国内隐私计算 四小龙 之一的翼方健数近日发布揽睿星舟 AI 服务平台 , 旨在赋能长尾 AI 应用场景 , 通过整合各方数据、算法和算力资源 , 自助式 对接各类 AI 供需 , 包括数据源和数据需求方撮合、AI 需求方和 AI 开发者撮合等。除了助力实现 AI 平等及普惠 , 揽睿星舟平台的核心愿景与翼方健数一脉相承 , 即构建释放数据价值的 IT 基础设施——数据与计算互联网。 依托翼方健数在隐私计算领域的多年积淀 , 揽睿星舟在保证数据和算法安全的前提下打通数据链路、构建数据网络 , 以可信 AI 释放更多数据价值 , 以数据价值拓展更多数据智能应用。

　　src=翼方健数认为 , 数据与 AI 两者相辅相成 , 数据是 AI 之母 ,AI 则是实现数据价值最先进的方法之一。翼方健数的多年业务实践也表明 , 数据价值发掘很多产生于 AI 场景。揽睿星舟的诞生正是基于这样的观察和理解 , 为各行各业、不同规模的 AI 场景提供丰富、中立、高性价比的硬件、软件和生态服务。

　　AI 平台早已不是新鲜事物 , 市场上强手林立 , 互联网大厂以及几乎所有 AI 独角兽都推出了 AI 开放平台 , 既有全能选手 , 也有单项高手 , 近年来还呈现出免费化趋势。作为创业企业和后来者 , 翼方健数必须为揽睿星舟找到差异化的定位和发展路径。

　　翼方健数首席科学家张霖涛博士表示 , 揽睿星舟首先是一个 AI 服务平台 , 市场上 AI 平台的基础功能 , 如数据标注、模型训练优化与部署等都同样具备。但揽睿星舟更希望建立一个开放生态用来聚合 AI 需求 , 主要就包括算力、算法、数据三要素 , 而供需撮合则是打造这一生态的重要方式。

　　可以确定的是 , 翼方健数打造揽睿星舟是为了在专注提供隐私计算解决方案的同时满足客户的 AI 需求。

　　翼方健数在业务中发现 , 目前数据价值很多时候都由 AI 创造 , 隐私计算是其中确保数据安全、护航数据价值发掘的绝佳工具 , 然而许多客户的 AI 需求却未得到满足。尤其是一些体量相对较小的项目 , 一方面客户没有必要投入资源亲自下场做 AI 开发 , 另一方面这样的 小单 又难以吸引专业的 AI 技术服务商跟进。

　　作为隐私计算技术服务商 , 翼方健数也难以为每个项目投入人力和资源去寻找和匹配相关 AI 资源。解决这一问题的理想方式就是由翼方健数搭建平台 , 把这些 AI 长尾需求集合起来 , 再对接各类 AI 资源 , 在基于隐私安全保障的前提下供需两方各取所需 , 这就是揽睿星舟的初衷。

　　据了解 , 揽睿星舟将引入众多第三方合作伙伴 , 提供各类 AI 工具 , 并实现自助式 AI 供需对接。张霖涛表示 , 要满足长尾需求 , 同时也让 AI 得到更多发展 , 翼方健数有责任做这样一件事 , 把需求、供应、数据、算力等汇聚起来 , 各自提供最好的解决方案 , 在揽睿星舟这里可以找到便宜的算力 , 或许还有最好的模型 , 目标就是把 AI 需求服务好 , 让各种 AI 应用跑起来。

　　尽管可以在技术层面做 轻 , 但要运营好生态 , 在服务层面做 重 仍不可或缺。换句话说 , 揽睿星舟在给平台参与者 技术赋能 外 , 还要 服务赋能 。

　　张霖涛介绍 , 揽睿星舟将提供多维度服务。平台将引入 店小二 的服务者角色 , 回答平台使用的常见问题 , 还将考虑引入专业技术咨询公司 , 指导平台参与者合理采购和配置 AI 资源。 服务赋能 还将延伸到营销推广和创业扶植 , 为平台上的优秀技术团队提供产品营销服务 , 对接全球范围内的投资机构提供创业资本。

