2022 年 1 月 12 日，国务院印发《十四五数字经济发展规划》，规划中指出数字经济是以数据资源为关键要素，以信息通信技术融合应用、全要素数字化转型为重要推动力，促进公平与效率更加统一的新经济形态。

数字经济时代下的智慧应用与数据密不可分，数据作为底层资源喂养了庞杂算力体系下的各类智能算法。近年来数据利用日益面临挑战，也因挑战逐渐生变。

世界范围内掀起数据合规的监管浪潮，数据隐私逐渐成为政策与产业聚焦热点。

如何利用技术守护隐私、促进数据合规利用成为业界聚焦话题，隐私计算技术是这一波浪潮中的核心技术角色，以“数据可用不可见”切入数据使用过程，保证数据归属清晰的同时挖掘数据价值，在涉及个人身份信息等特殊场景下具有重要意义。

为洞彻隐私计算相关技术的沿革历程、商业化动势，以及企业创新生态图景，CB Insights 中国团队基于对隐私计算的技术溯源、分析和市场调研，重磅发布《2022 年中国隐私计算技术与市场发展研究报告》：

• 技术沿革与商业落地双脉络研究

• 厘清隐私计算、数据隐私、数据安全的定义与关系

• 系统拆解隐私计算六个技术子项的开端、进展、商业化和实际应用

• 辨析六个技术子项的技术路径、优势和技术局限

• 中国隐私计算企业创新生态图景全貌：四类玩家，各据禀赋

• 典型企业产品及实际落地案例

• 捕捉未来技术和市场发展新趋势

“世界最严格的隐私保护法案”开启数据合规元年。2021 年出台的《数据安全法》、《个人信息保护法》加之此前的《网络安全法》，一同构成了堪称世界最严格的隐私保护法律体系。

响应数据隐私守护的大潮，中国由此开启了数据合规浪潮，进入“数据合规元年”，业界企业无不受其掣肘。追溯合规体系，可清晰看到各类法条承袭了欧洲《通用数据条例》（GDPR）核心精神，对数据隐私保护、数据利用底线、数据利用道德的重视。

大数据时代声势由来已久，随着数字化设备涌入生产生活，社会数据总量正在呈现指数级膨胀爆发状态。然而“数据孤岛”问题也长期存在，尤其在某些数字化程度较高的行业中广泛遗留，并由此形成了数据总量多、利用渠道与手段却匮乏的悖论。

数据孤岛部分根源在于数据权属问题、数据隐私问题等多重因素的交织。因数据有易复制、易篡改特质，所有权难以界定。

隐私计算保证数据归属清晰的同时挖掘数据价值，与此同时有效保障了数据内容中包含的隐私信息不被泄露，在一般性涉及个人身份信息及某些特殊场景下具有重要意义。

打通“数据孤岛”需要解决“数据权属”、“数据定价”、“数据安全隐私”三大难题。隐私计算技术赋能使用者，提供了解决三大难题能力，从而开放更多数据源头库，在增量维度上帮助企业解决问题。

隐私计算实质上并不指实际的单个技术，而是囊括了多个技术类别的一揽子技术合集。

其中，“隐私”为目的项，指明了技术本身功用乃是达成隐私保护；“计算”则说明了该技术在本质上是对信息、数据的加工，即应用在数据的使用流程中。

在技术路径上，隐私计算主要划分为三类：以安全多方计算为代表的密码学路径、以可信任执行环境为代表的硬件路径和以联邦学习为代表的人工智能路径。

密码学路径的技术有理论背书的安全性，可信任执行性环境在性能上占优且落地成熟，而联邦学习则在人工智能落地应用的全程有效保障隐私。

在技术子项上，根据目前中国业界普遍认可的技术范畴取概念共识，隐私计算是指包含了安全多方计算、同态加密、差分隐私、零知识证明、联邦学习以及可执行环境等主流技术子项的相关技术合集及产品方案。

深入行业图景，近年来随着技术增益商业落地场景逐步丰满，涌现了一大批具有隐私计算能力并有实力将产品落地的企业。

在中国隐私计算行业现有玩家图景中，依据各厂商性质、沿革、战略打法、资源禀赋的多个维度，主要划分四类：“大厂生态型”、“隐私计算专攻型”、“行业赋能型”、“人工智能、区块链技术型”。

