隐私计算落地进行时，创业与投资迎来新蓝海

近期，全球权威的技术研究和分析公司Gartner发布了2021年需要深挖的九项重要战略科技趋势，其中，隐私增强计算（Privacy-Enhancing Computation）赫然在列，成为年度重要战略科技趋势中的新秀。

作为保护数据安全的重要技术之一，隐私计算从小众概念到广为人知，从实验室走向商业应用，离不开各行各业数据安全意识的增长，政策法规的推动，技术迭代与进步，以及商业与资本的加持。

数字化浪潮下，隐私计算爆发

随着科学技术的进步，各行各业的数字化发展趋势已不可逆转。尤其是经历了2020年新冠疫情后，数字化发展趋势明显加快，数据的重要性也获得了越来越多的认可。

2020年4月9日，《中共中央国务院关于构建更加完善的要素市场化配置体制机制的意见》正式颁发，明确定义了数据作为一种新的生产要素，数据成为继土地、劳动力、技术、资本之后的第五大生产要素。作为新型关键生产要素和核心社会经济资源，数据将在促进经济社会数字化转型中发挥巨大作用，说它是信息时代的矿产与石油资源也不为过。

数据的流通和共享无疑为社会发展创造了巨大价值，但正如一枚硬币有两面，在大数据产业蓬勃发展的同时，人们对互联网企业的信任度却日益走低。

众所周知，国内大多数互联网公司在提供服务的同时都会挖掘用户数据。不少用户质疑，一些科技巨头在收集海量数据的同时，正暗地里侵犯用户隐私权。例如，某些大数据公司通过爬虫技术获取公民详细甚至敏感个人信息，再通过数据交易、数据报告等形式获取利润等。近年来，例如“大数据杀熟”、“感觉手机在监听消费喜好”、“被困在算法里的外卖小哥”等话题和事件的讨论，都反映了人们对数据隐私的担忧。

在此背景下，隐私计算应运而生，其主要目的是使数据在各个环节中“可用不可见”。相比于传统数据保密方法，隐私计算最大的亮点是能够实现数据的物理分散、逻辑集中，在确保数据安全隐私性的同时，还能挖掘数据价值，促进价值流通。

从技术范式角度看，隐私计算作为一种跨学科的综合技术，涉及多方安全计算、可信硬件、联邦学习、差分隐私、区块链等。目前，业内主流技术路线包括三类：联邦学习（FL）、多方安全计算（SMPC）、机密计算（CC）/可信执行环境（TEE）。

值得关注的是，隐私计算的快速发展，既是受到大数据融合应用和隐私保护的双重需求驱动，也是国内外政策法规的必然要求。

一直以来，我国在法律层面对数据隐私高度重视，出台了各类数据相关立法。2016年11月颁布的《中华人民共和国网络安全法》即强调了数据隐私的重要性。2019年，国家网信办发布了《数据安全管理办法（征求意见稿）》。2021年6月10日，第十三届全国人民代表大会常务委员会第二十九次会议通过《中华人民共和国数据安全法》，进一步完善了我国数据隐私方面的法律条文。

在可预见的未来，隐私计算技术不仅对个人而言是一个可以保护隐私的方便工具，还将成为人类社会真正将数据作为生产资料进行使用和交换的基础性技术。技术的革新，完备的制度监管，隐私计算技术巨大的市场前景也让我们对它充满了想象。

IDC发布的《数据时代2025》白皮书显示，未来五年，我国的数据量年平均增长率将达到26%，预计到2022年将拥有全球最大的数据圈。中国大数据市场是个万亿级市场，按5%的渗透率估算，隐私计算市场规模可达千亿级。根据毕马威《2021隐私计算行业研究报告》显示，隐私计算国内市场规模将快速发展，三年后技术服务营收有望触达人民币100亿～200亿元的空间，甚至将撬动千亿级的数据平台运营收入空间。

“当红炸子鸡”，三大领域应用热度飙升

“相比过去，今年以来隐私计算的优秀落地场景与案例越来越多，相关技术服务商更容易接到订单，相信隐私计算在未来3～5年更将迎来爆发式增长。”算力智库创始人燕丽直言，眼下把隐私计算称为“当红炸子鸡”毫不为过。

随着大数据产业的发展，数据安全和数据共享交易的需求越来越广泛，隐私计算的应用热度逐年增加。当前，隐私计算的应用场景主要集中在金融、医疗、政务这三大领域。

金融领域，隐私计算在反洗钱和智能风控等方面大有用武之地。为了进行风控管理，金融机构需要融合多方机构的数据，构建有效而准确的风控模型，但是数据泄露风险和数据安全保护趋严使得传统的风控方式受到了限制。运用隐私计算技术，可以帮助金融机构优化风控模型，防范金融诈骗，支撑融资贷款等服务。

同时，在资产营销方面，面对现有的客户，金融机构无法仅通过自己单方的数据判断客户的相关信息，跨机构信息又很难获取。运用隐私计算技术可以通过跨机构、跨行业的数据安全融合，发掘特定客户，进行精准营销。

“银行存款用户数量庞大，但是单纯依赖行内的客户数据，很难圈出对购买理财感兴趣的用户。一般的操作都是通过API或者离线库的方式采购第三方数据公司的标签，API查询动作很大程度上会对银行客户ID隐私造成威胁。这就是问题根源。”富数科技合伙人、高级总监黄奉孝认为，隐私计算可以从技术上保证这类业务的隐私数据安全性。

