“2021年是隐私计算跑马圈地的窗口期，这个窗口是重要且致命的，决定了创业公司的命运。”

“Dear:

非常冒昧的给您发邮件，是希望能和您建立一个联系！

期待您的回复，或者可以直接添加我的微信，我们可以更深入地进行沟通！”

在接到一个会议的邮件后，安平（化名）突发奇想，给这个会议邮件组的所有人发了一封介绍公司业务的邮件，希望能够找到销售线索。

今年初，安平从公司的其他岗位转岗到了销售部门，原因是“看好隐私计算领域的市场前景，想转到销售岗位试一试。”

上百家隐私计算厂商，目前正在大力推进隐私计算技术的商业落地，团队也在迅速扩张。

富数科技就是其中之一。富数科技合伙人、高级总监黄奉孝向零壹财经透露，公司的大规模扩张有两个因素，一是ToB业务客户数量迅猛增长所需要的服务人员缺口，包括销售、解决方案、交付团队等角色；二是隐私计算技术产品的快速升级迭代所需要的技术人员缺口，包括算法、工程等角色。他进一步透露，“目前我们已经在金融和运营商领域取得一些优势，已经完成了数百套Avatar软件在各个细分领域的部署和应用试点。”

忙起来的不止富数科技一家公司。在北京，位于清华科技园创业大厦的华控清交，团队也在大力扩张。去年5月，华控清交整个公司大约只有60-70人，现在公司已经有200人左右。“技术、研发和市场，都需要人，因为要落地项目，不光需要销售团队，技术和研发也得跟上。”华控清交副总裁黄斌告诉零壹财经，他肯定了客户爆发式增长的趋势，并且透露，“这在今年是隐私计算厂商的一个普遍趋势。”

而在数牍科技，这已经成为肉眼可见的业绩。数牍科技创始人兼CEO宋一民在接受媒体采访时透露，2020年10月开始的3个月内，合作方陆续找来，一举反超了“年营收力争达到800万元”的年初计划。

2020年12月，中国信息通信研究院牵头发起成立了“隐私计算联盟”。中国信通院云计算和大数据研究所所长何宝宏告诉零壹财经，当前行业对隐私计算技术已经基本认同，隐私计算技术也达到了基本可用的状态。同时，他透露，今年针对隐私计算的招标采购已经普遍开始，隐私计算已经到了开始真正尝试规模化应用的阶段了。

市场启动

对于市场的变化，黄斌的感受非常明显。他对比：“去年来我们公司参观的朋友，问的第一个问题大多都是，可用不可见是什么？又能保护数据、又能计算数据，这是怎么实现的？今年就没有问这个问题的了。”

隐私计算是“隐私保护计算”（privacy-preserving computation）的中文简称，根据“大数据联合国全球工作组”（Bigdata UN Global Working Group）的定义，这是一类技术方案，在处理和分析计算数据的过程中能保持数据不透明、不泄露、无法被计算方以及其他非授权方获取。比如，可信执行环境、多方安全计算、联邦学习等，都属于隐私计算技术。

今年，隐私计算的性能有了大幅提升，这是商业化落地非常关键的因素。据零壹财经了解，隐私计算运算速率目前不能一概而论，最快的可以达到明文计算的3—5倍，最慢的可能达到明文计算的上百倍。运算速率与多种因素相关，其中包括算法类型、数据规模、数据特征、软硬件环境、服务器性能、网络带宽、硬件加速等。

这个数字，听上去仍是一个不小的差距，但是在很多场景，已经可以接受，达到初步可用。

以富数科技的金融风控场景为例。黄奉孝告诉零壹财经，比如最早期训练一个逻辑回归的风控模型，同样的样本和特征数量，联邦学习的建模耗时是明文的数十倍。随着算法和工程的优化，甚至是硬件加速的结合，联邦学习的性能大大提高，富数科技做过最快的逻辑回归测试，1分钟的明文训练数据规模，甚至可以在3~5分钟内用联邦学习完成。

再以华控清交目前在与多家银行尝试合作的人脸识别场景为例，黄斌举例，比如进高铁站时要对身份证信息和人脸进行比对的场景，明文计算耗时几百毫秒，用隐私计算耗时已经降低到1秒多，差距在不断缩小。

