专访蓝象智联：前阿里战队登陆隐私计算

资讯温泉零壹财经 2021-06-28 阅读：7941

关键词：隐私计算 蓝象智联 阿里 数据协同 金融数字化

数据的使用权和所有权的分离将创造新的时代，隐私计算正在开启这个时代。

经历了2019年的技术普及和市场教育阶段，2020年的大规模概念验证和试点部署阶段之后，2021年隐私计算进入真正尝试规模化应用的阶段。《隐私计算规模化应用元年》专题将深度调研行业应用状况，同业界一起关注隐私计算给数据要素市场发展带来的价值。

导语：更广泛的数据协同，将会帮助金融行业扩大客户服务的范围、为客户提供更个性化的服务，将会推动金融机构进入数字化金融服务的第二波浪潮。

“未来，正不均匀地分布于现在。”

4月13日，创始人兼CEO徐敏在公司公众号上发表了第一篇文章，他在文章的开头这样写道。

几个月前，2020年11月26日，蓝象智联的隐私计算产品GAIA落地了第一个联盟应用——“金融数字化发展联盟”旗下的“实时多头”共享平台。这个平台由联合银联数据共同发布，探索解决风险数据覆盖不全、更新不及时、数据污染严重等行业瓶颈问题，服务众多金融机构信息共享、风险控制的需求。

半年后，这个“实时多头”共享平台运行顺利。据新网银行今年5月份在公开会议上透露，目前使用该平台的金融机构超100家，洽谈中的机构超30家，平台日均计算次数超60万次。

这对蓝象智联来说，是一个令人心潮澎湃的开始——这是第一个验证了隐私计算商业逻辑的“现象级场景”——蓝象智联创始人兼董事长童玲告诉零壹财经：“有没有能够验证商业逻辑的‘现象级场景’出现，通常是一种技术能否实现大规模商业化落地的真正标志。” 在上述文章中，徐敏预测，这个平台将开启一个超出所有人预期的生态未来——以数据和技术双轮驱动的金融行业的未来。

蓝象智联创办于2019年底，这个目前只有50来人的团队，大约一半成员来自阿里和。这样豪华的团队阵容，尽管蓝象智联在创立之初十分低调，几乎不做任何宣传，但这并不妨碍它在一开始就被友商列入最有实力的竞对行列。

很快，蓝象智联将要进行新一轮融资，这将是继种子轮融资、金沙江创投和联想之星天使轮融资之后的新一轮融资。童玲预测，未来一年半的时间里，市场可能初步形成一定的格局，紧锣密鼓的工作已经开始了。

GAIA系统

之所以能成为“现象级场景”，是因为金融数字化发展联盟旗下的“实时多头”共享平台正在尝试解决困扰金融领域的一大难题——数据孤岛。

2015年，大数据征信崛起，从那时开始，将与个人或企业相关的所据综合起来进行信用判断就是征信行业的一大目标。但是，在这个领域打破数据孤岛的尝试，效果一直不尽如人意。

究其根源，是共享数据和保护数据的矛盾。一方面，大数据征信公司希望借助外部征信数据交叉验证来进行风控；另一方面，又担心与其他公司共享客户资料信息数据，会失去自身积累的优势并导致优质客户资源的流失。甚至，在信息共享平台上，贡献数据的企业往往把坏客户说成好的，把好的说成坏的，因为大家都不希望自己的好客户被别人知道，因此信息往往真假难辨。

“实时多头”共享平台却为破解这个问题找到了方向，并且已经在部分应用场景落地。这个平台采用多方安全计算方法，保证了平台参与各方可以借助外部数据进行风控，同时又不会泄露自己的数据，真正实现了“数据可用不可见”。

未来，“数据孤岛”问题的破解，将对金融行业影响深远。徐敏解释，在过去的十年中，金融行业正在被互联网深度地改变，其深度和强度仅次于电商、服务行业；在过去的六年中，传统金融机构已经广泛地通过云计算技术来提升系统运行能力，获得了头部互联网金融平台一样的“业务爆发力”，来支持各类高并发应用、快速业务创新等等；但和头部互联网金融平台相比，传统金融机构运用数据来提升业务的能力还是不足的，这也是接下来几年中众多金融机构将重点优化发展的方向。对金融机构来说，数据会带来比云更大的业务价值。云的作用在于支撑客户已有需求的交易；数据的作用，既能支撑客户已有需求、也能发掘客户新的需求。更广泛的数据协同，将会帮助金融行业扩大客户服务的范围、为客户提供更个性化的服务，将会推动金融机构进入数字化金融服务的第二波浪潮。

