《睿见2022》：您是隐私计算领域的专家，能给我们通俗地讲一下什么是隐私计算吗？为什么隐私计算技术会出现并成为“香饽饽”？
王爽：我们生活在一个数字化时代，数据无处不在，也看到很多数据泄露的例子，隐私计算其实就是用来平衡数据的便利以及数据的隐私保护。通过隐私计算技术，我们可以实现数据的“可用不可见”，数据既可以被用起来服务于大众生活，又可以把整个隐私保护住，使它不能够被非法利用或获得。
《睿见2022》：从您的人生经历来看，您是如何与隐私计算结缘的，您的隐私计算生涯可以分为几个阶段，每个阶段有着怎样的变化或感受？
王爽：我最开始接触数据隐私是在2009年，当时在美国读书，美国正在推行智能电表，通过观察智能电表的用电信息，能够推出很多用户在家的行为，会泄露很多隐私。这个情况下，我通过一些算法帮助电厂解决用电的规划，同时又不影响各个住户的数据隐私。在智能电表的隐私保护基础上，我又把它扩展到医疗领域，那相当于第二个阶段。
之后我们发现对于医疗场景下的隐私计算需求越来越大，单靠一个团队比较有限，我们开始构建社区，联合成立了一个国际隐私计算大赛iDASH，把全球跟数据隐私安全相关的专家、学者、医生汇集到一起，大家群策群力，一起推动整个隐私计算在医疗行业的发展。
要想使研究成果能够大规模落地，其实还需要商业化运作。所以在2019年我们成立了公司，我们认为国内对于数据隐私安全的需求也会非常高，在这些条件下决定回来去进行隐私计算的商业化落地。
《睿见2022》：锘崴科技能为客户及社会带来什么价值？
王爽：锘崴科技是一家专注于隐私计算底层技术开发的高科技公司，通过底层开发的自主可控的隐私计算平台，服务于医疗行业的数据共享以及隐私保护，同时赋能像金融和政务领域的相关应用。公司数百人的团队中，60%以上是核心技术研发人员，包括密码学、系统安全、机器学习、医疗方面的专家。
从数据源角度讲，很多医院或者运营商的数据在收集后没有得到充分利用，这里面形成了一个个数据孤岛。通过隐私计算就可以实现数据在“可用不可见”的情况下，把这些数据进行价值层面的转换。从数据的使用方角度，目前大数据AI在驱动整个行业的发展，很多应用对数据的需求非常大，通过隐私计算方案可以帮助它快速精准地匹配数据，并在隐私保护的情况下，基于大规模样本构建更精准的模型。
《睿见2022》：从锘崴科技的合作方案中，能否列举一两个您自己比较满意或印象深刻的商业化应用案例？
王爽：比如在医疗行业，我们做的全国的专病库。医疗行业分很多病种，不同疾病关注的点不一样。通过专病库，可以针对某一种疾病去赋能全国范围内数据队列的构建，以及基于队列基础上的相关模型的开发、使用。
《睿见2022》：在商业化落地方面您有何经验可以分享？
王爽：大部分数据源其实不具备隐私计算能力，不同数据源的数据可能存在异质性，怎么进行一些数据的清洗或数据的归一化，使不同类型的数据、不同数据源的数据互联互通，这里面需要一定的工作。
但是不同场景下对于安全性的要求可能又会各不相同，所以在底层技术开发的过程中，需要融合不同隐私计算技术去解决不同场景下对于安全性的要求，这对团队的多技术融合能力要求比较高。不同场景对于模型的性能、精度要求也各不相同，需要很多的团队合作去满足不同场景下对于性能、精度、安全性的需求。
另一方面，不同行业的应用存在一些相关差异性。很多场景下的需求也多种多样，单靠一个隐私计算公司可能没办法满足所有技术需求，所以要求平台具有很强的可扩展性，通过一些SDK或者是其他方式接入第三方应用，做一个开放的应用生态。
《睿见2022》：和所有的竞争对手相比，锘崴科技最具差异化的一点是什么？
王爽：差异化主要体现在几方面，首先我们基本上是业内最早从事医疗隐私计算的团队，在这个领域有十多年相关经验，对每一种隐私计算技术有比较深的理解和实践。这样我们可以用不同技术组合去适应场景，而不是需要客户场景去适应某一项技术，这可能是我们在技术领域的优势。
在应用场景上，目前大多数隐私计算公司从事的是金融行业，我们有很多医疗方面的积累。在金融场景下，通常是两到三方的隐私计算，但是在医疗场景下，通常需要十几方或者是上百方的医院合作，去完成一个新药研发，所以对底层平台的可扩展性要求会更高。
医疗场景下的模型涉及病人的生命安全，它要求加入隐私计算后获得的模型精度与原始明文下计算的模型精度一致，这对精度的要求也会更高。这里，我们会提供一整套无损的隐私计算解决方案，支持大规模的隐私联合计算，比如可以支持数百方的数据节点的联合分析。基于底层开发的医疗平台，也可以去赋能金融、政务等不同场景。
《睿见2022》：一些业务部门“不愿”推进，主要是因为隐私计算所带来的业务红利在短时间内无法快速变现。您如何看待这个经营目标矛盾？如何量化数据安全的投入回报？
王爽：不同行业对数据安全和数据流通的需求可能不一样，这分行业或分企业，会有不同阶段对于隐私计算的采购。其实隐私计算对客户能创造的价值主要从几方面讲，一方面是数据合规的要求，隐私计算能帮助企业规避一定程度的风险。从主动的角度，隐私计算可以帮助用户降低相关成本，可以结合多个数据源实现更精准的用户画像，节约相关营销费用，或是在相同的营销费用基础上提高转化率，实现降本增效。
另一方面，结合隐私计算这项技术后，企业可以为客户提供一些增值服务，可以提高它的客单价，或者是在信任基础上获得更多客户。通过这些方式，都可以去提高隐私计算客户的竞争力。
《睿见2022》：随着行业规模化应用发展，您认为什么样的应用未来可能会成为主流？
王爽：一方面是开放的应用生态，因为这里面会涉及到很多数据交换的应用，都会应用到隐私计算。另一个是数据分润，通过隐私计算我们构建了很多数据节点，在数据节点之间要把数据用起来就会组合出很多不同的应用场景，在不同的应用场景里，可以按数据的使用次数或使用效果进行分润。
