CCAI 2021专题论坛人工智能产业论坛：隐私计算让数据要素在阳光下使用

10月13日，中国人工智能学会主办的“2021中国人工智能大会（CCAI 2021）”在成都盛大开幕。本届大会特别开设“人工智能产业论坛：数据要素与隐私计算”专题论坛，由隐私计算全栈技术服务商星云Clustar承办，香港科技大学智能网络系统实验室主任、副教授、星云Clustar创始人陈凯，清华大学国强教授聂再清担任论坛主席。

目前，新一代人工智能技术发展迅速，并渗透应用到社会各个领域之中，而数据作为人工智能的核心要素，价值不断攀升，数据安全和隐私保护显得尤为重要，保障信息安全，实现全面数据开放、共享，释放数据价值成为驱动人工智能向产业加速赋能的必要条件。

本届论坛以“数据要素与隐私计算”为主题，来自全球科研机构、企业与金融机构的二十余位专家、代表围绕数据要素、隐私计算、数字金融、人工智能产业应用与实践等热点议题深入讨论与分享，探索安全、可靠、可控的人工智能产业落地路径，推进数据产业健康、合规的高质量发展。

数字经济时代 隐私计算让数据要素在阳光下使用

论坛上半场，“数据要素与隐私计算”为主题的演讲环节，图灵奖获得者、中国科学院外籍院士Joseph Sifakis，CAAI名誉副理事长、加拿大工程院院士、加拿大皇家科学院院士、香港科技大学讲习教授杨强，恒生电子研究院院长、原上海交易所总工程师白硕等业界专家分别从人工智能自主性、数据智能革命的角度探讨了人工智能与数据产业现状、挑战及前瞻趋势。

“数据要素分为可用数据和不可用数据，不可用数据的边界由《数据安全法》《个人信息保护法》界定，而可用不可见的数据受法律、商业权益、个人隐私多重因素制约。”CAAI名誉副理事长、加拿大工程院院士、加拿大皇家科学院院士杨强教授分享数据要素、联邦学习的技术背景与研究展望时表示，联邦学习具备数据不出库、性能效率大幅改善的技术优势，以赋能金融行业数字化转型为例，大多数金融机构往往受限于隐私保护、安全、合规的要求，不能轻易进行多方数据流通，通过联邦学习技术实现联合建模、扩充模型空间，可以构建更加精准化、智能化的金融服务体系。

当前，数据成为生产要素，数据的关键是共享，共享的关键则在于形成合理合规的数据共享机制。在保障数据安全及个人信息安全的前提下充分释放数据价值，找到科技创新、数据应用与社会伦理的平衡点，拓宽人工智能产业赋能边界，进而推动我国数字经济产业的长远发展。

“数字经济是新时代高质量增长的新时空，需提前布局开拓。”国务院发展研究中心金融研究所副所长陈道富表示，数字经济不宜过多受工业经济的局限，仅仅将现有经济时空中的认知映射到数字空间，而是需要“在现场”，保持开放心态，在逐步认知和迭代中推动数字经济的良性发展和合理规范，在合理保护用户隐私下发展数据产业，共享并充分挖掘数据价值。

在此背景之下，隐私计算让数据在阳光下面临哪些机遇与挑战？香港科技大学智能网络系统实验室主任、副教授、星云Clustar创始人陈凯认为，隐私计算技术可以帮助人工智能为代表的应用领域，合理引入更多受隐私、安全因素限制的数据，促进人工智能模型向精准化、效率化发展；推动不同机构的数据融合，催生出新的应用场景，让过去的不可能成为可能。同时，新兴技术的发展也面临场景探索、市场教育普及等多重挑战，就隐私计算而言，数据安全、信息安全相关法律法规也会带来一些方向上的影响。

同时，清华大学交叉信息研究院副教授，清华大学金融科技研究院副院长、区块链研究中心主任，华控清交创始人徐葳表示，隐私计算的目标是可用不可见，即保护数据本身的保密性，某种程度上，也使得计算内容、计算方式包括结论所有方变得更加透明化，将更容易被监管。在满足个人信息保护要求、让AI大数据行业健康可持续发展的双重条件下，找到平衡点，进而合理优化监管制度，是我们在技术层面希望可以作出的贡献。

百度安全产品部总经理韩祖利就隐私计算在AI数据生态的探索与实践分享到，AI大数据时代，原生互联网公司积累了大量数字技术，并且正在用于助力千行百业进行数字化转型。数据要素在其中主要有两方面作用，一个是创造，帮助传统企业构建新的模式，进而衍生出新的业态；另一方面，数据要素也在放大其它的生产要素，驱动人力、资本、土地发挥更大的价值。

数据要素对人工智能技术健康发展起着至关重要的作用，为推动城市智能化升级和经济可持续发展提供创新实践的源动力。演讲环节最后，成都大数据集团总经理顾勤，第四范式副总裁、主任科学家涂威威通过案例分享、技术研讨及理论分析，对隐私计算在数智产业生态应用成果及未来趋势进行探讨。

算力+场景应用 人工智能产业后续发展新势能

北京大学计算机科学技术系助理教授、博导王乐业主持了上半场主题为“人工智能产业基础设施发展建设的要素”的圆桌论坛，与来自科研机构、科技企业的精英代表围绕人工智能产业基础设施建设的重要性与核心着力点进行延展思辨。

算法、数据、算力，是推动人工智能复兴的三驾马车，算力提升正成为后续人工智能行业后续发展的核心推动力。对此，Intel AI首席工程师夏磊表示，AI的训练需要高密度、集中化、大规模的算力支撑，算力的需求也越来越多样化，除了速度快，还需要低功耗、低成本，包括在隐私计算的应用下，如何尽可能不受损、少受损地提供支持等等。算力将越来越多受应用需求的推动，产出更多样化的计算方案以满足产业发展对算力的要求。

成都超算中心AI技术总监柴华补充提到，算力带来了很大的技术变革，同时，成都超算中心也在反向推动算力在产业应用场景的技术发展。从产业推动的角度反向推动算力的基础创新与发展。

当前，全国已有成都、武汉、西安等多个城市先后落地人工智能计算中心，希望获得高性能、低成本的AI算力，以满足数字经济发展需求。未来，通过构建多方互助的创新联合体，实现产业应用与技术的深化协同，是真正驱动人工智能落地于产业之中的可行路径。

科大讯飞西南研究院院长杨芳勋认为，数据所有者是有意愿把数据贡献出来，进一步流通产生价值的，但要建立在技术、策略、管理支撑下的合法、合规前提之下。

就人工智能企业未来如何提供更具普惠性和更低成本的技术服务，杨芳勋院长还表示，以科大讯飞为例，找到一个可以规模化应用的场景，做出一款小而美的产品，通过规模化运作获得资金回流后，再不断地迭代、升级形成商业闭环，这样的商业逻辑是得到验证的。

“好的模型离不开高质量的数据。”星云Clustar CTO张骏雪分享到，人工智能早期在视觉、语言处理这样容易获取高质量数据的行业落地较快，而在金融、制造、医疗领域的应用会因高质量数据获取难度大受到一些阻碍，而隐私计算正是解决这一问题的核心技术。隐私计算技术的应用会带来巨大的算力压力，应对这一问题，星云Clustar通过自研GPU、FPGA的算力加速方案，给整个模幂计算做了硬件优化加速，从而加快数据在隐私的状态下去流通。所以，算力的发展也将驱动隐私计算更好地在各行各业落地，二者是互相造就的关系。