金融数字化发展联盟旗下的“实时多头”共享平台，是蓝象智联隐私计算产品GAIA系统落地的第一个真实金融业务场景。当下，蓝象智联正致力于让GAIA落地更多场景。

在位于杭州市西溪艺术村的蓝象智联办公室里，徐敏将蓝象智联产品和解决方案专家伍清华介绍给零壹财经。伍清华毕业于清华大学，7岁上学，一路跳级，17岁即本科毕业。他为零壹财经展示了蓝象智联的隐私计算产品GAIA系统。

GAIA系统目前有三个落地产品，分别为：GAIA·Edge-X、GAIA·Cube、GAIA·Edge。

GAIA·Edge-X是隐私计算联盟共享平台，致力于实现联盟数据的安全共享。前述金融数字化发展联盟旗下的“实时多头”共享平台，底层技术即由GAIA·Edge-X提供。

GAIA·Cube是一站式联邦学习建模平台，主要功能是让用户可以利用机构内外的数据训练模型。

GAIA·Edge是多方安全计算平台，主要功能是数据交互。用户在GAIA·Cube上训练好模型之后，要在真实业务场景中跑数据，需要在GAIA·Edge上进行。

伍清华向零壹财经演示了GAIA·Cube和GAIA·Edge的操作。这两个系统已经完全实现了可视化操作，其界面为白底蓝框，看上去像Word一样简单。

进入GAIA·Cube后，左侧是一些可供使用的工具，右侧是机构内外部可供选择的数据的下拉菜单。如果要进行模型训练，只要通过下拉菜单，勾选好想要使用的数据，然后再选择左侧工具栏中要用的建模工具，就可以开始训练了。整个操作过程，完全用“拖拉拽”就可以完成。

在GAIA·Cube中将模型训练好之后，便可以让模型在GAIA·Edge中运行。伍清华解释，在GAIA·Cube中训练模型时，所使用的训练数据是相对静止的，不会实时更新，整个过程保证全方位安全，包括模型、数据安全等。如果要在真实业务场景中应用模型预测，就需要将模型应用在实时的业务数据上，这个过程就需要在GAIA·Edge中完成。之所以必须在GAIA·Edge中完成，是因为GAIA·Edge采用了多方安全计算技术，能够保证模型和数据安全的前提下，实时计算预测。同时，在供需双方进行数据交互时，如果需要进行计价，这个平台可以提供相应的功能。

在看得见的操作背后，各家隐私计算厂商需要比拼全方位的技术实力。徐敏介绍，GAIA系统在技术方面有几个特点：

第一，是安全性。在安全性方面，GAIA有三个特点：其一，在与数据源或者数据使用方进行数据交互时，蓝象智联实现了“去第三方直连”，即不用通过第三方，而是在数据交互的两方之间既实现数据交互、又能保证数据安全。这是通过密码学算法组合来实现的；其二，GAIA不仅保护数据安全，同时还保护模型安全；其三，GAIA能够满足系统安全的要求，已经通过“三级等保”认证。

第二，是系统的性能。GAIA目前具备处理亿级数据的能力，这也与蓝象智联的团队背景有关。目前，在国内，具备亿级数据处理能力的，基本都是互联网大厂。

第三，是模型的精度。隐私计算是基于密文的计算，一般来说密文计算的精度比明文计算要低。通过算法的优化，蓝象智联在很多时候能够做到几乎“无精度损失”，也就是密文计算与明文计算的精度是几乎一样的。

第四，是易用性。在设计隐私计算产品时，需要将“可用不可见”的原则深入融入到产品设计中去，面向初级算法人员或者建模人员的能力视角，极大地降低产品使用和操作的门槛，通过拖拉拽的可视化建模过程，完成建模、预测的一站式联邦学习平台。

第五，是高可用。对于金融级隐私计算平台，需要满足至少99.9%的可用率。同时要有数据计算的可靠性保障机制，支持计算任务全链路的可回滚、可灰度、可监控能力。

数据运营

但蓝象智联产品最大的特点，还不是GAIA系统的技术水平，而是其背后的数据运营思路。

蓝象智联并不是把GAIA仅仅当成IT系统去卖，而是与业务紧密结合。徐敏告诉零壹财经，这两者在商业本质上完全不同。IT系统的商业价值是帮助金融机构省钱，即使用新的系统可以帮助金融机构节省成本；但GAIA的目标是，帮助金融机构赚钱，即帮助金融机构将内外部数据结合起来，充分挖掘数据价值，提升收益。

