現代社會，演算法歧視、大資料殺熟、人臉識別濫用等一系列問題無一不在過度採集人們的資訊，人們對隱私洩露的恐懼催生了對隱私計算的迫切需求。

隱私計算這一賽道亦被視為科技世界的一塊“補丁”，是科技發展到一定程度的產物。

雖然人們對隱私計算還很陌生，但也阻擋不了資本熱錢向其湧入，今年7月到10月，僅僅四個月的時間，隱私計算就已獲得超10億元人民幣融資。

其中，剛完成5億元B輪融資的華控清交，投後估值已達40億元，本輪投資方包括聯想創投、中關村科學城、朗瑪峰創投、中金公司等知名機構。

盈利預期還不清晰卻能獲得超高估值，隱私計算似乎一夜之間變成風口。

1

資料共享——“可用不可見”

什麼是隱私計算？

打個比方，兩個百萬富翁想比比誰更有錢，出於隱私考慮，都不願意曝光自己名下幾輛豪車、幾套房產、多少存款，在不透露自己擁有多少財富的情況下，卻能得出誰更有錢的結論，這就是隱私計算。

隱私計算能起到的作用便是，在資料流通的過程中，即便不看到其他方的資料也能進行聯合計算，讓資料的隱私被利用起來的同時也被保護起來，

做到“可用不可見”。

實際上，隱私計算並不是近兩年才興起的技術。

1977年，三位數學家Ron

R

ivest、Adi

S

hamir和Leonard

A

dleman共同發明了公開金鑰加密演算法，次年提出同態加密演算法，

開創了隱私計算的理論先河。

從左至右Adi Shamir、Ron Rivest、Len Adleman 圖源：The RSA Algorithm

1982年，國家科學院院士、圖靈獎唯一華人得主姚期智在經典的“百萬富翁問題”上，給出

“多方安全計算（MPC）”

的解決方案。

姚期智，圖源：網路

2009年，OMTP組織（Open Mobile Terminal Platform，開放移動終端平臺）定義了

“可信執行環境（Trusted Execution Environment，TEE）”

的概念，即執行在TEE中的程式碼和資料是保密且完整的。

2016年，谷歌在官方部落格提出

“聯邦學習（Federated Learning）”

，講述如何在不碰使用者手機資料的情況下，依然能利用這些資料實現建模學習。

圖源：谷歌部落格

多方安全計算安全級別最高，但對算力要求較高而能支援的功能卻較少；聯邦學習並不採集原始資料，而是透過建模學習，其模型則難以完全保密；而可信執行環境的前提是做到信任硬體，易受到硬體信任度的制約。

儘管隱私計算已早早形成以上三種技術流派，但卻是在

近兩年來隨著資料量爆炸增長、資料安全問題得到重視，

才被瞬間引爆。

根據IDC預測，全球資料圈將從2019年的41 ZB增至2025年的175 ZB，

增長超過5倍，

其中中國平均增速高於全球3%，預計到2025年將增至48。6 ZB，佔全球資料圈的比例由23。4%提升至27。8%。雖然全球資料量逐年遞增，但目前普遍現狀仍是各類資料較為獨立，尚未安全地形成多方共享和利用，背後的價值有待挖掘。

加上，近年來，

資料安全法規及監管措施落地，才進一步將隱私計算推向臺前。

2018年，歐盟對於個人隱私的保護法案《通用資料保護規則》生效後，Facebook、Google等大廠頻頻被罰。2019年，Google因資料隱私問題被法國資料保護監管機構罰款5000萬歐元；今年，Facebook旗下的WhatsApp因違反歐盟隱私法被罰近2。7億美元。而在中國，建設銀行、交通銀行、光大銀行等也相繼因違反信用資訊採集規定而被央行、銀保監會開出千萬元以上罰單。

