从《关于加快建设全国统一大市场的意见》到《关于加强数字政府建设的指导意见》，近期以来多重信号显示，安全、高效的统一数据大市场开始加速构建。其中，作为破解数据安全和数据要素价值发挥矛盾的“技术解”，隐私计算将起到非常关键的推动作用，未来应用规模化落地将加快，千亿级市场可期。

数据流通的从1.0阶段到3.0阶段，隐私计算技术是关键

信通院云大所副所长魏凯发表了《隐私计算发展现状与趋势》的主题演讲，首先分享了数据流通从1.0时代到3.0时代，隐私计算技术发挥的重要的支撑作用，和国内外发展概况；其次从隐私计算解决了什么问题、隐私计算产品的成熟度、可用性、安全性评判、隐私计算的使用与合规以及隐私计算发展趋势进行了深入分析；最后点出了隐私计算面临的三大问题，以及信通院为推动隐私计算更好的应用从政策研究、标准制定、成立了隐私计算联盟等进行的实践。

随着国家数据战略的深化推进，大数据本身的基础设施建设和数据资源的建设，在赋能数字经济的作用价值被人们所看到。如何保障数据在不同主体之间安全可信的共享，隐私计算成为关键技术。

魏凯表示：“数据流通在1.0阶段蕴含了很多的风险，裸数据交付较多，一旦流通出去安全风险不可预估。如今数据流通模式发生改变，隐私计算让数据变成融合后的结果，因此升级进入了数据流通的3.0阶段。”

我们之所以能够跨越到数据流通的3.0阶段，很重要的一个技术前提就是隐私计算这一类技术的支撑。他认为，“虽然隐私计算改变了数据交互与融合的模式，提出了一种新的形态，保障了从数据源、数据传输渠道、数据汇聚通道和使用方等数据流通环节的安全。但实际上没有办法解决数据在流通之前和之后的权属争议，因此也不能成为一种豁免法律义务的挡箭牌，这是毫无疑问的。”

隐私计算产品的成熟度、可用性，也是我们所关注的。考察隐私计算产品的技术水平应该从综合的角度来去评判，包括性能、安全性和准确程度，这三者缺一不可。

“隐私计算的使用和合规不能划等号”。首先，法律法规不会对技术的应用做非常确切的判断，无论是隐私计算技术还是人工智能技术的使用，法律上不会从条文上判断使用是否合法，从合法性给出确切的定义。法律只看是否侵犯相关的利益。因此在实践中要趋近于法律的最小化原则，除了技术之外还要考虑商业模式是否合规、数据来源以及授权是否合法、数据使用的目的是否正当等问题。我们要持续性的看待技术的演进和法律合规落地之间的关系。

最后魏凯指出，目前隐私计算这类产品还面临安全性挑战、性能的瓶颈、互联互通三座大山。未来隐私计算发展趋势会是外部的互联互通和内部融合的发展方向。类似与云计算、大数据平台、数据库、区块链、AI等技术融合发展，平台产品间互联互通，打破隐私计算孤岛。

隐私计算提供可行性路径

趋严的监管环境下，如何在数据保护与数据价值的合理利用之间寻求合理平衡，加快培育统一的数据市场，隐私计算技术提供了可行性路径。

王汇介绍说，隐私计算在保证数据拥有者的权益安全及隐私的前提下，对数据进行分析计算，能够保证数据在流通过程中的“可用不可见”，可以有效助力数据安全保护，释放数据流通共享价值。在统一数据市场建设中，隐私计算技术可以应用在数据交易、政务数据开放共享、政企数据融合应用等多种场景，有效促进数据的流通共享，提升数据治理和融合应用能力，充分提升数据的流通性、安全性和易用性，对于构建统一数据市场建设起到非常关键的推动作用。

在数牍科技副总裁张迎春看来，隐私计算是破解数据安全和数据要素价值发挥矛盾的“技术解”。隐私计算过程中，原始数据所有权不转移，计算中交互的只是中间产物，使用权细分可控，可以实现较高的安全性。

