作为中国领先的互联网公司之一，腾讯拥有庞大的服务器网络，以支持其广泛的数字服务。随着服务器数量的不断增加，其能源消耗也成为一个日益严峻的挑战。
腾讯服务器数量
截至 2023 年，腾讯拥有超过 100 万台服务器，分布在全球各地的数据中心。如此庞大的服务器数量反映了该公司庞大的用户群和广泛的服务范围。
服务器能耗
数据中心是全球能源消耗的主要贡献者，其中服务器是最大的能源消费者。单个服务器的平均能耗约为 1000-2000 瓦。以腾讯的服务器数量计算，其服务器的总能耗将达到 100-200 亿瓦。
能源消耗影响
腾讯服务器的能源消耗对环境有以下影响：
- 碳排放：服务器能耗主要依赖化石燃料，这会产生大量碳排放，加剧气候变化。
- 水资源消耗：数据中心需要大量水来冷却服务器，这对水资源紧张地区是一个重大挑战。
- 土地占用：服务器需要大量空间来容纳，这可能会导致土地资源的消耗。
可持续发展挑战
腾讯的能源消耗水平对可持续发展提出了重大挑战。为了应对这一挑战，公司采取了以下措施：
- 提高
液冷服务器技术介绍
引言：为何需要液冷技术？随着数据与计算量的指数级增长，数据中心对算力的需求不断提升，同时，数据中心的能耗和散热挑战日益严峻。
全球数据中心单机柜平均功率的提升和环保规定的限制，促使增加单机柜功率密度成为关键解决方案。
液冷技术应运而生，为数据中心散热提供新思路。
液冷技术通过使用液体取代空气作为冷媒，有效带走发热部件的热量，显著提高散热效率，降低数据中心能耗，符合绿色数据中心建设的需求。
液冷技术的发展与应用：1) 液冷技术核心原因：随着芯片功耗的不断攀升，风冷已接近极限，液冷技术成为高功耗设备散热的优选方案。
数据中心作为能耗大户，液冷技术的引入有助于节能减排，优化运营成本。
例如，阿里巴巴千岛湖数据中心通过湖水自然冷却，大幅降低PUE，显著减少能耗和碳排放。
此外，海底数据中心采用重力热管技术，利用海水作为自然冷源，提高了能效，实现节能减排。
腾讯贵安七星数据中心利用山洞自然冷源，形成高效灾备数据中心，PUE远低于平均水平。
2) 数据中心形态演进：从第一代科学计算时代的机房到第五代集约化、模块化设计的高效数据中心，技术与设计理念不断迭代。
液冷技术的引入，标志着数据中心散热解决方案的革新，为实现更高效、更绿色的数据处理提供了可能。
液冷技术的分类与特点：1) 液冷技术路线：液冷技术主要分为间接冷却与直接冷却两大类。
间接冷却通过冷板实现热交换，目前在高性能计算领域广泛应用。
直接冷却则分为浸没式与喷淋式，其中浸没式又分为单相式和相变式，单相式应用更为广泛。
2) 液冷技术优势与应用：液冷技术在高密度服务器、AI计算等领域展现出显著优势。
冷板式液冷技术，对产品架构影响有限，散热效率高，能有效降低数据中心PUE，适用于规模商用。
直接液冷技术，如浸没式与喷淋式，提供了更高效、更稳定的数据中心散热方案。
例如，单相浸没式液冷通过全浸没方式，实现高换热效率与低噪音，提供全面的散热解决方案。
相变式液冷则通过利用冷却液的相变过程，进一步提升散热效率与可靠性。
总结：液冷技术作为数据中心散热的关键技术，通过高效热交换，显著提升数据中心能效，实现绿色、节能的运营。
从冷板式液冷到直接液冷技术的多样化应用，液冷技术正不断推动数据中心朝向更高性能、更低能耗的方向发展，为构建可持续发展的信息基础设施提供重要支持。
区块链融合新格局是什么,区块链整合
GMPC混合链与大数据区块链项目GG56达成战略合作，共同推进区块链发展！
近日，第16届国际金融论坛（IFF）在广州举行。
GMPCCEOBrian以及哥伦布星球创始人Park受第五十六届联合国大会Chairman韩升洙邀请参加本次论坛，本届年会以“全球稳定：新变局、新发展”为主题，深入探讨了数字金融在未来经济发展中的重要作用以及我国在世界区块链经济中扮演的重要作用。
会议结束，GMPCCEOBrian以及哥伦布星球创始人Park受邀同韩升洙共享晚宴。
期间，GMPC创始人兼CEOBrian从目前全球区块链行业发展现状出发，深入探讨经济全球化趋势下中国企业国际化的现状，机遇和挑战，并提出对策建议，为中国企业的全球化发展保驾护航。
在韩升洙的见证下，GMPCCEOBrian与韩升洙所主持创立的大数据区块链公司GG56（GlobalGood5Oceans6Continents）区块链大数据公司达成合作意向。
作为国际金融公共平台和战略智库，国际金融论坛（IFF）被联合国秘书长誉为全球金融领域的“F20（Finance20）”。
国际金融论坛（IFF）秉承和遵循“全面可持续发展——新资本、新价值、新世界”的宗旨，致力于打造具有战略远见、国际一流的学术智库和多边对话平台。
#聚焦新全球化未来之路#
国际金融论坛（IFF）自2003年成立以来起，每年定期召开全球年会，历届年会都吸引了全球上百位各国政要和财经领袖出席。
包括联合国秘书长科菲·安南、潘基文、欧洲中央银行前行长特里谢、日本前首相鸠山由纪夫、沙特阿拉伯王国图尔基亲王殿下、英国前首相布莱尔、美联储前主席保罗·沃尔克、联合国贸易和发展会议秘书长素帕猜、国际货币基金组织总裁拉加德、国际清算银行总裁卡鲁阿纳等。
历届年会成果丰硕，专家们的对策建议在国际金融领域产生了重要的影响，成为制定经济金融政策的重要参考。
迄今为止，国际金融论坛（IFF）已有来自全世界的1000多位政治、经济、金融等领域的领袖人物和知名专家、学者参与年会并演讲，参会人员高达1万余人次，产生了广泛的全球影响。
