在生成式人工智能大模型兴起以后，政府直接或间接向企业和其他社会主体供给人工智能要素的现实必要性正在日益得到认可，即便是主张主要发挥市场供给优势的专家，亦不否认政府投入和支持相关要素供给的重要性。尽管如此，要使政府的供给行为规范、公平、可持续，仍须深入辨析政府供给人工智能要素的法理依据，尤其是从法经济学视角明晰政府供给相关要素的理据，这对于以法治化方式合理引导和约束政府供给有基础性的意义。

（一）政府供给要素的常规前提：公共物品属性

现代公法早已确认和肯定政府直接或间接供给某些物品（包括服务）的正当性与必要性。行政类型（Verwaltungstype，或译行政形态）的发展对此提供了基础性的理论支持。其中，与政府对人工智能要素供给最密切相关的行政类型，包括给付行政中的“基础设施行政”（Infrastrukturverwaltung）与尚未得到充分关注的“网络基础设施行政”（Netzinfrastrukturverwaltung）。“基础设施行政”从属于给付行政，是指“以基本服务的形式提供整个共同体成员在工业技术文明以及服务型社会和信息社会条件下所依赖的设施和措施，这些设施和措施可包含物质、机构和人员”。“网络基础设施行政”则从属于规制行政，在德国联邦层面的《电信法》和《邮政法》等法律规范中得到体现，主要致力于干预市场，避免市场失灵或其他结构性功能弱点。如果将人工智能视为人类社会的某种基础设施，则基础设施行政与网络基础设施行政的结合，可以为政府直接及间接供给人工智能要素奠定一般性的法理依据，即国家在一定范围内基于向公众提供基本服务并克服市场失灵之目的，直接供给或引导市场主体供给人工智能要素，可在国家任务层面获得法理正当性基础。然而，对于何为“基础设施”及何为“市场失灵或其他结构性功能弱点”，相关理论见解尚难以精准刻画政府供给人工智能要素的法理尺度与边界，需要借助由公共物品理论所支撑的法经济学视角而作细致、冷静之观察。

1. 公共物品属性的基本含义

基于法经济学视角，政府供给人工智能要素的常规前提是这些要素不能被单纯看作纯由市场提供的私人物品，而一定程度上具备公共物品属性。“公共物品”不同于传统法学中的“公物”，也不能简单地用实践中是否存在私人付费购买和市场交易来判断，学界已建立一整套理论体系阐释何为公共物品、如何供给公共物品。理论上，公共物品完全由市场供给是欠缺效率的，甚至可能还会产生显著的负外部性。如果市场能遵循法律的要求实现完美的供给效率，充分实现这些要素的社会价值，理论上并不需要政府干预。政府所供给的是市场所不能充分有效供给的纯公共物品或准公共物品。纯公共物品需要满足消费的非竞争性（non-rivalness）和使用/受益的不可排他性（non-excludability）条件：前者意味着增加消费者引起的社会边际成本为零（消费者的边际付出等于边际成本的福利最大化均衡条件无法实现），后者意味着物品一旦提供，即不能阻止不付费者从中受益。总体上，纯公共物品的范围相当有限，更多情况下政府需要提供“准公共物品”，即是非竞争性和不可排他性条件不完全满足的物品或服务。其中，具备消费非竞争性却不具备受益不可排他性的物品被称为“俱乐部物品”，理论上此类物品的市场供给已无显著障碍；而具备受益不可排他性但却不具备消费非竞争性（不可减性）的物品被称为“公共池塘资源”（common pool resources），它们在更宽泛的意义上属于“公地”或“公共品”（commons），即便是倾向于市场机制的观点也认为此类物品不易实现有效率的市场供给而需要公共部门提供。一些学者还考虑到“拥挤”（congested）条件：假设最初增加消费者的边际成本为零，但如果社会需求水平超过某个阈值，一个人消费该物品就将提升其他人消费该物品的成本，此后每个消费者所引起的社会边际成本都将超过私人边际成本。例如，在拥挤的公路上，每一辆汽车的驶入都将增加其后驶入汽车的通行时间，此种情形下市场无法自行实现公共物品供给的完美效率和社会公平目标，需要考虑政府供给问题。

