2021隐私计算赛道亿级融资“扎堆” 头部玩家有哪些？

11月1日,《个人信息保护法》正式实施。“目前正处于隐私计算商业引爆的前夜”，启明创投合伙人周志峰凭借其在隐私计算行业多年的实践与观察，得出这一结论：“2022年或成为规模化商业落地的第一年。”

十年磨一剑，霜刃未曾试。潜心蓄力多年的隐私计算赛道，终于获得多家资本青睐，2021年的隐私计算行业如同“开挂”，头部企业崭露头角，技术创新与商业落地齐头并进。

这个蓝海市场触及的规模究竟有多大？从短期来看，根据Gartner数据，到2024年，隐私驱动的数据保护和合规技术支出将在全球突破150亿美元以上，即达到千亿人民币以上；据KPMG预测，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100-200亿人民币的空间，甚至撬动千亿级的数据平台运营收入空间。

从长期来看，周志峰认为：“在拥有巨大数据处理需求背景的基础上，隐私计算技术的商业市场本身就令人期待。何况，在隐私计算市场逐渐成熟后，也会与人工智能、分布式账本、边缘计算等新技术融合发展，更是前途不可估量。”

毋庸置疑，常年寻找潜力股的创投资本眼光精准、嗅觉敏锐。启明创投在隐私计算赛道布局多年，投资了同盾科技、锘崴科技等头部隐私计算企业。周志峰透露：“我们从2018年就将隐私计算定义为有潜力成长为科技大趋势(Megatrend)的赛道，系统性的与国内外顶尖院校、互联网科技大厂研究院探讨这个技术的发展。从时间点来看，2018-2019年隐私计算处于技术向应用转化的积淀时期，2020-2021年是商业落地的探索时期。”

算力智库在通过调研头部隐私计算企业的发展了解到，隐私计算行业核心壁垒相当高，头部隐私计算企业之间面临自主研发的隐私计算技术与平台、学术能力、商业落地能力等多方面的较量。

不过对于隐私计算行业间的竞争还处在初期，远没有发展到行业间产品垂直竞品竞争的阶段。高树靡阴，独木不林，行业大发展离不开隐私计算企业间共同的努力去推动。”

一级市场发展火热，隐私计算行业格局初现，各大头部企业需要做好哪些准备才能在市场爆发之际，成为分享这块大蛋糕的主力，值得探讨。

隐私计算，千亿级的蓝海

“在隐私计算这个蓝海市场，还称不上存在竞争格局，各家企业有足够空间通过差异化手段获取崭新的市场或场景。”周志峰表示。

2018年与2019年是隐私计算企业密集成立的两年。从当年的背景来看，2018年5月欧盟出台《通用数据保护条例》，对违法企业的罚金最高可达2000万欧元（约合1.5亿元人民币）或者其全球营业额的4%，以高者为准。

这也使得该条例被称为“史上最严数据保护法”。当年Facebook和谷歌等美国企业成为GDPR法案下第一批被告巨头，谷歌最终被法国数据保护监管机构处以5000万欧元的罚款；此外，2019年7月，英国航空公司因违反《通用数据保护条例》被罚1.8339亿英镑（约合15.8亿元人民币）。

而彼时的中国也初步有了隐私保护意识，一些长期研究数据安全保护的专家、教授意识到，隐私计算将有巨大的市场。

锘崴科技是当时密集成立隐私计算企业中颇具有代表性的，回忆起当年从国外的研究转至国内，锘崴科技CTO王爽教授坦言：“2011～2018年在美国进行带隐私保护的医疗健康大数据分析研究，出于工作原因，和国内也一直有学术交流的机会。2018年中国已经开始着手起草《数据安全法》和《个人信息保护法》。我意识到中国对于隐私保护的时代到来了，作为全球数字经济领域第二大经济体，基于数据需求和应用的市场会非常巨大，当时就决定回国发展隐私计算技术。经过一段时间的规划，2019年正式落地杭州。”

