當前，不管是買東西、讀新聞還是聽音樂、看視頻，都有個性化推薦服務，我們喜歡什么、想看什么，AI從過往記錄中就能發現，這也可視為又一種隱私失守。

　　日前，莊光庭在接受LiveVideoStack采訪中提及AI說到，端側AI的發展相比于云側AI，限制及差異是巨大的，技術在各方面都有劣勢。端側AI不僅在算力、功耗、內存、芯片架構等方面存在巨大差異，而且對數據基本是沒有掌控的。如何在保護數據隱私的前提下提供給用戶最佳的算法模型是極大的挑戰。云側在數據、算力、功耗、內存、平臺方面并不存在像端側這么大的挑戰和限制。但端側AI也并不是完全沒有優勢，端側AI對數據隱私的保護，相對而言是天然完美的屏障，所有數據可以都在端側進行處理用后即焚，數據比較容易被保護及限制在端側設備中。另外一個優勢就是在滿足隱私保護的前提下，基于用戶的使用習慣，更容易智能的提供差異性的個性化服務，同時保障用戶隱私又提供用戶智能感知推薦的服務。AIOT的設備普及后，借由多設備分布式智能融合計算，可以更輕易的提供小型化、輕量化低功耗的端側AI服務。

　　隱私安全問題一直是軟件技術最關注的一個基礎問題，用戶的數據是否會因為新的AI功能，暴露了新的漏洞及落點，這一定是每個技術研發人員要竭盡全力避免的事。當前我們在設計端側AI平臺，我們希望從簡單直接的安全加密保護逐漸遷移到芯片等級的安全通路設計，同時采取用后即焚的數據處理策略，避免數據緩存被攔截竊取及篡改等。

　　近期，因愛奇藝“超前點播案”而后續引發的隱私侵權問題受到全網關注。事件起因，是某位用戶就愛奇藝超前點播行為進行了起訴，而愛奇藝在案件庭審過程中提交了原告用戶的觀影記錄，被當事人公開質疑侵犯隱私。這一事件激起了我們對于網絡痕跡和個人隱私的討論。

　　眾所周知，如今在網絡日益普及，各種APP層出不窮的背景下，人們在網絡空間中的活動已經越來越頻繁。而每一次的活動比如觀影、打車、購物等都會留下痕跡，但如今，我們留下的這些痕跡不僅企業方輕而易舉就能獲取，而且還能隨時隨地對外公布，不免讓大家心驚。

　　換句話說，我們的數據化的個人隱私在企業面前毫無安全可言！同樣，這一點通過AI個性化推薦也能輕易看出。當前，不管是買東西、讀新聞還是聽音樂、看視頻，都有個性化推薦服務，我們喜歡什么、想看什么，AI從過往記錄中就能發現，這也可視為又一種隱私失守。

　　過去，由于網絡信息過于紛紜復雜，為了讓人們能找到自己需要、想要的以及喜歡的內容，個性化推薦技術才應運而生。利用人工智能、深度學習和智能算法，AI個性化推薦的出現確實滿足了我們的需求，但通過窺探和獲取用戶隱私來滿足的需求，多少還是讓人難以接受。

　　如今，關于AI個性化推薦的問題已經形成了用戶方與企業方的對峙。對于用戶來說，無疑認為這個服務是通過出賣自身隱私獲得的；但對于企業方來說，他們卻認為這種服務并未侵犯用戶隱私，而且解決了用戶挑選信息麻煩的問題。那么AI個性化推薦到底是否侵權呢？

　　通過AI個性化推薦的定義，“利用AI收集用戶的歷史行為數據”，這一句話能看出其具有明顯侵犯個人隱私行為。但根據一些觀點反應，首先AI收集的數據是匿名化的；其次信息收集終端不會識別用戶身份；再次所收集數據均存于服務器，未對外公布。因此不算侵權！

　　后者反駁觀點，也是當前法律普遍認可的觀點，因此國家并未反對和制止AI個性化推薦的發展。簡單來說，如果單從收集用戶的歷史行為數據這一行為來看，AI個性化推薦是侵犯隱私的，但如果這一行為不涉及用戶身份且數據不對外公布，又不屬于侵犯隱私的范疇。

　　但不管怎樣，企業在利用AI提供個性化推薦服務的過程中，隱私侵權的隱患和風險是存在的。畢竟用戶的一些信息已經以數據形式被收集和存儲，如果這些數據被企業用于非法途徑，或者遭遇黑客竊取濫用，也會對用戶個人隱私帶來侵犯，從而危害用戶財產與人身健康。

　　未來的AI，肯定會朝著技術融合，基于用戶體驗的AI業務能力展開。舉例來說以前可能只是基于CV的AI算法能力的具備，直接提供物體識別的AI能力。不管AI個性化推薦是否侵犯隱私，相關的安全意識和防患措施不能少。