隐私计算与大模型：理解这些前沿技术的原理，我们需要...

再前沿的技术也一定会常态化。

我记得好多年前当大数据技术变得时髦的时候，各位程序员是不是疯狂读hadoop源码？为了让自己和自己所在的技术架构能跟上技术发展的脚步，不甘落后是一个新技术为什么吸引产品的原因，它能解决过去解决不好的难题。

然而不管你研究的技术有多么挑战性，只要过三四年，大家就不太愿意去过多投入或者关注技术本身。你觉得是这样吗？我相信今天还是很多人不理解区块链技术本身如何实现，但是大家都接触着这个技术给咱们带来的有意思的事情，比如说炒比特币、存证。

所以一定是几年后大家在淡化技术，大家在享受技术带来的革命性的业务价值，最终聚焦在如何"赚钱"的事情上。这种现象姑且叫"技术常态化"，说的是新技术不管难易只要过了三五年，大家就理所当然"懂"了。

剩下的事情是在考虑如何"变现"隐私计算的困境。三年前隐私计算技术成为了新宠儿，一大批的工程师开始学习算法，如何实现联邦学习工程的提效，如何优化使得求交更安全，如何通过更权威的技术功能性能和安全性评测。

但是今天你发现了吗？大家其实谈这些技术已经"绝对疲劳"了，变得毫无新意使得创业团队融资极其困难。行业给人留下一种印象："这几家的隐私计算软件平台都大差不差吧"，为数不多的纯软件招标你参与过就知道，拼的是客情关系和报价侥幸。

技术上你的应答选项肯定都是OJBK的，关键是它越来越贱卖常态化之后，技术常态化并不是说它毫无价值。我们的视角从技术本身开始转移到大场景的落地，这里说的是大场景大规模应用，是那种形成业态的生产应用，至少现在还没有完全看透。

比如说数据源一边讲着隐私计算的故事，其实还是传统api方式为主；比如说银行都在采购隐私计算平台，其实合规还是对安全又顾虑。科技和合规始终在battle，合规始终处于优势认为你不够安全。真正的共识和业态成熟是像数据库那样非你不可；是像spring一样，虽然不卖钱但是应用于大部分服务开发。而隐私计算在这个层次上还显得相对苍白无力。常态化之后需要有更多人，特别是行业领域的专家来做第二级火箭的布道和推荐。

比方说如果每台汽车有一个隐私计算节点，以安全的方式来服务车联网这是一个业态。比方说数据公司完全脱胎换骨，用连磅来建模，用逆踪来查询，用求教来壮酷，这也是一个业态。挂羊头卖狗肉其实是隐私计算最怕到达的终局，结尾之处大模型也是一个道理。

前三五年大家的视野离不开技术，过几年你完全不需要去纠结自己懂不懂技术，你去思考更有价值更有前瞻性的细分领域业态，技术别人早晚会给你提供服务的。