隐私计算的性能还在不断优化当中。黄斌预计，在未来一年左右的时间里，隐私计算的平均速率可以优化至明文计算的5-10倍。

技术提升的同时，政策也助了一把力。

2020年4月，中共中央、国务院印发《关于构建更加完善的要素市场化配置体制机制的意见》，将数据列为生产要素，明确指出了市场化改革的内容和方向。政策对市场的推动，华控清交的体会特别明显。黄斌回忆，当时感觉政府部门采用隐私计算的积极性很快就提高了。

为了推动技术的落地，隐私计算联盟已经在2021上半年制定了隐私计算产品的性能测试方法。何宝宏告诉零壹财经，隐私计算技术体系复杂，基于不同技术实现的产品具有不同的安全强度、计算性能，且实际差异较大，导致了难以衡量产品真实水平的问题。测试方法的制定，能够令测评结果在一定程度上具有可比性。未来，隐私计算联盟还将继续从基础研究、应用推广、行业交流、行业合规等方面开展工作，推动隐私计算产业健康高质量发展。

跑马圈地

即将启动的市场，节奏看上去比想象中要快。

“隐私计算行业的市场预期在我们看来，已经非常清晰可见、市场规模可计算。”说这话的时候，黄奉孝胸有成竹。近两年，他接触过的客户已经超过200多家，他在自己的公众号上写文章判断：“2021年是隐私计算跑马圈地的窗口期，这个窗口是重要且致命的，决定了创业公司的命运。”

此话是否言中现实，还有待时间检验。不过，他告诉零壹财经，隐私计算的客户，有一定的网络效应。一来，重要的客户比较集中；二来，重要客户会影响上下游厂商的选择。这种“客户的客户影响效应”就如供应链金融里面的核心企业。比如，银行当中，国有大行在全国各地都有分支机构，一旦总行选定了隐私计算的供应商，系统内的分支机构会倾向选用这一家供应商（除非是供应商在具体落地的时候出现交付与方案落地的问题）。与此同时，核心企业客户的上下游，可能为了方便与之对接，也会“被”选用这家供应商。

因此，黄奉孝判断，虽然目前整个行业能将隐私计算技术完全落地的业务场景还不多，但是一些关键客户一旦选定厂商，对下一阶段上生产系统落业务应用就占得先机，大概率最后国内的关键客户会被三五家厂商割据掉。

不过，世事无绝对，并不是占了先机就永远能保持优势。加入华控清交之前，黄斌曾在华为工作过18年，见识过通信市场的激烈缠斗。他告诉零壹财经，在通信市场上，头一年装上的系统，后来又被搬走的情况并不鲜见。市场在短期内恐怕并不那么容易见分晓。

为了拿下市场，技术、生态、商务的比拼是关键。

技术的竞争需要拿出真刀真枪。现在市面上不少隐私计算厂商对技术的描述都大同小异，难以看出其中的本质差别。但是业内人士告诉零壹财经，“表面上都看不出什么来，必须要试验才行。有的机构的系统就跑不起来，出各种问题，有的机构的就比较好用。”该人士认为，现在市场已经可以初步划分为两个梯队——有原创技术的公司和没有原创技术的公司。他解释，隐私计算厂商有了自主创新的技术，才能根据用户的要求修改代码、更好实现客户的实际需求。一些应用开源技术的集成商，因为不了解技术的底层代码，客户要求进行修改的时候，往往无从下手。“大点的银行，都要求厂商有原创的技术，否则根本不和你谈。”他透露。

生态，指的是技术厂商接入的机构所形成的生态。隐私计算的生态当中，包含甲方、乙方和丙方三方。甲方指的是需要用数据的机构，比如银行、保险等机构；乙方，指的是拥有数据的机构，目前数据主要集中在政府、运营商、银联、互联网巨头手中；丙方，指的是不拥有数据的服务机构，比如隐私计算厂商、云服务商、大数据服务商等。业内人士告诉零壹财经，隐私计算厂商所连接的生态伙伴数量越多，网络效应才越大。生态与技术又有联动和互相促进的关系，厂商技术实力强，与生态伙伴连接的能力就更强。

商务，更是全方位的比拼。传统销售有三板斧“吃饭、喝酒、洗澡”，不过上述业内人士告诉零壹财经，现在光有“三板斧”不管用。自从人工智能等新技术发展以来，销售方式已经升级。隐私计算更缺“顾问型销售”，就是能够针对客户的具体问题提供相应的解决方案的销售。光有三板斧，只能初步敲开机构的门。但是“进得去，出不来”，就是能初步进门沟通，但是最终不能签下单子。现在销售必须做到“进得去，出得来”，必须为客户提供顾问型的销售服务。“现在，其实我们公司最重要的培训内容之一，就是对顾问型销售的培训。”上述人士透露。

