在中国人工智能学会主办的2021中国人工智能大会（CCAI 2021）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。

　　在数字经济时代，数据要素的作用及其重要性愈发凸显。近年来，与之相关的监管也更加严格，相关法律法规不断出台。随着《数据保护法》《个人信息保护法》等的落地，如何既做到保护个人信息，又做到充分发挥数据资产价值、高效地链接多方数据成为了痛点。

　　香港科技大学智能网络系统实验室主任、副教授、星云Clustar创始人陈凯表示，隐私计算技术可以帮助人工智能为代表的应用领域，合理引入更多受隐私、安全因素限制的数据，促进人工智能模型向精准化、效率化发展；推动不同机构的数据融合，催生出新的应用场景，让过去的不可能成为可能。

　　在相关法律法规趋严的背景下，陈凯认为，新兴技术的发展面临的既有机遇也有挑战。在监管趋严的背景下，隐私计算更有潜力，可以在合规的前提下，把不同的机构的数据联合起来，催生出一些以前没有的、甚至不可能产生的新的应用产品，让此前不可能的称谓可能。但也要看到，新兴技术的发展也面临场景探索、市场教育普及等多重挑战。

　　CCAI名誉副理事长、加拿大工程院院士、加拿大皇家科学院院士杨强介绍，联邦学习具备数据不出库、性能效率大幅改善的技术优势，以赋能金融行业数字化转型为例，大多数金融机构往往受限于隐私保护、安全、合规的要求，不能轻易进行多方数据流通，通过联邦学习技术实现联合建模、扩充模型空间，可以构建更加精准化、智能化的金融服务体系。

　　在介绍联邦学习具体的应用案例时，杨强表示，如在金融方面，人们可以通过联邦学习把多家金融机构联合起来。以前，受限于隐私保护安全合规的要求，这些机构之间不敢互相传递数据。但是，通过联邦学习可以把他们的数据联合建模，并且把模型的特征空间加以扩充，如和互联网公司的数据结合起来，这样的模型就可以发现以往单家金融机构发现不了的一些违法违规行为，如洗钱等。

　　据介绍，本届论坛以“数据要素与隐私计算”为主题，来自于全球顶尖科研机构、头部企业与金融机构的二十余位专家、代表围绕数据要素、隐私计算、数字金融、人工智能产业应用与实践等热点议题深入讨论与分享，探索安全、可靠、可控的人工智能产业落地路径，推进数据产业健康、合规的高质量发展。（经济日报记者 陈果静）