　　他还强调 , 技术与服务双赋能不仅要让揽睿星舟好用 , 更要 亲民 , 这体现在定价策略。秉承翼方健数主张数据价值的理念 , 揽睿星舟的收费模式也将基于其为用户创造的价值 , 即以撮合收费为主。这样的策略符合市场规律 , 因为只有合理的价格才能让需方买单 , 所谓合理的价格就意味着同时限制了供方不能漫天要价 , 平台也不能收取高额撮合费从而进一步抬高价格。

　　面对发展多年的成熟赛道 , 以及后来者的进入门槛不断提高 , 揽睿星舟在设计之初就对差异化定位有了深刻认识和清晰思考。

　　与大多数现有 AI 平台上用户与用户间缺乏交互的 星型结构 相比 , 揽睿星舟用户的关系更多是网状结构 , 供需撮合让用户充分互动。这种结构差异已经令揽睿星舟与目前大多数 AI 平台不具直接可比性 , 可谓独辟蹊径。从细节来看 , 其独特性还通过开放性、中立性和安全性三大特点得到了稳固支撑。

　　在开放性方面 , 用户可在揽睿星舟平台 上架 自己的 AI 资源 , 需求方也可货比三家 , 选择合适的 , 性价比高的服务。相比之下 , 目前市场上的大部分 AI 平台都只允许用户使用官方资源 , 如算力和模型等 , 因此并非真正意义上的开放。

　　在中立性方面 , 市场上不少 AI 平台自身对相关资源就有利益诉求 , 比如很多 AI 平台运营方本身就是以 AI 业务为主的企业 , 自身对模型和数据有所诉求 , 用户若把自己的数据和模型放在其搭建的平台上 , 难免有所忌惮。翼方健数主打通过隐私计算发掘数据价值 , 并且自身践行 零数据 理念 , 即本身不留存、不持有任何数据 , 因此揽睿星舟与用户间就不存在利益冲突。

　　src=在最重要的安全性方面 , 凭借翼方健数的天然强项 , 揽睿星舟主打数据安全。张霖涛表示 , 翼方健数是国内隐私计算的先行者之一 , 多年来坚持全栈技术投入 , 即不囿于联邦学习、多方安全计算、TEE 等隐私计算技术路径 , 还包括存储系统、执行环境、网络传输等各方面长期投入 , 这些全栈技术的效用在 AI 场景中尤其显著。揽睿星舟充分利用了这样的全栈技术实力 , 为 AI 场景和用户提供完备的隐私安全计算技术能力。

　　src=张霖涛指出 , 人工智能行业近几年得到了长足发展 , 但也遇到了不少挑战 , 用揽睿星舟这一模式 ,AI 生态上的各类玩家都能在平台上找到价值。希望这一模式对 AI 发展能起到积极的推动作用。

　　很多专业的数据厂商收集了大量语音 , 图像 , 文本 , 以及药物分子 , 材料特性 , 交通运输 , 贸易流通等等的商业化数据 , 服务 AI 客户。对专业数据提供商来说 , 一个最大的风险就是传统手段交付后数据不可控 , 可能造成核心资产的流失。揽睿星舟提供可控的 AI 训练和推理环境 , 让数据在授权的情况下被安全使用 , 降低交易的风险 , 让数据资产可以被更广泛的使用 , 创造更多的价值。

　　业界也有很多 AI 工具开发者 , 专注于优化某类特定 AI 工具 , 例如标注 , 大模型训练 ,Auto ML 或模型优化等等。对 AI 开发工具提供商来说 , 揽睿星舟支持将工具集成进揽睿星舟完整的 AI 工作流 , 补齐特定工具厂商的短板 , 发挥特定工具的优势 , 减少工具厂商自己部署云平台的运维成本。

　　对于 AI 算法和模型开发者来说 , 揽睿星舟平台提供全流程的模型开发 , 调优和部署工具。开发者可以不用自己维护 MLOps 平台 , 而专注于模型和算法的开发和部署。另外 , 揽睿平台上规模化的高性价比算力能够大大降低开发的成本 , 特别是对没有很强议价能力的中小企业和个人开发者会有很大的帮助。

　　而对于 AI 解决方案提供商来说 , 最大的挑战之一就是说服有 AI 需求的客户分享数据。AI 需求方担心自身数据泄露 , 特别是考虑到 AI 解决方案提供商往往会同时服务竞争对手 , 使得双方更加难以建立信任关系。揽睿星舟平台非常适合作为一个没有利益冲突的第三方 , 为供需合作提供一个安全交付环境 , 这点对于初创的 AI 企业服务中小客户尤其有帮助。