非竞争性、不可排他性和拥挤性都体现了市场机制的负外部性，影响到市场供给效率：消费非竞争性条件下，单一消费者缺乏准确报告其实际需求的边际估值之动机，此时价格既不能作为一种分配机制起作用，也不能反映真实的边际收益，消费者也容易过量获取资源，从而无法实现最优资源配置；受益不可排他性条件下，受益者不需要付出额外的成本，容易引致对物品的无效率消耗，也容易引致对于保护这些物品的投资不足和对于获取这些物品的投资过度；拥挤条件下，由消费者引起的社会边际成本将使市场出清的均衡点远离正常的供求关系，均衡结果不能反映真实的偏好。这三种负外部性都有可能影响到公共物品（包括生态环境、治安秩序、基础研究等抽象“物品”）的供给意愿与能力，进而可能导致社会福利的损失。此即政府供给公共物品的主要理论依据。质言之，对于私人物品，原则上应当由市场机制供给，除非市场机制出现了影响有效供给的缺陷（第一重“原则—例外”关系）；当市场无法自行修复此种供给效率缺陷和负外部性影响时，原则上政府应采取直接或间接的方式支持或引导相应物品的供给，除非出现例外情形——构成公共物品属性的前提条件在一定程度上被消解（第二重“原则—例外”关系）。

2. 公共物品属性的两种消解途径

在第二重“原则—例外”关系中，公共物品市场供给无效率的假定依赖于一定的前提条件，即供给者不能从其他途径获取利益，且物品的属性难以被改变。这些条件在数字时代一定程度上被克服了，准公共物品既面临网络公共品（internet commons）理论的修正，也面临着区分受益机制的侵蚀。

网络公共品的出现使得物理世界中广泛存在的“公共池塘资源”在数字世界中大幅减少。互联网经济的兴起使公共物品供给面临新的可能性：如果私人供给者可以从其他途径获取与消费者增长相关的足额利益（例如提供广告、产生有价值数据等），就有可能有效供应公共物品。理论上，“分享潜力”（sharing potential）可以使传统公共物品理论中的非竞争性和不可排他性反而成为市场供给效率的助力，主要包含“网络效应”和“正向搭便车”（positive free riding）两种因素：网络效应是指一个消费者对特定网络产品的消费反而可以使同时消费该产品的消费者数量增加；而正向搭便车效应是指某一物品的价值可以随不付费消费者数量的增加而增长，因为消费者付出了某种对商家有价值的行为（如报告错误、评论商品、观看广告、形成数据或提出新需求）。鉴于只有消耗而没有付出的“搭便车效应”是破坏公共池塘资源供给的主要原因，网络公共品的这两种效应恰好可以使市场主体能够突破价格机制失效的约束而增供网络公共品，大幅提升了公共物品的社会供给水平。

区分受益机制意味着受益不可排他性条件被突破，访问控制技术即为其典型代表。访问控制技术可以清晰地界定特定用户访问和利用的范围与权限，从而使原本某些具备受益不可排他性的物品变为可排他，从而使市场价格机制能够精准发挥作用。数字商品与服务市场中充斥着各种访问控制技术，“数字权利管理”（digital rights management）的体系已经成型。各种音乐、视频、文档都可以成为特定用户（会员）的受限付费内容，数据、算法和算力的利用亦不例外。例如，市场可以有效地交易数据库等多种形式的数据资源，这就是因为受益排他性条件已可被访问控制技术支持。

上述情形下，人工智能要素的公共物品属性一定程度上被消解，这就可以解释为何大部分人工智能技术与应用来源于市场与社会主体的开发，而不需要政府干预。政府供给公共物品的方式与限度应当与市场的无效率情形相匹配，尽量避免损害市场竞争和社会力量自发形成的供给能力。

（二）政府供给要素的例外情形：市场供给机制的缺失

政府并非只能供给公共物品或准公共物品。在市场供给机制缺失的例外情形下，政府也可以供给具有可减性和受益排他性的“私人物品”。在第一重“原则—例外”关系中，目前阶段的公共物品理论未能概括全部的例外情形，其主要关注市场无法形成有效价格信号的一面，而市场的供给意愿与能力可能存在更复杂的缺陷，以下三种主要特殊情形与人工智能要素的供给息息相关。

