Gartner发布了当前至2024年的五大隐私趋势，预测到2025年60%的大型企业机构将使用至少一种隐私计算技术来支持分析、商业智能或云计算的应用。中国的隐私计算在数据要素安全流通的市场需求和政策需求的推动下迎来发展契机，其中，金融、政务、通信运营商领域的商用实践相对领先，医疗领域拥有较高的技术实践契合度。
01
国内隐私计算：起步虽晚，
技术发展和商业实践并行
隐私计算指的是 在保证数据提供方不泄露原始数据的前提下，对数据进行分析计算的一系列信息技术，保障数据在流通与融合过程中的“可用不可见”、“可算不可识”。隐私计算融合了密码学、计算机硬件、AI等多学科，逐渐形成了以多方安全计算、联邦学习、可信执行环境为代表，混淆电路、秘密分享、不经意传输等作为底层密码学技术，同态加密、零知识证明、差分隐私等作为辅助技术的相对成熟的技术体系。 艾瑞咨询《2022年中国隐私计算行业研究报告》显示，国外的隐私计算企业布局早于中国，并在不同技术层面取得了相应成果，但是整体的商用实践较为局限。在面向企业的服务中，医疗行业是较为活跃的领域之一。国内在2016年开始出现垂直的隐私计算厂商，相对国外起步较晚。 中国的隐私计算在数据要素安全流通的市场需求和政策需求的推动下迎来发展契机 ，金融、政务、运营商等领域均在积极展开隐私计算基础平台建设，并逐渐开始在应用层展开场景实践。在产业需求的推动下，隐私计算跨平台互联互通建设、国产芯片厂商对可信硬件的研发、软硬一体机产品创新等均在如火如荼地开展。基于此，技术服务商还在探索基于数据运营商业模式下的更大市场机会。整体上，中国隐私计算在产、学、研的协同促进下取得了高效的发展。 2021年中国隐私计算市场规模为4.9亿元，预计至2025年将达到145.1亿元，数据运营占比持续升高。 基础产品服务方面，2021年中国隐私计算基础产品服务的技术采购中，金融、政务、运营商占据75%-80%的市场份额，医疗领域占比约为10%。结合对各领域行业用户的技术投入规划调研，发现金融、政务、运营商的核心投入期集中在2022-2024年，预计2025年将取得收官成果。以银行为例，预计至2025年，国有商业银行、股份制银行、40%-50%的城市商业银行均将完成隐私计算的平台建设。医疗领域将在卫健委政策和行业用户需求的推动下，预计在2023-2025年，在基础产品服务的投入上也会产生一定增速。 数据运营的市场空间将来自于两个方面 ：一是传统数据流通模式（数据包传输、API调用等）将被隐私计算的可信数据流通方案所重构；另一方面，传统模式下难以共享的数据（如政务数据等）将在隐私计算的加持下实现安全合规开放。 21世纪经济报道认为，2021年，隐私计算进入应用商业化元年。隐私计算理论已诞生40年，真正起风却是在近两年，也印证了技术发展的普遍路径。一项技术被广泛接受，需要经过理论发展、实践认证，大规模应用三个阶段。隐私计算技术，便是一个很好的力争，没有政策法规完善、技术成熟，便没有隐私计算从理论走向大规模应用的可能。有从业者多年前就发出过感慨，隐私计算是科技世界的一个“补丁”，需要有人“Debug the world”。而现在，或许正是隐私计算这项技术Debug the world的最好时机。 如今，数据资产再开发，正在成为新一轮增长点。但不可忽略的是，数据流通领域头顶天然地悬着一把“达摩克利斯之剑”，避免它“野蛮生长”——不少国家都先后出台了数据保护政策。 让数据在法律法规范围内安全地用起来 ，隐私计算被认为是极为有效的技术措施，发展隐私计算技术成为了数据流通和数据保护不可或缺的一部分。短期来看，越来越严的数据安全政策促使了隐私计算市场的快速发展，而数据作为生产要素流通并形成的价值体系，才是隐私计算市场长远持续发展的根本动力。
