细思便知，数据结构等不一致带来的“孤岛”情况、数据安全等存在的隐患，以及不同技术融合背后的难度……
目前“数据孤岛”的情况较为普遍，一来从逻辑角度来看，因不同部门、组织对数据的定义、理解的差别而形成；二来从物理角度，因各种数据的独立存储、独立维护而产生。
但欲消除“数据孤岛”，一个大前提就是要保障数据安全，而且是重中之重的那种。
或许这样的描述，在感官上并不够直接，那么接下来的一个数据便可体现隐私计算对安全要求的高度。
例如RSA密钥长度在安全性极高的金融领域，尚且是2048bit；而腾讯大数据隐私计算所采用的长度，则达到了3072bit！
在iDash 2020世界隐私计算大赛中，腾讯便凭借此技术夺得冠军，这也是中国企业在此项比赛中的第一次夺冠。
除了数据之外，腾讯大数据要在技术层面也要做到打通，具体而言，就是将AI（A）和大数据（B）融为一体。
这也是反映出了目前业界存在的一个现状，也就是“A”和“B”的框架技术没有正真获得很好的复用。
因此，通过将AI和大数据技术的打通，便可以更好地适配CPU、GPU、NPU、FPGA等硬件。
为此，腾讯正在构建平台大脑，推动万亿级大数据分析逐步实现“自动化运营”。
究其本质，这也是一个从“被动”到“主动”的转变过程，即从“快速发现大数据运行问题”到“主动察觉缺陷”，再到“主动处理问题”。
据介绍，腾讯的平台大脑预计可让数据中心研发效率提升60%，运营效率提升50%，平台服务的品质提升80%。
但总归“第四代数智融合计算平台”是一个较大的概念，是否有更为具体的产品？
有的，Angel PowerFL，腾讯借此之际，还正式推出了这款安全联合计算平台。
支持多方联邦逻辑回归、XGBoost、PCA、用户自定义神经网络模型，支持多方联邦模型在线serving和模型管理，支持联合数据分析。
支持多方联邦逻辑回归、XGBoost、PCA、用户自定义神经网络模型，支持多方联邦模型在线serving和模型管理，支持联合数据分析。
在隐私保护方面，Angel PowerFL提供了多种机制的选择，包括同态加密、秘密分享、差分隐私、可信执行环境（如SGX）等。
在迭代和部署方面，Angel PowerFL采用的是“计算层和服务层分离”的方式。
而且所有的服务组件都是部署在K8S集群上，这样一来，就可以方便对接TensorFlow和PyTorch等常用深度学习框架，也利于进行分布式深度学习模型训练和推理。
最后，腾讯大数据联合腾讯研究院还推出了《腾讯隐私计算白皮书》，从多个角度，包括发展背景、技术体系、重点应用行业和场景、数据安全合规、未来发展前途等，对隐私计算做了深入的解读和研究。
而纵观发展历史，此次的迭代并非是一蹴而就，而是step by step。
早在2009年，腾讯大数据便推出了第一代计算平台，主要模式是离线计算，主要依托Hadoop的生态，优化范围也是限于局部。
耗时较长，是第一代计算平台的劣势，处理任务的时间长达小时甚至是天的级别。
基于此，从2012年开始，腾讯大数据便着手于实时计算，并推出了第二代计算平台。
当时，基于Spark/Storm等实时计算处理框架，让腾讯大数据在处理任务上步入了“毫秒时代”。
而到了2015年左右，深度学习在全球可谓是刮起了一阵热潮，在此趋势的推动下，腾讯大数据推出了第三代计算平台。
与此同时，自研机器学习框架Angel，也成为国内第一个从Linux基金会“毕业”的AI项目。
一方面，是来源于数据规模的逐步扩大，已经到了需要将流式计算和批量计算做融合、AI体系和大数据体系做融合的阶段。
如何在数据“足不出户”的情况下，既做到数据流、应用流和交易流的融合，又能保障数据的隐私安全。
如何在数据“足不出户”的情况下，既做到数据流、应用流和交易流的融合，又能保障数据的隐私安全。
不难看出，腾讯大数据计算平台到现在的发展，实则是基于每一阶段的“硬需求”而做出的变化。
大数据这座矿山的价值，在数智深层次地融合的当下并没有发挥全部的潜能，甚至很大一部分的能量还有待开发。
并且大数据已然成为新型基础设施的重要组成部分，相关产业的发展正是迎来新阶段的关键时刻。
众所周知，在自动驾驶领域会对车辆按照智能化来分级，一个形象的比喻就是“L3是察觉缺陷”、“L4是分析问题”，而“L5是自动处理问题”。
腾讯大数据对自身的技术现状，则定位在了向L4迈步，并给出了对于未来“无人驾驶”的理解：
希望对平台所有软硬件指标都能完整收集，并形成知识图谱，平台里任何一个问题和异常，平台大脑能第一时间感知，根据问题图谱进行根因分析，精准定位源头，是软件引起的还是硬件引起的，并能根据异常的不同影响级别，根据决策树和现网知识库形成最适合的处理方式。
这个过程，不需要人工来干预，都是平台自身智能地在处理，极大地解放研发和运维人员的生产力。
希望对平台所有软硬件指标都能完整收集，并形成知识图谱，平台里任何一个问题和异常，平台大脑能第一时间感知，根据问题图谱进行根因分析，精准定位源头，是软件引起的还是硬件引起的，并能根据异常的不同影响级别，根据决策树和现网知识库形成最适合的处理方式。
这个过程，不需要人工来干预，都是平台自身智能地在处理，极大地解放研发和运维人员的生产力。
虽然是由谷歌率先提出，但随着理论与实践的不断碰撞，加之实际应用场景规模之大，它已然不是最初的那个“味道”。
因此必须得说，隐私计算技术目前还是处于早期阶段，要解决和应对的问题还有很多：
开源技术是否会最终再次趋同？技术演进方向会怎样？与法律和法规又该如何碰撞？
开源技术是否会最终再次趋同？技术演进方向会怎样？与法律和法规又该如何碰撞？
本文系网易新闻•网易号特色内容激励计划签约账号【量子位】原创内容，未经账号授权，禁止随意转载。
量子位「AI社群」招募中！欢迎AI从业者、关注AI行业的小伙伴们扫码加入，与50000+名好友共同关注AI行业发展&技术进展：