第一种情形是源于外部制约的“市场失能”。准公共物品理论中探讨市场供给机制时往往隐含对市场供给能力完备性的假定，但在国际分工和产业链全球化布局的背景下，某一国内市场如果面临某种外部制裁或“长臂”限制，外部市场拒绝向其提供产业链中的某一关键物品（如芯片），在一定时期内国内市场即有可能难以提供该产业链下游的物品，影响到公众需求和公共利益的实现。主流观点早已认识到，某些市场的不存在是市场对交易成本超过交易潜在收益的理性反应。这些交易成本不一定存在于市场内部，也可能为外部所施加。此时，某些核心技术或关键产品就可能无法被供给，或因供给成本过于高昂，导致整个市场都无法形成供求曲线相交的出清点，需要政府介入以改变供给成本曲线的走向，使有效的市场得以形成。此时政府介入的方式主要是通过合理的制度化激励促成市场的恢复（间接供给），对于具有重要战略意义的物品，必要时也可以直接组织研发、生产和提供（直接供给）。

第二种情形是源于零价格效应的“市场缺位”。市场供给并非无处不在。如果相关商品或服务需要收费（即便费用低廉），用户可能完全不会考虑购买，但如果存在开放可得的免费资源，用户选择获取或使用的机会将显著增加，而此种利用有可能产生有价值的结果，甚至产出新的公共物品（如开源平台上的算法模型）。此种“零价格效应”（zero price effect）是相当突出的，价格为零的商品不会遵循线性效用模型：商品价格的降低通常与需求的成比例增加相对应，然而当价格降至零时，需求的增加远远大于其他价格水平。零价格效应广泛存在，此种显著的非线性变化已经得到行为经济学研究的验证，但基于“零价格效应”的公共物品供给机制尚未为制度经济学所关注。市场通常没有动机持续提供零价格物品，如果利用此种零价格物品可以产出有价值的公共物品，政府就可以介入，在一定范围内提供免费的数据资源和算力支持，促成人工智能技术的基础研究或模型的初步研发。

第三种情形是源于消耗稀缺和复杂公共池塘资源的“市场依赖”。各类基础设施都存在此种情形。水、电、气、暖、网等物品均与民生公共利益关系密切，尽管其公共物品属性各有差异，就其供给机制而言，它们的大规模供给需要紧密依赖于市政管网等基础设施建设，而市政管网是具有受益不可排他性的公共池塘资源，并且由于存在布设管线的空间、技术标准和安全规范等限制，它们还是稀缺和复杂的公共池塘资源，这就决定这些物品的供给需要政府深度介入供给过程，因为稀缺性和复杂性从不同向度增加了分配这些公共池塘资源的沟通成本，高昂的沟通成本使人们更愿意“搭便车”而非付出沟通成本以解决问题，很可能至少引发“二阶公共物品困境”，需要有能够制定、变革和执行资源配置规则的力量介入。数据和算力的大规模供给涉及数据中心集群和算力网的建设，受到政府供给人工智能要素方面的法律规范及政策文件的密切关注。2024年7月，国家发展和改革委员会、国家数据局等部门联合印发了《深入实施“东数西算”工程、加快构建全国一体化算力网的实施意见》，有关方面已在推动建成全国一体化算力网，即“以信息网络技术为载体，促进全国范围内各类算力资源高比例、大规模一体化调度运营的数字基础设施”。此种数字基础设施亦将涉及类似市政管网建设的公共工程和公共池塘物品的利用，使政府介入供给过程具备一定正当性基础。

以上三种情形并非必然需要政府直接供给相关物品。如果目标物品的特性更适宜于市场供给，但市场的供给意愿和能力存在明显缺陷，在条件具备时，政府应优先考虑修复和保护有效的市场或社会供给机制，促成有效率的自发性供给。直接供给和促成供给都可以被视为政府的供给方式。由此，政府供给人工智能要素的理论框架即已显现：（1）若某种要素属于“公共品”，则政府以适当方式实施直接或促成供给就存在正当性基础，供给的方式与程度应处于市场难以形成有效价格机制的范围内。（2）如果分享潜力效应或区分受益机制能使市场价格机制正常发挥作用，则应首先尊重市场化、竞争性的供给机制。（3）对于非公共物品，政府在三种情形下可以推动物品供给：第一种情形可以被称为“外部遏制法则”，即当存在外部力量对某一物品市场供给的遏制时，政府可以采取相应措施，恢复或重建市场的供给能力，特殊条件下可对关键物品组织实施直接供给。第二种情形可以被称为“免费机会法则”，即对于有助于实现公共利益或公共目标的非公共物品，如果市场由于供求曲线的非线性变化而无法充分响应有效需求，政府可以实施直接供给或促成供给。第三种情形可以被称为“资源依赖法则”，即如果市场供给某种物品需要消耗稀缺和拥挤的公共池塘资源，政府就可以介入供给过程以确保市场供给机制符合公共利益目标，甚至积极促成供给。

