美國首都華盛頓特區，國會山莊北部。一陣笑聲，從玻璃窗裡傳出。窗外晴空萬裡、綠野滿坡，圓柱式門廊氣勢恢宏……
世界頂級立法機構的辦公環境，果然宜人。
這一切，對於40歲就坐到參議院辦公桌前的霍利（Josh Hawley）來說，他的黃金歲月才剛剛開始。
2019年，分水嶺。
此前，他是美國密蘇裡州第42任司法部長。
此後，他是美國國會參議員。
作為一個每天都在上演「提案如何變成法律」的立法機構，美國國會的關鍵詞本該是「莊嚴」。然而，國會卻頻繁「做客」美國脫口秀演播間。
很多年前，馬克·吐溫講出了實話：「這是一群『土生土長的犯罪團夥』」。
而霍利在同僚中，保持著一項幸運的記錄——本屆美國參議院最年輕的議員。
對於政治家來說，年輕與激進都是優勢。川建國擁有後者。霍利，兩者兼具。
上任不久，他迅速成為共和黨在科技產業問題上最響亮的聲音。
東邊日出，西邊雨。
一種濃烈的自豪感，正在「抖音在國外有多火？」話題的帶動下升騰。
無數掌聲，正在送給頭條系產品——抖音面向中國以外市場的TikTok。
政客高亢激昂的演講、TikTok節奏強勁的短視頻，就像「含笑半步癲」，是洗腦、居家、旅遊的必備良藥。
而今，在美國，它們混淆在一起，成了一種不和諧的背景音。
北京時間3月5日凌晨，華盛頓特區，一場美國國會參議院的聽證會，正圍繞用戶數據安全、隱私問題展開。霍利議員揮舞起旗幟，在個人主頁用加粗字體寫下大大的標題：TikTok是「危險的夥伴」。
霍利早都準備好了。
他自信滿滿地坐在聽證會的皮椅上，卻久久未等到兩位主角到場。
一則快報的標題是《TikTok和蘋果，兩公司雙雙缺席聽證會》。
TikTok發言人告訴媒體：「我們感謝霍利參議員的邀請。不幸的是，短期內，我們無法提供能夠為實質性的討論做出貢獻的證人。」
霍利坐在椅子上回憶，這是TikTok第二次拒絕參加聽證會。
上次是2019年11月。
霍利能高興嘛？雖然他知道自己這樣做也只是為了吸引媒體注意，但是沒有配合的演出，就是大寫的尷尬。
「拒絕參演」後的整整一個月，TikTok都沒有閒著，2019年12月趕緊發布了上半年《透明報告》，雖然內容不長，只有5頁，但態度還是優秀的。Facebook自2013年起，也會定期發布。
一面，霍利等國會參議員已經開啟團隊作戰模式，加入的參議員越來越多。
一面，TikTok呢，越來越爭氣。
在美國已下載超過1.23億次。
在每月5億活躍用戶中，有2650萬來自美國。
約有60％在16至24歲之間。
在不到18個月的時間裡，美國成人TikTok用戶數量增長了5.5倍。
議員們一邊開會討論，一邊看著TikTok增長曲線往會議室天花板上竄。
霍利站立起來，說出他的好主意：
懷疑TikTok上傳的短視頻可能會洩露美軍的秘密，對於美國能夠接觸到敏感的國家安全信息的人，禁止在政府設備上安裝TikTok。
公務員管公務員，沒毛病。
在聽證會後，TikTok覺得此事得當面解釋清楚，表示：
「（我們）最近與幾位國會議員取得了聯繫，（大家）有興趣在不久的將來見面。」
除了可能的約咖啡、約飯之外，TikTok也絞盡腦汁。比如，計劃建立一個「透明中心」，允許外部專家查看公司團隊如何管理短視頻內容。
據說，位於美國洛杉磯，將於2020年5月開放，共享原始碼和公開獨立安全措施。
這裡的工作令人嚮往，每天都看各種有趣的短視頻，像極了很多人疫情期間每天躺在床上的銷魂姿勢。不用愧疚，大家都中了毒，用戶平均每天在TikTok上花費52分鐘。
為了證明產品「無毒」，讓美國用戶「吃」得放心，TikTok快馬加鞭複製出西貝莜麵村同款透明廚房。
聽證會上的一切發言，都是要宣誓的。懷疑、質疑、傳聞，都可以讓美國立法機構採取一定程度的行動，而不限於事後懲罰。美國立法機構質疑TikTok產品層面的數據收取、保存路徑。
誰能想到，TikTok會和數據洩露界的「犯罪之王」臉書公司相提並論，同樣成為討論數據安全、隱私問題的焦點。
圖為傳說中的TikTok（美國加州辦公室）
