通州区

幸运的是，因为他们及时的反应与诚恳的态度，玩家并未过度深究，并表示现在又可以买你的游戏了。

洞见科技作为一线隐私计算技术服务商，其独立创新自研的洞见数智联邦平台（INSIGHTONE）是首个面向场景、混合引擎架构的隐私安全计算平台，基于「左+数据，右+场景」的模式，实现「数据可用不可见，计算可信可链接」，主要聚焦于为政务、金融等行业客户提供基于隐私计算生态底座建设及面向场景的数据智能服务。一是高安全性：密码学与数学原理保障的计算安全。

通过开源，用户可以针对不同的应用场景、技术手段自己进行改进，这将极大提高隐私计算各环节的技术发展效率，使整个生态链更加完善。今年，雷峰网特别推出了「2021最佳AI数智化年度榜」，为数字化和智能化成为企业生存和发展的必选之道探明方向。最终构建的反欺诈模型AUC可达到0.82，KS达到0.48，帮助银行大幅提升反欺诈能力。为更好地服务各环节的开发者、服务提供者和使用者，还进一步研发了基于隐私计算的共享智能平台，倡导发起知识联邦产学研联盟，推动生态协作。数字化时代下，以数字经济为代表的新一轮科技革命和产业变革正在重构全球的创新版图，重塑全球的经济结构。

联邦学习作为隐私计算技术路径之一，成为不少企业的首选。洞见科技是最早提倡和实践「隐私计算跨平台互联互通」的企业之一，目前已实现业内首个多方互通案例，更与数十家同业平台深度合作。徐世真认为：只有深度结合AI，使业务方从隐私计算中获益，才能把隐私计算从成本项变成营收项，保证企业有可持续的意愿度，保证数据价值闭环操作。

沸点资本董事总经理马兰从创业公司、学术、以及投资人三种不同的角度就数据安全和隐私计算这一话题展开激烈讨论，不同嘉宾的观点碰撞，以及深入浅出的分析，令人眼界大开、思维震荡。徐世真指出，目前隐私计算计算还面临着四大问题，第一，生态壁垒。隐私计算的使用和合规不能划等号。因此在实践中要趋近于法律的最小化原则，除了技术之外还要考虑商业模式是否合规、数据来源以及授权是否合法、数据使用的目的是否正当等问题。

中国电信在GSMA成立了TSGAI工作组，促进人工智能在移动设备上的实施。考察隐私计算产品的技术水平应该从综合的角度来去评判，包括性能、安全性和准确程度，这三者缺一不可。

首先在顶层，小米有一个强大的组织架构的保障，一套成熟的隐私合规体系。用实践证明了没有技术就没有小米的安全隐私保护能力。但是与此同时，随着各家隐私计算平台的推出，又形成了新的数据群岛。徐世真认为，隐私计算的产业路径需要逐场景落地，并根据不同的场景选择不同的技术路线。

据其分析，限于分析能力、隐私安全性等原因，大约有97%的数据尚未被利用起来。我们要持续性的看待技术的演进和法律合规落地之间的关系。目前国际主要组织，例如欧盟，还有中国、英国、美国等都在制订AI隐私安全方面的政策法规。从场景角度来看，隐私计算通常和AI紧密相关，AI可以看成隐私计算的上层应用与核心技术。

2018年左右全球公开数据泄露的总量在20多亿条，2019年达到50亿条，2020年已经超过了100亿条。六、徐世真：隐私计算与AI互为补充，助力AI新基建瑞莱智慧RealAI首席架构师徐世真博士发表了《隐私计算助力AI新基建》的主题演讲。

加拿大工程院院士、加拿大皇家科学院院士、微众银行首席人工智能官 杨强。未来隐私计算发展趋势会是外部的互联互通和内部融合的发展方向。

实际上，已经有不少互联网平台因数据安全和隐私泄露问题频频上话题热搜。在大力推进数字经济建设的背景下，我们究竟该如何平衡隐私安全监管和数据产业发展之间的关系？在这个问题上，隐私计算正被政策界、产业界、投资界寄予厚望。主要介绍了AI数据隐私安全的背景和现状以及关键技术，还有中国电信在AI数据隐私安全的实践工作。他表示新时代下，我们面临新环境、新技术以及全新的产业时代。杨强表示：微众银行FATE软件除了开源版还有商业版，可以应用于营销、保险、企业服务、物联网、智慧城市、KYC（安全保障）、投资理财等。在数据供应链以及软件供应链等方面都面临一定风险。

