2. 汽车

汽车作为未来与手机相媲美的终端，近几年发展迅速。2021 年 10 月 1 号生效的《汽车数据安全管理若干规定（试行）》指出，坚持安全和发展并重，倡导汽车数据处理者在开展汽车数据处理活动中坚持“车内处理”、“默认不收集”、“精度范围适用”、“脱敏处理”等原则，减少对汽车数据的无序收集和违规滥用，预示着汽车行业对于数据安全的要求越来越高，也将成为隐私计算下一个落地应用的目标行业。

汽车行业与隐私计算结合，主要场景包括：全域线索评级、直营店选址、门店销售预测、智慧补能选址、自动驾驶模型优化等。

1) 汽车线索评级

• 业务场景：对当下处于业务观望状态中的车企各方，销售线索质量至关重要，因为在庞杂的情况下无法低成本对其进行筛选评级会进一步拉高营销成本，也会导致商业时机延误，错失最佳竞争口。所以，车企需要一些外部数据，利用内外部数据，匹配人群，通过数据标签，识别目标用户特质，对销售线索进行质量评级，进而对特定目标客群进行运营，持续挖掘销售机会。

• 解决方案：通过联邦学习，联合多方建模、训练、模型调优，从而给出后链路用户运营建议。

2) 个性化保险

• 业务场景：车险是保险公司一大业务，随着智能企业的升级，保险公司期望和整车企业合作，获得驾驶控制者的驾驶行为，实现车险的千人千额，好的少付保费，多的多付，实现保险公司、车主收益双赢。

• 解决方案：通过联合建模、训练、模型调优，为每个车主定义个性化车险服务，如图 4-5。

图 4-5 个性化车险联合建模