随着国家数据战略的深化，数据已经成为影响社会和经济发展的重要因素。同时，随着数据安全法和个人信息保护法等新的治理法规的加速实施，数据利用与安全合规的平衡成为数据资源建设的重要方向。在数据融合应用和隐私保护的推动下，私有计算方兴未艾。

隐私计算开启了新的数据协作模式。数据分析和计算在不公开原始数据信息的前提下，实现了数据所有权和使用权的分离，避免了流通过程中数据资产的损失和个人隐私信息的泄露。数据流1.0阶段是直接从纯文本发送，私有计算模式是数据流3.0阶段。

虽然人气持续高涨，但隐私计算行业仍处于起步阶段，市场环境和商业规模尚未完全成熟。隐私计算的商业前景是什么?12月10日,leifeng主办的数据安全及新的ai基础设施的构建有助于”为题的基调演讲了。从人工智能发展的角度来看，薛世镇为研究隐私计算的未来趋势提供了参考思路。
私有计算是人工智能功能的重要补充和扩展

私有计算通常与人工智能紧密结合在一起，徐世镇表示，从技术角度来看，私有计算是人工智能功能的重要补充。人工智能非常依赖数据库。大规模、多样化、高质量的数据可以训练出更好的模型。私有计算通过解决数据的“链接”问题，为算法的持续进化提供了数据补充。

与此相应，这也迫使企业在人工智能应用落地的过程中增加数据的扩展。然而，随着越来越多的数据被收集和使用，数据风险和隐私保护成为人工智能系统开发和应用的挑战。9月26日，全国新一代人工智能治理委员会发布了新一代人工智能道德准则。在这段代码中，数据和隐私安全涵盖了人工智能管理、研发、供应和其他特定的道德要求。活动

在产品层面，低复制和低普适性是隐私计算目前投产的主要限制之一。薛世镇提供了两种解决方案。一种是从需求场景入手，采用成熟的规格和少量的定制。另一个是在隐私保护数据库、隐私保护大数据分析引擎等现有的成熟产品中加入隐私计算。在后一种想法中，结合人工智能技术功能，可以将隐私计算视为人工智能Medium 2.0。也就是说，在原来的机器学习平台上添加隐私计算功能模块。

说:“这是对用户来说也是理想的产品。ai建模功能仍然被输出到外部,因此,用户在操作感几乎没有。独立的机械学习使用建模技术,基础和隐私保护被实现。通过加密和mpc科技。”徐仕珍说。

在某种程度上，人工智能也可以被视为私有计算的上层应用。胥世镇表示，隐私计算没有通用的解决方案，单一的技术路径也不适合所有的场景。在实际应用中，隐私计算既不能与上层应用分离，也不能在不同技术路径之间分离。在大多数情况下，用户仍然需要人工智能相关的功能，因此人工智能是推进隐私计算的核心需求。