TikTok背過臉，輕輕拭去臉上的淚水，有些眼淚是因違反美國兒童隱私法，被罰了幾百萬美金而流下的。
華盛頓夜未眠，立法爭論永不休。
這只是一道坎而已，九九八十一難在後面排隊拿號。
2020年3月6日。
聽證會的第二天，TikTok有了首位首席信息安全官Roland Cloutier，他也是一位網絡安全專家，向抖音負責人朱駿（Alex ZHU）匯報。
這一消息，霍利也注意到了。
中國網際網路公司全球化的阻力好比颱風天黑壓壓的烏雲，有一朵，始終是數據安全和用戶隱私。
東邊日出，西邊雨。
美國國會立法調查好比「鷹眼」，歐盟《一般數據保護條例》（GDPR）好比「鷹爪」。為保護數據，GDPR已經織起了天羅地網。一項強制性法律，保護的是自然人的「個人數據」，包括姓名、生日、信用卡、地址、病史、位置信息、行蹤軌跡……
這個條例對AI技術的約束是從搖籃到墓地。「搖籃」是指，一開始獲得授權，得用戶點擊「同意」；而「墓地」就是，數據用完了也不能存太久，還得抓緊時間刪除。
《三國殺》裡的曹丕說：「管殺，還得管埋」。
簡單講，數據是情報，是生產資料，AI技術極度依賴數據。沒有汽油，勞斯萊斯再昂貴也只能觀賞，無法行駛。缺了數據，再先進的AI也只能人工，無法智能。
所以，法例的約束會貫穿AI產品整個生命周期。窒息的高牆下，只留「合規」這個窄門，門後是歐盟市場5億發達人口。
歐洲高度注重隱私和數據保護，這是文化。
第二次世界大戰期間，歐洲建立了詳細完備的個人資料庫。結果，被納粹用來清洗猶太人和迫害反納粹人士。
歐洲600萬猶太人的冤魂不散，致使很多歐洲人終身堅信，無論是出於何種目的，個人信息到後來一定會被濫用。
耶路撒冷灰暗的混凝土牆壁、靜默的白色馬安石地面、英文和希伯來文悼詞，沒有人再去打擾這份寧靜。
二戰結束五十年後，GDPR的親大哥《95指令》出生（1995年）。2009年，親二哥《歐洲Cookie指令》出生。你別誤以為GDPR是一個人在衝鋒。不，這是一家子在戰鬥（Cookie是網際網路常用的用戶跟蹤和識別技術）。
程式設計師開玩笑會說：
「數據和女友不能分享。」
歐洲程式設計師再加一句話：
「這是法律規定。」
歐盟高管表態：「我們歐盟委員會（的人），並不反對來自大西洋彼岸的科技巨頭，但是前提是，他們必須守規矩。」
美國網際網路企業享受了全球化最好的一輪紅利，俯仰之間，王公貴胄、皇親國戚都難逃一考。
加試題目是：數據安全與用戶隱私保護。
東邊日出，西邊雨。
TikTok是AI技術領域的「貴族」，有著領先行業完整的現代化推薦系統（含推薦算法、訓練平臺、後端架構的推薦系統技術棧），建設有大規模分布式實時機器學習訓練平臺和分布式高性能Parameter server平臺。
海量短視頻數據，「化作」充足的生產資料，使TikTok有能力探索最新機器學習算法落地。
TikTok在用AI算法改造自身業務的路上從來不遲到。甚至有外媒總結：「截至2020年，TikTok已成為全球最受歡迎的應用程式之一（至少對於某些年齡以下的用戶而言），其成功由一些世界上最先進的AI技術推動。」
一位曾經就職於小槳科技（產品，微叭App）的視頻推薦算法工程師告訴我：「推薦算法（的結果）要看留存率、點擊率、活躍時長、播放時長，（公司）直接考核業務指標。不達標會被產品經理錘死。」
機器無電不休，算法日夜不眠，算法工程師在「拼命」，背後站著熬紅了眼的產品經理。
AI早已應用於挽回用戶流失等功能。
產品經理一邊唱著「愛我，別走……」，
一邊伸出胳膊指揮：「再次對用戶投放廣告，精準挽留。」
「你的偏好，我知道。」用戶每一次上翻、下滑、點讚，都是一份《產品改進意見書》，背後還有今日頭條 AI lab 的支持。
AI技術滲透的力量，摧枯拉朽。一個沒有智能算法的TikTok，已經不可想像。
東邊日出，西邊雨。
GDPR的餘音迴響，歐洲版的營業執照，一照難求。
2020年，當你打開GDPR認證的網站，可以看到許多站張熟悉的中國面孔，華為、小米、OPPO、美的、第四範式。OPPO進軍歐洲市場，其認證的產品種類之多，居然包括了計算器（Calculator）和鐘錶（Clock）。
