本次论坛于2021年12月18日下午1点30分，在CNCC2021大会上准时线上召开，论坛邀请了来自中国科学院、浙江大学、腾讯、OPPO、数牍科技的五位学界、业界知名专家，共同探讨和交流“隐私计距离大规模商业化落地还有多远？”，期间分享包括：隐私计算走向Graceful AI的美丽新世界；隐私计算落地的实践与挑战；用系统性思维破解隐私计算发展难题，进而启发和加深了听众对隐私计算在发展历程、技术革新、产品应用，以及向商业化过渡的思考。同时，论坛还设有思辨环节，嘉宾就五个议题进行了观点分享与思辨交流，整个过程碰撞激烈，精彩纷呈！本次线上论坛覆盖、影响人数达百余人，内容富有深度，观点极具启发性，整体取得圆满成功！

论坛背景

数据是推动各行业降本增效的核心生产要素。随着公众对数据隐私保护的意识不断提高，以及法律法规、市场监管针对隐私保护的力度逐步加大，数据流通与应用中的隐私性、安全性备受关注，而隐私计算作为保护数据隐私安全的关键技术，当前正迎来爆发态势，可触达千亿级的市场规模。近年来，隐私计算技术在金融、医疗、政务等多个场景开始落地，正逐渐形成跨机构、跨企业、跨行业的交叉应用。然而，隐私计算技术真的可以实现大规模商业化落地吗？

带着这一疑问，由中国计算机学会（CCF）青年计算机科技论坛（Young Computer Scientists & Engineers Forum，YOCSEF）深圳主办、中国计算机大会（CNCC2021）承办，召开了主题为“隐私计算距离大规模商业化落地还有多远？”的观点论坛，通过线上直播的方式，与产研界专家共同探讨了隐私计算在大规模商业化落地中的痛点、难点，挖掘出隐私计算在落地过程中受限的根本原因，并寻找出行之有效的解决方法，给出了隐私计算距离大规模商业化落地还有多远的最适答案。

嘉宾介绍

本次论坛由平安科技（深圳）有限公司李泽远担任执行主席，由OPPO广东移动通信有限公司龙雨担任共同执行主席。同时，本次论坛邀请到了五位嘉宾，分别是：

Ÿ   吴焦苏，中国科学院人工智能联盟标准组成员、燕托计算机有限公司首席科学家

Ÿ   齐越，OPPO公司数据智能研究部部长、技术总监

Ÿ   张迎春，数犊科技的副总裁、数字化转型领域资深专家

Ÿ   吴俊彦，腾讯云大数据产品中心数据应用负责人

Ÿ   郑小林，浙江大学计算机学院教授、人工智能研究所副所长、杭州金智塔科技首席科学家

嘉宾分享，干货满满

本次论坛的第一部分：嘉宾引导发言。

① 吴焦苏介绍了Graceful AI理论，通过“隐私计算——走向Graceful AI的美丽新世界”的分享指引，阐释了人工智能技术的诞生与发展历程，深入剖析了基础理论研究及未来发展方向。他以点及面，将隐私计算定义为指针，探寻了其在未来技术发展、商业化演变中的可能性。

② 齐越基于企业实践，在用户敏感数据保护方面，针对行业中普遍遇到的一些数据跨域、安全合规问题（如：数据滥用、隐私泄露、监管漏洞等），分享了如何利用隐私计算技术实现研发提效和信息安全相平衡，希望引发业界共鸣。最后，他提出隐私计算仍处于萌芽阶段，并预见其将实现爆炸式增长，甚至有望从零发展到数据共享的基础设施。

③ 张迎春提到隐私计算与数据要素体系化建设息息相关，同时强调要将隐私计算融入到更大的安全体系中才有可能爆发大规模商业化的增长点。其中，他列举和分析了数据协同生态、能力底座及典型场景，希望通过系统性思维破解隐私计算发展难题，并以助力保险企业数字化运营这一商业化场景为例，说明了隐私计算在真实场景中的商业化增长空间。

本次论坛的第二部分：嘉宾观点思辨。

这一环节，除上述三位引导嘉宾参与外，论坛还邀请到了腾讯云大数据产品中心数据应用负责人吴俊彦，以及浙江大学计算机学院教授、人工智能研究所副所长、杭州金智塔科技首席科学家郑小林，由五位专家共同围绕以下五个议题进行了观点讨论，求同存异，思辨激烈。下面是对各位嘉宾精彩观点的内容提炼。

议题一：从技术成熟度来看，现在隐私技术是否可以支撑商业化落地？

随着联邦学习、多方安全计算、可信执行环境、差分隐私、密码学等底层技术的迅速发展，使得隐私计算这一综合性技术日趋成熟，技术本身似乎已做好了商业化准备。不过，在企业实际应用中，还广泛存在性能差、高时延、准确率低、能耗高等众多问题难以有效解决，或许在某些垂直场景隐私计算可以提供一定支持，但距离但大规模商业应用还有很长的路要走，无论是商业化层面的产品模式，还是学术层面的技术理论都还有待进一步创新和精进。

议题二：隐私计算产品以哪种标准化形态搭建和输出，对商业化落地是最有效的？

 总体来看，通过技术集成提供PAAS或SAAS层的整体解决方案更有利于商业落地。在行业数据流通与交易中，需要做好平台化和开源化，通过行业联盟的形式形成互信互利的生态链。另外，仍需要思考如何为C端用户提供定制化产品，这也是隐私计算商业化输出、落地的机会。

议题三：如何解决用户对于隐私计算的安全性存疑和产品价值性迟疑而产生隐私计算落地慢的问题？

 不可否认，这是目前隐私计算商业化过程中真是存在的情况。解决思路可以是多维度的：比如引入开源的评测和认证；深入具体场景进行讨论和辩证；又如在数据上做文章，做好数据信托收获服务；数据要素交易所；数据资产化等。重新审视用户认知的问题，同时也要耐得住性子观察市场规律，通过商业模式的逐步成功可以反向提升用户对隐私计算的接受程度。

议题四：哪个场景或领域是隐私计算最有可能首先大规模落地的？其将会是以何种的形式开展？

 总结为如下场景：Ÿ   金融场景：数据风控；Ÿ   政府数字化转型：数据资源管理；Ÿ   农业可信协作：数据协同；Ÿ   IoT领域：数字孪生、新能源车辆网；Ÿ   互联网广告监管。

议题五：隐私计算技术距离大规模商业化落地还有多远？

 技术发展一般会经过5个阶段：定制化-产品化-场景化-平台化-生态化。隐私计算自2019年开始兴起，至今3年时间已发展到第三个阶段。如此看来，按照每个阶段需要1年时间发展来计算，综合考虑不同场景、政策支持、算力规模、业务需求等因素，预计会在未来3年左右迎来隐私计算商业应用的大爆发。各位嘉宾针对这一时间也达成一致和共识。

总结

整场论坛持续了5个多小时，各位嘉宾、主持人通过分享、讨论和思辨，贡献了一场精彩的观点论坛。回首近些年隐私计算商业化的发展历程，从2019年的技术普及和市场教育，到2020年尝试进行隐私计算概念验证和试点部署，再到2021年隐私计算进入到真正尝试规模化应用的阶段，我们相信，隐私计算距离大规模商业化距离，真的可能只需要3年左右的时间。我们可以看到，隐私计算应用是未来的趋势，更是这个数字化时代的必然需求，我们对这个行业充满信心，也相信此领域在业界共同的关注和推进下，将源源不断地给整个国家、社会的数据要素市场发展创造价值，助力其蓬勃发展！