基于以上框架，我们可以对人工智能要素的公共性作初步判断。数据、算力和算法与人工智能的发展休戚相关，然而它们在竞争性、排他性和拥挤性方面的特性各不相同，导致政府供给数据、算力和算法的应然路径与限度有所区别。

（三）人工智能要素公共物品属性之探讨

1. 数据的公共物品属性

数据的公共物品属性相当鲜明，具备一定程度上消费的非竞争性和拥挤效应，部分数据资源还具有受益上的不可排他性。非竞争性体现在一定范围内增加使用者的边际成本为零，例如同一数据集可以被多主体同时使用，不过如果使用者规模过于庞大，就需要升级服务器和缓存系统等软硬件设施、优化数据库连接池等，仍然存在边际成本约束。拥挤效应体现在当使用者增加时，在不增加投入的前提下，使用者利用数据将面临更长的延迟乃至更多的无效响应。原始状态的数据具有受益上的不可排他性，但在商业环境中，数据的利用可以具备受益上的排他性，即数据提供方可以利用访问控制乃至数据空间等技术手段严格限定数据利用的范围和方式，至少可以经由按照使用需求进行差异化定价而实现具有市场效率的“林达尔价格”（Lindahl-prices）。相比之下，公共数据一般具有受益上的不可排他性，其法理内核要求不能阻止不直接付费者受益，因此其公共物品属性更为突出。对于能够促进模型认知与生成内容合规的法律规范、政策文件、官方答复、司法案例等数据，其公益属性最为显著，对于初始研发阶段的小微模型研发主体，也可能存在“零价格效应”，因而具有更强的政府供给必要性。

2. 算力的公共物品属性

与数据的公共物品属性相比，算力的公共物品属性较弱。算力所需要的设备主要是支持大规模并行计算的设备。早在扩展卷积神经网络（CNN）时，研究者和市场主体就已经使用了各种此类设施，包括图形处理器（GPU）、基于分布式中央处理器（CPU）的框架、现场可编程门阵列（FPGA）等。尽管这些设备的实现细节有所不同，但扩展深度CNN的核心思想是并行化，而其中向量化技术处于最基础的地位。在多头注意力机制模型大规模兴起以后，巨大体量的向量并行处理需求对并行计算提出了极高的要求，GPU及以GPU为基础的算力集群也因此成为大模型时代算力资源的主要基础。

对于任意细颗粒度的算力单元而言，消费上的竞争性较为明显，A完全利用一块GPU进行计算时，B即无法利用。采用无服务器（serverless）的云计算技术等方法可以实现算力资源的动态灵活调配，从而一定程度上缓解算力利用的竞争性特征，但就其各种底层算力资源的利用情况而言，依然存在非此即彼的竞争性。算力同时也存在受益上的可排他性，限制特定付费用户使用。因此，算力完全可以作为一项私人物品而进行市场交易，实践已经证明算力的市场化交易完全可行。随着生成式人工智能的飞速发展，不少企业亦已开始自研算力设备或自建算力平台，并不需要等待国家提供支持。

对于算力要素而言，真正的公共物品并不是CPU、GPU或者单台服务器，而是公共算力池或高性能计算集群等强化了非竞争性的算力基础设施，此种高性能计算设施实质性地强化了算力要素的公共性。一般而言，算力基础设施需要将分散、异构、无序的计算机硬件资源、软件资源和用户组织成逻辑有序、可受控共享的虚拟资源，缩短了关键的通信时间，支持资源的动态聚合、调度和安全访问。由此，算力的大幅整合强化了一个算力平台对不同计算任务的开放性利用能力，受益的可排他性尽管仍然理论上存在，但实际上已被一定程度弱化；算力基础设施还将算力单元利用的竞争性特征在更大尺度的层面上加以消解（或转化为拥挤性特征），提升了不同使用者共用算力设施的可能性，克服了“空间反公地”的缺陷，使之可以成为准公共物品。许多人工智能中小企业及科研机构往往无力自建高性能计算设施，而其具体计算需求既有差异又可兼容，这就可以一定程度上使公共算力基础设施的建设合理化。因为用户的需求和计划越多样化和不确定，对灵活性要求越高，公共品的供给就越有合理性基础。

