安恒信息|隐私计算何以可能？何以可为？( 三 ) 央企|中国西电集团|平高电气

目前主要的商业模式分为四种：第一种就是搭建软件系统，收取一次性系统搭建费；第二种是收取隐私计算软件系统的维护服务费；第三种是收取数据使用费，相当于替数据方收取费用，赚取中介费；第四种是根据业务运行效果获取收益分成。当然在实际应用中，有些企业可能会几种模式是混搭的。
刘博向雷锋网表示，隐私计算是大数据交易不可或缺的底层支撑技术，但除此之外，要合法合规的进行大数据交易，还需解决一些非技术的难题，比如数据的确权、定价以及数据监管单位如何对这些进行监管，数据的商业化之路还需要走一段很长的路。
如何在保障数据安全的前提下，充分发挥数据的价值。如何平衡数据共享开放和数据安全隐私保护的关系，是国家、行业和企业层面都需要考虑的问题。
在这个过程中还有很多法律未明确以及企业未达成共识的地方，处于盲区。
所以，国家应该加紧建立数据资源的确权、开放、流通以及交易相关的制度，促进以安全为前提条件的数据流通和融合。而在行业和组织层面，应该在国家法律法规的框架下，各自建立相应的行业制度和规范，推动行业企业内外的数据协作，打破不同组织、不同系统之间的数字壁垒，为数据分析和人工智能应用奠定基础。
刘博认为，隐私计算的终极目标是在有限的条件下获得最大化的数据交易自由。在数据交易上，实现可用不可见；在商业上，能够让企业、政府、社会、科研机构在短时间内找到自己需要的数据，帮助他们解决现实中的问题。
数据赋能，不只是刺激经济增长，也不止是行业之声发展需要，归根结底是服务于推动社会治理能力和体系的现代化。确保数据安全的同时，提升社会的运行效率和质量，推动社会的进步，提升每个人的价值和社会福祉。
与此同时，隐私计算也面临着硬件支持和能源消耗等方面的挑战。在目前的联邦学习训练中，数据传输的耗时远远大于数据处理，算法和算力还有许多盈余。而对于企业的本地数据训练来说，算力依旧是人工智能实践的”老大难“。而在中国和国际对环保、尤其是碳中和的重视程度越来越高的过程中，如何在提升运算性能和安全性以优化资源利用和节省能源消耗之间找到平衡，还需要全行业一起来共同探索。
在技术尚未成熟、法规尚未明确、实践场景和效果尚未标准化的过程中，关于隐私计算还有许多发展的机遇和时间的可能。留给隐私计算厂商的也将是更多的机会。