李鴻章在給同治皇帝的奏摺上寫下，「三千年未有之大變局」。
變局已成定勢，做好思想準備和工作準備。
美國已死，歐洲苟活，人工智慧法外之地會一寸一寸消失。
來者，需要擁抱高牆、窄門。
擁抱合規、限制、約束。
擁抱枷鎖、腳銬、鐵鏈。
將思考的維度上升到管理與合規，滲透在技術思考之中，包括在框架之內，體現在解決方案裡。而不是繞著它走。繞也繞不開。
這些，要看企業是否願意付出額外努力。
第四範式創始人兼CEO戴文淵的答案是：我願意。
戴文淵，總是講話溫和，語速平緩，但是一旦你給他拋出問題，就能感受到清晰、縝密的思考力。
他說：「從技術手段上講，保護隱私和數據安全是有辦法的。不是沒有辦法，而是說，想不想解決？願意花多大的代價去解決？」戴文淵似乎沒有對GDPR低頭。
他輕描淡寫地提了一句，「第四範式的先知平臺，已經是國內首個通過GDPR認證AI平臺」，這一句更是增添了上一句話的底氣。
突然想起香港應用科學研究院的一位博士也說過類似的觀點：「技術上翻越肯定是可以做到的，只是很多時候不願做，或者懶得做。」
業界有一個聲音：
機器學習是一個有難度的技術，是「難度一次方」。
機器學習想落地，變成「難度二次方」。
再解決隱私保護問題，這又是一個很有難度的問題，變成「難度三次方」。
解決這些技術問題，專家不是一般的專家，既要懂機器學習技術，又得懂隱私保護技術，還得懂業務。要求是非常高的。
用金庸的話說，練成易筋經，需體質強。練成乾坤大挪移，需內力高。練成獨孤九劍，需資質慧。想成為攻克「難度三次方」的專家，需能運用多種武功入化境。南帝北丐很難批量培養。望眼整個武林，還好有一代宗師。
一代宗師可能會說：
「解決好隱私保護問題，看上去是一個技術問題，實際上是，人工智慧的從業者要有一種思維的變革意識。將對文化、制度、法律等「社會因素」的思考融入代碼、模型、架構、解決方案……」
第四範式主任科學家塗威威告訴我：
「隱私保護作為一個學術問題已經走了很長一段路了，較早之前的需求來源於企業自我保護。個人關心隱私，企業關心的是商業機密。」
塗威威用兩句話概括了隱私保護技術的昨天，繼而又談起它的現在。
他總結到：
「隱私保護就是一個矛與盾相爭的過程，大家都研究又會出現哪些新的攻擊手段，又有什麼方法可以保護。」
「隱私保護會涉及到非常多種類的技術，有底層的，也有最近幾年才奠定起基礎的。涉及的技術種類多，不是為了賣弄技藝，而是面對的情況複雜。」
拳守「數據安全」，腳護「隱私保護」。
易筋經、乾坤大挪移、獨孤九劍，演變成「差分隱私算法」「安全多方計算」「自動多方機器學習技術」「聯邦學習」。
當細數起這些「厲害的」技術，塗威威的語速加快，仿佛不需思考。
「根據不同場景，有時可能是允許數據出去的，可以通過加密的方式出去，運出去的過程中別人是沒有辦法知道的，因為是加密的，這裡參考圖靈獎獲得者姚期智老師的思想，用安全多方計算。
有時可能是不允許數據出去，出去的只是一些統計結果或者模型，這裡參考香港科技大學楊強教授的聯邦學習技術。」
香港科技大學楊強教授曾說：
「聯邦學習希望在不共享數據的前提下，利用雙方的數據實現模型增長。」
他曾舉例：
「假設A和B兩家公司想要建立一個用戶畫像模型，其中部分用戶是重合的。聯邦學習的做法是，首先通過加密交換的手段，建立用戶的識別符（identifier）找出共有的部分用戶。
因為關鍵用戶信息並沒有得到交換，交換的只是共有的識別符。再將各自擁有的同樣用戶的不同特徵輸入，迭代地進行模型訓練、參數交換。
我們證明了給定模型參數，雙方不能互相反推出對方擁有的、自己沒有的特徵，因此用戶隱私仍然得到了保護，雙方的模型性能都得到了提高。」
姚期智院士、楊強教授……宗師們總有無上智慧。
「為什麼第四範式會做隱私保護技術？」
塗威威的答案是：
「第四範式作為一家創業公司，初始做隱私保護技術是出於一群有理想的年輕人的前瞻性預判。一種來自技術本能的預判，數據孤島遲早要打破，當打破發生之時，這個技術成為必備品，只靠『解決信任』路途尚遠。」
