莺飞草长的春天，不仅适合赏花踏青郊游，也适合品茶聊天。这两天，瑞哥就和公司里清华毕业的三位技术牛人聊了聊，他们都有着丰富的工作经历和有趣的故事，瑞哥希望大家能够从这些清华牛人的讲述中得到启发和收获，更欢迎大家来我们瑞莱智慧，与这些清华牛人一起工作！第一位牛人的故事《公司里的清华牛人（一）：我的“迭代”故事》已经发布了，以下是第二位牛人的故事：
1
2019年年初的一天晚上，公司CEO田总给我发来一条信息，问我联邦学习是否了解？然后发来了几个相关的介绍链接。因为我之前有过分布式机器学习系统的经验，还发表过一些论文，看了田总发来的材料之后，我觉得联邦学习和分布式机器学习很像，底层技术会是互通的。
这里有必要先解释一下这些名词：联邦学习是隐私计算的一个组成部分。这几年，数字化的不断推进，各行各业的数据量爆发式增长，这为下一步智能化发展打下了基础。但数据流通面临流程合规、隐私保护这些管理要求，隐私计算通过开辟全新的数据协作模式，为兼顾数据隐私保护与数据高效融通提供可行的方案，实现数据可用不可见、数据不动价值动，充分激发数据的各种潜能。
我看完联邦学习的材料后，公司里面几个同事找到我，说对接一下联邦学习的需求。隐私计算，我们就算是正式开始做了，首先针对的是对隐私计算需求最大的金融事业部。我们开展这个业务的时候有个想法，就是必须从具体的应用场景切入，从客户的实际需求切入，这也对我们的技术提出了很高的要求，让我们更关注这项技术的实用性。
过程中果然出现了这样那样的困难，但CEO田总要求我们坚持场景驱动技术选型，而不是用一项去适配所有场景。比如说某个场景很复杂，我们为客户提供隐私计算服务难点很多，但既然需求摆在这里，我们就必须啃下这块“硬骨头”，性能必须要达到目标，一个算法不行就换另一个算法，在这样的目标驱动下，公司的隐私计算业务取得了很大的突破，呈现出了多点开花的局面。
对于隐私计算，我们觉得它不是成本项，而是营收项。它和传统的网络安全不一样，因为我认为隐私计算包含两个层面，一个是隐私，一个是计算。如果只是保护数据隐私，那它确实是个成本项目；但计算会让数据产生价值，并将价值赋能业务，这才是隐私计算的未来。我相信我们为客户提供这样的服务有很大意义。
现在很多人会问我们，人工智能企业为什么要做隐私计算？我觉得这两者紧密相关。首先，隐私计算是人工智能的重要补充。隐私计算能够解决数据的“链接”问题，为算法的持续迭代提供数据补充；第二，人工智能是隐私计算的场景需求，人工智能可以看成隐私计算的上层应用；第三，隐私计算平台的底层架构和人工智能平台（比如kubeflow）非常相似。CEO田总多次强调，AI底色是我们做好隐私计算的突出优势。
隐私计算是一个涵盖多种学科的技术，必须要有丰富的、有厚度的人才梯队，我们一个很大的优势就是背靠清华大学这个大后方。我们在开展研究的过程中，遇到棘手的问题，马上就能到清华大学的相关院系去请教。很多院士、教授和专家，还有很多的课题组，都能和我们一起探讨和研究，帮助我们解决困难，所以瑞莱智慧虽然人不算多，但有很强大的技术实力。
2
在团队的管理和建设方面，我们非常看重新人的潜力，团队也会不断帮助新人提高能力。隐私计算是一门新兴学科，我们希望团队的每个人都能发挥主观能动性，不要在组织架构上管得太细太紧，要给大家足够的成长空间。
团队所有人，包括我在内，在研究新的技术的时候，肯定会有很多不懂的东西，这个我觉得很正常，创造一个宽松的环境，大家一起学习就好。需要靠大家的智慧，让大家频繁交流，得出问题的最优解。
团队的环境非常宽松自由，同事之间沟通的时候也没啥压力，上班是同事，下班就是朋友。我经常提到，我们团队的特点就是“无组织、有纪律”，另外就是少开大会、多开小会。大会比较正式，说话有压力，同时讨论问题比较分散，但小会只有两三个人，容易把话题聊透，甚至聊出重大创新。我觉得这样的方式，特别适合隐私计算团队，不少新人，现在都能独挡一面了。同时，CEO田总也特别强调，技术团队要多和业务团队交流，深刻理解场景后，才容易找到高业务价值的创新。
我们也经常讨论人工智能的发展历程，人工智能行业历经60多年的起起伏伏，尤其是当前已经来到了一个深水区。简单的、场景集中式的需求都被做了，但AI离像电力一样赋能社会还有相当的距离，这有赖于技术的不断进步，这也是我们瑞莱智慧提出安全、可信、可靠、可扩展的第三代人工智能技术的原因。
假如让我重新选择人生赛道，我还是会选择人工智能。就当前的科技发展来看，元宇宙、太空探索、可控核聚变、人工智能等等，这些都是大的趋势，能搭上其中任何“一辆车”，都应该毫不犹豫。
所以说，人工智能本身的潜力是巨大的，但同时它也存在很多难题，需要持续突破。从人工智能一直以来的进程来看，这个行业的发展和进步不是指数级的，而是螺旋式的，我们通过持续地努力，这项技术慢慢地就会普及开来，达到它最好的状态。
