联邦学习不是隐私技术，是大厂的成本算盘

2026年3月的深圳，我在福田CBD的一家咖啡馆蹲了整整三天。

见了七个银行科技部的老熟人。

全在骂。

骂什么？骂之前花了几千万建的数据中台，成了锁在机房里的摆设。

2026年那场废掉1.2亿项目的行业地震

骂的由头很直接：某头部股份制银行把已经走完招标流程的“全域客户数据集中治理”项目直接废标，省下来的1.17亿预算，全砸给了和微众银行合作的联邦学习零售信贷联合建模项目。消息传出来的时候，整个金融科技圈都炸了——要知道过去十年，银行科技建设的核心叙事从来都是“数据集中、统一治理”，谁能把全行的用户数据全搬到一个统一的云仓，谁就能做出最准的零售模型。

但现在大家突然发现，这条路算不过账了。

按当时的《个人金融信息保护规范》，那个废标的集中式项目要落地，得先把全行2.3亿零售用户的交易、理财、信贷数据全做分类分级，回溯用户授权链路，过等保三级测评，光合规环节的成本就要占总投入的42%——相当于把一半的项目预算，全付给了律所、咨询公司和第三方合规审计机构，换回来的还是随时可能被抽检罚款的风险。

说实话，我之前也把联邦学习当成个PPT技术。就是数据不能动的时候，凑合用的补窟窿工具。直到去年帮一家城商行算过账：他们之前为了和本地公交公司联合做消费贷客群模型，把公交刷卡数据脱了三趟敏，光数据脱敏、跨主体合规审核就花了80万，最后模型跑出来的AUC才0.72，比纯行内自有数据的0.71没好多少，纯纯的冤大头。

结果这次银行直接把集中式项目砍了，转头把联邦学习当主力，所有人的认知都被掀翻了。原来不是“实在没法集中才用联邦学习”，是联邦学习本身的账，已经比集中式算得更划算了。

卷加密算法的厂商，根本没搞懂商业本质

过去三年，隐私计算赛道的卷法，现在回头看特别可笑。

大家拼了命的在加密算法上堆料。全同态加密、零知识证明、差分隐私，一个比一个玄乎，卖license的时候张口就是“绝对隐私、零数据泄露”。结果某券商去年做的成本测算直接给大家浇了盆冷水：用最顶级的全同态加密框架做的联邦学习风控模型，单条用户推理的算力成本是0.012元，而如果是把数据脱敏后传输，按过去三年的合规处罚案例平均值，单条的合规风险摊下来才0.003元——等于加密方案的成本，比直接承担合规罚款还贵3倍。

这账，怎么算都不对。

其实根本没人care什么“绝对隐私”。企业掏真金白银做技术，从来不是为了追求技术理想，是算投入产出的。联邦学习能跑通，本质上是把之前跨主体数据交易的固定成本，拆成了按调用量付费的可变成本。

这里就得说微众银行的FATE框架，这是国内真在算实账的玩家。2025年推的FATE 2.0版本，根本没在加密强度上做文章，反而把横向联邦的跨节点通信成本砍了60%。现在他们和长三角12家城商行、8家本地商超、3家地铁集团做的联合消费贷模型，去年一年就给合作行带来了270亿的新增低不良贷款，整个项目的总投入才不到2000万——对比某大行花3个亿建的集中式数据仓，最后带来的新增贷款才120亿，ROI差了快4倍。

这个模式其实像以前的敌后游击战：以前大家打数据战，都是把所有兵力（核心数据）集中到一个大本营，等着被对手端老窝（监管处罚、数据泄露），现在联邦学习就是把兵力分散在各个据点，只在打仗的时候凑个联合指挥部，谁也不用把家底全交出去，打输了也不会全军覆没。

不过话说回来，现在赛道上还有好多公司在走偏。拿着个加密算法就敢吹“行业标杆”，根本不算全链路的账。

账算不过来。

再炫的技术也活不下去。

技术叙事拆穿之后，普通人的机会在哪

别觉得这些事离普通从业者远得很。

我上个月刷招聘网站，发现个有意思的变化：之前互联网公司抢破头的“数据中台架构师”岗，2026年的平均薪资比2024年跌了32%。反倒是那些之前根本没人听过的“联邦学习节点运维岗”，开出来的薪资比同级别后端工程师高了快一半。

为啥？

原来那套“把所有数据集中到一处再建模”的玩法，现在在合规成本面前已经卷不动了。之前在银行做数据治理的老周跟我吐槽，他们团队原来18个人，天天加班给数据打标签、做脱敏、等监管审批，去年把一半的活换成联邦学习跨节点对接之后，团队裁了6个人，剩下的人不用再碰原始数据，只要盯着节点的通信延迟、模型参数的梯度变化就行。活少了，产出的模型效果反而比之前好——毕竟原来为了过合规，把数据里最有区分度的用户标签全给抹了，现在数据根本不用动，模型直接在本地跑，当然效果好。

对小创业者来说，这其实是个挺难得的窗口。之前你想做个ToB的风控模型，首先得有数据吧？没有数据，你连和大厂谈合作的资格都没有。现在不一样，只要你手里有某一个垂直场景的小数据集，不管是校园消费、社区养老还是本地教培，只要能接到联邦学习的公共网络里，你根本不用把原始数据交出去，就能和银行、保险的通用模型做联合训练，最后按调用量分润。

我去年认识的那个做社区养老数据的90后姑娘，之前攒了3年的老人居家健康监测数据，之前找保险公司谈合作，人家说她那点数据规模太小，撑不起一个精算模型。今年初她把数据接入了本地保险机构的联邦学习节点，一起做老年意外险的风控模型，光今年上半年的分成就有80多万，比她之前靠政府补贴做项目赚的多了一倍。

当然，这里面的坑也不少。现在好多地方搞的联邦学习联盟，本质上还是大厂牵头的圈子——你手里的数据集要是没什么稀缺性，根本分不到多少利润。就像早年的产业互联网，看着是大家共享资源，其实最后吃肉的还是牵线的那个大厂，跟着玩的小玩家，最多捡点汤喝。

我之前总觉得，技术的叙事永远是最会骗人的。最开始大家吹大数据，说数据是石油，要集中起来才能炼出汽油。后来大家吹隐私保护，说石油不能随便挖，要装个防爆罩才能用。现在大家才反应过来——哪有什么为了保护才用联邦学习？

说白了，就是之前集中挖石油的成本，已经高到大家都扛不住了。

至于接下来会变成什么样？

等那些手里攥着最多稀缺数据的玩家，把联邦学习网络的路由权全捏在手里的时候，你再回头看今天吹的“数据要素自由流通”，会发现这根本不是什么开放的技术网络，就是另一个版本的收费站。