導語：融數聯智CEO袁曄表示數據分析迎來變革時代，融數PPU為隱私計算和數據安全提供全新的解決方案，以構建單一數據合作網絡徹底解決數據孤島問題，從底層技術架構完成隱私計算保護。

“安全加密、低時延的數據交換網絡可突破數據孤島。”

當數據規模達到一定量級，只有數據“流通”起來，各類數據能交匯，每一類數據的價值才能充分發揮。在這樣的共同認知下，隱私計算賽道的創業者和投資人正在推動底層技術在很多場景的商業化。作為具有技術和投資背景的創業者，袁曄表示，數據分析從“加法”變成“減法”的時代正在到來，減法時代底層范式的大變革，使得數據的上層應用都會顛覆。這也是他在2019年從投資轉做創業的初衷。融數聯智創始人兼CEO袁曄曾任水木清華基金執行董事，也是一位數據行業專家。

我們獨家對話了袁曄，他從技術和產品的商業化路徑等方面分享了如何實現數據的“可用不可見”。

融數聯智專注于隱私計算，公司面向數據安全和隱私保護的數據解決方案已廣泛應用于大型金融機構和品牌營銷公司的數據驅動決策中。公司已經獲幾千萬人民幣投資。融數聯智核心團隊來自PayPal、阿里、螞蟻金服、華為等行業巨頭，在芯片、密碼學、大數據、分布式計算等領域有深厚經驗。

2021年3月22日，國家互聯網信息辦公室、工業和信息化部、公安部、國家市場監督管理總局四部門聯合發布《常見類型移動互聯網應用程序必要個人信息范圍規定》。其中明確地圖導航、網絡約車、即時通信、網絡購物等39類常見類型移動應用程序必要個人信息范圍，要求其運營者不得因用戶不同意提供非必要個人信息，而拒絕用戶使用APP基本功能服務。袁曄表示，隨著數據量大規模增長以及數據隱私保護的監管推進，簡單做數據“搬家”越來越不合規，如果沒有隱私計算，還會產生更多數據孤島。

融數聯智運用了PSI（隱私保護集合交集）、密碼學等多種底層技術并完善技術的工程化，使數據在加密前提下實現跨機構間的數據的聯合分析聯合建模，客戶從而獲得對用戶更精準的畫像，實現獲客成本、營銷成本的下降。并且通過自研芯片的加速，使得更多算法在現實場景落地應用。

袁曄認為，要解決數據孤島問題，就需要構建一種單一數據交換網絡，越來越多的公司正在為這樣的底層網絡而努力。而為了使分布在異地的服務器在做加密聯合運算分析時像在使用本地數據時一樣便捷，就需要通過網絡加速解決網絡帶寬問題，同時還要提升算力。但目前CPU的算力無法適應隱私計算的高運算量。因此，融數聯智自主設計了隱私保護計算芯片（融數PPU），它也是目前業內唯一一家為隱私計算打造芯片的公司。

以下是部分采訪內容：

袁曄 （來源：受訪者提供）

Q：數據確權（所有權、管理權、使用權等）方面，法律明確和有望進一步明確的分別是哪些？

A：上個月，網信辦等四個部門發布公告對幾類APP到底能采集哪些個人隱私數據做了非常清晰的界定。《個人隱私保護法》《數據安全法》在草案階段對數據確權都有一些規定；《民法典》也在構建系統的數據保護體系。這些都是一個漸進的過程，我們看到確權問題目前在具體場景下逐漸清晰。

我一直從事數據行業，在2018年關注到了隱私計算，當時歐洲頒布GDPR（《通用數據保護條例》），它的一個很大的影響在于要求個人隱私數據完全歸個人所有，不再屬于任何一家機構，這是一個很嚴格的要求。當時在中國也有相關法規，但在一些具體執行環節，數據一方面歸屬于個人，另一方面也歸屬于相關合作機構。這仍然會產生問題，例如一些做爬蟲的公司，利用爬蟲獲取用戶信用卡賬單、通話詳單等信息，未經個人授權，但這些數據又存儲于銀行、運營商等機構系統內。這類問題會是法律未來需要更加明確的。