张迎春指出，目前数据要素市场存在条块区隔的问题、区域发展不平衡的问题，数牍科技强调隐私计算领域的“系统性综合工程视角”，打造数据要素安全流通的基础设施，有助于条块的融合。同时，数据要素市场和其他要素市场之间是联动协同的关系，可以帮助其他要素市场实现数智化转型，这样统一大市场的效率才能更高。

应用场景蕴藏市场空间巨大

隐私计算是一项技术，但更重要的是解决场景和应用问题，蕴藏的市场空间巨大。

全球领先的信息技术研究和顾问公司Gartner将隐私计算列为2021年值得企业机构关注的九大重要战略科技之一，并预测到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，即达到千亿元人民币以上。

在国内，自2018年开始，隐私计算进入快速启动期，经历了几波迭代和升级，2021年更是被称为“隐私计算商用元年”，“目前相关产品已进入第三阶段，即要与数据要素市场同构，建立起良性的机制。”张迎春称。

金融业无疑是商业化应用最为成熟的行业场景之一。例如，中小微企业融资难往往受制于企业规模小、缺乏有效的抵押担保资产、由于信息不对称导致信贷风险高等因素，使得信贷需求和信贷供给错配。银行希望通过引入外部合规数据源进行联合建模，来破解信贷环节中信息不对称问题，但多方数据融合面临原始数据泄露与隐私泄露风险，且面临数据来源多、格式杂、数据处理及多方数据协作技术投入高难题。

对此，数牍科技提出基于隐私计算技术的多方数据安全协作解决方案，赋能工商银行地方分支机构普惠金融业务，并率先在山东分行落地应用。业务测算效果下，当该模型完整应用于现有业务中，结合不同贷款产品的风险情况和贷款年限，预计可降低此行现有小微贷款0.2%的全周期坏账，年降低此行小微企业不良贷款损失8000万元以上。

除了金融领域，“2021年以来，隐私计算技术在运营商、医疗、汽车、能源等多个应用场景、行业也开始商业化落地。”宋一民介绍说，以数牍科技为例，目前已成为北京、上海、深圳、重庆、合肥等多地数据交易所首批数商及交易平台建设方，并且与多家国企、金融机构、头部互联网公司及其对应各行业数据协作生态企业达成合作，覆盖金融、营销、风控、医疗等场景，积累了近百个数据协作产品和模型。

《IDC Perspective：隐私计算全景研究》显示，2021年中国隐私计算市场规模突破8.6亿元大关。“总体看，隐私计算发展迅速，但商业环境尚未成熟，整体上市场还有很大上涨空间。”王汇称。

宋一民认为，未来隐私计算在市场空间上有两个方向，一方面是从隐私计算的技术市场空间来看，到2025年系统级软件销售市场将达到300亿元至500亿元；另一方面，从隐私计算应用场景来看，作为基础设施，在场景应用过程中要保障应用场景安全、高效地持续运作，隐私计算要持续做运维。因此，市场空间巨大，到2025年将达千亿元级别。

“隐私计算相关技术要实现大规模的应用，仍需在性能、技术、产业配套等方面进一步提升。”王汇建议，在性能方面，要不断优化算法和硬件性能，提升隐私计算可用性；在技术方面，应开展不同技术融合，满足多元业务场景需求；在产业配套方面，应在法规体系、相关技术标准制定等方面完善产业配套建设，助力隐私计算应用落地。

数牍科技联合创始人、CTO蔡超超则认为，当前隐私计算整个技术生态体系还比较薄弱，需要更多的企业能够加入到建设中。数牍科技将致力于为中国数据要素市场做好底层基础设施建设，向全行业提供隐私计算全栈技术服务。

