨嘉宾的多元观点，与引导发言嘉宾的专业分享相互印证，共同推动论坛从数据贡献、收益分配进一步延伸至责任链重构。

论坛没有停留在“医疗数据能不能共享”的单一问题上，而是进一步追问：当AI智能体从问答工具进化为可以调用数据、连接系统、连续执行任务并参与专业决策的新型主体，传统围绕“数据提供”和“数据共享”形成的治理模式，能否适应“智能体参与数据加工与价值创造”的新阶段？与会嘉宾结合医疗数据高价值、高敏感、强监管的现实特征，从数据工程、经济学、安全技术、医疗AI和法律治理等多个角度展开交流，形成了兼具前瞻性、现实性和可操作性的观点共识。

图2 张婧与龙胜海作开场介绍

01 论坛背景

随着医疗数字化转型深入推进，病历、检验检查、医学影像、科研、医保和健康管理等数据正在成为推动智能诊疗、医学科研、医保精细化管理和全民健康服务创新的重要基础资源。与此同时，AI Agent正在从传统的信息问答和内容生成工具，逐步演进为能够调用数据资源、联动业务系统、执行复杂任务并辅助专业决策的智能化主体。国家《可信数据空间发展行动计划（2024—2028）》将可信数据空间定位为数据流通利用的重要基础设施，强调可信管控、资源交互和价值共创等核心能力，为医疗数据安全流通和协同利用提供了新的制度与技术想象。

但在实际医疗场景中，数据长期分散于不同机构、不同系统和不同业务链条之间，传统接口开放、一次性授权和平台共享方式，难以支撑AI智能体高频调用、跨域协同和链式执行的运行需求。密态计算、区块链、日志审计等技术，可以在一定程度上实现“可用不可见、可控可审、可追溯”，却不能自动回答新的治理问题：原始数据提供方、医疗机构、模型方、平台方、空间运营方和Agent服务方分别贡献了什么？贡献如何计量、收益如何回流？当Agent发生错误调用、错误判断或安全事件时，责任如何穿透到具体主体？这些问题构成本次论坛的现实起点。

02 论坛过程

在引导发言环节，四位嘉宾分别从医疗数据产品转化、数据要素价值、安全技术底座和医疗AI伦理责任四个维度，围绕可信数据空间与AI Agent融合发展的关键路径、应用边界和治理难点展开分享。

引导发言一：从数据资源到数据产品，医疗可信数据空间如何夯实工程底座

吴行伟以“面向数据产品转化的医疗可信数据空间”为题，着重介绍医疗数据流通中的隐私风险、机构壁垒和产品化难题。他指出，医疗数据价值很高，但只有经过质量控制、结构化处理、语义对齐、模型训练和场景验证，才能从被动存储的资源转化为临床可用、科研可用、管理可用的数据产品。围绕糖尿病治疗管理策略，他以“数据不出院”的方式进行模型训练和疗效评价，展示了医疗数据在安全边界内参与协同分析的实践路径。

图3 吴行伟进行引导发言

图4 龙胜海为吴行伟颁发感谢证书

结合AI Agent的引入，他进一步分析了数据清洗耗时长、学科壁垒高和跨机构协作难等现实问题，提出应把数据调用、加工过程、质量标签和结果反馈纳入可信数据空间的工程化治理。AI智能体可以提高数据整理和知识发现效率，但也会带来新的使用风险，必须进一步回答“贡献如何计量、收益如何分配、责任如何穿透”，让数据产品转化从技术可行走向治理可持续。

引导发言二：从公益使用到商业转化，医疗数据要素的两条价值轨道

李子燃从经济学视角提出医疗数据要素的公益与商业双轨价值体系。他认为，医疗数据一方面可以服务科研、公共政策和健康决策，降低社会面对疾病和健康风险的不确定性，创造难以直接货币化的公共福利；另一方面，也可以在保险、药物研发、健康管理和产业服务等场景中形成商业收益。两条价值轨道面对的使用目的、支付能力和治理成本不同，不能用单一价格逻辑简单覆盖。