国际金融论坛（IFF）高质量的经济纪要，促进国际金融合作与发展，对国际金融的良性发展有着举足轻重的影响，多位政要都曾高度认可IFF重要地位。
时任联合国秘书长潘基文曾表示：我高度赞扬国际金融论坛（IFF）对全球政策对话的宝贵贡献。
因此，F20倡议：重塑金融本质，极其引领时势。
欧洲中央银行前行长、30国集团主席、三边委员会欧洲主席特里谢高度评价IFF成立以来所发挥的作用，他指出：国际金融论坛（IFF）一直遵循全面可持续发展—新资本、新价值、新世界的宗旨，我必须指出，国际金融论坛（IFF）的这一宗旨最为符合当前完善国际经济、金融新格局的趋势。
美国联邦储备委员会前主席、美国总统经济复苏顾问委员会主席保罗·沃尔克也指出：国际金融论坛（IFF）是致力于促进国际金融合作与发展的重要平台。
我希望能继续这一重要使命。
国际金融论坛（IFF）第16届全球年会由广州市政府和国际金融论坛（IFF）共同主办，由广州市地方金融监管局、广州南沙开发区管委会、国际金融论坛（广州）有限公司承办。
年会围绕“全球稳定：新变局、新发展”为主题进行深度、综合性讨论，全方位探索金融创新和稳定发展的务实之路。
本次年会嘉宾阵容空前强大，其中包括近百名国际嘉宾，其中八位前政要，一位现政要，他们是：
比利时前首相赫尔曼·范龙佩；
第56届联合国大会Chairman韩升洙；
法国宪法委员会主席、第21届联合国气候变化峰会主席洛朗·法比尤斯；
菲律宾众议院议长、菲律宾前总统阿罗约；
墨西哥前总统、耶鲁大学全球化研究中心主任埃内斯托·塞迪略；
参加本次年会的还有菲律宾财政部部长卡洛斯·多明格斯；菲律宾中央银行行长本杰明·迪奥克诺；柬埔寨财经部国务大臣罗斯·塞瓦拉等；中国人民银行、中国银保监会、中国证监会、中国全国社保基金等领导，以及广东省、上海市等有关领导在内的200多位领导嘉宾、财经政要和金融专家出席年会，聚焦全球化新发展趋势。
#区块链金融探索驱动金融创新#
本次论坛主要聚焦人工智能、金融科技、风险投资、区块链、智能制造等热门话题，碰撞智慧、凝聚共识。
在“国际金融科技峰会”分会场中，嘉宾们以“金融科技与数字变革”为主题，深入探讨金融科技与数字变革、区块链金融探索、以及支付方式创新发展的时代意义和现实意义。
#抓住一切机会与中国进行合作#
随着经济的发展，遍布中间商的原有金融体系已经出现了明显的问题，全球经济治理中的内在缺陷与系统性风险不断扩大。
在这样的背景下，数字化时代的技术进步与金融解决方案的变革为全球经济治理转型提供了全新的视角。
区块链作为一种具有框架性的底层技术，能够利用加密链式区块结构、点对点网络、分布式算法和数据云端存储等技术，建议一个更开放、更透明、更容易被便捷获取的金融体系，创造出新的连接方式和商业模式。
GG56的BTourChain项目以区块链技术为基础，致力于提高旅游业效率及效益，改善旅游业的结构性问题，促进新兴旅游文化和捐赠文化，旨在打造一个全新的旅游业生态。
通过技术创新，完美融合“区块链+大数据”，GG56将拓展出新的应用领域。
在区块链行业，中国始终保持着一个绝对的领先地位。
10月24日，中国国家领导人在第十八次集体学习会议上强调：要把区块链作为核心技术自主创新重要突破口，加快推动区块链技术和产业创新发展；10月28日，中国央行率先推出数字货币DCEP。
一系列的举措，都在向世界宣布着中国在区块链行业进军的实力和决心，我们需要抓住一切机会与中国展开合作。
区块链技术虽然能够改进传统金融模式中间商的问题，但是区块链区块链数据具有原生性，并不能直接去接收外部的数据，公链与公链之间，公链与联盟链，联盟链与联盟链之间就像一个平行的世界，无法产生快速的交互行为，导致区块链体系中的价值无法进行转移，这样的情况导致了新的问题——区块链价值孤岛。
价值孤岛的问题抑制了区块链技术的发展，怎么才能让区块链技术最大化的发挥金融效用呢？新型混合链架构的出现便显得尤为重要和迫切，在这样的背景下，GMPC创始人Brain提出了混合链的概念，创建了全球首创多链复合混合链GMPC，GMPC基于首创的MixLink协议，向一个个区块链里的价值孤岛输送流量、交换资产，最终实现公链、联盟链甚至是跨链之间的资产互联互通，力图攻克区块链价值孤岛，达到万物互通。
#GMPC攻克区块链价值孤岛#
GMPC混合链致力于打造一个可伸缩的容器，在GMPC与外链进行交互的时候，外链不用改变原有的技术架构，尽可能的尊重万链原有的架构前提下，实现互联互通的目的。
GMPC的核心技术架构主要包含三个技术组件：第一个核心组件是共识语言，支持图灵完备语言等等；第二个GMPC的TOKEN经济模型，JBFT共识机制是我们在BFT共识机制基础之上进行改善来的共识机制；
第三个是Mixlink协议，这个协议包括三层次的协议：第一层的协议是基础应用流量分发协议，可以接入很多互联网的APP和区块链的DAPP到混合链的生态当中，利用基础流量分发协议进行分发；其次还具有与外链的交互协议，通过这条协议可以跟外链达成资产和信息互通的目的；第三个就是价值流通协议，对不同的共识机制外链进行分类，然后归结到同一个多命令里面，这样可以有效地提升效率。
第三个是Mixlink协议，这个协议包括三层次的协议：第一层的协议是基础应用流量分发协议，可以接入很多互联网的APP和区块链的DAPP到混合链的生态当中，利用基础流量分发协议进行分发；其次还具有与外链的交互协议，通过这条协议可以跟外链达成资产和信息互通的目的；第三个就是价值流通协议，对不同的共识机制外链进行分类，然后归结到同一个多命令里面，这样可以有效地提升效率。