“大厂生态型”指中国主流的大型互联网企业，如腾讯、百度、蚂蚁集团等。它们汇集了海量的 C 端数据，天然是数据富集地。

隐私计算直接服务于数据使用过程中的隐私保护工作，能充分赋能大厂生态中的数据利用环节，占据其技术能力矩阵中坚实阵地。

“行业赋能型”主要指应用隐私计算技术赋能主营业务的玩家，典型代表包括金融科技公司的平安科技、微众****。从隐私计算赛道的角度，其主营业务早已成熟，在专精领域商业拼图上已经取得显著地位。

随着业务的发展及合规需求，这类公司从技术能力版图和业务需求出发，打造团队钻研隐私计算技术，使技术服务于成熟的业务板块。

“隐私计算专攻型”指在行业热潮中涌现的一批专注于隐私计算技术与产品的公司，这类企业一般成立时间在五年以内，不少企业在 2019-2020 年间集中创立。

该类企业在技术上普遍倾向于打造“通用型”隐私计算技术，因此在隐私计算市场中，未来商业形态的可塑性、可拼合程度较高。由于创立时间尚短、行业生态并未完全定型，这类企业在商业化图景上有持续发展机遇。

这些企业提供的解决方案在行业应用上各有侧重。

数牍科技锚定政府央企、金融保险、互联网等，覆盖政务、金融、营销、风控、医疗场景，典型客户如三大运营商、银联、工商****、北京****及各地数据交易所。

洞见科技则瞄准政务、金融领域，覆盖联合风控、营销、资产扫描、精算定价、存客激活、数据要素流通、银企融资对接、债券指数编制等场景。

锘崴科技则发力医疗领域，在跨国罕见病研究、疾病多中心联合计算场景有落地案例。

“人工智能、区块链技术型”指从事人工智能技术方案研发与区块链技术研发为主的公司。与行业赋能型企业类似，该类企业主要将隐私计算能力拼合到整体技术模块，服务于企业战略。

该类企业的特征在于立足于技术研发与供给，对外输出综合技术能力；优势是以技术为核心驱动力，在既有的商业版图中已经有过多个成熟案例，对客户需求理解较深。隐私计算作为新近涌现的需求，在商业侧对该类企业而言并不陌生，且已有既成资源池可倚赖。

现阶段，各类玩家都在积极推动技术渗透率，不断拓展应用边界，共筑中国隐私计算行业厂商图景。

从需求端来看，金融、政府、医疗三类机构掌握海量大数据，对数据赋能业务需求较为强烈，往往渴望更多维度、创新渠道的新数据。

而正因这类机构对数据较为倚重，面临监管与合规措施不断落地的情况 ，尤以金融机构为代表此类机构受到掣肘最多，因而对隐私计算方案有更大需求。目前隐私计算应用场景也多集中于这三个主要的行业。

随着数据要素市场的进一步落地，各地涌现的数据交易平台正是当下隐私计算行业变革中尤为重要的新应用场景，并且将在短期内持续成为隐私计算行业受益者和付费方。

从技术供给侧来看，现有行业玩家将逐渐分化为底层技术供应商、终端方案商，共同对外输出隐私计算能力。企业按照各自资源禀赋逐渐锚定市场位置，市场分层已经初见趋势：

• 隐私计算技术供给公司：专注于研发与提供底层隐私计算软硬件产品，在竞争力维度上，集中优势专注于技术的精进打磨，不断降低产品成本、提升性能与处理效率，为数据服务市场提供优质的产品性能。

  
  

• 数据市场服务公司：该类公司立足于数据服务终端场景，面向客户专注从事顶层落地产品研发及后续运营方案落实。该类公司在产品侧不断打磨，提升隐私计算方案的易用程度、综合工程性能，以及成本的充分控制；在运营侧深化客户理解，针对特定行业客户调试方案提升综合运营能力从而在服务市场占据立足之地。

中长期内，随着数据交易蔚为大观，隐私计算将拓展至工业互联网等领域。

隐私计算出现的核心领域是数字化程度高且数据增益效应明显的行业，在当下主要是金融等领域。而随着数字化浪潮席卷拓展至更多行业，隐私计算将与之相伴而盛。

从中长期来看，工业互联网、农业互联网将会存在机遇。而在机制上，伴随着数据交易、数据服务的落地，隐私计算作为能够明确数据权属、释放数据价值的核心技术，将会在更多场景下提供服务能力。届时，隐私计算在性能、产品化等方面又将产生更大的变革。

未来，隐私计算企业的工程化能力成行业焦点，数据服务市场为行业新机遇。硬件的革新或为底层技术相对成熟的隐私计算带来性能上的提升，而产品化能力将成为隐私计算企业的核心竞争力。

*博客内容为网友个人发布，仅代表博主个人观点，如有侵权请联系工作人员删除。