图5 李子燃进行引导发言

图6 张婧为李子燃颁发感谢证书

他指出，公益使用应更多由公共财政和公共机制保障，商业使用则应承担相应的数据治理、安全审查和平台运营成本，商业收益可以分担基础设施的固定成本。数据要素的价值往往不是先验定价出来的，而是在真实使用、场景验证和市场碰撞中逐渐显现，“先用起来，再让价格涨出来”。在他看来，区分公益轨和商业轨，不是把数据价值割裂开来，而是为价值发现、价值分配和公共利益留存建立更加清晰的边界。

引导发言三：从“可用不可见”到安全可信，密态大模型推理如何支撑数据价值共创

刘双以“HyperGPU-医疗场景密态大模型推理方案”为题，从大模型密态推理场景和安全挑战切入，分析本地数据出域上云后面临的隐私泄露、使用权失控和GPU内存攻击等风险。他指出，大模型推理过程中最薄弱、也最容易被忽视的环节，往往不是数据传输，而是数据使用本身：数据被谁调用、在什么环境中使用、使用后是否能够留下可信证据，都需要技术体系予以回答。

图7 刘双进行引导发言

图8 龙胜海为刘双颁发感谢证书

通过HyperGPU和GPU TEE等机密计算方案，他展示了如何在不暴露原始数据的前提下支持密态大模型推理，并结合医疗场景总结了通用普惠、自主可控、金融安全和开放透明等特性。论坛由此形成一个重要判断：安全不是数据价值释放的附属条件，而是数据价值共创的基础设施；技术可信要进一步转化为权限清晰、过程留痕、结果可审和责任可追溯。

引导发言四：从技术可信到责任可信，AI Agent时代医疗职能与责任边界如何重构

王东松聚焦AI Agent时代医疗体系的职能变迁、伦理边界和责任安排，提出医疗AI不能只关注准确性、稳定性和可解释性，还必须把“谁贡献、谁受益、谁决策、谁负责”纳入同一套治理系统。他指出，随着AI从辅助工具逐步参与医疗决策和任务执行，医生、数据、模型、流程与组织之间的协作关系需要重新设计，避免贡献与收益、权力与责任相互脱节。

图9 王东松进行引导发言

图10 张婧为王东松颁发感谢证书

他进一步提出，应通过数据血缘、过程留痕、权限控制、结果审计和责任追偿等机制，形成可监督、可审计、可追责的基础设施，使数据支持模型、模型服务临床、临床反馈优化系统的闭环能够持续运行。医疗AI最终需要实现的，不只是“模型可靠”，更是系统可信、治理可信和责任可信。

03 论坛思辨

本次论坛围绕“从数据提供到价值共创”“从数据共享到价值共享”“从技术可信到责任可信”三个递进议题展开自由思辨。与会嘉宾不回避数据价值尚难量化、公益与商业边界尚未完全清晰、Agent责任主体尚存争议等现实难题，而是从医疗实践、技术实现、市场机制和法律治理等多重视角进行观点碰撞。

研讨问题一：从“数据提供”到“价值共创”：AI Agent时代医疗数据贡献如何重新衡量？

在第一个议题中，殷晋从医疗数据标准化和数据要素市场化配置实践出发，提出医疗数据安全正在从“数据不出院、模型出院”走向“数据不出院、模型不出院”。他指出，AI Agent参与数据清洗、知识加工、模型调用和结果生成后，传统“谁提供数据、谁就是贡献者”的单一模式已经难以覆盖新的价值创造过程。高质量数据集建设、可验证的交易案例和可留痕的Agent执行链，成为数据贡献重新定义的基础。

图11 殷晋发言

围绕贡献主体如何识别，赵俊认为，医疗数据具有公共服务属性，不应简单归属于医院或企业，核心应是在保护隐私的前提下更好地服务诊疗过程。王东松提出，个人数据经过依法合规的匿名化处理后，才可能进入公共使用和开放共享的范围；陈福中则强调，知情同意、算法备案和监管审慎，是医疗Agent扩大数据使用边界必须面对的前置条件。