“找第三方大数据公司根据标签选人后，以一个莫须有的名义给用户发短信这件事情，应该退出历史舞台了。”黄奉孝认为，场景化交叉营销的方式会填补金融机构获取优质流量的需求空白。隐私计算技术有可能会成为私域流量平台之间的边界，它有可能会重新构造流量业务的内部逻辑和商业模式。“一个隐私计算平台，一个可用不可见的数据理念，最终能让营销过程变得规范有序。”

医疗领域，不但数据较为敏感，而且基于医疗数据的各项科学研究通常需要大量样本，单一数据源的数据量很难满足海量的数据需求，而数据共享过程中又会带来隐私泄露的风险。应用隐私计算技术在进行多方协同的过程中，能有效防止关联敏感信息的医疗数据被泄露，保证数据安全。

目前，医疗保险正在成为隐私计算的重点赛道。通过隐私计算技术，医疗机构和保险公司之间可以在不拿走原始数据的情况下分析投保者的健康信息。

政务领域，隐私计算是实现数据价值和社会福利最大化的重要支撑。电子政务可以通过隐私计算技术，在不接触个人信息数据前提下，进行多个层面的实时调查分析，如人口普查、交通规划等，在保障数据安全的同时，增强全社会的数据协作。

对于政府而言，借助隐私计算还可以推动数据要素赋能产业升级。例如，北京国际大数据交易所上线的北京数据交易系统，是基于区块链和隐私计算技术支持的全链条交易服务体系，将为市场参与者提供数据清洗、供需撮合、法律咨询、价值评估等一系列专业化服务。

此外，隐私计算还能广泛应用于高校科研、农业、运输物流、房地产经纪、旅游等诸多场景。

随着相关法律法规的完善，隐私数据保护不再是社会出的一道选择题，而是悬在企业、政府等主体头上的“达摩克利斯之剑”，时刻督促着各方加快数据应用安全合规体系落地。隐私计算技术，在未来各行各业里大有可为。

变革潜力无限，投资机会巨大

在黄奉孝看来，隐私计算技术近两年发展很快的原因大概有二：

一是数据市场确实遇到了买方与卖方的断裂

二是头部科技企业与VC在技术上的推动

常春藤资本创始合伙人翁吉义在近期的一次行业论坛上直言，隐私计算行业蕴含大机会，全球范围内都是全新的增量市场，有成长出多家独角兽的可能。从国际视角来看，中国的隐私计算技术并不落后，许多数据共享的案例在中国和海外市场上都适用。值得注意的是，目前隐私计算尚无真正意义上的杀手级应用，远未到分出胜负的时候，因而发展潜力巨大。

翁吉义认为，隐私保护领域不断出现创业机会源于三方面的推动力：一是立法监管趋严，迫使数据应用从粗放式向精细化管理过渡；二是公众隐私意识增强，将让企业面临更多的用户响应场景；三是外部合规驱动可以在短时间内催生大量的需求。

得益于庞大人群和复杂应用场景，中国成为了名副其实“地大数博”的国家。随着隐私计算全面进入规模化应用阶段，未来的市场规模也将持续扩大。不过道阻且长，在隐私计算这样的新赛道上创业就要有充分的准备来面对不同以往的困难。

毕马威发布的《2021隐私计算行业研究报告》显示，隐私计算要突破商业化的规模瓶颈需克服四个难点：一是技术和解决方案还不够完全成熟；二是技术的安全性有待提高，缺乏可靠的技术标准认定；三是市场需求尚未充分展现，缺乏明确的拉动性政策和标杆性示范项目；四是较难搭建产业推广的多方协同合作模式。

此外，隐私计算创业企业还要面对众多行业巨头的强势竞争。

在隐私计算的生态中，包含甲、乙、丙三方。甲方是指需要用数据的机构，比如银行、保险等机构；乙方是指拥有数据的机构，目前数据主要集中在政府、运营商、银联、互联网巨头手中；丙方是指不拥有数据的服务机构，比如隐私计算厂商、云服务商、大数据服务商等。

据锘崴科技创始人王爽观察，隐私计算领域包括了“隐私计算+”和“+隐私计算”两种类型公司。“隐私计算+”类企业有底层的隐私计算平台，可赋能不同的隐私计算领域，“+隐私计算”企业是在非常垂直深入的行业资源基础上再加入隐私计算。这两者各有优势，一个偏重技术，一个偏重解决方案，都可以找到成功案例，甚至“隐私计算+”公司也可以服务于“+隐私计算”公司。

翁吉义建议，隐私计算创业公司对内应提升自研能力，不依赖于开源项目或是开源项目的核心成员，对于愿意沉下心做基础设施的创业公司，资本也是有足够耐心的。对外应找到一个切入场景先落地，小批量跑起来，还能真正指导客户的业务。此外，创业团队还应通过明确的场景接入尽量多高质量的数据源。

显而易见的是，隐私计算技术已不仅是各类技术解决方案的简单集合。在数据智能及数据要素时代，隐私计算将成为数据流通所必需的基础设施。Gartner认为，到2025年，将有一半的大型企业机构使用隐私增强计算在不受信任的环境和多方数据分析用例中处理数据。

《腾讯隐私计算白皮书2021》分析认为，隐私计算效率和性能提升是未来规模化推广的重要前提。“随着当前大数据产业的迅速发展，支持更大规模的数据合作和联合计算需求将越加迫切，通过优化算法和协议设计、与云平台的融合应用、软硬件协同设计等方式提升计算、交互效率将是当下和未来隐私计算发展需要重要方向，效率、性能、成本等综合能力将是各类主体在隐私计算产业竞争的重要抓手。”