编辑导语：数据作为新一代的生产要素，其蕴含的巨大价值正在逐步释放。但数据隐私及安全问题却日益凸显，用户数据隐私如何保护的问题亟待解决。隐私计算被视为解决此问题的“关键之钥”，与之相关的话题已在众多领域被探讨。本文对此进行了探讨，一起来看一下。

信息的传递是人类文明的基础。

从古人的结绳记事开始，到以文字作为载体，如今的数字时代，数据与我们的生产、生活深度交融。

对数据的充分挖掘与分析，也让科技与产业走向了应用的深处，改变了我们的生产、生活与消费。

数据的流通价值有目共睹，拿大部分人都使用过的健康码来说，其融合了大数据行程、防疫与接种的信息，是我们疫情出行的保障。

而这些数据的共享对抗疫作用显著。“健康码”、“行程码”的背后是全国范围内的大数据支撑。

公共健康数据的互联互通，不仅仅只是局限在疫情中发挥效用，在未来公共卫生紧急情况下，数据可以帮助政府更好地分析预测，让政府作出更加科学的决策以保障民众的健康与安全。

在医疗领域，数据安全的共享是“两难又两全”问题，隐私数据备受关注，容易引起多方对隐私数据的监视。

不过这也恰恰给了隐私计算施展的舞台与天地。在隐私信息泄露严重，但数据处理与分析的势头渐猛的矛盾中，数据的推动使用，价值与贡献，亟需隐私计算来化解流通中的难题。

一、指数增长的生产力

在数据激增的背景下，海量的数据背后屹立着千行百业，行业间的数据确权、竞争等情形，数据孤岛成为数据资产使用过程的最大障碍。

不仅阻隔和闭塞了系统与场景的一些发展可能，对于信息的交流、整合、应用等都产生不同程度的影响。

而隐私计算成为数据价值流动过程中的唯一技术解，隐私计算能够在不暴露原始数据的情况下，实现数据的融合使用。

并且隐私计算技术可以实现，精准控制数据融合使用的目的和方式，即控制数据算什么、怎么算，让数据使用监管成为可能。

隐私计算成为架起数据共享与安全的桥梁，可以让多个数据持有方的数据不仅能够正常连通协作，也可以保障数据不可见的隐秘性，完成数据的分析、计算、应用。

举例来说，我们知道在医疗领域，沉淀了许多规模化、高质量的数据，AI技术在落地的过程中，可以依赖这些优质的数据训练出效果更好的模型。

但在实际的落地应用中，因为数据的隐私、确权、孤岛等问题，数据间的打通和协作阻碍重重。

AI在医疗领域中理论的优势并不能完全发挥。隐私计算可以很好地解决医疗领域的数据困境问题，让数据在不可见的情形下仍能相互连通共享创造价值。

隐私计算数据价值特性使其在数据密集的行业如金融、医疗、通信运营商、政府等领域开始落地。这些领域本身就是数据价值的高地，数据的生产与运用处于各类产业的前端。

同时，这些行业对于数据的规范要求较高，对于这些领域来说，数据有效利用可以放大其背后的潜能，价值巨大。

拿金融领域来说，隐私计算主要应用于金融中的风控和营销方面。

随着区块链技术的发展，隐私计算与区块链技术的结合，也可以赋能更多的金融场景，比如跨境支付、供应链金融等。

在反洗钱业务中，此前由于对中小企业的经营数据掌握得不够完备，银行对中小企业的贷款非常谨慎，中小企业贷款难成为阻碍市场化发展一大恶疾，在隐私计算与区块链等技术的结合下，银行可以更好地收集到相关信息与同业机构交换参数、联合计算建模，解决了中小企业数据背调的问题。

隐私计算既能实现数据对于金融、医疗等领域科技创新的“倍增作用”，又能充分保护数据隐私，使数据在流通和融合过程中可用不可见，数据的生产力得以被充分放大，价值也随之水涨船高。