刘双认为，通用模型能够给出通用答案，但个性化医疗需求需要更加丰富、更加贴近具体场景的数据，数据质量决定了模型能力的上限。唐诗提出，数据质量与使用稳定性同样重要，AI Agent生成的结果如果经过医生审核和签字，有可能成为高质量数据资产的重要来源。与会嘉宾由此将“数据贡献”从原始供给扩展到数据治理、场景验证、人工审核和结果反馈等多个环节。

李子燃进一步区分了公共利益使用与商业化产品：个人为公共利益服务形成的公共品，原则上应更多计入社会成本和公共投入；只有进入商业化产品和增值服务的部分，才更适合讨论贡献度和收益分配。他提出，数据价值不在于“沉淀了多久”，而在于是否形成了新的边界知识、解决了新的现实问题。陈福中则指出，数据定价本身具有公共问题属性，但具体价格仍应在合规边界内交给市场碰撞产生。

图12 现场嘉宾思辨组图

经过讨论，陈福中、江浩、唐诗等所有与会嘉宾形成的阶段性共识是：技术可以证明“谁调用了数据”，但治理还要回答“谁贡献了价值”；数据贡献不能只看数据交付这一刻，还应覆盖数据生成、治理、加工、调用、验证和反馈的全过程。医疗数据贡献计量既要避免将所有价值归于原始提供方，也要避免用Agent的自动加工掩盖患者权益、医疗机构责任和人工专业判断。

研讨问题二：从“数据共享”到“价值共享”：医疗数据资产收益如何实现公平分配？

第二个议题从贡献识别进一步转向收益分配，王德贤以“医疗数据是沉睡的金矿”为切入点，指出数据价值难以流通，既因为数据贡献难以精准归一，也因为现有机制尚未充分回答谁投入、谁受益、谁承担治理成本。他提出，可以围绕疾病类型、患者数据采集周期与依从性、数据质量、医疗机构的体系和生态投入、模型对实际结局的改善程度，以及平台供需配对率、医生使用率和增益率等因素，探索可解释的贡献度算法。

他强调，收益分配不能只关注货币回报，还应保留公共利益空间，探索公共基金、科研支持、医疗能力提升和非货币回报等方式，让数据收益反哺整个医疗生态。公平分配不是简单地把收益平均分掉，而是要在数据生命周期、场景价值和风险成本都可识别的基础上，形成能够被参与各方理解、验证和持续调整的规则机制。

图13 王德贤发言

围绕患者、医疗机构、科研团队、模型方和平台方的权重，谭言丹提出，数据完整度的提升不一定会直接改变固定模型的功能输出，贡献与收益之间还需要建立更加细致的反馈机制。张晓均认为，应把数据采集、传输、存储、应用、交易和使用纳入完整生命周期，公共数据和公益数据与高价值商业数据应采取不同的评价方式，同时将平台安全保障投入纳入分配依据。

周蓓、李叶辉等嘉宾指出，公平分配的前提是先完成数据确权、质量评价、价值发现和成本核算，市场化与绝对平均之间也存在天然张力。丁熠提醒，医疗数据能否成为资产、何时产生可验证的商业价值，仍需要更多真实案例支撑；林杨则结合农业数据的一次分配、二次分配和三次分配经验，提出医疗数据也可以探索多层次、分阶段的收益回流模式。

王东松认为，讨论公平分配之前，首先要把原始数据经过合规处理和场景运营转化为真正有价值的产品，数据从个人信息到公共数据、再到可交易的数据资产存在清晰的过程。吴行伟则提出，数据本身未必直接产生价值，真正有价值的往往是由数据、算法、专业知识和应用流程共同形成的产品，产品形成过程中的各项投入都可以成为定价和分配的依据。