然而，算力的公共物品属性提升，更主要地依赖于外部遏制法则。这是因为即便我们将算力视作公共品，这种公共品也更接近于开放公共品学派（open-commons school）所界定的“商业基础设施”，而市场竞争本身能一定程度实现其有效供给。但是，由于通用大模型对高性能计算资源需求奇高，我国算力需求猛增。早在2023年6月底，中国算力规模就已达到197EFlops，其中智能算力规模占比达25%，同比增加60%，高性能芯片面临较大供给压力；而美国对先进芯片等的出口限制，又令国内人工智能的算力短缺加剧。在国际产业分工和外部制裁存在的前提下，市场或未必能自发达到最优均衡，一些耗费昂贵的关键技术可能需要国家通过项目激励、政策优惠或提供额外保护等方式推动突破。市场难以达成最优均衡的原因主要是所谓“需求侧失灵”，因为基础设施资源的利用会产生大量的正外部性，但这些正外部性无法通过市场价格机制得到体现和补偿，利用算力资源研究和训练人工智能模型就包括了此种覆盖从社会发展到国家战略的正外部性。不仅如此，此处还需要考虑“时滞”问题：在存在外部制裁的前提下，理论上市场需求可以促使国内市场自发演化出性能卓越的处理器和算力平台，但实际上此种等待可能造成难以挽回的重大损失。在符合国家和社会公共利益的前提下，政府积极参与算力设备的研发与供给因此而具备必要性与合理性，直至国内市场可以自主实现相关物品的充分供给。

3. 算法的公共物品属性

在人工智能三要素中，算法的公共物品属性最强。算法在使用上甚至具有强于数据的非竞争性：一种算法或算法模型理论上可以供任意多的主体应用而不增加额外边际成本，而访问数据的流量增长往往伴随边际成本的增加。算法模型的获益机制可以是排他性的，前提是掌握算法模型的主体设置了有效的访问控制及类似的保护措施，否则，算法及算法模型本身在受益方面天然地具有不可排他性。每年计算机领域国际顶尖学术会议、学术期刊、开源预印本网站（如Arxiv）及开源社区（如Github）上公开的新算法、新模型已使大量非特定的读者或用户获益，DNN、VAEs、ResNet、GAN、Transformer等在人工智能领域最具价值的算法均不是市场交易的对象，而均产生了全球范围内的巨大价值，即为一典型例证。

然而，尽管算法具有相当强的公共物品属性，目前算法的供给机制却最为远离政府干预，这不仅是因为代码封装和模型闭源等机制可以实现区分受益，更是因为开源生态为私人供给这种公共物品的动力和质量提供了特殊支持。开源生态对深度学习的成功发挥了非常关键的作用，它通过自发合作的机制形成了社会化的公共物品供给渠道。代码托管平台、开源社区Github目前是其中最典型的代表。“星标”和“分叉”两种机制为算法及模型的发展提供了支持：任意用户可以对其他用户上传的算法模型及代码片段添加“星标”，向上传者提供积极回馈，也使更多用户能够看到这些代码，实现了“网络效应”；用户也可以通过“分叉”复制其他用户上传的代码，并加以修改和发展，使算法或模型不断得到优化、完善和衍生，形成“正向搭便车效应”。这两种效应使得算法成为典型的网络公共品，不需要政府的介入即可形成发达的供给机制，无论是开源还是闭源的人工智能算法模型往往都需要大量利用开源社区提供的代码片段及第三方库。不仅如此，在激烈的行业竞争中，部分大企业往往利用开源的方式汇集全球范围内的专业力量支持及形成产业生态，进一步增强上述两种效应，这是算法供给无须国家干预的关键。

总之，数据、算法、算力都有一定的准公共物品属性，但具备此种属性并不必然意味着在所有情况下都需要建立政府供给机制。根据人工智能要素的特点，分别探讨数据、算力和算法的政府供给方式与限度，使政府引导与市场竞争能够形成最优合力，诚为建章立制之有益前提。

（一）政府供给数据的机制

在各种数据资源中，公共数据的公共物品属性较为鲜明，政府直接提供此类数据亦已在全球范围内有相当广泛的实践基础。政府供给公共数据的机制主要包括政务（府）数据开放、公共数据开放及公共数据授权运营。此类数据属于典型的公共物品，本身也主要属于由公共财政支持生成或获取的公共资源，显然应由行政机关依法直接向社会主体提供。对于政务数据以外的其他公共数据，其公共物品属性亦较为突出。部分公共数据为铁路运输企业、银行等有关企业持有，这些企业一般具备较强的公共性，履行公共管理职责的法律依据比较清晰，可以将公共数据从商业数据中分离出来，依托公共数据开放的途径向社会主体提供。

