AI加快了整个行业迈向数据密态时代。
7月5日，在2024年(nian)世界人(ren)工(gong)智能大会上，蚂(ma)蚁集团推出了蚂(ma)蚁密算公司的第一款产品——“隐语Cloud”大模型密算平(ping)台。
据蚂(ma)蚁密算CEO王磊介绍，“隐语Cloud”大模型密算平(ping)台主(zhu)要提供两个能力，分别为大模型密态托(tuo)管和大模型密态推理。
密态托(tuo)管主(zhu)要是解决大模型本(ben)身IP保护的问题(ti)，当(dang)大模型在云上部署的时候(hou)，大模型会被加工(gong)成密态的，确保模型IP不会被别人(ren)偷去(qu)。大模型密态推理主(zhu)要解决的是访问信息的保护，访问信息在整个的推理过程中都(dou)是密态的。
当(dang)下，高(gao)质量数据供给和安全流通，成为大模型进入垂直产业应用(yong)的首要挑战。大模型在垂直行业应用(yong)时，许多企业通过私有化部署来应对数据安全挑战，这不仅(jin)增加企业的运维和服务成本(ben)，也影(ying)响对外服务的效率和质量。
专业数据通常分布在不同机构和企业，因其高(gao)价值和保密性而难以(yi)共享(xiang)。同时，企业、大模型厂商和用(yong)户之间存在信任障碍：企业担心数据泄露，厂商担心模型资产安全，用(yong)户则担心个人(ren)隐私风险。
王磊透露，隐语Cloud平(ping)台将提供全链路(lu)数据安全服务，覆(fu)盖大模型从构建到服务的全过程。平(ping)台将为大模型的预训(xun)练、微调、评测、推理和用(yong)户交互提供密态计(ji)算，确保数据在提供方、使用(yong)方之间的安全流转。此(ci)外，平(ping)台还将提供包括密态检索、提示词和流程编(bian)排(pai)在内(nei)的全链路(lu)开发工(gong)具。
蚂(ma)蚁集团副总裁兼(jian)首席技术安全官、蚂(ma)蚁密算董(dong)事(shi)长韦韬认为，数据供给决定了大模型应用(yong)能力的上限(xian)，而隐私计(ji)算技术决定了数据跨域供给的上限(xian)。当(dang)大模型从通用(yong)走向专业应用(yong)，从技术想象力走向产业的生产力，必须要解决高(gao)质量数据集稀缺与专业数据阻滞的挑战，否则大模型作为“智力引(yin)擎”，只会陷入空转。
5月底，蚂(ma)蚁集团宣布了以(yi)AI和数据技术为核心的科技战略(lue)，并成立了浙江(jiang)蚂(ma)蚁密算科技有限(xian)公司，将提供密算相关的产品和服务，包括一套端到端的数据安全保障、一套软硬件结(jie)合的计(ji)算加速解决方案和一个隐私计(ji)算云服务平(ping)台，推动数据安全可信的跨云跨端低成本(ben)流通。
以(yi)下是华尔街见闻与蚂(ma)蚁集团副总裁兼(jian)首席技术安全官、蚂(ma)蚁密算董(dong)事(shi)长韦韬和蚂(ma)蚁密算CEO王磊的对话实录（经编(bian)辑）：
提问：如何看待成本(ben)、安全和性能之间的关系？
王磊：安全一定是有成本(ben)的，这本(ben)质上包含两个方面：首先，从商业视角看，隐私计(ji)算技术带来的安全收(shou)益是否足够抵消成本(ben)。例如，在数据泄露事(shi)件中，我们观察到的损失动辄数百万美元，因此(ci)，如果安全措施的成本(ben)低于潜在损失，那么这些措施就是可接受的。其次，从技术角度出发，随着(zhe)技术的不断(duan)迭代，相关成本(ben)将逐步降低。此(ci)外，隐私计(ji)算产品需要根据安全需求进行分级，对于价值不是非常高(gao)的数据，不必采用(yong)高(gao)成本(ben)的安全防(fang)护措施。在对数据进行安全分级的基础上，技术措施也应相应分级。当(dang)数据的价值与其安全措施的成本(ben)相匹配时，这样的安全策略(lue)才是最经济、最合理的。