　　当然 , 对于一个平台来说 ,AI 业务的需求方是最重要的生态客户。张霖涛指出 , 目前 AI 能力被各行各业所关注 , 传统行业都希望进行数字化转型 , 用 AI 提高生产效率。但是传统企业建立内部 AI 团队往往非常困难 , 而接触外部 AI 服务企业的渠道有限 , 难以考察这些企业的真实能力 , 很多优秀的小团队难以被发现 , 也难以取得客户的信任。揽睿星舟提供一个集中的场所 , 让 AI 服务企业展示和证明自己的能力 , 也让需求方易于发现和验证服务方的能力 , 建立更好的供需匹配。

　　张霖涛指出 , 未来 , 揽睿星舟上还可能有其它类型的生态合作用户 , 例如硬件厂商 , 教育培训 , 人才招募等等。对于揽睿星舟来说 , 建立一个繁荣的 AI 生态 , 为生态合作伙伴提供价值 , 是必须的发展方向 , 也是揽睿星舟成功的关键。

　　据张霖涛透露 , 经过一段时间建设和内部测试 , 揽睿星舟已经积累相当数量的合作伙伴提供各类资源 , 也有不少客户试用效果良好 , 相关案例类型包括在 AI 场景中充分发掘数据价值、化解数据安全症结建立信任等。

　　其中 , 发掘数据价值体现在 AI 竞赛场景中。某快消品公司在其主办的比赛中需要使用真实数据 , 以此检验 AI 算法质量及有效性 , 揽睿星舟助其实现了既可充分利用数据 , 又不会让参赛者看到真实数据 , 取得良好效果 , 成功吸引几十支队伍参赛。

　　在化解数据安全症结建立信任方面 , 揽睿星舟有助于促成商业合作 , 主要解决企业在选择 AI 技术服务商时不愿泄露自身数据 , 而 AI 技术提供商又有在实施过程中需要保护自身技术秘密的问题。比如 , 首饰公司希望通过 AI 视觉识别检验产品瑕疵 , 但又不能泄露首饰设计 ; 又如在 AI 项目招标中 , 往往甲方不愿泄露数据 , 乙方不愿泄露模型 IP。张霖涛表示 , 这些场景中数据安全都是阻碍协作问题的症结所在 , 反映出现实中与 AI 相关的商业合作往往卡在数据和模型安全上。揽睿星舟恰好同时具备数据安全 ( 隐私计算 ) 能力和 AI 资源能力 , 同时本身不对数据和 AI 模型 IP 有诉求 , 因而可以成为合作双方都信任的中立平台。

　　目前 , 翼方健数已经与多家 AI 生态合作伙伴签署了合作协议 , 共同建设揽睿星舟这一平台生态。合作伙伴中既有传统企业寻求数字化解决方案 , 也有 AI 创业公司提供算法和应用 , 还包括公有云巨头为平台提供充足算力。这些早期合作伙伴的积极参与充分说明了行业玩家对这一模式的认可。

　　值得一提的是 , 翼方健数通过揽睿星舟促进人工智能三要素流通的尝试与当下人工智能发展与创新聚焦三要素流通交易 , 特别是数据生产要素流通的政策导向不谋而合。

　　以人工智能领域首部省级地方法规《上海市促进人工智能产业发展条例》为例 , 其中专章聚焦基本要素与科技创新 , 明确鼓励开展算力资源市场化交易 , 推动算法模型交易流通 , 推动人工智能产业数据流通交易。伴随该条例自 10 月起施行 , 揽睿星舟恰逢有利发展机遇。

　　src=在国家层面 , 培育数据要素市场更已成为国家战略。今年以来 , 国务院办公厅《要素市场化配置综合改革试点总体方案》、中央国务院《关于加快建设全国统一大市场的意见》先后发布、中央深改委第二十六次会议强调加快构建数据基础制度、《关于构建数据基础制度更好发挥数据要素作用的意见》即将发布 , 都是对数据要素发展的谋篇布局。