#GMPC和GG56签署战略合作协议#
GMPC混合链以促进区块链行业发展为己任，推动区块链生态促进新金融模式的良好发展作为自身的使命，GMPC混合链扎实的区块链技术获得了韩国前任总理、第五十六届联合国大会主席韩升洙的高度评价。
GMPC混合链作为一带一路战略部署下唯一中标的韩国项目，将同广州市政府、国际金融论坛一道，共同建设南沙国际金融城，积极推动一带一路战略项目落地，维护、发展中韩经济。
在区块链发展的黄金时代，合作才能共赢。
2020年1月4日，G支付全球启动大会暨合作战略签约会在青岛完美落幕，GMPC创始人BrianCHOI、GG56中国区总裁申在原受邀出席会议并发表演讲。
在现场来宾的见证下，GMPC创始人BrianCHOI与GG56中国区总裁申在原签署了战略合作协议。
两家公司将在区块链技术、支付模式等领域展开深度合作，共同推进区块链发展。
区块链技术被认为是继蒸汽机电力互联网之后下一代颠覆性的核心技
区块链技术被认为是继蒸汽机电力互联网之后下一代颠覆性的核心技是正确的。
区块链技术的兴起被认为是继蒸汽机、电力、互联网之后的一场新技术革命。
区块链能融合实物流、数据流、信息流、资金流，简化验证、对账、审批、清算等交易流程，可以对农产品、工业品等商品的生产、加工、运输、流通、零售等环节进行追踪记录。
区块链与实体经济相融合有利于区块链与实体经济相融合与消费结构升级无必然联系。
区块链与实体经济相融合，可以降低物流成本，加速相关产业的资源整合，对企业经营管理模式也会带来变革，提升资源利用效率。
错误，商品价值量是生产该商品的社会必要劳动时间决定的，与个别劳动时间无关。
区块链分布式存储：生态大数据的存储新模式
区块链，当之无愧的2019最靓的词，在科技领域闪闪发亮，在实体行业星光熠熠。
2019年的1024讲话，让区块链这个词焕然一新，以前它总是和传销和诈骗联系在一起，“区块链”这个词总是蒙上一层灰色。
但是如今，区块链则是和实体经济融合紧密相连，成为国家的战略技术，这个词瞬间闪耀着热情的红色和生意盎然的绿色。
“产业区块链”在这个时代背景下应运而生，是继“互联网”后的又一大热门词汇，核心就是区块链必须和实体产业融合，脱虚向实，让区块链技术找到更多业务场景才是正道。
区块链的本质就是一个数据库，而且是采用的分布式存储的方式。
作为一名区块链从业者，今天就来讲讲区块链的分布式存储和生态大数据结合后，碰撞产生的火花。
当前的存储大多为中心化存储，存储在传统的中心化服务器。
如果服务器出现宕机或者故障，或者服务器停止运营，则很多数据就会丢失。
比如我们在微信朋友圈发的图片，在抖音上传的视频等等，都是中心化存储。
很多朋友会把东西存储在网上，但是某天打开后，网页呈现404，则表示存储的东西已经不见了。
区块链，作为一个分布式的数据库，则能很好解决这方面的问题。
这是由区块链的技术特征决定了的。
区块链上的数字记录，不可篡改、不可伪造，智能合约让大家更高效地协同起来，从而建立可信的数字经济秩序，能够提高数据流转效率，打破数据孤岛，打造全新的存储模式。
生态大数据，其实和我们每天的生活息息相关，比如每天的天气预报，所吃的农产品的溯源数据等等，都是生态大数据的一部分。
要来谈这个结合，首先咱们来看看生态大数据存储的特点。
伴随着互联网的发展，当前，生态大数据在存储方面有具有如下特点：
从数据规模来看，生态数据体量很大，数据已经从TB级跃升到了PB级别。
随着各类传感器技术、卫星遥感、雷达和视频感知等技术的发展，数据不仅来源于传统人工监测数据，还包括航空、航天和地面数据，他们一起产生了海量生态环境数据。
近10年以来，生态数据以每年数百个TB的数据在增长。
生态环境大数据需要动态新数据和历史数据相结合来处理，实时连续观测尤为重要。
只有实时处理分析这些动态新数据，并与已有历史数据结合起来分析，才能挖掘出有用信息，为解决有关生态环境问题提供科学决策。
比如在当前城市建设中，提倡的生态环境修复、生态模型建设中，需要大量调用生态大数据进行分析、建模和制定方案。
但是目前很多历史数据因为存储不当而消失，造成了数据的价值的流失。
既然生态大数据有这些特点，那么它有哪些存储需求呢？
当前，生态大数据面临严重安全隐患，强安全的存储对于生态大数据而言势在必行。
大数据的安全主要包括大数据自身安全和大数据技术安全，比如在大数据的数据存储中，由于黑客外部网络攻击和人为操作不当造成数据信息泄露。
外部攻击包括对静态数据和动态数据的数据传输攻击、数据内容攻击、数据管理和网络物理攻击等。
例如，很多野外生态环境监测的海量数据需要网络传输，这就加大了网络攻击的风险。
如果涉及到军用的一些生态环境数据，如果被黑客获得这些数据，就可能推测到我国军方的一些信息，或者获取敏感的生态环境数据，后果不堪设想。
生态大数据的商业化应用需要整合集成政府、企业、科研院所等社会多来源的数据。
只有不同类型的生态环境大数据相互连接、碰撞和共享，才能释放生态环境大数据的价值。
以当前的智慧城市建设为例，很多城市都在全方位、多维度建立知识产权、种质资源、农资、农产品、病虫害疫情等农业信息大数据中心，为农业产供销提供全程信息服务。
建设此类大数据中心，离不开各部门生态大数据的共享。
但是，生态大数据共享面临着巨大挑战。
