下，安全地进行多方协同的计算问题。联邦学习是指一种多个参与方在保证各自原始私有数据不出数据方定义的可信域的前 提下，以保护隐私数据的方式交换中间计算结果，从而协作完成某项机器学习任务的模式。可信执行环境是指基于硬件级隔 离及安全启动机制，为确保安全敏感应用相关数据和代码的机密性、完整性、真实性和不可否认性目标构建的一种软件运行 环境。密态计算是指通过综合利用密码学、可信硬件和系统安全相关技术，实现计算过程数据可用不可见，计算结果能够保 同时，人工智能大模型的发展正倒逼数据基础设施升级换代。从“数驱AI”到“模控数用”，数据基础设 施将由被动支撑转向主动调度，逐步具备智能识别、动态配置、自主响应等能力，成为AI模型迭代与应用创 新的“数据发动机”。推动“数据平权”，打破“数据孤岛”，使不同区域、不同行业都能公平接入高质量数 据资源，是实现人工智能广泛赋能的必要条件。 本研究报告由“数据基础设施技术路线专题研究组（WG6-SG1）”倡议成员机构共同完成，未来，将持