支撑这些能看得见的外部比拼的，是厂商的根本实力。

黄斌认为，技术、人才、资金、企业内控都是实质决定最终结果的因素。隐私计算要想做好，需要聚集密码学、分布式计算、大数据、AI、网络方面的人才，并不是每家公司都能集齐这些人才。要想聚集一流的人才，资金也必须到位。有了资金，还要有好的管理，企业内部的管理层、骨干层和员工是否能够各司其职、紧密配合也非常关键。最后，有了好的技术产品之后，技术、商务、交付、行政也是一环扣一环的，哪个环节掉链子都不行。

变革启幕

隐私计算在当下像一把钥匙，经由隐私计算的帮助，许多产业将迎来新的增长红利。

当下，人工智能的发展遇到了数据瓶颈。2012年，深度学习理论被验证，此后人工智能技术得到飞速发展，但是目前仍处于初级阶段。人工智能的进一步提升，需要更多的数据进行训练，目前的数据孤岛限制了人工智能对数据价值的挖掘。

在具体的应用场景中，比如金融、医疗领域，都有待进一步挖掘数据价值。

金融业正在经历数字化转型大潮，将金融机构内外部数据联合起来分析，提升营销和风控效果已经是大势所趋。在2020年9月的外滩大会上，蚂蚁集团数字金融CTO王晓航在主题演讲中表示，金融场景化是金融服务的趋势，以互联互通、数据化联营为特征的模式将会成为主流。金融和智能的结合将更加紧密，场景的产业数字化会加速。共享智能为代表的互联互通技术将打开生态之间协同的下一波合作红利，这个趋势将会更加明显。

医疗领域也正在等待隐私计算开启新纪元。笔者2014年曾对互联网医疗的发展状况进行过深度调研，当时医疗大数据已经显现出非常广阔的应用前景。传统医学是小数据的判断和决策，正确率很难保证，完全依靠医生的经验和能力。以前基于统计学意义的诊断，今后将被基于个性化的大数据的诊断所代替。但是医疗领域数据的互联互通，当时同样受制于数据孤岛。

黄斌2020年4月加入华控清交，在黄斌眼里，又一张网络即将形成，那就是数据互联互通的网络。他将此类比通信市场，形容这张网络的形成“就像数据之间打电话”——各种数据都不会离开自己所在的地方，但是相互之间能信息互通。这也是华控清交的愿景，华控清交希望做成数据互联互通的基础设施，未来让每一个个体都加入这张网络之中。

华控清交绘制了一张数据生态图（如下），描述了未来即将形成的新的数据生态。未来，围绕数据价值的挖掘，会形成数据交易市场、交易所、数据经纪和咨询机构等等所组成的新生态。

未来，这个市场的规模有多大，现在不好估量。黄斌告诉零壹财经，如果单就隐私计算市场来讲，当下的市场规模是看为单个政务、金融、医疗等机构客户提供隐私计算软件或系统的价钱和机构的数量。但是，未来隐私计算将撬动的各产业价值的提升现在还无法估量。据微众银行与毕马威联合发布的《2021隐私计算行业研究报告》数据显示，隐私计算国内市场将达到空前规模，三年后技术服务营收有望触达100-200亿人民币空间，甚至将撬动千亿级数据平台运营收入空间。

不过，隐私计算要发展成熟还需要时间。何宝宏认为，隐私计算距离大规模商业化落地仍有一定的差距，主要原因有三条：

一是市场对于隐私计算的认知度、认可度仍然不足。一方面由于隐私计算技术复杂且常常呈现“黑盒化”现象，大部分用户对隐私技术难以理解和信任；另一方面，大众对技术理解得不够全面，会导致用户会对技术应用的效果产生过度预期。

二是技术推广所需的成熟商业模式仍在形成。当前市场正处于快速发展的早期阶段，明确的激励机制、利益分配机制、通用的平台收费机制等商业化落地模式尚未形成，难以支撑技术的大规模推广。

三是现有法律法规未对隐私计算地位进行明确定位。相关法律、标准、规则缺失，数据审计、保险等配套产业仍不完备。

变革刚刚开始。

注：添加lycj002，标注姓名+机构，加入隐私计算行业交流群。