蓝象智联创始人童玲——金融级隐私计算的“她力量”

大数据 算力智库 2022/01/20 15:40

隐私计算赛道上,女性创业者并不多见,但她们往往实力不俗而一鸣惊人,童玲正是这样一股独树一帜的“她力量”。无论从时间还是空间来看,童玲都是隐私计算业内当之无愧的资深人士。

在时间维度上,童玲可以说是中国最早实践隐私计算技术的开拓先锋,也是最新技术与应用的探索实践者。

2017年尚在蚂蚁金服任职时,童玲就开始寻找数据“可用不可见”的技术。当时芝麻信用需要与某政府职能机构打通数据,但双方都不能把数据交给对方。于是童玲找到了多方安全计算最早的提出者姚期智教授,结合蚂蚁在数据技术的能力沉淀,促成了蚂蚁金服与清华大学交叉信息研究院成立联合实验室,最终实现了安全的数据共享。

这一标志性事件为数据安全有序流动的商业问题找到了技术解决方案,也为传统技术找到了数字经济时代下理想的落地场景,成为我国隐私计算技术的开篇之作。从中还孵化出了中国隐私计算行业最早的几家公司和技术平台,包括蚂蚁隐私计算平台、华控清交,以及童玲创立的蓝象智联。

进入2022年,童玲对隐私计算的认知和实践仍立潮头。她认为今年隐私计算会走向“隐私计算+”,成为赋能各行各业数据基建的基础技术和工具,进而产生各类新的商业形态和生产关系。同时蓝象智联也将成为各行各业数字化转型和数字经济的促进者,公司基于隐私计算的数据产品还签约成为上海数据交易所、深圳数据交易所、西部交易中心等数据交易所的首批数商。

在空间维度上,童玲的职业经历横跨互联网与金融两大行业,可以说完美处于隐私计算的技术与应用交点。她曾任蚂蚁金服首席架构师、芝麻信用 CTO、蚂蚁区块链及隐私计算平台的创始人。她还曾任某国有大行总行研发中心总架构师,拥有10多年金融科技和数据智能经验。

谈及经验优势,童玲对算力智库表示,蓝象智联的核心竞争力之一就是既懂技术又懂金融,源于阿里的技术和数据积累受到业内普遍认可,而熟悉金融业务则可以更好地了解客户需求并提出满足客户关切的解决方案。

童玲把这种优势称为数据运营能力。基于这样的能力,在她的带领下,蓝象智联的产品和业务发展可谓高歌猛进,在成立不到2年时间内,先后与工商银行、中国电信、中国移动、中国联通、上海银行、杭州银行、南京银行、国泰君安、新网银行、今日头条等数十家头部机构达成合作。团队自主研发的金融级隐私计算平台GAIA(音(“盖娅”)通过了国家金融科技测评中心的多方安全计算金融应用测评,信部院的联邦学习安全专项测评等所有相关专项测评、其独有的图联邦技术还获得国家专利以及业界顶会论文入选。

蓝象智联联合中国工商银行、中国银联打造的“基于隐私计算的小微商户普惠金融服务”入选由中国信息通信研究院、中国通信标准化协会大数据技术标准推进委员会共同组织开展的2021大数据“星河”标杆案例,这也是星河案例的最高级别认证。

作为中国隐私计算行业从初生到壮大的亲历者,童玲总结了隐私计算市场崛起的“三浪叠加”效应,也就是行业发展先后经历了第一批吃螃蟹的勇士、业务价值体现、配套法律法规和行业标准三大浪潮。站在2022年“隐私计算+”元年的起点,童玲与我们分享了她对行业的深刻理解。


“隐私计算+”元年已启


算力智库:

新年伊始,中国人民银行于1月4日印发《金融科技发展规划(2022-2025年)》,其中的重点任务之一是全面加强数据能力建设,在保障安全和隐私前提下推动数据有序共享与综合应用,充分激活数据要素潜能,有力提升金融服务质效。您如何理解其中的“数据能力”,隐私计算在其中的核心价值和机遇是什么?

童 玲:

我觉得隐私计算应该是整个金融数据新基建的基本技术。《规划》虽然没有直接提到隐私计算,但提到了怎么在保护数据安全和隐私的情况下去促进数据的共享和流通。如果我们今天既要保护用户隐私,又要让B端用户间的数据能够共享流通起来,那唯一的技术解,也是行业共识,就是隐私计算技术。可以说隐私计算技术是金融数据新基建里的最核心技术。


算力智库:

蓝象智联成为上海数据交易所首批数商,是否能透露更多相关详情?

童 玲:

上海数据交易所有多种数商类型,我们定位于交付型数商,主要基于隐私计算技术对中高敏感度金融数据产品实现合规流动和交付,目前产品已在上架交易所流程中。我们基于隐私计算的数据产品与传统的数据产品相比,最大区别就是更加安全合规。

我们认为伴随2021年数据相关立法的落地,原先很多数据产品的形态都要升级,甚至需要被重新定义。比如在新的法律框架下,数据一旦改变了主体或者用途,就必须重新获得授权,那么很多传统的API调用的数据产品就会面临合规升级。与此同时,《要素市场化配置综合改革试点总体方案》又明确提出了探索“原始数据不出域、数据可用不可见”的交易范式。“隐私计算+”正好提供了数据产品的新形态。

蓝象智联不仅能提供技术,还提供了基于隐私计算的数据产品,并且都遵循上述法律法规和政策。我们也认为今年将是“隐私计算+”的元年,代表一个数据无序的时代落幕了,一个数据有序流动的数字经济时代到来了。


算力智库:

金融是隐私计算落地的主赛道,也是蓝象智联的主赛道。与医疗、政务等场景相比,金融场景对数据共享和流通有哪些典型需求和要求?