然而，現實的磨礪很快降臨在向理想前進的路上。
塗威威說，我們的「一隻腳」伸入到了金融，為什麼是金融，因為金融的數據是最完備的，我們的技術是在數據之上做決策，必然選最完備的行業。
「一隻腳」後，金融、醫療行業對隱私保護的需求推動了技術的另一輪發展。比如，第四範式經常參與銀行競標，《招標書》裡，絕不會少了數據安全性條款。
塗威威在以往的《銀行招標書》中劃好了重點，並指給我看。
「隱私數據保護技術，蘋果、谷歌都在用，谷歌早在2016年就提出了本地化差分隱私(Local Differential Privacy)技術，並成熟應用在產品數據採集階段，第四範式的優勢在哪？」
塗威威越談越從容，帶壓力的問題也難不倒他。
他說：
「第四範式也提出應用在機器學習模型上的差分隱私技術，我們將訓練數據按特徵切開，並分別去訓練，按特徵重要性來進行隱私預算的分配，重要的特徵分配較少的隱私預算，不太重要的特徵則分配較多的隱私預算，從而保證了在相同隱私保護的條件下，獲得更加有效的分析結果。」
塗威威的回答，就好像準備了答案，細節中處處都有巧思，無法容下不滿意的蛛絲馬跡。
話聲未落，他就在草稿紙上手寫了一篇學術論文的題目《Privacy-preserving Stacking with Application to Cross-organizational Diabetes Prediction》。
論文只是在工業界解決問題時的「副產品」，他想把榮譽感寫在產品上。
他介紹，在公司的算法實驗室裡完成工作後，其實還有兩個重點，一個是自動化，一個是場景。
他談道：
「隱私保護，如同加密，解密。暴露的中間過程越多，洩露隱私的可能性越大。比如，AutoML（自動機器學習）之所以能夠減少隱私的洩露，其實就是減少了人觸碰數據的機會，減少人去分析特徵，減少人在各個環節洩露隱私的可能。讓機器去完成中間的過程，最後輸出結果。自動多方機器學習就是隱私保護的自動機器學習，中間的過程全部是自動化完成的。」
他的答案中，技術細節多，觀點少，唯有這句：「算法的未來就是自動化，不能自動化的算法，剩下的路也不長了。」
餘音未盡，尚在繞梁。
場景落地又是另一場硬仗。他壓低聲音說了一句：
「如果不是瑞金醫院的瑞寧知糖項目（預測三年後患糖尿病的概率以及個性化的幹預），醫療算法團隊都要穩不住了。」
創新，有時候就是下了一步險棋。
塗威威和也和我講了「作弊」的辦法：
「從某種角度講，成本最低、效率最高的方式是侵犯隱私。」
好比打撲克偷看別人手裡的牌。如果全世界愛滋病藥廠知道了患有愛滋病人的家庭住址，就不需要打廣告了，直奔病人家，挨家挨戶兜售不就完了。
廣告費都省下了。
別人披荊斬棘，你通過踐踏個體隱私直接抄了近路。
法律會讓你一直痛快下去嗎？
企業選擇用技術保護隱私時，其實是選擇了一條「刀光劍影」的路。說不定就會像塗威威一樣，沒有好的落地場景，變成「光杆」。
觀察發現，不少企業也在「研製隱私保護的秘訣」。由於金融行業是數據界的富豪，聯邦學習技術被用於中國首家網際網路銀行——微眾銀行。微眾銀行也在推動「聯邦學習」的標準。
從某種意義上講，這是一份全球領先的標準。聯邦學習作為隱私保護的代表技術，並沒有被歐美大廠壟斷。
在隱私保護的江湖裡，中國人工智慧從業者並不甘心屈服於國外標準。
招商金科（招商銀行下屬金融科技公司）一位不願意透露姓名的研發高管告訴我，他們也參與了「聯邦學習」第二版標準的制定，但不便於接受採訪。
「京東集團也在使用聯邦學習保護數據隱私。」京東大數據研究院首席數據官劉暉告訴我。
東邊日出，西邊雨。
流量、廣告、品牌……的老故事，已經翻篇。中國網際網路企業想變成全球網際網路企業，光靠突破Facebook、Google、Amazon的防線，已經不夠了。企業的戰場向四面八方延伸，「法外之地」正在消失。
在別人看來絕望的事情，「創新者」與「創造者」總能從中找到希望。