事实证明，他们是对的。无论从市场潜力还是政策法规看，隐私计算的风是时候吹起来了。

从潜在规模看，2021年世界人工智能大会公布的数据显示，中国数字经济规模已达41万亿元。

从法律基础看，2021年《中华人民共和国数据安全法》与《中华人民共和国个人信息保护法》等政策法规的落地，在法律上为数据隐私保护设下护城河，数据使用合规合法化迫在眉睫。而隐私计算成为目前数据隐私安全开放的唯一技术解。

算力智库注意到，提前布局隐私计算赛道瓜分这个市场蛋糕的的企业却非常少。据IT桔子数据，隐私计算相关企业为29家，投资机构已经达到86家。不乏红杉中国、IDG资本、基石资本、启明创投、致远互联、联想创投、中金公司、华兴资本等知名投资机构。

“几个头部企业已经经过了多轮融资了，也可看出隐私计算行业发展在加速。”周志峰表示。

在2018年之前，甚至还没有隐私计算这个概念。隐私计算的企业商业模式兴起时间只有2018年至今不足4年的时间，但是行业已然发展到初具规模。目前大概分成4类隐私计算企业。

第一类企业就是传统的互联网大厂都搭建了自属的隐私计算部门，主要用于服务企业内部和周边生态系统，但是在跨企各大互联网大厂之间的合作还由于中立性等问题有待解决。

第二类企业是现有的大数据业务企业，将隐私计算技术融入到业务当中，通过专门定制化的隐私计算模块辅助其数据业务的发展。

第三类是区块链转型到隐私计算行业的，在区块链单一的应用下只能完成数据溯源，没办法解决数据在计算当中的保护，一些产业项目需要区块链与隐私计算的结合，这类区块链企业通过利用一些隐私计算框架来对外提供相关服务。

第四类就是专注于隐私计算的公司，像锘崴科技就属于这类企业。其核心团队在隐私计算领域有10多年的研究经验，自研平台可以支持医疗、金融、政务安防等不同领域的应用，输出整套的解决方案，根据客户不同的应用场景的需求，在满足性能、精度和安全性的前提下，提供自适应的隐私计算解决方案。

发展至今，嗅到蛋糕美味的创投企业对专注于隐私计算的头部企业的投资愈发密集。一旦瞄准这个蓝海市场中难得一遇的种子选手，也会出现“资本扎堆”的现象。

2021年，隐私计算行业融资捷报频传，5月星云Clustar获得1100万美金A+轮战略融资，7月中旬富数科技完成数亿元B 轮与C 轮融资，7月底翼方健数完成超过3亿元规模的B+轮融资，8月锘崴科技拿下亿元级B轮融资。10月，华控清交宣布完成5亿元人民币B轮融资，超越翼方健数的3亿元融资，创下隐私计算行业最高融资记录。

表一：各头部隐私计算企业2021年融资情况统计

从实验室走出来的行业

在隐私计算技术产业化之前，经历了超过10年的科研沉淀。尽管2020年才被称业内人士称为隐私计算元年，但是对于隐私计算技术的研究却已经沉淀数十年。从姚期智教授在1982年提出“百万富翁问题”开始，隐私计算技术就已经成为诸多有志者专心攻克的领域。

多方安全计算、联邦学习、可信计算、差分隐私以及同态加密等解决隐私计算问题的理论并驱争先，理论也在实践中不断成熟。算力智库通过与多个隐私计算企业沟通了解到，尽管目前行业内多个头部隐私计算企业成立时间为2018年，至今仅3年多，但是值得关注的是行业内顶尖研究者大多在隐私计算领域潜心研究超过10年以上。

“隐私计算领域可以说是从大学教授的实验室走出来的行业。”周志峰认为。

算力智库注意到，如联邦学习开创团队、隐私计算头部企业锘崴科技的王爽教授，从2011年开始就在美国加州大学圣地亚哥分校研发隐私计算技术及其应用，曾多次主持和参与由美国国立卫生研究院资助的国家级的医疗健康大数据隐私计算项目，至今年持续研究已经超过10年。