童 玲:

与医疗、政务等场景相比,金融行业在数据方面特点显著,隐私计算在金融行业的落地更是意义重大。

首先,金融业的数字化程度几乎是所有行业里最高的,数据基建和数据的质量也是最好的。第二,金融业是少数以数据为核心生产要素的行业之一。众所周知,数据与资金是金融业的两大生产要素,金融业天然就依赖数据来支撑业务。第三,金融业非常审慎,是特别看重风险的行业。如果一项新技术能在金融行业落地,那就证明这项技术已经完全成熟,可以商用化了。

所以我们把GAIA隐私计算平台称为金融级,就是指比一般“企业级”更高阶,说明GAIA经过了金融行业的大规模验证,凸显了技术的安全性、高标准、成熟度。


技术叠加数据运营双轮驱动


算力智库:

蓝象智联“基于隐私计算的小微商户普惠金融服务”入选2021大数据“星河”标杆案例,反映了蓝象智联的哪些核心竞争力?在市面上众多隐私计算平台中,您如何总结GAIA的优势?

童 玲:

入选2021大数据“星河”标杆案例反映了蓝象智联的两大核心能力,我们称为“下半身”的能力和“上半身”的能力。

下半身的能力是指隐私计算的技术能力。这个案例包含了工行和银联两大机构,他们都是金融行业的头部机构,本身的金融科技实力也非常强,他们选择蓝象智联,本身就已经说明我们的技术是过硬的。

记得当时在银联部署GAIA产品节点的时候,他们差不多花了三周时间对产品安全性进行了全方位的验证,包括算法、代码、网络抓包等各种角度,充分说明我们产品的性能、安全性和功能在行业里首屈一指,才能赢得这两大机构的信任。

上半身的能力可以简单理解为数据运营能力,也就是能把数据在场景里真正用起来,发挥业务价值的能力。

这个案例的价值不仅在于证明了隐私计算技术具备商业化落地的可能性,也证明了今天数据在共享流通场景下能够给普惠金融业务带来好处。比如案例中银行的户均授信额度提升了30%,这就是数据带来的价值。数据价值背后需要的能力就是数据运营能力,需要既懂数据又懂场景,特别是要懂金融场景。


算力智库:

伴随隐私计算的落地,隐私计算企业纷纷迎来业务发展,但对于业务模式,特别是盈利模式却有不同的理解和尝试。蓝象智联的业务模式有何独到之处?对于盈利有怎样的预期?

童 玲:

我们觉得今年隐私计算会走向“隐私计算+”,因为隐私计算已经成为一种基建技术。这就好比互联网,互联网本质上不能称之为行业,而只是一种基础技术或工具。隐私计算也是这样的基础技术或工具,通过“加”其他行业,帮助各行各业构建新的数据基建。

在此背景下,隐私计算行业已经出现了一些分化,不同企业的定位各不相同。我们给自己的定位是基于隐私计算数据基建,成为各行各业数字化转型和数字经济的促进者,充分发掘数据价值,我们也可从中获得相应的商业回报,这也是我们商业模式的基本逻辑。

隐私计算数据基建还在建设中,现在直接谈盈利为时尚早。当然,随着隐私计算的各种商业化落地,相关技术以及服务的收入会迎来较大增长。


算力智库:

从互联网大厂到创业企业都在做隐私计算,您的经历也恰好覆盖这两种类型的团队,您观察到的当下市场格局中,这两类团队分别扮演了怎样的角色?

童 玲:

首先,互联网大平台有非常强的技术能力,也有大量的技术人才和技术积累,当然互联网大厂与创业团队是很不一样的。互联网大厂更多把技术当作能力,而非商业化产品,因此会更多被用于打通内部不同部门的数据。

隐私计算技术本质上是数据安全连接的技术。我认为作为一个连接者,第三方创业者的独立身份要比大厂的身份更容易去做连接,更便于我们帮助其他大型机构连接和打通数据。在现实市场中,我们在竞标项目时也确实很少遇到大厂竞争对手,我想也是因为这个逻辑。


算力智库:

蓝象智联在2022年有哪些发展规划?

童 玲:

产品方面我们在性能和安全性上都会有新的提升。第一我们会往全域隐私计算的方向去提升,从数据的全域加工、全链路上进一步提升产品的功能化能力,构建一个数据生态底层的数据新基建。第二我们会提升互联互通能力,这里主要是指打通落地场景,比如我们打通了一家银行与中国电信和今日头条的数据,就是基于场景实现了不同行业的数据互联。第三我们会在产品安全性上进一步扩展新功能,比如说隐私计算与图技术的结合。

团队方面我们会进一步加强密码学算法团队,会在技术底层核心能力上加强布局团队人才实力。除了技术团队,我们也会增强数据运营团队,因为数据运营也是我们的核心能力。我们当前是定位于国内最懂数据、最懂金融的隐私计算公司。未来在业务方面我们还会拓展更多场景,比如金融以外的政务、广告营销等。