Q：先有PSI技術還是先有隱私計算的場景？

A：PSI技術在理論上已經很成熟，但在工程上還不夠成熟，要把它寫成一個穩定的代碼可執行的程序，還有一個漸進的過程。它不是一個新技術，但要把它商用需要過程，就像電動汽車沒有什么特別的技術是全新的技術，但是你要把它做成一個穩定的汽車，跑很長的公里數等，就是一個工程化問題。

Q：我們現在看到有三個技術路線，聯邦學習、MPC、TEE，從現在創立的一些公司看，聯邦學習是未來的大方向？

A：MPC（多方安全計算）和TEE（可執行環境）在學術上有明確的定義，但聯邦學習沒有。聯邦學習最早由谷歌提出，最初想法是解決隱私問題，因為原來當安卓系統上的信息都傳到谷歌服務器上，隱私就被暴露了，于是谷歌希望通過聯邦學習在安卓手機終端完成分布式計算和訓練，很少量的信息會被傳到谷歌中心化服務器上。如果進一步結合幾億人的手機去做手機端的訓練，就可以把用戶體驗做得很好。而這是一種橫向聯邦學習。

國內最早的聯邦學習由微眾銀行的楊強老師提出，他所指的主要是縱向聯邦學習，例如對一個人的銀行借貸歷史、運營商的通話歷史或電商的支付信息同時做分析。這是對同一個用戶的多維度分析；而橫向聯邦學習是針對多用戶的同一維度的分析。

聯邦學習沒有要求加密，也就是說數據或計算中的參數值等是可以做明文傳輸的，但不做加密處理就會有隱私暴露風險，純粹的聯邦學習是有問題的，要引入密碼學才可以完善技術框架。

Q：那怎么看融數的底層技術路線？

A：我們整合了多種隱私計算技術。我們用到了聯邦化過程的數據傳遞，而且是做了同態加密后進行數據傳遞，只傳遞一些參數值，不會傳遞任何一方的哪怕加密的業務數據。我們還用到了MPC中的一些技術點，如秘密分享、不經意傳輸，它們主要用于解決不同公司數據尋求共有用戶群。

Q：數據所有者的數據在我們服務的用戶的本地，要經過我們的加密，再去做傳輸。

A：可以這么理解。

Q：隱私計算爆發的原因是全球算力的增長嗎？或者說，算力是限制隱私計算的主要原因？

A：觸動大家用隱私計算的因素一方面是數據安全相關法規對于隱私保護的明確；從執行環節，之所以今天能夠這樣進行隱私計算，確實是因為算力增長，網絡帶寬也在增加，因為各個機構進行這種聯合運算需要用網絡傳輸。

Q：所以算力還是主要的限制。算力的提升要靠芯片的訓練，隱私計算的算力現在發展如何？

A：問到了很底層的問題。今天不管服務器、PC、手機、筆記本終端也好，這些算力都是靠CPU在跑，另外一類是深度學習的人工智能GPU，但這些芯片“天生”都不是做隱私計算的。所以隱私計算對算力要求其實很高，它的底層每時每刻都在做大量的加解密。大量的密態數據的運算跟普通的CPU上運行的1+2=3是不同的，在CPU上加法的底層指令是“ADD”；而密文中的加法不是簡單相加，而是有專門的密態加減乘除方法，這些方法對CPU、GPU來說都耗時非常多。并且密文下的計算運用了聯盟化的方法，很多數據又要做拆分，這主要是為了做混淆，不被人反解。現有芯片的算力難以覆蓋各種環節所需的巨大運算量。

