数据就是新的石油？不，在数字经济时代，数据可能比石油更重要。然而，大数据杀熟、过度索取权限、滥用人脸识别等乱象正在撕咬着公众的合法权益，影响了人们对数据价值的发掘。在此背景下，隐私计算被寄予厚望。

　　什么是隐私计算

　　隐私计算的本质，其实就是在数据安全流通和计算过程中用到的一系列技术，包括密码学技术、统计学、人工智能、计算机体系结构等等。这一系列技术，在大数据和人工智能领域，扮演着越来越重要的角色。

　　现实生活中的数据可能分布在不同的机构、不同的银行、不同的医院……出于对隐私或者数据安全的担忧，我们不能把不同分布的大数据放在一起来建立和训练人工智能模型，所以就需要隐私计算技术，在不泄露数据隐私的情况下，给数据加上一层“隐形衣”。从而可以用到这个数据的价值，但是看不到数据本身。

　　三个关键技术支撑

　　隐私计算体系共涉及三个关键技术支撑——区块链、联邦学习和安全多方计算。区块链是一个比较好的解决多方互信问题的基础技术，业界普遍认为隐私计算将会深度结合区块链技术。而联邦学习解决数据联合建模问题，安全多方计算解决多方数据融合问题，这两个技术都是隐私计算的基础技术。

　　隐私计算在金融、医疗、智慧城市等领域已展现出普遍的需求场景。但目前鉴于法规完善、技术信任等方面不够充分，还没有看到非常亮眼的、标杆性的应用落地。

　　隐私计算在安全、性能和数据的互联互通等方面仍存在挑战，这些难题在一定程度上制约了隐私计算的推广和应用。

　　安全性挑战影响市场信任。隐私计算产品与其他的数据处理产品不同，其本身承载着保护隐私数据安全的重要功能，技术服务厂商与产品使用者都应谨慎对待隐私计算产品的安全性挑战，而算法协议安全、开发应用安全和安全共识正成为当前隐私计算应用急需解决的问题。

　　性能瓶颈阻碍隐私计算规模化应用。密文计算需要更大的计算和通信负载，导致遇到性能瓶颈，例如这项技术相较传统的人工智能引入了更大量的计算，数据加密后体积膨胀，使其在网络中传输速度下降，因而需要优化；同步性和可用性对隐私计算参与方的资源要求较高等。

　　互联互通壁垒或使数据“孤岛”变“群岛”。由于不同的隐私计算平台是基于各自特定的算法原理和系统设计实现的，且目前闭源的平台很多，平台之间很难完成信息的交互，因此计算平台之间互联互通的壁垒成为了隐私计算面临的新挑战，或使“数据孤岛”变成了“数据群岛”。

　　如何让隐私计算更好保护隐私

　　如何才能促进隐私计算在发展中不断实现自我完善？答案是用好面向产业竞争的市场赛马机制，赛出更可靠更高效的隐私计算技术。在此过程中，关键要用好“有形之手”和“无形之手”，让“良马”产生示范效应，避免“赛马”沦为“选马”或“相马”。从具体的抓手来看：

　　首先，应促进新技术交叉融合。一方面，以人工智能需求作牵引，丰富隐私计算落地应用场景，加快推动技术进步和成熟，最大化地释放数据价值。另一方面，综合运用隐私计算与AI、区块链、云计算等技术，来解决数据流通之前和之后在权属、应用等方面的问题，以此找到产业应用的最佳路径。

　　其次，应加快建立健全隐私计算的技术标准，塑造行业共识，遏制“脏数据”“毒数据”污染的风险。如今，隐私计算基数正在从实验室走向产业应用。市场中，诸多技术厂商涌现，技术水平参差不齐。只有把技术标准完善起来，不同厂商的产品才能互联互通，真正破解“数据孤岛”问题。

　　最后，应想方设法破除平台壁垒。防止平台消极应对隐私保护、数据合规等监管要求，造成新的“数据群岛”，阻碍隐私计算产品的迭代升级。