不同玩家正在攻克金融场景

CIC灼识咨询报告预测，2020年中国隐私计算市场规模接近4.0亿元，到2025年将达到120.0亿元，2020年-2025年年复合增长率近100%。

5年30倍增长的隐私计算市场，给技术服务商们带来的不仅是机遇也是挑战。

这个前景广阔的赛道，在短短两三年内，已经站满了各式各样的玩家。过去一年里，背景不同的企业凭借自身优势，风风火火地“跑马圈地”，隐私计算相关产品也在倍速递增。

隐私计算赛道，三类玩家正在进入：独立创业公司，垂直行业的机构，大型互联网公司。

独立创业公司的优势在于中立性，以及根据客户需求开展定制化服务。不少投资机构已布局这一领域，包括红杉资本、IDG、基石资本等，相关创业公司的融资阶段从天使轮到A、B轮不等；垂直行业的机构主要为产业背景的公司，优势在于应用能力；互联网大厂则拥有丰富的数据生态和应用组件，微众银行、腾讯、蚂蚁、百度、字节跳动都已开发相关产品，应用于金融、电商等领域。

玩家竞争的本质在于：能否为客户带来足够的数据源，并提供完整的解决方案。因为市场对于隐私计算的诉求在不断提升。

各类玩家围绕着这一目标迭代产品。比如红杉资本投资的科创公司星云Clustar——孵化于香港科技大学算力加速技术，其创始人陈凯教授告诉钛媒体App：2019年，公司产品的重点是解决联邦学习的性能问题；2020年，则从底层的IaaS结合中间的PaaS层、上端的联邦数据层，做全栈解决方案。从数据来看，其协助微众银行进行联邦数据网络算力加速，通过异构加速技术，整体算力相较于CPU提升了50-70倍。

互联网大厂腾讯和顺德区政府建立了一套基于联邦学习的普惠金融平台，腾讯负责建模，融合政府政务数据、申请企业数据、银行业务数据，建立实时进件分析和风险控制模型。

金融行业是最早应用信息技术、最大化数据价值的行业，从上世纪80年代的ATM机到近年的开放银行，金融行业在数据的收集、产生、积累中积累了大量经验，数据的价值贯穿于个人征信、公司估值等场景。

如今，隐私计算在金融场景的落地应用正不断丰富，就银行而言，重要场景包括精准营销、信贷风控、发现多头借贷、保险定价，等等。

在金融机构的交叉营销领域，隐私计算辅助进行各家机构的数据共享，在不传数据的情况下让各方信息透明，完成交叉营销。首先是客户的识别和筛选，对客户的风险进行识别和管理；其次是服务和运营，为金融客户提供精准的资管、风控产品。

香港人工智能与机器人学会理事长、香港科技大学讲席教授杨强表示：“在营销和广告领域，针对轨迹数据、客户风险数据、营销数据、转化数据等不同数据，通过统一的联邦学习平台串联起来，可用作人群洞察、用户分层和推荐等等。联合不同的数据级，建立不同的服务机器人，比如语音机器人，内呼、外呼机器人，作息助手和智能培训。”

对于已经走过了信息化、智能化的大型银行机构，隐私计算可以拓宽其数据边界，进一步增强业务竞争力。

而中小机构的信息化过程尚未走完，面临的挑战更大，这类机构的数字化包含信息化、智能化和隐私计算的导入，以及数据合规、数据治理。微众银行人工智能事业部副总经理陈天健认为，未来将有专业的服务公司，帮助中小型金融机构在短时间内走完信息化、智能化和隐私计算技术导入的过程。

根据信通院数据，截至2021年底，在信通院参与测试的企业中，已有88家发布了隐私计算技术相关产品；而从产品数量来看，2019年、2020年、2021年分别有15款、54款和105款，每年都在以一倍以上的速度递增。

如今，随着行业开始步入规模化落地实战阶段，无论是互联网大厂的生态优势，金融科技背景服务商们的场景优势，还是创业团队们的高新技术基因优势，在某种程度上都被“抹平”。对隐私计算企业们而言，能拿出落得了地的产品才是关键。

文章来源：钛媒体APP，经济参考报，leiphone2011