图14 现场嘉宾思辨组图

经过激烈的思辨讨论，最终本次论坛围绕该议题的收益分配形成的基本判断是：收益分配不能只看谁拥有平台，也不能只看谁握有原始数据，还要综合考虑数据质量、稀缺性、模型贡献、平台运营、合规治理和场景转化等成本与风险；医疗数据的公益属性决定了收益回流必须保留公共利益和患者权益的制度空间。

研讨问题三：从“技术可信”到“责任可信”：Agent参与医疗决策后责任如何重新划分？

第三个议题直面AI Agent参与医疗决策后的责任穿透问题，围绕AI智能体介入医疗场景下的责任划分，程媛媛结合最新司法规则与域外标杆判例，梳理了行业司法现状。她介绍，最高人民法院《关于修改〈民事案件案由规定〉的决定》（法〔2025〕226号）自2026年1月1日起施行，在案由体系中增设“数据、网络虚拟财产纠纷”一级案由，并进一步细化数据纠纷项下相关案由，为数据合同、数据权属、侵害数据权益等纠纷的立案与审理提供了更加清晰的制度入口。

图15 程媛媛发言

程媛媛指出，我国法律及司法裁判规则天然具有一定滞后性，尚难完全匹配AI技术的快速迭代。当前AI Agent参与医疗决策引发的数据纠纷，仍多在侵权责任框架下展开，责任认定的核心不只在于模型是否出错，更在于能否对数据来源、授权范围、调用过程、决策链条和损害后果进行规范组织、有效固定与清晰呈现。

她进一步介绍了Amazon v. Perplexity AI案这一具有标杆意义的域外案例，美国联邦第九巡回上诉法院撤销一审初步禁令并发回重审，认为在本案诉讼记录所呈现的技术状态下，相关访问行为更接近用户借助AI助手作为工具完成访问，平台一方依据CFAA主张责任的胜诉可能性不足。该案体现了司法面对新兴技术时的审慎与包容：不以尚未成熟的固化规则简单束缚技术发展，同时保留对平台规则、用户授权和具体事实进行继续审查的空间。法院指出，“代理式AI的法律理解必将随着AI技术的日益复杂而发生变化”，本案裁决仅反映并适用于本案诉讼记录中所呈现的技术状态。程媛媛强调，该案是理解AI时代计算机访问法律框架的重要起点，但远非终点。对于医疗AI而言，责任链重构不能只等待新的判例，还应从现在开始建立可验证的证据体系，使技术日志、权限记录、人工复核、模型版本和业务结果共同成为可采信、可追溯的责任依据。

图16 颁发特邀嘉宾感谢牌

张涛从司法实践出发提出，多重责任可能同时存在：医院承担数据安全和使用管理的首要责任，AI Agent开发者承担产品和算法责任，使用医生承担最终的业务使用责任。包罗指出，Agent后台的推理链、工具调用和操作过程都应形成清晰记录，为后续审计、争议处理和责任认定提供证据。

刘盾从管理角度提出，责任风险应尽量前置，通过规则推理、权限约束和过程监控，把问题解决在事前和事中；在数据分析和清洗等相对可控环节使用Agent，也比直接让其承担高风险诊疗决策更稳妥。符颖认为，AI Agent应用于医生辅助、个人健康服务和药企研发等不同场景时，责任不能一概而论，必须结合具体使用目的、权限边界和实际后果进行判断。

殷晋将医疗AI应用区分为筛查和诊疗两个阶段：筛查更关注准确性和效率，诊疗则需要更高程度的可解释性和人工决策约束，因此不同阶段应对应不同的责任标准。陈福中认为，责任划分本质上仍是法律问题，AI服务方、医院和使用者之间需要在不同应用模式下建立更清晰的责任承担机制。

李子燃提出，AI Agent时代不仅要讨论技术和机构的责任，也要关注个人的责任边界以及对弱势群体的保护义务。刘明钰强调，Agent的核心定位仍是“参与”和“辅助”，最终决策者不能因使用了AI而退出责任体系，AI运营公司也应对其产品和运营承担相应责任。