提问：如何理解在加入密态计(ji)算流程后，服务成本(ben)反而降低的情(qing)况？此(ci)外，加入密态计(ji)算似乎增加了一个步骤，这将如何影(ying)响整个数据流通的效率，是提高(gao)还是降低？
韦韬：单纯看技术链路(lu)肯定是成本(ben)更高(gao)，但从整个全链路(lu)来看，综合考虑(lu)人(ren)为因素(su)、技术因素(su)和合规因素(su)等，实际上总成本(ben)是更低的。明(ming)文(wen)计(ji)算虽然在初期(qi)看似简单，但一旦发生数据泄露，将会带来巨(ju)大的损失，包括商业利益的损失和法律风险等。密态计(ji)算的研发将引(yin)发一场变革(ge)。目前，许多数据源方由于担心数据泄露，不敢(gan)轻易共享(xiang)数据。密态计(ji)算技术能够使这些原本(ben)无法流通的数据得以(yi)安全流通，从而充分发挥数据的价值。
提问：随着(zhe)大模型的问世，人(ren)们普遍关注算力速度和价格这两个问题(ti)。近两年(nian)，许多独立的隐私计(ji)算厂商发现生意越发难做。在我们的策略(lue)或方法中，当(dang)应用(yong)到具体(ti)的业务场景时，客户通常在哪些方面会采用(yong)密态计(ji)算？
韦韬：在过去(qu)两年(nian)中，隐私计(ji)算行业进行了大量尝试，主(zhu)要处于所谓的"桶装(zhuang)水"阶段，实现了点对点的连(lian)接。PSI（隐私计(ji)算求交）是目前应用(yong)最广泛的技术之一，它允许两个机构在保护各(ge)自用(yong)户隐私的前提下，进行用(yong)户群体(ti)的交集计(ji)算。虽然这种技术在验证单个环(huan)节方面表现良好，但其应用(yong)范围相对有限(xian)，尚未实现数据流转的全链路(lu)保护。
在整个研发过程中，数据源方对于数据泄露的担忧仍然很大，这一问题(ti)尚未得到有效解决。当(dang)前的技术应用(yong)在深度和广度上都(dou)还不够。如果将"桶装(zhuang)水"阶段的技术扩展到大规模应用(yong)，成本(ben)将会非常高(gao)，而且整个流程缺乏一致性的保障，风险也未能得到有效控制。
王磊：隐私计(ji)算商业化之所以(yi)不再那么热门，主(zhu)要有以(yi)下两个原因：首先，隐私计(ji)算技术目前主(zhu)要适用(yong)于小(xiao)规模应用(yong)，且成本(ben)高(gao)昂(ang)，难以(yi)实现规模化，这导致了成本(ben)难以(yi)降低。只有扩大规模，成本(ben)才有望降低。其次，传统的商业模式主(zhu)要是销售软件，这种高(gao)成本(ben)的交付模式并不利于隐私计(ji)算技术的应用(yong)和推广。隐私计(ji)算的最终目标是促进数据的安全流通。
我们成立新公司后，也在深入思考这个问题(ti)。一方面，我们计(ji)划(hua)采用(yong)云化模式，包括即将推出的隐语Cloud等系列产品。我们认为，只有通过云服务，数据才能真正实现大规模流通，并应用(yong)于更复杂的场景，从而实现规模化并降低成本(ben)。同时，我们也将在端侧推出相关产品，实现端云协同。
另一方面，我们希望建立一种对结(jie)果负责的商业模式。这意味着(zhe)在数据流通的整个过程中，我们能够确保数据安全，从全链路(lu)的角度降低成本(ben)和法律风险。我们希望在这个过程中持续获得收(shou)益，因为数据价值得到了保障，从而从数据价值中获得利润。