首先，我国生态环境大数据包括气象、水利、生态、国土、农业、林业、交通、社会经济等其他部门的大数据，涉及多领域多部门和多源数据。
虽然目前这些部门已经建立了自己的数据平台，但这些平台之间互不连通，只是一个个的数据孤岛。
其次，相关部门因为无法追踪数据的轨迹，担心数据的利益归属问题，便无法实现数据的共享。
因此，要想挖掘隐藏在生态大数据背后的潜在价值，实现安全的数据共享是关键，也是生态大数据产生价值的前提和基础。
其中，很多生态大数据涉及到了知识产权的保护。
但是目前的中心化存储无法保证知识产权的保护，无法对数据的使用进行溯源管理，容易造成知识产权的侵犯和隐私数据的泄露。
这些就是生态大数据在存储方面的需求。
在当前产业区块链快速发展的今天，区块链的分布式存储是可以为生态大数据存储提供全新的存储方式的。
这个核心前提就是区块链的分布式存储、不可篡改和数据追踪特性。
把区块链作为底层技术，搭建此类平台，专门存储生态大数据，可以设置节点管理、存储管理、用户管理、许可管理、业务通道管理等。
针对上层业务应用提供高可用和动态扩展的区块链网络底层服务的实现。
在这个平台的应用层，可以搭建API接口，让整个平台的使用灵活可扩展。
区块链分布式存储有如下特点：
利用区块链的分布式存储，能够实现真正的生态大数据安全存储。
首先，数据永不丢失。
这点对于生态大数据的历史数据特别友好，方便新老数据的调用和对比。
其次，数据不易被泄露或者攻击。
因为数据采取的是分布式存储，如果遭遇攻击，也只能得到存储在部分节点里的数据碎片，无法完全获得完整的数据信息或者数据段。
区块链能够实现生态数据的存储即确权，这样就能够避免知识产权被侵害，实现安全共享。
毕竟生态大数据的获取，是需要生态工作者常年在野外驻守，提取数据的。
生态大数据来之不易，是很多生态工作者的工作心血和结晶，需要得到产权的保护，让数据体现出应用价值和商业价值，保护生态工作者的工作动力，让他们能够深入一线，采集出更多优质的大数据。
同时，利用区块链的数据安全共享机制，也能够打破气象、林业、湿地等部门的数据壁垒，构建安全可靠的数据共享机制，让数据流转更具价值。
现在有部分生态工作者，为了牟取私利，会将生态数据篡改。
如果利用区块链技术，则没有那么容易了。
利用加密技术，把存储的数据放在分布式存储平台进行加密处理。
如果生态大数据发生变更，平台就可以记录其不同版本，便于事后追溯和核查。
这个保护机制主要是利用了数据的不可篡改，满足在使用生态大数据的各类业务过程中对数据的安全性的要求。
区块链能够对数据提供安全监控，记录应用系统的操作日志、数据库的操作日志数据，并加密存储在系统上，提供日志预警功能，对于异常情况通过区块链浏览器展示出来，便于及时发现违规的操作和提供证据。
以上就是区块链的分布式存储能够在生态大数据方面所起的作用。
未来，肯定会出现很多针对生态大数据存储的平台诞生。
生态大数据是智慧城市建设的重要基础资料，引用区块链技术，打造相关的生态大数据存储和管理平台，能够保证生态大数据的安全存储和有效共享，为智慧城市建设添砖加瓦，推动产业区块链的发展。
作者：Justina，微信公众号：妙译生花，从事于区块链运营，擅长内容运营、海外媒体运营。
题图来自Unsplash,基于CC0协议。
什么叫区块链？通俗说什么意思？中国对于区块链的态度到底是什么？
通俗一点说，区块链技术就指一种全民参与记账的方式。
所有的系统背后都有一个数据库，你可以把数据库看成是就是一个大账本。
那么谁来记这个账本就变得很重要。
目前就是谁的系统谁来记账，微信的账本就是腾讯在记，淘宝的账本就是阿里在记。
但现在区块链系统中，系统中的每个人都可以有机会参与记账。
在一定时间段内如果有任何数据变化，系统中每个人都可以来进行记账，系统会评判这段时间内记账最快最好的人，把他记录的内容写到账本，并将这段时间内账本内容发给系统内所有的其他人进行备份。
这样系统中的每个人都了一本完整的账本。
这种方式，我们就称它为区块链技术。
GSN利用区块链技术，将分布式点对点的科技优势运用在了泛金融服务领域，在全球范围内首创了社交银行的模式，利用区块链技术搭建了一套科学有效且高度安全的征信体系，并以其为根本设计一套社交银行的商业模型。
全球的用户通过区块链的共识机制，不可篡改，数据公开通明，可追溯性等特点，加上区块链独有的保密机制，将企业的个人的征信信息，信用记录，使用记录都上链保存，使具有良好信用记录的企业和个人得以较低的交易成本获得较多的交易机会，因为交易双方的信用状况可以获得更便利的金融服务，却同时不用担心企业和个人的信息会被盗窃或泄露。
GSN有效地降低了金融风险，为整个社会信用体系的建设与完善提供了一个启示作用。
使传统的信用管理基于经验、制度设计转向重技术手段支持的区块链管理模式，引进了最先进的信息管理技术，有利于提升信用管理的科技含量，提升了管理的精准性、严密性。
GSN的分布式点对点金融理念，在各个环节都利用了区块链的“自治性”特点，摒弃传统的“管理——规制”模式而遵循“治理——服务”理念，从而减少成本。
所谓“自治性”是指所有参与到区块链系统中的节点均遵循同一共识机制，不受任何人干预，自由地交换、记载、更新数据，自发地共同维护整个区块链系统的信息可靠和安全，因此，“自治性”也可称为“共治性”，即每个参与者并非完全分散的原子型存在，而是共识机制中的有机组成部分。
这种革命性的改变不光改变了社会信用体系建设的应用场景，还对建立完善且健康安全的金融应用场景，甚至对和谐社会共享经济的发展都有着积极且深远的作用。