要做到能够帮金融机构赚钱，隐私计算厂商除了懂隐私计算技术之外，还需要懂金融业务。而这正是蓝象智联的强项，蓝象智联算法科学家毛仁歆曾是蚂蚁分负责人，推动了联邦学习在信用评估领域的落地。此外，蓝象智联的团队中亦有来自蚂蚁明星产品花呗、借呗的成员，精通金融业务中的大数据风控与营销。

对金融业务的深入理解，对平台的运营非常关键。在向零壹财经演示GAIA系统时，伍清华解释，在金融机构这一侧，不少机构对如何应用互联网大数据的能力还有待提升，这时平台如果仅仅是接入了外部数据，而不能告诉金融机构哪些数据是有用的、应该如何使用，系统中的业务很可能跑不起来。在数据源一侧，数据源机构掌握的数据维度非常多，但是数据源不做金融业务，也不知道金融机构需要哪些数据，这也需要隐私计算平台告诉数据源应当如何处理数据，帮助数据源对数据进行处理和封装，使得杂乱无章的数据变成符合金融机构应用需求的标准化的数据资产。而这一切，如果没有对金融业务的深入理解，隐私计算平台是无法做到的。

在此基础上，GAIA的目标是打通数据交易的链路。徐敏用电子商务早期的发展历程来解释这一点。

他记得自己第一次接触“电子商务”这个概念是2000年前后，那时他在中国总行科技部工作，第一次来行里交流“电子商务”的是惠普公司。那时，人们对电子商务的理解还很初级，电商到底是一套企业自建的电商系统、还是像现在这样发展成淘宝、天猫、、微信生态里去开店，这个并没有定论。当时，有的公司就专门帮助其他企业开发电商系统，把自己做成了一家很厉害的技术公司；有的公司，如阿里、京东等，也从技术开始，但开发了电商平台，吸引各个企业在平台上开店，然后通过叠加运营能力，把平台做大。后来，做电商技术的公司和做电商运营的公司走出了截然不同的两条路。这两条路都可以走下去、走得很远，只是终局不同。

徐敏认为，隐私计算的情况会与电子商务很类似，电子商务解决的是商品的在线交易以及商品物流，隐私计算解决的是数据交易或数据交互中的数据物流。蓝象智联也希望在这条赛道走出自己的路——隐私计算技术叠加数据运营能力的道路。

“不拘一格”

不同于市场上正在大力扩张的团队，蓝象智联团队目前只有50来人。

“One Man Army”，徐敏用这个词来解释目前的团队规模。蓝象智联不迷信人海战术，而更信奉精英的力量。“一个优秀的程序员，为公司创造的价值可以超过10个平庸的程序员。”徐敏告诉零壹财经，这是在以往的工作中不断被验证的事实。

在解释这个问题的时候，童玲向零壹财经提及网飞（Netflix）最新出版的书籍《不拘一格》。网飞创立于1997年，如今市值超过2000亿美元，和迪士尼公司并驾齐驱，这样的成功源于公司独特的文化。《不拘一格》中揭示了网飞文化的理论基础——“人才效益现象”，即在创新能力起决定性作用的工作岗位上，一个富有才华的人所产出的创新效果将数倍于一个能力中等的人，并且随着技术和创新发展，这种倍数还在不断增加。针对这一现象，网飞创始人里德·哈斯廷斯提出将“人才密度”作为企业创新能力的内核基础。

与对人才看法的“不拘一格”相对应，蓝象智联计划中对市场的打法也与同一领域的其他公司有所差异。

在隐私计算目前的商业模式中，隐私计算厂商作为第三方平台，希望尽可能多地接入数据源与数据使用方。作为平台，接入这两方的数量有相互促进的作用——平台上的数据源越多，数据使用方接入意愿越强，因为可以用到尽可能多的外部数据；平台上接入的数据使用方越多，数据源的接入意愿也更强，因为可以在平台上接触到更多的买方，可以利用自己手中的数据创造更多的收益。