王爽教授2018年被国家作为隐私计算领域唯一的“千人计划“人才引入，并在2019年被聘请为四川大学华西医院特聘教授。

在隐私计算领域，王爽、杨强、李晓林也被行业媒体称为“联邦学习三剑客”。算力智库梳理来看，在Google Scholar上搜索，华人教授中三人的联邦学习研究成果排名相当靠前。

隐私计算行业在技术方面的壁垒相当高，对于隐私计算的研究更是需要深刻。从各隐私计算企业技术负责人或首席科学家学术成果来看，隐私计算覆盖技术范围、研究起始时间、研究成果数量、研究成果影响力以及研究的持续性等方面反映出行业的技术门槛。

（算力智库制表）

表二：隐私计算行业专家学术统计表

 （此表主要依据Google Scholar统计，或有未尽准确的地方，欢迎指正）

1、本表根据Google Scholar上已经发表的著作的技术范围，包括：

同盾科技-李晓林教授：https://scholar.google.com/citations?user=e-px-18AAAAJ

华控清交-徐葳教授：https://scholar.google.com/citations?user=6jN5vScAAAAJ&hl

微众银行-杨强教授：https://scholar.google.com.sg/citations?user=1LxWZLQAAAAJ

锘崴科技-王爽教授：https://scholar.google.com/citations?user=GnDGqKQAAAAJ

矩阵元-谢翔博士：https://scholar.google.com/citations?user=WWb0js4AAAAJ&hl

翼方健数-张霖涛博士https://scholar.google.com/citations?hl=en&user=BSa0rkwAAAAJ

星云Clustar- 陈凯教授https://scholar.google.com/citations?hl=en&user=tnRV5QYAAAAJ

2、根据Google Scholar第一篇隐私计算相关论文的发表时间计算

3、根据Google Scholar上已经发表隐私计算相关著作

4、其中研究成果影响力的数据来源是截止2021年6月17号根据Google Scholar隐私计算相关著作的引用量; h-index又称为h指数或h因子（h-factor），是一种评价学术成就的新方法。h代表“高引用次数”（high citations），一名科研人员的h指数是指他至多有h篇论文分别被引用了至少h次。h指数能够比较准确地反映一个人的学术成就。一个人的h指数越高，则表明他的论文影响力越大。I10-index是由Google提出来的，指作者发表文章数被引用10次以上的个数。

就类型来看，隐私计算技术的分类主要包括联邦学习（Federated Learning）、多方安全计算 (sMPC)、同态加密 (HE)、可信计算环境（TEE）、差分隐私（DP）、零知识证明等细分技术。

算力智库注意到，目前隐私计算企业多采用以一个技术为主，其余技术为辅助的研究方式，从上述各企业负责人或首席科学家的研究方向看也是如此。在商业应用中，隐私计算企业随着技术结合商业落地的实践，隐私计算技术也在不断更新迭代。

快速增长的市场

早前期大量的技术投入下，目前来看，隐私计算行业企业能否实现盈利？也让许多观望这个领域的投资人心里打鼓。

据锘崴科技团队的预期，到今年年底，其有望实现10倍的营收数据增长。

从锘崴科技目前的营收模式看，结合用户的需求，提供软硬件一体机、云计算、软件包、以及虚拟化容器部署等。

从硬件实力达标、领先的价值理念以及2021年商业落地成果等几个方面，可以看出锘崴科技能实现达到十倍营收的底气。

在建立之初，锘崴科技创始团队就秉承可持续发展的“稻花鱼理论”。在数据强监管时代，隐私计算领域讲求“中立性”，在行业中，一些企业自己挖塘养鱼，买鱼苗、饲养、宰杀和卖鱼肉，既做数据源又做数据服务商，很容易监守自盗和形成垄断。