目前来看，数据交易的意愿和市场还不成熟。他认为：虽然行业内认为安全和隐私三分靠技术，七分靠管理。

其中有一个典型的场景：互联网公司可以提供用户画像的信息，但它却没有银行风险控制的信息千万级出货量，企业是怎么做到得芯应手的？云知声作为行业内第一批布局边缘侧芯片设计并提供软硬一体产品的企业之一，到如已经基于自研或第三方芯片发布三代共6款全栈语音AI芯片软硬一体产品，芯片及模组出货量已达千万级水平，积累近800家合作客户。

l第二，纵观布局AI语音芯片公司，它们所选的应用终端都集中在家居、电器、机器人、车载等场景。语音识别环节突破了单点能力，从远场识别，到语音分析和语义理解也有了巨大提升，呈现出整体的交互方案。

标准化的交付模式极大降低了客户端的门槛，通过产品端，云端一站式开发，快速实现智能语音控制，让零基础企业轻松实现智能化。而能够将语音识别、语义理解、自然语言处理、语音合成、声音降噪等技术实现云端芯一体化，把业务延伸到芯片甚至硬件，才是将技术商业化的合理路径。如今智能语音赛道云集了众多玩家，如百度、科大讯飞、云知声、思必驰、出门问问、启英泰伦等都纷纷布局了芯片产业。以便捷的工具赋能高效化产品落地在物联网的不同应用场景下，海量终端设备要实现功能智能化必须云端配合，即形成边缘算力和云端算力的动态平衡。

随着自动驾驶和智能座舱也成为炙手可热的行业，基于车联网的以车辆为中心的生态系统建设也是加速智能语音企业发展的战略方向。配备单双麦克可实现10米远场拾音，安静环境5米识别率达到95%以上。

智能语音技术是紧耦合的，东拼西凑的技术无法得到理想的交互效果。这款芯片也集合了云知声的感知和认知技术。

近几年在业内众多企业的努力下，解决了传统通用芯片的适配问题，公司也纷纷投入到专用芯片的制造。截至目前，活跃客户在该平台已构建超过25000个产品版本。

和通用CPU相比，这款ASIC芯片的处理速度和效率都有明显提升。这种本地化的服务，不仅能让用户体验到流畅的语音交互功能，还可以解决用户的隐私泄露问题。需要纳入考量的是将全栈式的解决方案搭载到芯片上，同时每多一项功能就意味着成本的增加。早在2015年云知声就开始搭建芯片团队，不仅来自于其行业嗅觉，也是环境使然。

面对现阶段繁荣的智能语音市场以及互联网巨头的加入，尽管技术水平差不多的企业，在垂直行业和细分场景的取舍也会造成截然不同的导向，AI芯片的落地和场景也需要进行密切结合。在此领域，云知声已经积累了7年有余的经验，对于场景和电器产品的特点驾轻就熟。

行业Know-How的积累对于业务的场景选择，云知声的端侧智能语音芯片精准面向小家电市场。雨燕架构内置的数字信号处理器uDSP，以及AI加速器DeepNet（云知声完全自主研发的深度神经网络处理器，NPU），支持DNN/LSTM/CNN等多种深度神经网络模型，能实现语音识别、理解、合成所需的深度学习计算加速。

在解决功能约束下的性能最优化、不同场景下自由配置、便捷工具链的问题后，以云知声为代表的智能语音技术企业需要继续加速垂直行业进行渗透和布局，让智能语音赋能多形态的终端，以中国芯的力量协同构建全产业生态圈。以麦克风阵列的技术为例，毋庸置疑的是，麦克风越多越容易实现更好的降噪和语音增强效果。