在这个游戏当中，大的数据源和数据使用方是隐私计算厂商的必争之地。因为大数据源手中，有进行金融风控与营销的刚需数据，而大的数据使用方的金融业务在整个金融行业占比巨大。拿下这些，就等于拿住了这个生意的最关键要素。在金融领域，大的数据源主要是政府、三大电信运营商和互联网巨头，大的数据使用方主要是头部的银行、保险、券商等金融机构。

但徐敏向零壹财经表示，蓝象智联不会仅仅因为规模而对客户怀有“分别心”。在市场初期，只要具备创新意识、创新动力、创新能力的数据源及数据使用方，就可以成为蓝象智联的标杆用户。

这听上去有些不可思议，甚至多少有些“喊口号”的意味。逻辑很简单，如果在市场开拓初期，把精力花在更小的数据源和数据使用方身上，似乎会错过未来能决定这个市场走向的更大的合作伙伴。不过，徐敏拿出了实例。

他告诉零壹财经，就像最早提出“实时多头”共享平台的新网银行就有很强的数字化创新基因，平台运行起来，见到效果之后，就有更多的金融机构希望加入进来，甚至包括大型国有银行。

不光这一个例子，还有阿里金的成功。徐敏曾于2014年至2019年间担任阿里金融云总经理。他向零壹财经强调，不可低估看上去小体量的合作伙伴或客户，比如当年在拓展业务时，在很多细分地域，某些深耕本地的银行的业务量会超过中农工建四大行在当地业务的总和。同时，他告诉零壹财经，大体量的合作伙伴的接入，并不像看上去那么简单，他们往往流程复杂、需要创业公司投入的人手众多，在创业公司人力有限的情况下，有可能造成“服务了一个客户，却错过了整个市场”的情况发生。

他向零壹财经强调：“蓝象智联面向的终局是整个市场，我们对所有的合作伙伴都是开放的。”

不过，蓝象智联的打法可能不是能够轻易模仿的。在提到这一理念的时候，蓝象智联已经与部分大型银行和运营商等头部机构达成了合作。

勇敢的开始

在徐敏看来，隐私计算正在开启新的时代，这是他参与创办蓝象智联的原因。

他认为隐私计算最终的价值，是使得数据的使用权和所有权分离，而使用权和所有权的分离，能够创造新的时代。他举例，土地使用权和所有权的分离，使人类进入封建社会；工业设施的使用权和所有权的分离，创造了工业大生产。“因为使用权和所有权分离，可以为生产要素定价，生产要素被定价之后才可以成为生产资料。如果不定价，生产要素只能由所有权人自己使用，而不能为全社会所用、发挥更大的价值。” 他解释。

上一次这样的纵身一跃发生在七年前。2014年6月，徐敏加入担任阿里云金融业务事业部总经理。如前文所述，此前他在中国工商银行总行科技部工作。之所以加入阿里云，是因为他看到了银行传统IT架构向互联网架构转型的趋势。此后，他一路将阿里金融云业务带到行业第一。

徐敏向零壹财经解释这两次转换之间的关联：“我过去做的事是让金融机构用云，现在做的事是让金融机构用数据。”他解释，用数据有三个阶段：数据获得、数据处理、数据应用。在数据获得的阶段，金融机构遇到了问题。互联网公司有场景、有数据，可以很好地应用数据；金融机构缺少场景，只能应用别人的数据，但是数据是严格监管的，不能买卖，这就影响机构获得数据。隐私计算就是帮助行业解决获得数据的问题。

同样是出身于工商银行的童玲，2014年7月加入蚂蚁金服时出任了蚂蚁金服首席架构师。之所以加入蚂蚁金服，是因为她坚信云计算和去IOE是金融计算必然的发展方向，而蚂蚁金服在这一方向有着充分的技术积累和应用场景。

加入蚂蚁金服之后，她历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创始人。蚂蚁的隐私计算平台最早即孵化于芝麻信用。

在一次接受采访时，童玲提的一连串问题发人深省：“能够用很多年的技术就是好技术吗？架构师最重要的是拥有成长型思维，保持居安思危的心态，未雨绸缪，对未来的发展方向保持清晰认知，并有勇气和眼光来挑战自我。每一个技术人的成长都应该思考，问自己这样一个问题：我是否有勇气舍弃现已掌握的技术、打破既定的框架？我能否不断突破自我？”

“所有的伟大，都源于一个勇敢的开始。”徐敏在4月13日文章的结尾处写道。

END.