王爽教授介绍，锘崴科技结合自身的实践提出了“稻花鱼理论”，简单来说，就是先种植一片水稻田，中间开凿一洼鱼塘，水稻长势喜人，粮食饱满，可作为鱼的食料，从而自动吸引鱼源源不断的过来，鱼亦能为水稻田制造肥料，疏泥活水，达成“鱼稻”双丰收。

从硬件实力看，锘崴科技原生的底层技术模块拥有自主产权，历经10年的研发与实践经验，自主、安全、可控的隐私计算新基础设施平台，可适配复杂的场景、复杂的数据类型，提供复杂精准的解决方案。从底层建设和上层需求端结合，可提供一套完整的、适配不同业务需求的解决方案，实现数据“可用不可见”和“数据不动价值动“的新型计算范式。

锘崴科技切入的场景和赛道精准，在医疗领域秉承长期专注主义，基于医疗领域的上下游（医疗保险、保险的获客营销、智慧医疗等）有序布局。较于金融领域来说，医疗领域的复杂度和门槛更高，选择医疗这条路，必然意味着更加硬核的技术自信、投入度和专注力。

“我们50%的研究精力以及商业业务都在隐私计算与医疗的结合上，金融、政务等为医疗领域之外较为注重的领域。”王爽教授坦言。

另外，锘崴科技具有生态延伸能力，比如锘崴科技与中华医学会旗下的专病学组中华医学院构建了专病网络，以此为抓手，覆盖很多医院，为数据源的获取创造“活水”。

锘崴科技已经完成医疗、政务等重点行业的全面布局，占据多个行业第一。锘崴科技已累计服务超过数十家医院客户，其中包含了大量全国头部医院及三甲医院，拥有丰富且优质的客户资源，形成了良好的行业口碑，这也是锘崴科技持续扩大市场份额的重要支撑。基于锘崴信®隐私计算平台，多个医疗机构完成了全球首个跨国多中心罕见疾病数据共享；实现了全国首个跨省多中心风湿免疫全基因组分析（iPRIVATES）；开展了重大与新突发传染病关键信息技术研究，研发了基于多维度大数据的新突发传染病实时监测和早期预警系统，赋能公共卫生应急管理体系。

王爽教授向算力智库分享了其团队最近的商业落地故事。

在近日，由锘崴科技提供技术支持的中国消化外科结直肠恶性肿瘤人群围术期VTE预防前瞻性多中心队列研究中，采用了锘崴科技安全联邦学习底层技术，基于类似iPRIVATES框架。由多家三甲医院，联合多个科室将内部的病例数据在本地进行注册，数据源之间同时形成同构水平分割及机构垂直分割多种关系。终端节点分布式计算，中间参数加密后通过中心节点进行交换传输，完成了研究模型的联合训练。

静脉血栓栓塞症（venous thromboembolism, VTE）是外科手术术后常见的并发症之一，是病人非预期死亡的重要因素，严重影响着患者的生活质量和生存状态，成为恶性肿瘤患者死亡的第二大原因。而研究表明，恶性肿瘤本身也是VTE发生的高危因素之一，它会通过使患者凝血机制异常，分泌过多促凝物质，术后破坏血管系统纤维蛋白沉淀与降解平衡等方式，使机体有高血栓形成的倾向。特别是围术期VTE发生率较高。

因此，如何降低恶性肿瘤围术期VTE发生率是我国胸外科医生面临的严峻挑战。采用统计学及AI方法可以有效的研究VTE发生的相关因素，包括围术期和手术期两大部分高危因素。进而总结原因，规范恶性肿瘤患者VTE预防的流程及方法，以期降低围术期VTE发生率。

该研究分别从患者基本信息、入院症状评估、既往病史、既往手术史等多方面维度与VTE的最终发生情况进行了全方位相关性分析。最终得出了预测VTE发生的统计回归模型，可利用上述维度中可观测变量对VTE的发生概率进行了预估，从而平衡血栓栓塞发生风险与药物预防后大出血风险，根据实际情况做出精准判断，为实际决策提供指导意见。目前，该研究有望进一步拓展成为国际合作，构建跨国的多中心医疗联合研究网络。

