2026年的价格战，扯掉了遮羞布
今年开年我帮一个做金融科技的朋友看招标公告，六大行联合开标的隐私计算框架项目，所有标的第一要求都是支持100+机构同时接入的联邦模型聚合。翻完中标公告我吓一跳。
中标均价跌到了2023年同规模项目的58%，比头部连锁奶茶店的毛利率还低12个百分点。真的卷疯了。
原来隐私计算火了这五六年，大部分项目都是单打独斗：银行自己搭节点，自己训模型，最多跟一两家合作伙伴做个简单的交叉验证，根本没把多机构模型聚合当核心需求。说白了都是为了拿合规资质，摆样子。现在不一样了。数据合规卡得越来越严，银行做消费风控缺外部数据，社保有数据不能出，运营商有数据不敢卖，大家都想把各家的模型拼起来，只用参数，不用原始数据，既能提效果，又不碰合规红线。
这直接把原来的游戏规则推翻了。原来做隐私计算，卖个硬件盒子，卖一年license，钱就落袋了。现在上来就要你搭聚合平台，要对接几十上百家机构的异构模型，还要保证精度不降，延迟不涨，出了问题还要背合规的锅，钱还只能按调用量慢慢分。好多原来做单点项目做得风生水起的小厂商，直接连投标资格都拿不到。
说实话，我最早关注模型聚合，还是2023年跟一个头部厂的算法总监吃饭，他说他们接下来所有资源都要往聚合倾，我当时还觉得是炒作，现在看，人家是提前两年看到了生死局。
聚合的底层，是产业链的位置之争
很多人听到隐私计算联邦学习模型聚合，第一反应就是这不就是个技术活吗？不就是把各家的模型参数做个平均加权？错得离谱。
你可以把整个联邦学习模型聚合的生态，类比成热带雨林里的共生群落：每一家机构就是一个物种，只输出自己训练好的模型参数，不用暴露自己赖以生存的核心原始数据，大家攒在一起就能长出比单个物种强得多的能力，每个物种还能守住自己的地盘。但只要涉及利益分配，就会有抢夺生态位的厮杀——谁来当聚合的核心节点？谁分走大部分的收益？出了问题谁背锅？这些根本不是技术能解决的事。
拿国内做得最早的蚂蚁隐语举例子。去年他们跟长三角征信链做的聚合项目，接入了27家城商行、3家国资征信机构，每个机构出自己的信贷风控模型，聚合之后的整体模型AUC比单机构最高的模型还高出11个百分点，坏账率直接降了8%。但这里面的博弈根本不在算法上：谁都不愿意先把自己的参数交出去，谁都怕核心能力被别人偷走，最后谈了八个月，才定下来按模型贡献度分润的规则，技术开发只花了三个月。
不过话说回来，现在国内头部厂的路线分化得特别清楚。做平台出身的，比如微众银行的联邦学习平台，现在90%的新增项目都要求强制带模型聚合模块，就是要把所有机构都绑到自己的平台上，跑马圈地。原来做硬件卖节点的厂就尴尬了，你不做聚合，客户就被抢跑，你做聚合，投入大回报慢，根本扛不住。头部厂商做聚合项目的初始投入，是传统卖license单点项目的2.7倍，回本周期从18个月拉长到42个月，刚好等于线下开一家中端火锅店的平均回本时间。好多小厂撑不过第一年，直接关门了。
我跟一个刚从某头部隐私计算厂出来的创业朋友聊，他说这个方向我看死了，只有做聚合能活，原来那种卖盒子的一锤子买卖，最多再做两年就没了。他说的我信，毕竟现在客户用脚投票，只要聚合能出效果，没人愿意再抱着自己那点小数据死扛。
落在普通人头上的真变化
别觉得这个东西只是大厂大佬玩的资本游戏，跟普通从业者没关系。变化早就落到每个人头上了。
我去年底帮一个算法工程师改简历，他原来在某小厂做隐私计算单点训练，找了三个月工作没offer，后来我让他把原来做的小聚合项目往简历前面放，不到两周就拿到了三个offer，开价直接比他原来的薪资高了32%。现在市面上招隐私计算算法，JD第一条基本都是要求有联邦模型聚合开发经验，懂动态贡献度分配的，薪资还能再加。
对中小机构来说更是如此。原来江浙的小城商行，想做个风控大模型，手里只有几十万本地用户的数据，训出来的模型精度根本不够，花几个亿买数据又违规，现在接入聚合平台，跟几十家同行拼模型，效果直接上去了，成本还不到原来自己做的五分之一。说白了就是给了没数据没技术的中小玩家一条活路。
当然，坑也不少。现在好多厂商吹牛逼，说自己能支持上千节点聚合，实际跑起来，一次聚合的延迟比单节点训练高两倍，用户申请贷款刷个身份证，要等三秒才能出结果，换你你用不用？还有的厂商，为了抢项目，乱承诺贡献度分润，结果做出来之后，大机构分走了90%的收益，小机构出了力拿不到钱，下次再也不玩了。
当模型聚合把数据的所有权和使用权彻底拆得明明白白，手里攥着大量原始数据却做不出好模型的机构，该拿什么换饭吃？
