8月14日,隐语“可信隐私计算开源社区”在三周年之际宣布升级:由“可信隐私计算开源社区”扩容为“隐语·数据可信流通技术社区”,将逐步覆盖隐私保护计算、可信数据空间、数据元件、数联网、区块链、数场等六大技术路线并形成多技术路线的融合,未来通过开源代码、共建标准和共创场景,为医疗、金融、城市治理、制造等多个领域提供一站式、可验证、可互联的数据流通技术底座。
在国家“数据要素×”行动全面提速的背景下,数据可信流通已从顶层设计走向标杆落地,但在产业应用上仍陷“三重门”困境:共识难,有不少成功案例落地,但技术实现不统一、不透明,规模化流通落地卡在“最后一公里”;标准难,相关文件和标准修订周期长、颗粒度粗,难以直接映射到技术的实现场景上;应用门槛高,技术难以转化为易用、易复制的生产工具,产业应用还需要一定的周期。
对此,蚂蚁集团旗下蚂蚁密算、中电数据产业集团有限公司、国家工业信息安全发展研究中心、浙江大学区块链与数据安全全国重点实验室、华为技术公司以及北京交通大学等产学研机构,共同发起本次升级,构建覆盖可信数据空间、数据元件、数联网、区块链、隐私保护计算和数场的融合技术生态,逐步对外开放代码,促进跨领域技术协同与标准共建。

升级后的“隐语·数据可信流通技术社区”,将聚合数据流通全栈技术,根据区域或行业需求灵活组合,提供更高的计算性能、支持更多的计算类型,并解决传统沙箱无法抵御运维方窃取数据等行业难题。社区还将持续迭代,推动技术互联互通,提供更安全、更低成本的数据流通技术方案,及更好的生态兼容性。
蚂蚁密算董事长兼隐语社区技术委员会主席韦韬表示,“开源是人类文明史上第一次把端到端的工程实现细节与世界共享,这种伟大的模式极大的加速了世界数字化革命的演进进程,这是传统书本知识、技术专利、课堂教育或其他方式之前从来没有提供过的。2022年7月,我们面向全球开发者开源隐语可信隐私计算框架,支持安全多方计算、联邦学习、同态加密、TEE等主流隐私计算技术,致力于技术普惠和行业生态共建。”
“三年来,我们与产学研界的合作伙伴一道,共同将隐语打造成了业内领先的开源社区,从协议、代码到产业落地,以实际行动推动数据流通技术的发展和应用。今天,站在三周年的节点,隐语升级融合六条技术路线,致力于打造‘架构开放,实现透明,安全原生,互联高效’的技术社区,继续以开源开放的方式,降低数据可信流通技术的应用门槛,提供更高性能、更强安全、更低成本的技术方案,落实技术互联互通与产业标准规范,赋能医疗、金融、城市治理、制造等关键领域,促进数据产业的发展。”

自2022年7月起,蚂蚁集团可信隐私计算的核心技术已经陆续全部开源。目前,“隐语”社区链接全球超20,000名开发者、70余所高校及科研机构、60余家产业合作伙伴。在产业落地上,隐语在普惠金融、新能源车险等领域取得显著成效。在公共数据开发方面,隐语支持杭州市密态计算中心、江西省数据流通基础设施平台等项目建设,为数据要素安全流通提供技术支撑。
蚂蚁集团自2016年起投入隐私计算技术研发,能力涵盖全栈可信技术、多方安全计算、联邦学习、同态加密、差分隐私、机密计算等全谱技术域,并在可信密态计算、分布式平台、高性能算法等领域取得突破。在隐私计算领域,蚂蚁集团累计专利申请超过1700件,居全球首位;牵头或参与国内外标准超过80项,主导了11项国际标准。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。