一切只是刚刚开始

十年已过，又一个十年云起。隐私计算吹起的商业市场东风才刚刚开始。

隐私计算技术的发展刚刚开始。

周志峰与其团队从需求侧对隐私计算作了分析，医疗、金融以及公共安全等数据敏感、保护难、分享难、确权难的领域，具有巨大的需求，但就统计来看，目前企业或个人可以合规合法使用的第三方公共数据占全部数据量只有不足1%，包括公开的论文、公开的政府数据与企业数据、互联网公开数据以及媒体数据等，大量的数据亟待通过技术保护数据隐私不被泄漏的情况下释放使用。

隐私计算一级市场的热情刚刚开始。

投资机构看到了隐私计算产业化的爆发点，从今年隐私计算赛道密集的融资可见一斑。在发展初期，尽管商业模式还未完全成型，整个行业的融资就已经短短几年中完成超过20亿元融资。在隐私计算市场潜力逐步开发，商业落地应用以及商业模式的爆发后，在这个大科技赛道上，一级市场热情将会更加高涨。

当然，即便一切背景都成熟了，要想要获得来自投资者的支持，隐私计算企业需要做什么准备呢？

第一，PE/VC会选择什么样的市场？

任何一个成功的企业或者一个商业模式，它的基础是可以为社会创造价值，为客户创造价值，这个是一个最根本的核心点。从隐私计算行业来看，国家鼓励数据要素的流通促进国民经济的发展，对数据的使用权、所有权与管理权的确权以及保护数据隐私，“数据可用不可见”的隐私计算技术成为唯一技术解。短期来看，根据Gartner2021年发布了隐私计算的技术成熟度曲线，从个人隐私数据角度看，到2023年大概全世界75%的人口的个人数据将受到会受现代隐私法律监管，但是目前只有25%，未来两年内50%的人口会对隐私保护有需求；从公司层面看，在大数据迅猛发展的背景下，到2023年至少会有80%以上的公司面临隐私数据的使用问题，隐私计算行业拥有巨大的市场，自然会吸引到PE/VC的关注。

第二，为什么在这个市场诸多的企业中选择你？

从锘崴科技的角度看，10多年扎实的隐私计算技术沉淀，比如在隐私计算领域发布过300多篇相关的论文，获得过数亿元自然科学基金的资助；2012年在全球范围内首次提出“安全联邦学习”概念，并且多次应用到国家级、省级的生物医学计算网络实践中。

第三，你的商业模式能否盈利？

隐私计算技术的商业模式能否得到PE/VC的认可，能否建立自属的技术壁垒这对能否说服PE/VC，拿下融资至关重要。同样以锘崴科技为例子，锘崴信®作为隐私计算底层核心持续推进数字战略。除在医疗、政务等重点行业继续扩大领先优势外，还将持续占据其它细分市场的龙头地位。锘崴科技已通过隐私计算原生内核赋能AI等其它行业，提升行业的计算、数据和算力的潜能。

隐私计算企业的发展刚刚开始。

“现在的隐私计算头部企业，通过早期技术实力的积累沉淀，一旦过了商业引爆点，有望发展成为平台性的公司。”周志峰对隐私计算行业充满自信。

隐私计算商业模式的探索刚刚开始。

隐私计算的商业模式还在摸索期。算力智库了解到通常有三种，一是搭建隐私计算技术基础设施，通过建立锘崴信®隐私计算平台提供专属服务的收入；二是通过提供SaaS服务，主要面向中小客户群体，比如多中心的隐私计算保护需求或者跨域分析；三是分润收入，比如在营销方面，每成功营销一单，我们会按某个百分比得到一定的分润，类似于CPS模式；当然还有更多的模式还在探索期，在市场逐步成熟的条件下，营业模式也将与时俱进。”

综合来看，隐私计算从科研到产业的过渡是成功的。2020年是隐私计算元年，2021年隐私计算商业落地密集突破，2022年将迎来隐私计算产业爆发元年。