区块链联邦学习是什么？
为什么说区块链融合隐私计算是必然趋势？
从更大的版图视角来看，要构建全面的隐私保护和治理体系，不仅需要融合区块链、人工智能、大数据、隐私计算等多种技术，还需要结合法律法规、监管治理等诸多策略。
在数字化社会中，大家对于数据生产要素有着更为强烈的需求，无论是用户服务、业务营销都需要使用大量的数据，尤其是在分布式协作的业务模式中，各方都希望数据能顺畅地流通，并合理地体现数据价值。
但与之相悖的是，数据孤岛仍然存在，数据的粗放式使用仍待解决。
与此同时，合法合规成为大势所趋。
不论是在国内还是国际上，与个人信息保护、数据安全相关的法律法规一一出台，都对个人信息保护和数据安全等方面提出了更为严格的要求。
这意味着，要确保数据的安全，也要尊重个人的隐私权益；在数据全生命周期上，要求实现全面规范，达成合规地流通。
以用户为中心，在安全隐私前提下交换数据，并提供优质合规的服务，是数字化社会建设的趋势，需要在技术、业务模式、治理体系上做出更多的创新。
在分布式系统里引入隐私计算、发展合规的数据交易所等举措，都体现出这种创新精神。
在隐私计算领域，区块链、联邦学习和安全多方计算已然成为三大关键核心技术，而且这三大技术之间互有侧重，也有许多重合和联系。
其中，从区块链的角度出发，我们可以看到，一方面，区块链上的数据需要采用隐私算法来保护；另一方面，区块链也可以成为隐私计算协作里的底座和枢纽：采用区块链技术去记录、追溯多方协作中的数据集、算法模型、计算过程，并对最终结果进行评估和共识，持续优化协作效率。
此前几年，我们在区块链领域里探索应用落地时，常常是用区块链为业务场景构建“分布式账本”。
合规的应用都会对用户和商户进行KYC（KnowYourClient），其中也存在不少待通过隐私计算等创新解法来解答的问题。
例如，身份信息是否可以向全联盟链公布？在交易时，交易里的金额、相关方是否明文公开？每个人拥有的资产，是否可以被随意查询？人们的业务行为，是否会在未授权的情况下被滥用？
例如，在消费场景的积分卡券业务中，商家和商家之间通常不希望过多地暴露自己的经营状况，比如有多少用户开卡、充值，以及每天的流水等；个人用户也不希望自己的消费行为被公开审视。
于是，在隐私问题尚未能彻底解决之前，我们通常采用的办法是，引入核心权威机构参与共识和维护全账本，而其他参与者则分层分片，以不同权限的角色参与。
但这样，在一定程度上增加了系统的复杂性，影响了用户体验，同时，给区块链应用的规模化和普及化带来了挑战。
目前，区块链也普遍用于政务领域，比如在智慧城市管理以及各种民生应用中，为大家提供“一网通办”的良好体验，这就需要多领域、多地域、多部门的通力协作。
我们可以看到，政务应用覆盖面广，角色众多，数据存在多级别的敏感性和重要性。
区块链可以作为分布式协作的底座，通过数据目录、数据湖等方式，构建数据流转的枢纽，同时引入隐私计算和全面的治理规则，界定数据的边界，使数据在“不出库”的同时，依旧可以实现身份认证、隐匿查询、模型构建等能力。
从更大的版图视角来看，要构建全面的隐私保护和治理体系，不仅需要融合区块链、人工智能、大数据、隐私计算等多种技术，还需要结合法律法规、监管治理等诸多策略。
区块链隐私保护的场景丰富、角色众多，流程多样、数据立体，我们可以用“双循环”机制做进一步分析。
首先，我们从用户端出发，尊重用户对数据的知情权和控制权，把重要的数据交给用户管理。
比如，验证身份的“四要素”中，用户的身份凭据和联系方式通常来自政府和运营商这些权威机构，当用户和某一个业务场景产生联系时，他们并不需要提供全部的明文信息，只需要选择性披露一些可验证的凭据，用以代替明文。
基于分布式验证机制即可实现多场景的验身，证明自己的合法身份，此时业务提供方即使未获得更多明文数据，但也不能拒绝服务。
这就从根源上降低乃至杜绝了用户关键隐私的泄露风险。
其次，在业务方，依旧可以采用诸如联邦学习、安全多方计算等技术，对用户已经授权的、合规采集的业务数据进行处理。
在用户知情同意的前提下，在B端实现与合作伙伴之间的协同计算，数据不出库，隐私不泄露，但实现诸如风控、营销、广告等对业务运营有重要价值的事务。
最终实现业务效果的提升，在给业务方带来效益的同时，也为用户提供更优质的服务，或者权益上的回报。
其整个价值体系是闭环的，合规的，可持续的。
例如物联网和区块链，在采集端，就需要给设备分配身份和标识，同时算法上要做到去标识，防泄露；在用户端，不但要提供个性化的服务，还要做到防止不必要的画像，在做到可验证用户身份和资质的同时，又不能无端地追踪用户行为轨迹；最终，在提供优质服务、安全存储用户数据的时候，又要尊重用户的意愿，包括注销退出的要求。
如此的“双循环体系”，可能不止是在技术上要求设备、APP、后台服务进行迭代的重构，同时其商业模式、运营治理观念等层面可能也会产生许多革新。
整个链条会非常的长，需要做的工作也非常多，覆盖芯片、硬件、网络、软件、云平台等广袤的产业链。
目前来看，并没有哪一个“包打天下”的单一技术，可以满足“全链路”、“双循环”的要求。
那么我们不妨把场景拆细一点，列举得全面一些，组合一些技术和方案，先解决某个场景里的痛点问题。
事实上，我们在和众多产业应用开发者交流时，他们更期望聚焦于具体的、迫在眉睫的问题，得到有针对性、可着手实施的解决方案，比如转账时隐匿金额、排名时不透露分数、投票时不泄露身份、KYC流程时不泄露视频等等。
