瑞莱智慧徐世真AI驱动隐私计算实现数据价值闭环

随着国家数据战略的持续推进，数据已逐渐成为驱动社会经济发展的核心生产要素。与此同时，《数据安全法》《个人信息保护法》等法规加快实施，如何兼顾数据利用效率与安全合规，已成为数据资源建设必须面对的关键议题。在数据融合应用与隐私保护的双重需求推动下，隐私计算技术迅速成为行业热点。

隐私计算开创了一种全新的数据协作范式：在确保原始信息不外泄的基础上，对数据进行计算分析，实现数据所有权与使用权的分离，从而有效规避数据流通中的资产损失和隐私泄露风险。与早期明文传输的数据流通1.0阶段相比，隐私计算已迈入数据流通的3.0时代。

尽管行业热度持续走高，隐私计算仍处于早期探索阶段，市场环境和商业规模尚远未成熟。隐私计算的商业化路径究竟如何？在雷锋网主办的数据安全与隐私计算论坛上，瑞莱智慧RealAI首席架构师徐世真从人工智能发展的视角，提出了具有参考价值的趋势洞察。

图：瑞莱智慧RealAI首席架构师徐世真

一、隐私计算作为AI能力的关键补充与延伸

隐私计算与人工智能通常深度融合。从技术层面看，隐私计算实际上是AI能力不可或缺的补充。人工智能高度依赖数据基础——只有规模化、多样化的高质量数据才能训练出更强大的模型。隐私计算通过解决数据“连接”的难题，为算法的持续迭代提供源源不断的数据供给。

反过来，这也促使企业在实施AI应用时，必须进一步扩大数据收集与利用的规模。然而，随着数据的大量聚集与使用，数据风险与隐私保护问题成为AI系统开发及落地过程中必须攻克的难关。2021年9月，国家新一代人工智能治理专业委员会发布了《新一代人工智能伦理规范》，其中关于数据与隐私安全的要求贯穿了人工智能管理、研发、供应等全链条活动。

从产品化层面看，复制性不足、通用性有限是当前隐私计算产品落地的核心瓶颈。针对这一问题，徐世真提出了两条解决路径：一是优先选择规范成熟、定制化需求较少的场景进行切入；二是将隐私计算集成到现有成熟产品中，例如隐私保护数据库或隐私保护大数据分析引擎。后一种思路下，隐私计算与AI技术能力的融合，可以被视为AI中台的2.0版本——即在原有机器学习平台中直接引入隐私计算功能模块。

“这也是用户理想中的隐私计算产品形态：对外依然保持AI建模能力输出，用户几乎无需感知隐私保护过程，在沿用原有机器学习建模技术的同时，底层已通过密码学与多方安全计算（MPC）技术实现了隐私保护。”徐世真解释道。

从某种角度讲，AI也可以被视为隐私计算的上层应用。徐世真指出，当前隐私计算并不存在通用的场景解决方案，单一技术路线难以适配所有场景。在实际应用中，隐私计算无法与上层应用解耦，不同技术路线之间也难以解耦。多数场景下，用户真正需要的仍然是AI相关功能，因此AI成为驱动隐私计算发展的核心需求。

二、AI模式为隐私计算发展提供两大路径参考

徐世真指出，当前隐私计算的商业化落地仍面临四大核心挑战。

第一，生态壁垒。当前各厂商的隐私计算技术彼此不兼容，也无法实现互联互通。原本旨在解决数据孤岛问题，却反而催生了新的技术孤岛，这意味着上层需要投入大量的集成工作。

第二，计算性能瓶颈。密码学操作的引入、分布式通信开销，加之同态加密技术，导致计算性能显著下降，难以支撑大规模数据训练任务。

第三，安全性隐患。出于知识产权保护考虑，各厂商通常不愿公开底层协议，从而带来了协议不透明、难以审计等问题。

第四，可用性不足。当前的隐私计算技术服务商普遍缺乏数据生态和数据连接能力，无法提供开箱即用的数据与解决方案，导致用户的应用成本和难度居高不下。

徐世真进一步表示，结合人工智能的发展历程，隐私计算的未来发展可借鉴两大经验。首先在技术路径方面，基于底层数据流图的编译器路线将推动技术的兼容互通；当前性能优化可通过优化底层密码库实现，未来仍需借助新型硬件；提升安全性则需要同时防范密码协议层与应用层的恶意攻击。

其次在产业路径方面，隐私计算需要分场景落地，根据各场景的具体需求选择最优技术路线。例如，多方安全计算（MPC）效率高、安全性可证明，但通信开销大、仅支持简单计算逻辑；联邦学习支持复杂机器学习模型，但主要用于建模场景；可信执行环境（TEE）路线具有较好的性能和算法生态，但依赖于硬件厂商的硬件可信度，以及用户对数据集中式处理的接受程度。

立足于人工智能视角，瑞莱智慧推出了行业首个编译级隐私保护计算平台RealSecure。该平台底层采用编译器架构与全同态加密技术作为核心突破，实现了与传统算法的自动编译与一键适配，性能领先行业平均水平数十倍。同时，基于底层数据流图，构建了事前、事中、事后全周期的安全评估体系，达到可追溯、可验证的高安全级别。

面向实际场景需求，瑞莱智慧打造了“平台+数据+服务+场景”一体化的隐私计算解决方案，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走向业务落地的完整闭环，实现对金融、政务等不同业务场景的快速赋能。

三、隐私计算是企业合规建设的关键一环

隐私计算不仅仅是技术手段，更是企业合规体系构建的重要环节。但在市场初期，用户对隐私计算的应用模式与场景理解常存在偏差。例如在合规性方面，企业真正需要的是端到端安全——即符合法律法规的全流程安全保障，涵盖数据采集、匿名化处理、使用授权机制等。然而隐私计算仅解决了数据流通、模型训练与预测过程中的安全问题，这与用户的实际期望之间存在明显差距。

徐世强强调，隐私计算仅是企业在合规建设中的一环，必须在法律法规的框架内运行。目前瑞莱智慧已与中伦律师事务所达成战略合作，双方发挥各自资源优势，在数字经济时代针对人工智能、数据交换等新场景，结合监管机构的强监管要求，共同构建合规法律与技术体系，为企业提供咨询服务和体系建设支持。

另一方面，徐世真指出，尽管政策监管陆续出台，但要让企业单纯为“成本项”的安全投入买单并不容易。从本质上看，隐私计算解决了数据能否“拿得出来”的问题，却没有解决企业是否愿意共享数据的意愿问题。

这里的关键在于构建数据价值的闭环：充分释放数据价值，让各数据参与方从中受益，将“成本项”转化为“营收项”，用户才会产生持续参与的意愿，愿意开放数据的特定使用权以参与后续流通，从而推动形成可持续的数据流通机制。这一过程通常需要企业内部优势业务部门的协同与验证。

徐世真表示，人工智能技术能有效解决数据流通中的意愿问题。AI具备强大的数据处理与分析能力，是实现数据价值的关键技术；而隐私计算则破解了数据安全流通的难题。通过“人工智能+隐私计算”的深度融合，一方面实现跨行业、跨领域的数据安全融合，另一方面完成数据价值的深度挖掘与释放。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：瑞莱智慧徐世真AI驱动隐私计算实现数据价值闭环要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题