人工智能|2021人工智能产业论坛举办，这里有些值得关注的“数据要素与隐私计算”专家观点马斯克|骑行者|自动驾驶|fsd|社

36氪获悉，由中国人工智能学会、星云Clustar联合举办的2021年中国人工智能大会（CCAI 2021）人工智能产业论坛已于近日在成都举行。在会议中，不少专家以“数据要素与隐私计算”为主题，主要探讨如何通过技术手段让数据合规运行。
本次会议的参与方包括图灵奖获得者，科学院和工程院院士，大学教授和企业的创始人和科学家。各个参与者从技术、产学研结合、隐私计算初创公司发展以及隐私计算客户方体感出发，讨论相关议题。
今年，《数据安全法》和《个人信息保护法》相继落地，让各行各业进一步意识到合规使用数据的必要性。尤其，人工智能以大数据的能力为基础，在此时点上讨论如何"让数据在阳光下使用"的话题也较为适时，36氪也整理了一些会议嘉宾的观点，以供读者了解和参考：
恒生电子研究院院长、原上海交易所总工程师白硕：
“跑马圈数据”时代的两大痛点，是合作难和链条长。解决方案是加宽加高底座，打造一个开放的生态。数据智能革命会从数字化的中台开始，数据是基础，中台是关键场景的规划，隐私计算是当中较为突出的技术之一。
数据容易被复制、泄露、扩散，这种特性对市场非常不利，以至于有些人认为数据的经营和交易有可能是一个伪命题。数据的构成也相比之前变化颇大。例如资本市场，从资讯商提供主流数据行情、上市公司标准化解决数据等，进入到非标数据分析的时代，大量的另类数据、非结构化数据出现。
数据生态起了根本性变化，为此有四种选择诞生：过去互联网平台的发展模式；政府数据所谓的数据服务模式；万德、同花顺这类私有终端的传统模式，单一厂家掌控所有的数据来源；数据联盟。
传统打法可能不再是主流，私有终端也未必能应对另类数据的庞大体量，联邦化的技术发展正值窗口机遇期。
CAAI名誉副理事长、加拿大皇家科学院院士、加拿大工程院院士、香港科技大学讲席教授杨强：
就像人工智能经历了60年的发展，隐私计算经历了40年的发展。
第一阶段是上世纪七八十年代提出的安全多方计算；第二阶段针对效率的问题，业界提出差分隐私的概念，引入噪音；第三阶段硬件厂商提出一种新的方案，使得数据可以进入一个安全域加以计算；第四阶段就是我们今天讲的联邦学习。
应用方面，首先在金融的交叉营销、反洗钱，可以通过联邦学习把他们的数据联合建筑，把模型的特征空间加以扩充，完成联合建模；以及医疗诊断、物联网、无人车网络等。
总体来说，联邦学习是多学科的交叉，包括安全合规，如何防御攻击和提升教育，如何广泛的来进行技术应用，还有如何建立这种联邦机制联盟的机制，以鼓励大家持续的为经济体为生态贡献。
【人工智能|2021人工智能产业论坛举办，这里有些值得关注的“数据要素与隐私计算”专家观点】而隐私计算的商业模式也逐渐形成，例如平台建设方靠硬件产品部署和提供利用项目建设的方式收费；咨询服务商帮助大平台进行数据价值解读，利用数据运营等。
香港科技大学智能网络系统实验室主任、副教授，香港人工智能与机器人学会副理事长，星云Clustar创始人陈凯：
隐私计算行业可以说是一个风口。新的风口出现的时候，必然会机会和挑战并存。
从机会的角度来说，新的技术让一些之前没有或者不敢尝试的一些应用，变成一种可能。
不过另一方面从历史上看，很多新技术在实际应用中面临挑战的首先是产品。在其他方面，市场教育的推广，以及法规的制定和完善也影响我们技术的发展方向。