特定场景下的问题常常可以基于隐私计算的某一个算法或一些算法的组合，针对性的去应对。
我们可以日拱一卒，解决一个又一个的场景化问题，对之前可能有纰漏的事情亡羊补牢，对可预见的刚性需求引入新技术新思路，创新性地去实现。
这样就逐步把数据安全的篱笆一点点扎起来，最终筑就数据安全的长城。
分布式协作中，许多场景是跨机构的、跨网络的，无论是区块链还是隐私计算，都会遇到要和其他合作方、其他平台互通的要求。
我们看到信通院的相关工作组正在讨论多项互联互通规范，核心框架是要做到“节点互通”、“资源互通”、“算法互通”。
节点互通要求网络和协议等基础要素能互通。
资源互通强调的是对资源的发布存储、寻址使用、治理审计（含删除数据、下线服务等），在这个层面上，大家都实现相对一致的视图，提供通用的接口。
算法的互通则是非常细致和场景化的，每一种算法都有自己的特点，其密码学基础、运算规则、协作流程都会不一样，反过来对资源的管理资质和节点网络的拓扑，都会提出更多的要求。
在互通基础上还有“自洽性”、“安全性”、“正确性”等要求，而且随着领域的发展，不断增加更多功能的“扩展性”也非常重要。
之前，可能大家是在埋头苦干，积累技术和经验，以后在落地时，则需要更注重接口和规范，开放心态，大家一起沟通共建，通过开源开放的方式寻求共识和共赢。
总结一下，关于隐私计算发展的几个思考：
第三，实现标准化和普及化，以推动新技术和新理念的规模化落地。
比如相关的行业标准、评测体系，这对帮助从业者理清发展道路、达成行业要求大有裨益。
区块链发展这么多年，除了技术本身，其实最难的是“怎么解释清楚啥是区块链”。
希望在科普推广方面，方兴未艾的隐私计算能有更多的新思路，实现更好的效果。
回顾区块链和隐私计算的热潮，我们看到产业和社会在呼唤数据安全和隐私保护，行业也已经有了不少可用的研究成果，得到了一定的认可。
展望可见的未来，我们将更加开放、务实，聚焦用户和场景，探索规范的、规模化的、可持续的应用之路。
同盾的知识联邦和其他厂提的联邦学习有哪些显著不同？
同盾的知识联邦是一个统一的安全多方应用框架，它支持安全多方查询、安全多方计算、安全多方学习、安全多方推理等多种联邦应用。
知识联邦在借鉴一些相关技术的同时，也具备一定的独创性，尤其是在认知层和知识层联邦都是自主创新的。
知识联邦与其它技术领域，如联邦学习、区块链、隐私计算、安全多方计算等，都有着紧密的关系。
五大赛道、八位专家，银行局中人眼里的AI江湖
谁说大象不能跳舞？
2020于全体银行而言，是一场无预告的终极考验，一轮最直观的金融科技对决。
疫情让网点流量骤降到接近于0，全方位挑战银行线上服务水平，检验那些连年增加的科技投入，有多少真正变作数字化、智能化的一点一滴。
踏进2021，银行们迎来周密复盘、整装待发的最好时间节点。
在过去这一年，银行更努力地摆脱大象转身的刻板印象，告别以往被各路创新推着走的窘况，试图在金融科技和数字新基建的浪潮里承担更主动、开放的角色，以轻快敏捷的步伐持续向前。
没有一家银行不想拥抱AI，没有人愿意错过数智化转型的未来。
在梳理数十家银行AI全布局，以及「银行业AI生态云峰会」多位嘉宾的分享过程中，我们逐渐发现银行业AI的那些挑战和困境，那些艰险之处同样是机遇所在。
数据安全与隐私保护
银行业AI，首先被AI本身正面临的数据困境，和日渐收紧的数据监管尺度拦住。
在技术维度不断向前奋进的同时，银行必然要思考的一个议题是：业务创新与隐私保护如何兼顾？
雷锋网AI金融评论主办的《联邦学习系列公开课》曾对这一问题展开过系统深入的探讨。
第一节课上，微众银行首席人工智能官杨强就直接点明：“人工智能的力量来自于大数据，但在实际运用过程中碰到更多的都是小数据。
”
平安科技副总工程师王健宗也在课上指出，“传统的AI技术必须从海量的数据中学习或者挖掘一些相关的特征，利用数学理论，去拟合一个数学模型，找到输入和输出的对应关系，比如深度学习中训练网络的权重和偏置，模型效果与数据量级、质量、以及数据的真实性等有着密切的关系。”
一个典型例子就是银行信贷风控：现在大部分AI应用都由数据驱动，信贷风控更需要大量数据训练，但大额贷款风控的案例又非常少。
“要是来做深度学习模型，只用少量这种大额贷款的样本远远不够。
”杨强解释。
小数据需要“聚沙成塔”，同时又面临侵犯隐私的可能。
为此，网络安全与数据合规领域的立法进入了快车道，滥用数据和爬虫也受到过严厉整治。
虽然目前《数据安全法》还只是处于草案的状态，但是草案明确提出要关注数据本身的使用，需要在保护公民组织、相关权益的前提下，促进数据为关键要素的经济发展。
数据被称作是新时代的油田，但银行该怎样通过AI摸索出更高效、更合规的开采工具？
在「银行业AI生态云峰会」第一场演讲中，微众银行区块链安全科学家严强博士就对银行必备的数据安全与隐私保护思维，进行了深入讨论。他指出：
在数字经济时代下，银行业AI发展必须要尊重“数据孤岛”作为数据产业的原生态，隐私保护技术则是打破数据价值融合“零和博弈”的关键，需要打通隐私数据协同生产的“双循环”。
而区块链是承载数据信任和价值的最佳技术，对于隐私计算和AI应用中常见的数据品质等难题，都可以通过区块链进行互补或提升效果。
联邦学习、TEE可信计算、安全多方计算等多个AI技术路线也正尝试落地于银行的核心业务场景。
AI金融评论了解到，除了微众银行，江苏银行2020年也已开展联邦学习方向的探索，他们与腾讯安全团队合作，基于联邦学习技术对智能化信用卡经营进行联合开发和方案部署，在联邦学习技术支持下进行金融风控模型训练。