我們提供給客戶軟件方案的同時發現了芯片的性能瓶頸，所以我們自己開發了專門用于隱私計算的芯片PPU（Privacy Preserving Unit）。芯片里的指令完全是去做加解密運算，把原來在CPU上要跑1萬甚至100萬個clock的運算縮減到這種芯片中，該芯片中一個clock就可以完成同等運算。我們認為PPU未來跟目前服務器的CPU、GPU是并行的關系，意味著未來服務器出廠時就可以原置這樣的隱私保護芯片。

Q：我了解到英特爾基于TEE的運算是將數據先接到芯片里再解密，涉及到另一個技術路線。

A：對，英特爾、AMD還是ARM芯片也好，都有安全區域，區域里的數據是明文計算的，這會產生幾個數據安全的隱患。第一是假設交匯后的數據在芯片上運算，我們能否確保掌握芯片的機構的所有人都“不作惡”？第二，我們在中國使用了英特爾、AMD等美國的芯片，而美國的芯片公司能否保證我們的數據安全？第三，這個安全區域空間很有限，所以每次能處理、運算的數據量也是很有限的。

Q：現在是在做一種更高效的適應場景的算力解決方案？

A：對。

Q：數據孤島是怎么成為數據行業共同的一個瓶頸的？

A：因為在2014年以前沒有產生那么多數據，大家通常基于自己的數據做分析，那個時代就是所謂的“BI時代”。后來移動互聯網快速發展，數據海量增長，大家希望跨公司做分析，當時的解決方式就是“數據搬家”，比如銀行想用客戶的淘寶交易數據，就直接將淘寶數據買過來，或用網絡明文傳輸，也就是我們現在說的“加法”。但從2017年起數據行業的監管不斷推進，數據加法也就越來越不合法、不合規，而且也會產生利益糾紛，因為不同于實物資產，數據資產可能被復制，用于重復交易。而如果沒有隱私計算，數據孤島問題會越來越嚴重。

因此2018年我認為數據的“減法”時代正在到來，也就是各方數據不用搬家，還能實現跨公司的數據聯合運算，運算結果與把各路數據歸集一處進行明文運算的結果一致。我覺得這是能突破數據孤島的底層范式的大變革，這也是我從投資轉創業的原因。

Q：融數正在做一個平臺嗎，把數據通過加密的方式共享？

A：是的，我們想把數據交易的買方和賣方都納入到我們的平臺里，相當于做了一個數據市場。

Q：提供的不是單純的技術。不知道投資人會不會問一個問題，就是這個平臺的終局會是什么？

A：我認為是構建一個單一的數據合作網絡。必須且只有一個才能徹底解決數據孤島問題。當然這個網絡不一定是我們一家公司建立的，可能是多家建立的。而正是因為這件事情的終局很吸引人，我們的團隊都愿意加入進來，而且是低薪甚至不拿薪水來加入。

Q：目前公司如何獲客，取得增長？

A：商業執行上我們是to B的方式獲客，但底層邏輯是要組網絡。

Q：產品需要為客戶定制嗎？

A：我們的產品是標準化的，不做定制。可以看成我們在給每家公司安裝上路由器，這樣我們可以很快復制。垂直的行業里面要解決的一些上層應用的問題，如銀行的風控，我們做到了交付狀態，客戶可以看到可視化的界面，這是為了讓客戶能夠直接使用。但后期我們會和第三方合作，他們完成上層應用，我們的角色是基礎設施的搭建，去做偏底層的技術架構。如果以智能手機的例子去理解，我們今天把手機做了，把操作系統、系統上所有的APP及功能都做了，這樣用戶可以用起來。但長遠來看我們的定位是做操作系統，硬件加速，上層應用由合作方完成。那么我們的目標是讓這個系統性能、安全性更好，所以一是保證各方的隱私；二是讓服務器分布于不同地點的多家公司數據能夠進行加解密、聯合分析，并實現不卡頓或低卡頓。