数字经济时代,数据已经成为企业的重要资产,企业对数据的保护意识日益增强,甚至频频出现画地为牢的现象。然而,数据作为第五大生产要素,其价值需在流通、共享环节进行释放。为解决这种“数据孤岛”问题,隐私计算应运而生,并在近几年成为业界关注的热点领域。
在风险评估等业务中,实现数据的“共用但不共享,可用而不可见”是非常迫切的需求。通过隐私计算利用多家企业的多维数据训练人工智能模型,既能保护各方原始数据不出私域、保护用户隐私信息不泄露,又能帮助模型具有更高的准确率及更好的模型效果。
洞见科技正是隐私计算领域的领军力量之一。洞见科技是由中国最大、世界第四大的信用管理集团“中诚信”投资孵化的领先的隐私计算技术服务商,聚焦于为政务、金融等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,已取得数十个典型示范案例。
洞见科技提供的联邦学习服务和多方安全计算服务,是隐私计算的重要实现路径,能满足企业参与数据共享协作时的安全计算需求。不过,在落地过程中,隐私计算服务商往往面临着需要自证可信、算力需求量大且波动、网络质量要求高等痛点。因此,洞见科技与阿里云携手合作,为客户提供了基于阿里云的隐私计算服务解决方案,有效解决了上述问题。
首先是信任。联邦学习服务中的聚合计算环节需要向参与方企业提供更多的信任依据,阿里云今年刚发布的第七代ECS,配备芯片级可信计算能力,企业从实例启动直至模型部署,均加入相关校验,确保其中无人篡改模型或计算逻辑,解决了基础的信任问题。
其次,在计算量大且波动大这一点上,隐私计算与常见的大数据、AI等计算无异。TEE可信执行环境是该领域主流技术之一。原有的第一代技术仅有512M大小,计算能力太低,几乎难以满足商用。同时,客户基于线下计算资源承载计算任务时,往往会遭遇算力不足的情况,计算任务需排队执行,影响了业务运转的效率。
阿里云七代ECS实现了将第二代TEE技术部署在云上,对外提供基于硬件的加密计算能力,算力容量大大提升,并提供了虚拟化层面的自研神龙enclave方案。利用供应充足并且弹性灵活的云上算力,洞见科技可以根据任务情况按需创建和释放云服务器,保证快速交付计算结果,又能精细化控制计算资源,降低了持有服务器的成本并实现成本优化。
在第三点网络问题上,可以想象,在多方参与的计算过程中,必然涉及到大量的数据传输,网络将成为瓶颈之一,当参与各方所在地分散时,问题尤为明显。阿里云作为全球前三、国内第一的云厂商,在世界各地均有海量的计算资源与高速可达的网络,云的多可用区与多地域布局,让数据得以就近上传,洞见科技无需让客户进行代理机配置等繁琐操作。

最后,云上灵活的调度能力和自动化运维能力,让洞见科技得以帮助客户方便地进行资源扩充和迁移,大大降低了运维成本。
洞见科技联合创始人兼CTO何浩表示:“依托阿里云第七代实例的可信和加密计算能力,洞见科技可以为客户设计更多技术信任加持的隐私计算解决方案,提供稳定可靠、灵活调度的算力来源,更好地帮助政务、金融等客户打破数据孤岛,赋能数据价值的安全释放和数据智能的合规应用。”
阿里云弹性计算产品总监王志坤表示:“我们看到,客户对安全的追求是永无止境的,从存储和传输期间的安全,到今天计算过程中的数据安全需求兴起,是技术也是市场共同发展的必然结果。隐私计算作为新兴的计算需求,阿里云非常高兴能携手洞见科技一同开拓这个市场。”
好文章,需要你的鼓励
Converge Bio完成550万美元种子轮融资,由TLV Partners领投。该公司专为生物科技和制药行业打造LLM应用平台,提供数据增强、模型微调及可解释性分析等功能,帮助企业将通用生物基础模型转化为可实际落地的研发工具。以抗体研究为例,平台可将抗体LLM精调至氨基酸级别的结合亲和力预测,并生成优化序列。公司计划用于扩充团队、拓展客户,并发布抗体设计科研论文。
香港大学与哈尔滨工业大学联合发布的这项研究(arXiv:2605.06196)发现,大语言模型在扮演不同社会层级角色时,内部神经网络存在一条清晰的"粒度轴",从普通个人视角延伸至全球机构视角。这条轴是AI角色空间的主导几何方向,可被测量、被跨模型复现,并通过激活引导技术加以操控,为AI社会模拟的可信度评估和角色视角的主动调控提供了新工具。
ChatGPT高级语音模式的创造者Alexis Conneau离开OpenAI后,创办了音频AI初创公司WaveForms AI,并获得由a16z领投的4000万美元种子轮融资。该公司专注于训练自有音频大语言模型,计划于2025年推出与OpenAI、谷歌竞争的AI音频产品。Conneau深受电影《Her》启发,致力于开发具备情感感知能力的语音AI,同时警惕AI伴侣化带来的社会问题,强调技术应服务于人而非取代人际关系。
华盛顿大学研究团队发现,在AI数学推理训练中,将随机拼凑的拉丁文占位词(Lorem Ipsum)添加到题目前,能帮助AI突破"全部答错、训练停滞"的困境,在多个模型上平均提升推理得分2.8至6.2分。研究揭示了有效扰动的两个关键特征:使用拉丁语词汇避免语义干扰,以及保持较低困惑度确保AI能正确理解题目内容。