银行数据库
以“数据”为线，银行前中后台的升级轨迹清晰可见。
如果说前些年的银行科技，讨论度更集中在前台智能化应用，那么如今中后台建设开始更多地来到聚光灯下，讨论它们为银行数字化转型呈现的价值和意义。
这当中的一个重要模块，就是银行数据库的改造升级。
我们曾经报道，Oracle自进入中国市场以来，在银行数据库市场，一直具有压倒性优势，也是许多银行的采购首选。
由于长期使用Oracle，不少银行形成较严重的路径依赖。
平安银行分布式数据库技术负责人李中原也曾向AI金融评论表示，系统迁移和重新建设需要大量成本，从单机变为多机群体，故障发生的故障发生的概率和维护成本都会加大，对整体系统运维将是巨大挑战。
（详见《银行业“求变”之日，国产数据库“破局”之时》）
而云计算的出现，让Oracle在数据库市场接近垄断的地位有所动摇，各大互联网云厂商杀入战场。
腾讯云副总裁李纲就表示，云化数据库胜在成本低、易扩容两大特点，任意一台X86的PC服务器就可以运行，理论上也有着无限的横向扩展能力，这都是Oracle等传统数据库难以企及的优点。
中国数千家银行由此获得更多选择余地，开始从集中式数据库迁移到分布式数据库，一场事关“大机下移”的漫长征途就此展开。
这场变革已有先行者，例如张家港行在2019年就将其核心业务系统放在了腾讯云TDSQL数据库上，传统银行首次为核心系统选用国产分布式数据库；2020年，平安银行信用卡的核心系统也完成切换投产，新核心系统同样采用了国产数据库。
以平安银行为例，其体量之大，意味着应用改造更具挑战性。
张文解释道，为了配合此次改造，应用引入了微服务架构对应用进行了拆分和解耦。
对账号的分布进行了单元化划分，以DSU为一个逻辑单元，单个DSU包含200万个客户信息，单个DSU同时处理联机和账务两种业务。
但国产分布式数据库也同样还在成长当中，张文也指出了目前金融级分布式数据库面临一系列挑战点，除了有可伸缩、可扩展的能力，更要解决高可用性、数据强一致性，同时探索更具性价比的性能成本，以及为金融机构打造更易上手的、更产品化的成熟解决方案。
中台建设
“中台建设”这个热门关键词，不再是互联网公司的专属。
银行也不例外，甚至更需要中台。
银行这样的大型机构，架构极其复杂，还有跨部门多团队的协作，海量数据日积月累之下如同年久失修的危楼，更需要及时、持续的治理。
在看来，银行拥有大量的数据、技术和人才，资源却往往“各行其是”，部门之间没有配合意识、独立造烟囱；技术流于表面，无法链接、深入，这造成了银行资源的大量浪费。
中台的体系化建设和顺利运转，才能将这庞大体系中的“死结”一一梳开。
建设银行监事长王永庆就曾指出：中台建设是商业银行数字化经营转型的关键环节，认为商业银行数字化转型的必然归宿是生态化、场景化。
尽管商业银行在多年经营过程中沉淀了一定的竞争优势，形成了各具特色的内部生态系统，但目前仍是封闭的、高冷的，还无法满足数字经济对开放式生态化经营可交互、高黏性、有体感、无边界的要求。
因此，建行也已在数据中台先行一步，其落地上概括为5U（U是统一的意思），包括统一的模型管理、统一的数据服务、统一的数据视图，统一的数据规范以及统一的数据管理。
为求轻松支撑亿级用户，实现高时效、高并发场景化经营，招商银行近两年也在中台和技术生态体系的建设上持续发力。
去年年底发布的招商银行App9.0，迭代需求点超过1800项，“10+N”数字化中台建设就占据了相当的比重。
如何构建金融机构需要的数据中台？
在「银行业AI生态云峰会」上，360数科首席科学家张家兴就用“三通三快”概括了数据中台的标准：
金融机构面对着海量用户、复杂业务，一个优秀的数据中台，必须是达到多业务打通，内外数据互通和用户关系连通，同时还要做到数据的实时处理快、使用快、需求响应快。
他进一步强调，数据与AI融合得非常紧密，如果数据中台和AI中台各自建设，两者之间将不可避免地存在割裂的现象。
基于此，360数科也推出了自己的数据AI融合中台，将最上层数据平台，到中间数据服务支撑的平台服务，再到整个数据资产的管理，到最下面整个数据技术架构的设计都进行调整，并且将自身沉淀的AI能力嵌入其中。
张家兴也在云峰会的演讲上透露，360数科研发了一项联邦学习技术——分割式神经网络，通过神经网络在高维空间，Embedding不可逆的特性，使得不同参与的数据合作方只需要传递Embedding向量，见不到原始数据，但最终可以使模型产生目标效果。
银行信贷智能风控
而在过去一年里，银行信贷风险管理，仍然是最引人关注的方向之一。
关注度一方面来自于，受疫情影响而剧增的贷款逾期和坏账风险，如何借助技术手段“端稳这碗水”，把握好信贷支持尺度，成为银行、消金公司和风控技术服务商们的开年大考。（详见《信贷战“疫”：一场给风控的开年大考》）
而另一方面，2020年下半年起，针对金融科技或是互联网金融的监管“红线”逐渐清晰。
例如《商业银行互联网贷款管理暂行办法》，其中就明确提出了对商业银行的风险管控要求，和对合作机构的管理规范。
尽管结合AI、大数据的智能风控在银行科技应用中不再新鲜，但这并不意味着智能风控已经足够成熟——数据资源壁垒、自有数据累积、数据特征提炼、算法模型提升，被认为是大数据风控目前所面临四大困境。
某商业银行负责人就曾表示，在模型建设和模型应用过程中普遍存在数据质量问题，包括外部数据的造假（黑产欺诈）和内部数据的滥用等，在模型迭代方面，很多银行只追求迭代的速度和频次，而忽略了最终效果。