艾瑞咨询《2022年中国隐私计算行业研究报告》显示，目前，隐私计算处于落地初期阶段， 金融、政务、通信运营商领域的商用实践相对领先，医疗领域拥有较高的技术实践契合度 ，部分厂商对此寄予良好的市场发展愿景。 报告认为，在目前“千帆竞发”的市场格局下，中国隐私计算市场将经历多次的“大浪淘沙”， 2022年-2025年是中国隐私计算基础设施建设的关键时期 。
中国隐私计算行业终将进入“隐私计算+”时代，打造“精益敏捷”的数据智能产品将成为核心竞争力。行业客户需求将成为隐私计算跨平台互联互通发展的强力催化剂。随着隐私计算场景实践的逐渐深入和计算量的增加，算力加速需求也将不断涌现。 不过，实际上隐私计算目前仍然处于行业初期，技术发展、政策法规、互联互通、商业模式等还需要进一步完善。 近日，蓝象智联创始人兼董事长童玲、创始人兼CEO徐敏受邀参加BRTV《金融街午餐会》栏目访谈。《金融街午餐会》由北京广播电视台与北京市金融局联合打造，聚焦全球科创领域。 蓝象智联专注于提供金融级隐私计算技术及产品。 公司践行“让数据价值安全高效流动”的使命，通过隐私计算构建数据价值交换的“彩虹桥”，实现数据价值的发现、数据价值的匹配与交易、数据价值的安全高效交换和数据价值的再创造，推动数据要素市场健康稳定高速发展。 节目中，两位创始人深入浅出地介绍了隐私计算，以及何为“金融级隐私计算”。 “金融级”是相对于“企业级”而言更高层级的概念。由于金融领域属于数据密集型产业，对于数据产品的要求更严苛、评测环节也更精细，并在业务需求方面具有体量大、可用性及稳定性要求高等特点，若一个产品经过头部金融机构评测、使用、打磨，那么该产品一定是业内最具竞争力、最具安全性的。 蓝象智联的金融级隐私计算产品GAIA、GaiaC、GaiaX 融合多方安全计算、联邦学习、密码学等能力，是首个全部通过联邦学习安全测评50个评测项目的隐私计算产品，目前已通过国家金融科技测评中心、工信部信通院、公安部多方安全计算和联邦学习等方向的产品评测。 在应用方面，他们分享了隐私计算在“反诈”及“普惠金融”两大领域的的实际应用。 反诈的关键在于预防和预警。通过完整且丰富的数据补充，对欺诈人“大灰狼”与受害人“小白兔”进行精准识别，把诈骗行为“扼杀在摇篮里“。但以往的反诈模式以机构“单打独斗”为主。由于信息安全的要求，各机构之间数据无法共享，逐渐形成“数据孤岛”，机构只能以自身数据为基础实施反诈措施，反诈效果始终不如意。 随着隐私计算的出现，“数据孤岛”问题得到缓解，如公安机关、运营商、政务、金融机构等多方数据可通过基于隐私计算的反诈数据联盟实现安全高效共享，用联防联控夯实反诈“天网”。 目前，蓝象智联已助力搭建两大反诈数据联盟——异业反诈数据联盟、同业反诈数据联盟，针对异业及同业领域进行反诈的联防联控。 据介绍，除了能极大发挥普惠金融价值外，隐私计算赛道也正在布局如政务、医疗、互联网、零售等多个行业领域。 今年，Gartner发布了当前至2024年的五大隐私趋势，预测 到2025年60%的大型企业机构将使用至少一种隐私计算技术来支持分析、商业智能或云计算的应用 。可以预见，随着数据流通上下游机构的隐私计算平台建设普及，在数据供给方与数据应用方之间通过数据智能应用的业务场景建立网络链接，并进而开展场景运营，将促使隐私计算作为“连接器”和“增效器”的商业价值进一步涌现。
https://mp.weixin.qq.com/s/-QCn3Ub1NhR4RScHp7cUyg
https://mp.weixin.qq.com/s/qbL4aVes1AlgSQmQ-jJ8nw
https://mp.weixin.qq.com/s/04yxhelP3Y1-LjFlmqHJ9Q