我们希望引(yin)入保险公司，它能够起到两个作用(yong)：一是作为独立第三方，在事(shi)前对产品安全性进行评估，提供数据安全保险；二是在发生不可预见的黑天鹅事(shi)件时，提供事(shi)后保障。通过这个方式推动整个的产业良性地运作起来。这样的机制将促进整个产业的良性运作。只有商业模式健康运转，技术创新和迭代才能持续健康发展。
提问：在过去(qu)几年(nian)中，市场上普遍认同了隐私计(ji)算技术的重要性，但在技术层(ceng)面，对其是否为一项必不可少的技术存在分歧。一些专家指出，尽管隐私计(ji)算的成本(ben)较(jiao)高(gao)，但可能存在性价比更高(gao)的替(ti)代技术。隐私计(ji)算要获得市场机构的广泛认可，是否真的存在迫(po)切的需求？它还需要克服哪些障碍？
韦韬：隐私计(ji)算技术的发展轨迹与光伏产业颇(po)为相似。光伏技术刚推出时成本(ben)高(gao)昂(ang)，不可能立即普及到所有行业。然而，随着(zhe)高(gao)需求行业率先采用(yong)并推动规模化生产，成本(ben)逐渐(jian)降低。当(dang)光伏发电成本(ben)降至与煤(mei)电相当(dang)的临界点时，它便(bian)开始得到广泛应用(yong)。
隐私计(ji)算同样遵循这一模式，它将首先在高(gao)价值数据和场景中得到应用(yong)。尽管隐私计(ji)算解决的问题(ti)并非仅(jin)限(xian)于高(gao)价值数据，但当(dang)前数据泄露问题(ti)已经非常严重。许多机构的数据在暗网上被交易，造(zao)成严重后果。然而，这只是冰山一角，国内(nei)黑产的大量数据交易已经不仅(jin)限(xian)于暗网，这是一个非常危险的现象。数据泄露正在大规模发生，对社(she)会造(zao)成巨(ju)大伤害，而传统技术路(lu)径无法有效保障数据安全。
当(dang)高(gao)价值数据和场景的行业首先建立起隐私计(ji)算体(ti)系，并实现规模化以(yi)降低成本(ben)时，它将能够服务于更多行业。我们认为，每个行业场景的临界点是隐私计(ji)算的成本(ben)降至数据流通价值的5%左右，这将实现规模化推广。
王磊：我也补充一下，首先先讲一个概念，虽然我们经常提到密态计(ji)算，但隐私计(ji)算仍然是行业内(nei)的共识。我们之所以(yi)不再频繁提及隐私计(ji)算，并不是为了炒一个新概念。在大家的印象中隐私计(ji)算更多是基于多方安全计(ji)算和联邦安全学习(xi)两方做融合，融合的过程中增加保证参与者之间互相不能够窃取到数据。其实在数据大规模流通过程中，很多应用(yong)场景并不是这个。
举个很现实的例子，现在公共数据开放面临什么风险？数据要放到外网做开放，这里面可能不涉(she)及到数据融合，但有巨(ju)大的风险，这是他们不敢(gan)开放的原因。例如，将政务内(nei)网的数据转移(yi)到外网平(ping)台时，如何确保数据的安全性？即使运维公司是可信的，运维人(ren)员是否也同样可信？他们是否可能通过拆卸硬盘或其他方式轻易地窃取数据？此(ci)外，在数据加工(gong)和使用(yong)过程中，即使是有正常权限(xian)的人(ren)员，也可能存在数据泄露的风险。
所以(yi)有很多的真正有价值的数据是不敢(gan)开放的，一直讲开放，一直很难开放。密态计(ji)算通过密态的方式确保运维者没有办法窃取到数据，让数据真正的开放流通起来。
隐私计(ji)算之前只应用(yong)到整个数据流通当(dang)中的一小(xiao)环(huan)节一小(xiao)部分环(huan)节，当(dang)数据真正大面积流通，我需要做到多方数据融合。我们认为密态计(ji)算是下一代的隐私计(ji)算，希望解决数据更大规模流通中遇到的真正问题(ti)。