经过实践证明，AI可以结合隐私计算、区块链等技术，从数据源端消除这些问题：

使用卫星、无人机、物联网传感器等采集数据，结合隐私计算和区块链技术，可以确保原始数据真实可信。利用隐私计算技术，数据“可用不可见”，形成物理分散的多元数据的逻辑集中视图，可以保证AI模型有充足的、可信的数据可供利用。同时，AI模型也是安全可信的，隐私计算技术使模型在受到充分保护的前提下，仍然可以为多方所验证。

利用数据源端收集的数据，结合隐私计算技术，可以使AI在农业科学生产、农户信用评估、农业风险预测等多方面发挥更大的价值。

3 如何扩展AI应用疆域，实现“协作智能”？

在国内数字化转型进程刚刚起步之时，绝大部分AI的落地场景背后都是以 “助力政府、企业等数字化转型”为逻辑的起点，即是说，此前的AI发展多把服务对象看作一个个独立的个体，应用的目的往往是帮助这些对象提升自身效率，提高数字生产力，加速数字化转型进程，等。

但随着国内数字经济的发展，国内各行各业的数字化程度已与此前不可同日而语。随着数字生产力的提升，必然要求社会发展出适合生产力水平的数字生产关系。诸如银行业的开放银行、政府的数据开放、供应链联盟、医疗行业的医联体／医共体，等都是围绕多个对象之间的生产关系优化和升级展开的工作。在这些探索和尝试推进的过程中，不可避免的遇到了数字化、智能化程度高的对象如何同程度较低的对象之间互利、可信合作的问题，尤其是同业对象间和产业链上下游企业间，类似问题尤其突出。从社会整体角度看不应把AI置于“降维打击”这种只竞争不合作的逻辑框架中。

“风物长宜放眼量”，新形势下，AI应用的着眼点宜拓展到如何利用人工智能，使得人与人、机构与机构、人与机构、人与AI之间的智能、高效协同上，解决协同的效率问题，同时应结合区块链、隐私计算等天然的关于数字生产关系的技术，奠定协同的基础设施和多方利益保障机制，从而真正形成良性的数字生产关系。以医疗行业为例，如果能将大型医疗机构的专家知识、经验等标准化，形成知识图谱、专家决策支持系统，再结合隐私计算技术，那么基层医疗机构未来就可以再不泄露就诊者个人隐私数据的同时，还能集成或者利用大型医疗机构的专家资源。

4 未来将会实现何种方式的“数据协作”？

数据的应用主体和开放主体能在安全可信的技术中进行数据协作。数据应用主体数量将迅速增长。其对数据的应用方式，也逐渐由跨部门协同转换为以数据中台为核心的利用方式，逐步形成内部数据价值链闭环。数据应用主体之间逐渐开始出现分工、协同，如银行同业机构间联合风控联盟、供应链核心企业对上下游的能力开放赋能联盟等。

数据协作的角色将不再单一。数据开放主体逐渐分化为数据资源方、数据分析和建模方、数据开放平台等不同的角色，社会分工逐渐精细化。

数据协作的“去中介化”趋势逐渐打破了传统数据公司的“数据霸权”。通过技术实现数据的可用不可见，所有数据开放主体将建立一种“技术信任”。

各参与方的人工因素逐渐降低，在数据价值链中大部分的对接都是机器对机器实现，极大提升了协作效率，也使得协作中越来越大比例的信任，可以由技术来保障。

未来，基于隐私计算和人工智能技术，通过网络协同和数据智能，将成为开启智能时代的“数据协作”的引擎，给社会化合作带来生产力的大爆发。

作者简介

光之树科技是世界领先的多方安全计算领域的创新企业，于2017年在北京成立，目前在北京、上海、广州均设有分支机构。光之树致力于打造高性能、安全、可配置、基于区块链的隐私计算平台，赋能金融、政府等多个行业机构，使其能在不暴露原始数据的前提下进行可信的联合学习和联合计算。公司核心产品包括天机可信计算平台、云间联邦学习平台、数据开放创新平台等，并已在金融、政府、农业等行业落地。

公司是2019年达沃斯世界经济论坛全球技术先锋奖得主，国家高新技术企业，并作为主要发起单位参与了多个隐私计算技术标准的制定。公司也是全球最大区块链技术联盟HyperLedger理事单位，中国电子信息行业联合会电子签名与可信服务发展联盟的联盟单位。