二、技术流派的融合

据国家互联网信息办公室，中国数字经济规模已达31万亿元，约占GDP三分之一。

IDC数据表明，2025年全球数据量将达到175ZB，并保持指数级增长趋势。数据海量增长的背景下，数据的规范合规政策也在不断跟进。

《数据安全法》与《个人信息保护法》在去年十月左右开始陆续实施，隐私计算也成为数据安全合规应用的技术保障，成为备受期待的最优解，被资本与企业追捧。

据毕马威发布的隐私计算报告预测，未来三年，隐私计算的营收服务费用可达200亿左右，而数据平台可以撬动的运营收入可达千亿级别。

在政策和市场驱动的背景下，互联网巨头、网络安全、大数据公司等初创科技企业纷纷入局，在数据价值应用的蓝海中抢占先机。

大部分企业的入场时间在2018年前后，技术流派也以多方安全计算、联邦学习、可信执行环境这三种流派为主。

在实际落地商用的过程中，单一路径技术的模式逐渐无法满足市场需求，三种技术路径的融合成为现下的主要趋势。

目前在隐私计算赛道中，抢占赛道先位的有蚂蚁金服、华控清交、翼方健数、数牍科技、冲量在线等。

这些企业也多以金融、医疗为主要应用场景领域，金融与医疗领域是数据密集型产业，且数据蕴含的价值高，行业数据敏感，隐私计算的特性与其天生契合。

金融与医疗的应用场景也不断有隐私计算落地开花结果的案例。

例如金融领域中隐私计算在银行的应用方面，可适用于联合营销、联合风控、统一授信、业务合规等，如在不暴露客户资产的情况下银行可以进行联合统计，开展客户综合管理、查询数据或提升精准营销能力等。

政府方面的落地，在江浙的部分城市目前已经通过隐私计算技术，实现了政务数据和银行金融数据之间的共享，并把这些数据积极应用于反诈工作中。

隐私安全计算的产品与解决方案在市场与资本中获得了强烈的反响，2021年更是被称之为“隐私计算元年”。

这其中有政策利好，如数据资源正成为与人力资源、自然资源同样重要的第三类资源。

数据也跟土地、劳动力、技术、资本等一样被当作生产要素写进了国家文件中。数据的应用在行业和社会层面都意义重大。

不过，在隐私计算不断落地的过程中，市场中也有另外的声音质疑：隐私计算可以保证数据的安全，那么谁来界定隐私计算系统的安全？

数据安全保护涉及的技术种类多、门槛高，各种专业术语让人晕头转向，而且因为数据不可感，只能单方面通过企业介绍来了解。

这个最核心的疑虑答案，数据服务方们的共同选择是交给市场来共建行业的标准。

制定隐私计算的安全标准考虑的点包含算法安全、密码安全、产品安全等多重安全风险点，互联互通的系列标准、行业场景标准及测试体系等都开始逐渐讨论与展开，隐私计算的各产业联盟共同推进技术规范与应用的落地，使其健康有序发展。

三、有限的天花板or广阔的天地？

数据价值在分析与计算后折射的势能是不可估量的，对大数据应用或人工智能企业来说，合理边界和方式使用用户数据，已成为企业与产业的核心驱动力之一。

隐私计算市场在这个态势下的起步中，有流畅的市场、政策快车道加速，也有一些路障需要跨越。

1. 市场需求的表达不充分

对于金融、通信、政府等领域因为近些年互联网行业的数字化技术洗礼，接受与教育的成本低，而在工业、交通、能源等传统数据大户领域中，数字化的程度有限，推进隐私计算市场教育的成本与时间较久，市场的需求反馈准确表达有限。

2. 一些行业数据的管理标准混乱，数据的开放存在障碍

例如在医疗领域中，数字化的水平参差不齐，数据的管理缺乏统一的标准，而数据的打通需要多方的协作，闭源的数据平台较多，数据方的打通协同执行程度有限。

3. 隐私计算产品的标准化程度低，通用性差

隐私计算中的产品与解决方案多以定制化为主，这也意味着周期与成本的高企，规模的发展难以铺开。

在隐私计算的基建阶段，一切都在探索和尝试，需要解决的问题不少，距离设想的未来按数据交易量抽成的分润时代还较远，隐私计算和许多技术含量高的to b平台一样，是一个需要常耕深入的技术，需要玩家们做好长跑的准备，行业较为统一的共识是完全的规模化应用还得十年的时间，元年的基建时代，安心打磨技艺即可。

对于隐私计算的未来，市场上也有另外的声音，因为隐私计算赛道涉及敏感数据的交易、流通等，这类数据平台的建立未来会被监管列为重点关注的对象，政府或者国有企业会作为合规方来搭建，市场的隐私计算只能作为技术的供应商存在，作为生产要素的数据基础设施平台的建设，最终的控制权会被政府管制，预想的发展空间会不及理论设想，市场的天花板有限。

无论是有限的天花板理论还是无限的天地，我们可以确认的是隐私计算的独特优势都会让数据的价值发生质变。

而这也意味着数据时代，促进数据生态良性发展的隐私计算会是数据发展最佳的助推器，只要锚定数据的价值，护航其跃升的隐私计算就有广阔的发展天地。

至于走得多远，行的多深，市场与时间会给出答案。

#合作媒体#

脑极体，微信公众号：脑极体。写让你脑洞大开且能看懂的人工智能、流媒体、海外科技

本文原创发布于人人都是产品经理。未经许可，禁止转载

题图来自Unsplash，基于CC0协议