王东松指出，AI已经在医疗系统中广泛应用，但距离能够完全自主承担诊疗责任的Agent仍有距离，现实治理仍应依据现行法律和具体应用情境进行判断。吴行伟结合多个GPT能力测试提醒，当前医疗Agent仍存在较多错误和幻觉，医疗体系尚未准备好将关键诊疗决策完全交由Agent承担，必须建立严格的质量控制和人工复核机制。

图17 现场嘉宾思辨组图

与会嘉宾认为，密态计算、可信数据空间、区块链、日志审计和智能合约等技术，可以为调用记录、权限边界、加工过程和结果流向提供证据基础，但技术留痕不等于责任自动生成。只有把“可追溯”进一步转化为“可证明、可核查、可问责”，才能推动医疗AI治理从技术可信走向责任可信。

在三项议题的连续讨论中，现场逐渐形成了从“数据价值”到“责任价值”的完整链条：数据贡献需要可识别，收益分配需要可解释，Agent行为需要可回放，治理责任需要可穿透。也正因此，可信数据空间的建设目标不能只停留在数据安全流通，而应成为连接技术、制度、市场与公共利益的协作基础设施。

04 论坛总结

经过三项议题的深入讨论，与会嘉宾形成了较为清晰的共识：AI智能体时代的医疗可信数据空间，不能只是一个把数据“装进来、管起来”的技术平台，而应同时具备贡献可计量、收益可回流、行为可审计、责任可追溯和公共价值可持续的治理能力。

第一，数据贡献需要从“提供数据”扩展到“参与价值共创”。原始数据、数据治理、模型能力、算力资源、场景运营、人工审核和结果反馈，都可能构成数据产品形成过程中的不同贡献。数据贡献的计量应建立在全过程留痕和可验证证据之上，既记录Agent做了什么，也识别专业人员和数据主体创造了什么。

第二，数据收益需要在公益与商业之间建立双轨机制。论坛现场形成了一句具有辨识度的观点：“数据的价值要从官窑（公益公共行为）、民窑（商业行为）区分，安全也是如此。”这句话提醒我们，公益公共行为与商业行为面对的目标、责任和成本并不相同，数据收益分配不能只用商业价格覆盖所有场景，也不能以公益名义掩盖真实的技术投入和治理成本。

第三，AI Agent可以参与决策，但不能让责任退出决策。可信数据空间应当把事前授权、事中监控、事后审计、风险补偿和责任追偿连接起来，推动技术责任、平台责任、机构责任、业务责任和个人责任形成可解释、可执行、可复盘的闭环。

本次论坛的讨论表明，医疗数据要素价值释放并不存在一条只靠技术即可完成的直线，只有将数据工程、安全技术、经济机制、临床实践和法律治理放在同一张图上，才能让AI Agent在可控边界内持续创造价值，让数据供给者、使用者、运营者和公共社会共享数字化转型成果。现场还提炼出几句便于串联讨论的表达：“数据贡献不是把数据交出去，而是把价值做出来”；“收益分配要分清谁拥有数据与谁创造价值”；“可信不是一句口号，而是每一次调用都能说清楚、每一个决策都能追溯”；“AI可以进入决策链，但不能成为责任链的断点”。

图18 参会合影

论坛在热烈的自由思辨和充分的观点交锋中落下帷幕，与会嘉宾表示，未来仍需围绕贡献计量、收益回流、责任追溯、证据采信和公共利益留存开展更多案例验证与制度探索，推动医疗可信数据空间从“技术可用”走向“治理可持续”。

本次论坛既是一次关于AI Agent与可信数据空间融合发展的专题研讨，也是一次围绕医疗数据要素价值生态的青年思辨实践。CCF YOCSEF成都将持续关注数据要素、人工智能与数字法治交叉领域的新问题，推动更多来自学术界、产业界、法律界和应用一线的观点在平等、开放的交流中形成共识。

供稿：龙胜海、张婧

审核：白杨

终审：唐诗