2

產業聚焦To B市場

在中國，隱私計算市場才剛剛啟動，仍在不斷探索和試探當中。

同時，金融、醫療、安防等越來越多領域也主動提出需要資料隱私保護的要求。

目前，隱私計算企業的目標市場主要扎堆在金融、政務、醫療、運營商四個行業，均屬資料密集行業，且政策監管對其資料規範關注度最高。

其中，

金融行業對隱私計算的需求最為迫切，

主要落地場景為營銷、風控（反欺詐、反洗錢等）等。以風控為例，多方金融機構可聯合打破“資料孤島”，透過隱私計算實現跨機構資料探勘和風險評估。

相對而言，

醫療行業引入隱私計算則更難。

國內醫療行業的數字化水平不一，資料管理也沒有統一的標準，院與院之間的資訊壁壘高築，這對隱私計算企業的渠道能力要求較高。

不同行業、不同場景對隱私計算的資料安全性要求不同，對效率和精度要求也都不一樣。

不過無論是服務於哪個行業，隱私計算企業如果只是停留在應用開發、資料分析等層面還遠遠不夠，客戶對它們的期望皆是希望其產品能夠做到適用性高、實用性強，

需要很深的場景理解能力，

是隱私計算商業化落地的關鍵。

現階段，隱私計算主要還是一個To B市場，作用在企業與企業之間的資料互動，整個產業生態包括甲乙丙三方，分別為資料使用方、資料來源和隱私計算服務機構。

但總得來說，目前隱私計算產品的標準化程度還較低，各企業產品多為定製化服務大客戶，這也意味著週期長、堆人力是其不得不面臨的問題，隨著市場需求越來越高，隱私計算企業規模擴張乃是必選之路。

未來，

隱私計算在To C市場也蘊藏著巨大潛力。

當下，個人隱私資料仍較大程度地依賴於各類企業、政府機構對個人資訊的保護，倘若它們的系統沒能完善、安全地儲存好使用者的資訊，則有可能遭受洩露。

因此，未來隱私保護或將逐步落實到每個使用者身上，讓個人成為資料的主人。

3

資料自由流通存在門檻

入局隱私計算產業的廠商背景也相當多元化，有螞蟻金服、騰訊雲、百度、京東等網際網路大廠，也有微眾銀行、安恆資訊等行業性公司，還有華控清交、鍩崴科技、富數科技等專注於隱私計算產品化的初創企業。

2018年至2020年期間，進入隱私計算這個產業的公司，多數先從一種技術流派開始研發、切入，而在2020年之後，隨著面對的客戶增多及其要求各不相同，三種技術流派的融合逐漸形成主流趨勢。

據悉，當前幾乎所有隱私計算公司的盈利模式都是

專案制籤單、提供全套解決方案，

離設想中的平臺分潤還有一定距離。

從不同級別的公司來看，網際網路大廠往往在資料資源及市場渠道方面佔據先發優勢，但隱私計算初創企業在技術層面迭代更新的速度及能夠快速調整方向的靈活性也是不容忽視的特質。

不過相較資料體量更大的大廠，初創公司分割隱私計算這塊蛋糕的形式，很有可能只是作為技術提供方或單一產品提供方，搭建資料互通平臺的事務還是更有可能由大廠自己來做。

儘管如此，真正實現資料自由通流依然是擺在各隱私計算企業面前的一大難題。要讓行業間、企業間的資料能夠自由流通，並不是簡單引入隱私計算技術就能解決，其中涉及的環節、要打通的壁壘複雜、瑣碎且耗時。

此外，資料自由流通、隱私計算保護資料的願景美好，但誰又能真正保證隱私計算系統的絕對安全呢？雖然隱私計算已發展幾十年之久，但說其是個慢熱的賽道也不無道理，整套系統的安全、完善還將繼續迭代、探索。

4

結語

隱私計算市場與行業政策法規是並行發展、交錯向上的，伴隨資料安全監管從嚴，隱私計算成為科技領域及資本市場炙手可熱的當紅明星。

但在隱私計算企業發展道路上，既充滿機遇又面臨巨大挑戰，當前行業間、企業間的資料壁壘尚未打通，商業模式也還不成熟，其發展註定是個漫長的過程，從概念到落地到營收還需要更長的時間，企業們要做好長跑的準備，而陪跑的VC/PE們也要回歸現實，接受時間的考驗。