10 月 13 日，在 2021 中国人工智能大会（CCAI2021）人工智能产业论坛上，业内专家围绕数据要素与隐私计算话题展开了热烈的讨论。清华大学交叉信息研究院副教授、清华经管数字金融资产研究中心副主任徐葳教与香港科技大学智能网络系统实验室主任、副教授 , 星云 Clustar 创始人陈凯就“隐私计算让数据要素在阳光下使用”这一议题展开对话。

两位教授从自身的产学研经历谈起，指出学术研究和产业应用具有一定的差异，但两者的结合能够起到互相促进的作用。学术理论注重突破知识边际，在给定假设条件下考虑广泛存在的共性问题，但理论的突破到大规模推广应用可能有几十年的时间差。而业界更侧重用技术解决实际问题，此类新技术大致在行业内具有 1 至 2 年的领先地位，有些可能更具有局限性，仅针对某企业具体问题。

对于学术研究和产业应用的结合，徐葳教授指出，工程性研究的本质目标是应用。技术的突破是基于学术研究，但实际应用要基于对现实世界中客户需求的理解。产学研一体化有助于加强科研界和业界的沟通效率，缩小技术转化成本、缩短转化时间。陈凯教授指出，对于应用型研究来说，产业学结合不仅能够直接帮助企业解决现实问题，也能够为科研提供新思路新方向。研究成果的快速转化给企业带来实际效益，推动企业、行业发展，极具实践意义。

从实践角度来说，两位教授认为隐私计算技术的发展，不仅促生了新的数据保护行业，也打破了数据流通的藩篱，为各行业的数字化改革、充分挖掘数据潜力提供了有力支持。陈凯教授认为隐私计算技术兼具可提效性和可实现性两个特点。在隐私计算保护下，原有敏感数据进入可流通领域，弥补了以往人工智能模型由于缺乏数据而导致的局限性，从而提升模型效能；可实现性有助于将多种数据融合，充分挖掘数据潜力，催生新应用场景。

徐葳教授指出，隐私计算服务于数字化经济中的共性问题，解决了大数据、人工智能等行业所面临的数据安全性、可得性等挑战。长远来看，隐私计算行业的发展关键在于安全可流通的数据能否为实体经济中各行业带来价值。

今年以来，《数据安全法》、《个人信息保护法》陆续出台，关于敏感数据、私密信息的法律支持不断完善。这对隐私计算行业来说，即是挑战也是机遇。徐葳教授提到，在相关法律法规的约束下，市场对数据的“可得不可见”需求逐步上升，隐私计算技术为平衡各方诉求提供了解决方案。

陈凯教授指出“最小影响，最小范围、最短时间”原则和程序设计中的最优化思路有异曲同工之妙。法律法规的出台为技术发展指明了方向，研究人员能够带着明确的目标去研发出一些技术、算法来满足市场需要和监管要求。

人工智能的发展需要安全、可靠的大数据，隐私计算是人工智能发展的必经之路。徐葳教授指出，未来隐私计算技术发展的关键是要降低使用门槛，以易用性为前提，这项技术才能推广至各行各业。技术的成长是一个不断积累的过程，单纯的提速并没有太大意义，还是需要经过市场的检验，从诸多小平台竞争到形成头部企业需要时间。

陈凯教授认为，隐私计算技术将步入快速发展期，从单个机构为主体逐步扩大为跨机构的连通性平台，最终应搭建成一个跨行业、覆盖全社会的数据安全流通网络。实现该愿景还存在较多技术难点，这也正是行业发展的潜力所在。