前网络金融CRO、融慧金科CEO王劲进一步指出，数据规范和治理体系不健全，数据质量差且缺失率高，技术能力不足，复合型科技人才匮乏等因素都是银行等金融机构无法做好模型的重要原因。
王劲曾在有着“风控黄埔军校”之称的美国运通工作17年，负责过全球各国各类产品相关的700余个模型提供政策制度和独立监控。
在云峰会上，他也结合自身二十余年风控经验，剖析了金融风险管理中的那些理念误区。
“很多人并不是特别理解，风险管理永远是一个寻找平衡点的科学。”王劲认为，风险管理平衡有着这样的核心三问：
他也解析了银行等持牌金融机构做好风险管理平衡的核心要素，谈到风险管理最重要的就是对数据的把控，“金融公司成立之初就要思考数据的生命周期。
首先要从对业务产品和客户的选择当中，决定需要什么样的数据。
”
数据战略是一个相对长期的落地过程，机构首先要立下数据选择的原则和条件：要考虑的不只是数据的合规性、稳定性和覆盖率，更要考虑数据的新鲜度、时效性和时间跨度。
从模型建设的角度出发，王劲指出，一个卓越的风控模型应当具备辨别力、精准度、稳定性、复杂度和可解释性五大要素，“原材料”数据、模型架构和算法的选择，衍生变量的出现，对模型的监控和迭代，以及对y的定义和样本的筛选，无一不影响模型的“锻造”。
在他看来，银行等金融机构如果能在身份识别和控制、数据安全管理、风险模型管理，和自动化监控体系方面，做到高效完善，将会是非常理想的一种状态。
RPA与内部流程优化
还有一个关键词，在各家银行年报中出现频率越来越高，那就是RPA（机器人流程自动化）。
此前AI金融评论也曾举办《RPA+AI系列公开课》，邀请到五位头部RPA厂商高管分享RPA与金融碰撞出的火花。
RPA的定义，很容易联想到2012年左右的“流程银行”转型潮。
当时的流程银行，意为通过重新构造银行的业务流程、组织流程、管理流程以及文化理念，改造传统的银行模式，形成以流程为核心的全新银行经营管理体系。
如今银行的转型之战，全方位升级为“数字化转型”，内部流程的优化改造在AI和机器人技术的加持下持续推进，RPA也迅速成为银行数字化转型不可缺席的一把“武器”。
达观数据联合创始人纪传俊在「银行业AI生态云峰会」上指出，RPA+AI为银行带来的价值，最明显的就是减少人工作业、降低人工失误，提升业务流程效率，同时也提高风险的预警和监控能力。
AI金融评论注意到，已有多家国有大行将RPA投产到实际业务中。
以工商银行为例，RPA在工行的应用覆盖了前台操作、中台流转和后台支撑等多个业务场景，在同业率先投产企业级机器人流程自动化（RPA）平台并推广应用，全行累计46家总分行机构运用RPA落地实施120个场景。
建设银行同样也引入了RPA，建立国内首个企业级RPA管理运营平台，敏捷研发业务应用场景100个，实现人工环节自动化、风险环节机控化。
农业银行方面则透露，农行目前还处于技术平台建设阶段，之后将以信用卡业务、财务业务等为试点落地RPA需求。
其实施策略，是建设全行统一的RPA技术平台，面向总分行各部门输出RPA服务。
中国银行在2017年底，旗下公司中银国际就已有RPA的概念验证，团队成功投产20个机器人，分别在不同岗位执行超过30个涉及不同业务流程的自动化处理工作，也与RPA厂商达观数据展开了合作。
纪传俊也在云峰会上分享了目前AI+RPA在银行各大典型场景的落地：
例如智慧信贷，面向的是整个银行最核心的流程——信贷流程，分为贷前、贷中、贷后三大阶段。
其中涉及数据查询、数据处理、财务报表、银行流水等专业环节，需要完成基础信息的录入、尽调报告的审核，而这些环节中的大量重复劳动，可以基于AI、OCR、NLP等技术自动化完成。
区块链是什么意思？
区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。
所谓共识机制是区块链系统中实现不同节点之间建立信任、获取权益的数学算法。
1、狭义来讲，区块链是一种按照时间顺序将数据区块以顺序相连的方式组合成的一种链式数据结构，并以密码学方式保证的不可篡改和不可伪造的分布式账本。
2、广义来讲，区块链技术是利用块链式数据结构来验证与存储数据、利用分布式节点共识算法来生成和更新数据、利用密码学的方式保证数据传输和访问的安全、利用由自动化脚本代码组成的智能合约来编程和操作数据的一种全新的分布式基础架构与计算方式。
扩展资料：
1、2008年由中本聪第一次提出了区块链的概念，在随后的几年中，成为了电子货币比特币的核心组成部分：作为所有交易的公共账簿。
2、到2014年，“区块链2.0”成为一个关于去中心化区块链数据库的术语。
对这个第二代可编程区块链，经济学家们认为它的成就是“它是一种编程语言，可以允许用户写出更精密和智能的协议，因此，当利润达到一定程度的时候，就能够从完成的货运订单或者共享证书的分红中获得收益”。
3、在2016年，俄罗斯联邦中央证券所（NSD）宣布了一个基于区块链技术的试点项目。
许多在音乐产业中具有监管权的机构开始利用区块链技术建立测试模型，用来征收版税和世界范围内的版权管理。
4、区块链的时间戳服务和存在证明，第一个区块链产生的时间和当时正发生的事件被永久性的保留了下来。
5、比特币公司BTCC于2015年推出了一项服务“千年之链”即区块链刻字服务，就是采用的以上原理。
用户可以将通过这项服务将文字刻在区块链上，永久保存。
参考资料：网络百科_区块链