　　从这一角度看 , 揽睿星舟是踏准了节奏。除了紧跟国家战略 , 揽睿星舟也在翼方健数自身的企业发展战略里占据重要地位。

　　张霖涛强调 , 揽睿星舟可以被视为数据原生时代的 IT 基础设施 , 是 AI 和数据价值实现的平台 , 更是翼方健数一直以来推动的数据与计算互联网 ( IoDC ) 的可信 AI 计算节点。因此 , 揽睿星舟的诞生绝非只是为了迎合客户 AI 需求的被动之举 , 而是翼方健数建设 IoDC 大蓝图中的主动布局。

　　简言之 , 数据原生源于数据外在性的经济学特性——同样的数据在不同地域、不同行业、不同场景、经过不同的计算 , 会产生不同的价值和新知识 , 这种价值实现依靠 AI 和数据的 化学反应 。

　　IoDC 不仅融合了资源要素 , 也是数据价值的传输网络和放大机制 , 成为数据原生时代的 IT 新基建。在 IoDC 中 , 每个节点都有能力完成数据采集、治理、计算等全生命周期从而形成数据价值闭环。这种能力的实现需要全栈技术支撑 , 隐私计算是其中的核心部分之一 , 除此之外 , 也需要算法 , 算力 , 和实际的应用去创造数据价值。揽睿星舟是 IoDC 的可信 AI 计算节点 , 通过建设 AI 生态 , 来服务业务需求。

　　src=如果说揽睿星舟在翼方健数的 世界观 中被赋予了形而上学之意 , 那么其在商业战略中的位置则更加务实。在翼方健数 横纵发展 的企业战略中 , 纵指的是医疗、金融、营销等垂直领域 , 横就是指揽睿星舟这样面向 AI 长尾需求的平台。

　　同时 , 揽睿星舟也是翼方健数为普及隐私计算技术、降低技术使用门槛、共建行业生态迈出的全新一步。作为该战略的第一步 , 翼方健数已于今年 7 月开源了翼数联邦学习框架和翼数安全计算引擎 , 以此降低隐私计算的技术门槛 , 赋能更多行业和开发者。

　　除了呼应国家战略和推进企业战略 , 揽睿星舟的发布还折射出隐私计算行业对技术和业务的最新理解。

　　首先是对隐私计算本身涵义的理解从狭义到广义。翼方健数一直在提倡一个广义的 隐私安全计算 的理念。张霖涛指出 , 能够在特定的信任假设下 , 在保护数据所隐含的隐私和机密 , 避免数据资产的流失、转移和失控的前提下 , 实现和分享数据价值的技术、产品和方法 , 都称为 隐私安全计算 。行业兴起之初 , 隐私计算往往等同于联邦学习、同态加密、可信执行环境等有限的几类软硬件技术 , 而目前业界的共识是需要根据应用场景选择多种技术路径协同。这里的场景不仅是行业场景 , 也包括技术场景 , 如揽睿星舟就是典型的隐私计算技术应用于 AI 技术场景 , 再通过 AI 释放数据价值赋能各行业。

　　其次是对业务模式的理解从技术项目服务到基础设施平台建设。以往隐私计算技术服务商多以做项目的方式服务客户 , 但这种方式却很 重 , 一方面项目的整体需求不局限于隐私计算技术 , 还可能包括许多其他资源需求 , 让隐私计算服务商不得不投身于技术之外的服务上 ; 另一方面不同客户的项目也很难复制。如果只依赖人力去重复做项目 , 无疑会给隐私计算服务商带来了不小的成本和负担。以揽睿星舟为代表的自助式资源对接平台试图以基础设施的形式解决这一问题 , 把业务模式从一对一服务引向平台自主服务 , 这种方式或将重新定义隐私计算赛道的业务模式。

　　最后是对释放数据价值的理解变得更加客观。释放数据价值是一个大命题 , 并不简单等同于隐私计算 , 而是更多技术门类 , 甚至是技术与非技术领域的协同。在揽睿星舟的探索中 , 尽管数据是 AI 之母 , 但 AI 必然离不开算力和算法 , 三要素相辅相成。隐私计算公司天然紧抓数据这个核心 , 但不能忽略算力和算法 , 揽睿星舟面向 AI 场景展现了更开阔的视野 , 是这个方向上一个有益的尝试。

　　IT专家网领先的科技门户网站，是国内具有知名度和影响力的科技IT资讯门户网站。