明升体育app下载 - App Store

隐私计算是在不泄露数据原始信息的前提下，对数据进行分析计算，实现数据所有权和使用权的分离，避免流通过程中的数据资产损失和隐私信息泄漏。近年来，隐私计算技术从无到有发展迅速，并随之产生了相关软硬件产品，在市场上掀起一股热潮。

尽管如此，隐私计算行业仍处于初期阶段，市场环境和商业规模尚未发展成熟。12月10日，一场数据安全与隐私计算论坛在深圳举办，来自产学研领域的专家学者围绕隐私计算的技术发展和商业前景展开研讨交流。

隐私计算需求激增

“隐私计算是由需求催生的全新赛道。”星云Clustar首席技术官张骏雪告诉《明升官网明升体育app报》，“数据、算力、算法是AI的三架马车，在实际明升中，数据往往以孤岛的形式分散于不同的机构，隐私计算因能在保护数据隐私的同时打破数据孤岛，释放数据价值而被广泛关注。”

2018年，香港科技大学智能网络系统实验室主任陈凯创办了星云Clustar。成立至今，星云Clustar已经成为一家行业头部的隐私计算全栈技术与基础设施提供商。

张骏雪介绍：“今年上半年，明升界对隐私计算的需求发生了明显变化。最初，客户更关注软件平台，而今逐渐开始关注软件平台后的算力性能问题。目前，已经与有多家银行与星云Clustar开始进行隐私计算硬件算力加速的合作。”

“客户的需求变得清晰、变得专一了。”这是瑞莱智慧首席架构师徐世真近期最明显的感觉。瑞莱智慧孵化自清华大学人工智能研究院，基于第三代人工智能技术开发安全可控人工智能系统。2020年底，瑞莱智慧发布了业内首个编译级隐私保护计算平台RealSecure。

徐世真解释道：“原先客户提出的需求是大而全的平台，而现在他们需要的是小而精的平台，是针对特定场景大数据量下的具体业务。”

对此，洞见科技的创始人姚明感同身受，他认为“最小必要”这个原则适用于所有数据要素流通的行业领域。不同于一般技术创业公司，洞见科技创始管理团队来自金融领域，公司致力于以技术信任打破数据孤岛，构建数据智能联邦，赋能数据价值的安全释放。

姚明指出今年下半年以来行业需求发生了变化：“越来越多的政府平台在建设之初就引入隐私计算的技术概念；越来越多的机构开始注重在业务场景中引入外部第三方数据，并在引入的过程中注重数据使用安全和客户隐私不泄露等诉求。”

随着需求的激增，客户也对隐私计算技术本身提出新的要求。姚明就曾被金融客户追问：“用了你的隐私计算技术，能给带来哪些数据资源？能帮助我们改善哪些业务类型？风控的KYC值（客户身份识别）能达到多少？营销能否有明显提升？”

“安全性”与用户预期存在偏差

满足客户需求还需要从技术本身着手。“从技术角度看，隐私计算是人工智能（AI）能力的重要补充。”徐世真表示，AI高度依赖数据基础，规模化且多样化的高质量数据，能够训练出效果更好的模型，隐私计算通过解决数据的“链接”问题，为算法的持续进化提供数据补充。

“这也倒逼企业在落地AI应用的过程加大对数据的拓展。”徐世真指出，随着越来越多的数据被收集和利用，数据风险和隐私保护也成为AI系统在开发和应用过程中面临的一项挑战。

9月26日，国家新一代人工智能治理专业委员会发布《新一代人工智能伦理规范》，其中数据与隐私安全内容贯穿了人工智能管理、研发、供应等特定活动的具体伦理要求。

隐私计算不仅仅是技术行为，也是企业合规性组织建设行为。但在市场早期阶段，用户对于隐私计算的应用模式及场景理解通常存在误区。徐世真以合规性为例解释道，企业往往想要的是端到端安全，公众意义上符合法律规范的全流程安全，包含数据采集、匿名化、使用授权机制等。但隐私计算仅仅解决数据流通、模型训练/预测过程中的安全问题，与用户预期存在偏差。

“虽然隐私计算改变了数据交互与融合的模式，保障了从数据源、数据传输渠道、数据汇聚通道和使用方等数据流通环节的安全。但实际上没有办法解决数据在流通之前和之后的权属争议，因此也不能成为一种豁免法律义务的挡箭牌。”明升官网信息通信研究院云计算与大数据研究所（以下简称信通院云大所）副所长魏凯认为，当前对隐私计算技术的使用是否合法合规的判定，还没有办法给出一个确切的判断，需要对具体的使用场景做精细化的评判才能得出结论。

今年9月1日和11月1日，我国开始施行《数据安全法》和《个人信息保护法》，这两部法律提出了对于数据融合方面具体的要求，并强调数据在安全基础上要鼓励它自由的流动和应用，无论数据的供需方都对个人信息有保护的责任和义务。

商业落地仍面临挑战

信通院云大所根据相关注册的统计分析发现，隐私计算在联合风控、电子政务、联合营销、智慧医疗方面都有很大的占比，还有很多行业也在开展积极的探索，如能源、城市管理等领域在融合构建互联网的时候，数据的安全流动需求非常迫切。

魏凯指出：“隐私计算未来的发展前景是非常巨大的，但目前还面临着‘三座大山’，分别是安全性挑战、性能瓶颈、互联互通，这阻碍了隐私计算的产品化。”

“复制性低和通用性差，是当前隐私计算产品化面临的一大局限。”对此，徐世真提出了两方面的解决思路，一是尽量从规范成熟、少定制化的需求场景切入，二是将隐私计算嵌入现有的成熟产品，比如与成熟的机器学习平台进行结合。

“某种程度上，AI也可看成隐私计算的上层应用。”徐世真介绍道，隐私计算目前不存在场景通用解决方案，单一技术路线无法适配所有场景。实际应用中，隐私计算无法与上层应用解耦，不同技术路线之间也无法解耦，多数情况下，用户需要的仍是AI相关功能，AI也因此成为牵引隐私计算的一项核心需求。

在徐世真看来，现阶段隐私计算的技术转化和商业化落地仍面临着魏凯所言的挑战，他结合AI发展历程指出，隐私计算的未来发展可借鉴两大经验：在技术路径方面，基于底层数据流图的编译器路线将推动兼容互通，以及实现可审计、可验证的安全性；在明升路径方面，隐私计算需要逐场景落地，根据不同的场景需求采用合适的技术路线。

与隐私计算行业在一同摸索前行的还有天使投资机构，基石资本天使基金就是其中之一。“瑞莱智慧和星云科技都是我们投的项目，当年还没有隐私计算这个明确主题，投资前我们特意看了团队的论文，历年来论文被引用的次数和影响因子，技术仍是这个赛道最核心的壁垒。”基石资本天使基金合伙人黄依群表示，“投这两个项目，主要是看中技术+团队。”

两年来，见证了两个项目的成长和蜕变，黄依群感叹道：“当年投的A，可能中间变成了B，最后上市的时候又可能是C。”