隐私|隐私计算技术：让数据开放与数据安全二者可兼得( 二 ) 要素|计算技术|人工智能|交易

安全与效率的平衡，是数据要素产业发展的一大难题。陈凯认为，无论是多方安全计算、联邦学习、同态加密，还是秘密共享等隐私计算技术，在实际应用场景中都对算力提出了巨大的需求与挑战。倘若算力性能无法提升，那么隐私计算将难以处理越来越多的海量数据，也就无法实现自身的规模化发展。
值得期待的是，目前算力的提升得到了社会各层面的普遍重视。在国家层面，京津冀、长三角、粤港澳大湾区、成渝、内蒙古、贵州、甘肃、宁夏等8地已启动建设国家算力枢纽节点，标志着“东数西算”工程已进入到规划建设阶段。隐私计算消除了数据壁垒，为数据要素市场化、全国数据资源流通“一盘棋”提供了有效技术支持，因而也将成为“东数西算”工程实施“软”建设的关注重点。
【隐私|隐私计算技术：让数据开放与数据安全二者可兼得】在企业层面，构建一个良好的发展生态，是隐私计算发展与规模化应用的关键所在。因此需促进各方互通互联，实现技术开放与迭代，充分释放算力市场的巨大发展空间。