隐私|资本涌入、大厂下场、企业内卷 “隐私计算”风口背后追逐的是什么？

最后，潘碧莹表明，目前中国电信已经在营销领域开展实践，合作伙伴可以通过中国电信诸葛AI平台，结合中国电信海量数据，在不交换原始数据和标签的前提下，进行更精确的定位营销。未来还会在更多的领域进行实践探索。
六、徐世真：隐私计算与AI互为补充，助力AI新基建
瑞莱智慧RealAI首席架构师徐世真博士发表了《隐私计算助力AI新基建》的主题演讲。他表示：“AI和隐私计算息息相关，隐私计算是AI能力的重要补充，AI是隐私计算
的核心需求。从场景角度来看，隐私计算通常和AI紧密相关，AI可以看成隐私计算的上层应用与核心技术。”

文章插图

随着人工智能被纳入新基建的范畴，瑞莱智慧提出，要做一个安全AI的基础设施，其中包括数据安全、算法可靠、应用可控。
徐世真指出，目前隐私计算计算还面临着四大问题，第一，生态壁垒。第二，计算性能。第三，安全性。第四，可用性。
他表示；“AI发展趋势与隐私计算技术发展趋势有着极大的相似性，或许可以从AI的发展趋势中映射隐私计算的发展。比如采用数据流图层面的编译兼容路线，是AI提出的解决机器学习框架之间互联互通问题的方案，这对解决隐私计算的互联互通提供了有力借鉴。”同时在性能优化、算法升级以及AI自身安全性等方面，隐私计算与AI发展也有共通之处。
同时隐私计算要赋能产业，要结合具体场景和产业需求。徐世真认为，隐私计算的产业路径需要逐场景落地，并根据不同的场景选择不同的技术路线。
徐世真也强调，隐私计算虽然解决了数据流通安全性的问题，分离了数据所有权和使用权，能够避免流通过程中的资产损失，但没办法解决端到端的安全问题，很多企业更希望获得的是端到端安全保证，比如数据存储、数据采集以及流通前后的数据权属等怎么做。
目前来看，数据交易的意愿和市场还不成熟。很多企业把隐私计算当成安全合规的成本项建设。徐世真认为：“只有深度结合AI，使业务方从隐私计算中获益，才能把隐私计算从成本项变成营收项，保证企业有可持续的意愿度，保证数据价值闭环操作。”
他也指出，隐私计算的产品化，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，比如在原有机器学习平台中添加隐私计算功能模块。“这是用户理想的产品形式，对外依旧输出AI建模能力，用户操作层面几乎无感，在使用原有机器学习建模技术的同时，底层已经通过密码学、MPC技术实现了隐私保护功能。”徐世真表示。
最后，徐世真还介绍了瑞莱智慧开发的首个编译级隐私保护计算平台RealSecure，底层以编译器架构与全同态加密技术为核心突破，实现与传统算法的自动编译和一键适配，性能领先业内平均水平数十倍。同时瑞莱智慧也打造了“平台+数据+服务+场景”的一体化解决方案，通过引入运营商、支付等数十种外部数据源，推动隐私计算从功能论证阶段迈向业务落地闭环，实现对金融、政务等不同业务场景的快速赋能。
七、李晓林：知识联邦“新物种”，打造基于隐私计算的共享智能平台
同盾科技合伙人兼人工智能研究院院长，中科院医学所首席教授李晓林，进行了《知识联邦：打造基于隐私计算的共享智能平台》的主题演讲。

文章插图

李晓林表示：“数据作为生产要素，和其他生产要素有非常大的区别，数据容易失控，保护更难，而且数据的复制几乎是零成本。同时因为这些困难和挑战，导致数据共享的程度比较低，数据生命力在各个孤岛上面，数据的价值没有充分发挥。”

隐私|资本涌入、大厂下场、企业内卷 “隐私计算”风口背后追逐的是什么？｜GAIR 2021( 五 )