政府本身不生产非公共数据，但也可能实现非公共数据的转化供给：数字时代，政府为履职而购买和使用非公共数据的情形已日益多见，公私合作采集和利用数据的探索亦方兴未艾，政府购买、存储和使用的部分非公共数据（如为执法目的而购买的卫星遥感数据）可以转化为公共数据后再依照合同约定的条件开放或定向供给，充分挖掘数据的复用价值。

此外，政府还可以统筹规划和组织建设服务于人工智能发展的各类数据中心集群或其他形式的数字基础设施。政府供给数字基础设施的正当性基础与供给水、电、气、暖、网等基础设施类似，都是可兼容公私两种供给机制的公共设施，与单纯供给数据资源有显著差异。基于“资源依赖法则”，政府可以在涉及消耗稀缺、拥挤的公共池塘资源（如大规模电力）时促成相关数字基础设施的建设，从而间接促成数据资源供给。

（二）政府供给算力的机制

政府供给普惠性公共算力资源的正当性更多来自资源依赖法则和免费机会法则。根据资源依赖法则，政府可以建设全国一体化算力网等数字基础设施，面向社会提供市政算力。已有地方政府探索“谋划建设城域市政算力网，推动算力纳入市政设施建设，像水电气暖一样入户、入校、入企、入园”，未来可能进一步发展为全国范围内的普遍实践。政府不直接提供算力，而是通过建设算力网，使之面向各类主体提供安全、稳定、高效、低价的算力资源，成为“数字时代人人可见、普适易用的新型市政基础设施”。根据免费机会法则，向小微人工智能企业及潜在研发者提供免费的基础算力可以显著地促进人工智能技术与应用开发的尝试与探索，可以产生符合社会公共利益的结果。尤其是对于呈现出鲜明公共物品属性的基础科学研究而言，科研工作者并不都有机会获得充足的算力资源，如能方便地利用公共算力，就有机会产出丰富和有益的研究成果。因此，政府供给公共算力既应当有普惠性，也应当有层次性和倾向性，可以遵循引导和激励为主、采购和自建为辅的方针，面向社会和市场主体供给普惠性的基础算力，而在算力供给比例上向小微企业、高等院校及科研机构倾斜。

政府供给非普惠性的高性能算力资源，正当性前提主要来源于外部遏制法则。然而，当市场主体难以获取关键计算设备时，政府同样也难以向外部获取此类产品。不仅如此，鉴于高性能计算资源的投入耗费甚巨，如果政府直接建设，不仅对公共财政形成较大压力，而且在建设过程中和计算资源的分配问题上也都面临巨大的寻租风险。因此，更具可行性的供给方式是为有可能生产此种设备的企业和相关核心技术的研究者提供合理激励，促成国产替代和技术升级，帮助市场形成自主供给能力。

（三）政府供给算法的机制

由于市场竞争能够保证算法的持续高速发展与革新，而开源生态能够实现算法的市场和社会供给，政府应当优先考虑发展和保护开源生态而非直接组织实现算法的供给。算法及模型的供给远比数据和算力复杂，涉及非常专业、多元的技术路线和细节，即便其公共属性并未完全因分享潜力效应而被消除，政府也不适宜直接供给算法及模型。对于可以完美实现受益区分、体现价格机制的算法模型，政府只要严格实施反不正当竞争和知识产权保护法制即可保护市场的供给能力。对于不需要或不可能实现完美受益区分的算法及其模型，对开源生态的保护与支持本质上就是间接促成算法要素的供给。

政府有意识地保护、培育和发展人工智能开源生态，控制对开源生态的过度限制及规制负担，对于促成算法资源的供给可起到举足轻重的作用。由于算法层面的开源生态所依托的代码托管平台几乎为美国所垄断，开源项目也经常受制于美国企业，培育和建设开源生态对我国人工智能的发展尤其具有基础性的意义。我国自2017年发布的《促进新一代人工智能产业发展三年行动计划（2018—2020年）》到《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景规划纲要》等政策文件持续表达了对建设开源平台和开源社区的支持，《人工智能示范法2.0（专家建议稿）》《人工智能法（学者建议稿）》等亦积极支持开源生态的建设与发展。对于部分与公共利益目标密切相关的重要算法，政府可以对开源平台或社区中符合公共利益目标的算法或模型提供制度化的激励，进一步引导和促成算法要素的供给。

至此，政府供给人工智能各要素的正当性基础及基本机制均已大致明朗，国家需要在上述原理和机制的基础上系统推进政府供给人工智能要素的法制建设。