（三）隐私计算公司商业模式与业务方向差异

1、商业模式

据零壹智库调研了解，隐私计算公司目前有三种商业模式：

第一，硬件销售。目前在隐私计算领域，有两种硬件，一种是FPGA加速卡，一种是隐私计算一体机，都是使用硬件提升隐私计算性能，更加符合实际应用场景需求。比如星云Clustar隐私计算软硬件一体机、蚂蚁摩斯隐私计算一体机等。

第二，软件销售。就是销售隐私计算系统软件，大多数有隐私计算业务的公司都有这样的系统软件，比如蚂蚁摩斯多方安全计算平台、华控清交PrivPy 多方安全计算平台、同盾科技智邦平台iBond、瑞莱智慧隐私保护机器学习平台RealSecure、金智塔科技的“金智塔”隐私计算平台、天冕科技的天冕联邦学习平台WeFe、富数科技阿凡达安全计算平台、洞见科技INSIGHTONE洞见数智联邦平台、蓝象智联GAIA平台等。

第三，平台分润。隐私计算公司软件销售积累了一定数量的客户之后，客户通过软件平台调用数据，获得收益之后，隐私计算公司可以获得这方面的收入。

分润有三种方式：

其一，数据源测分润。即根据数据调用量，在数据源收益中分润。

其二，数据应用场景分润。在金融应用中，隐私计算主要应用于金融业务的风控和营销场景，可以从场景取得的收益中分润。

其三，类数据代理模式。向数据源采购数据，加工成评分之后进行销售，整个过程中应用隐私计算技术。销售评分的价格，是在数据采购成本的基础上进行加价。

但是，目前开源正在成为潮流，这使得在未来可能出现新的隐私计算商业模式。

在中国，隐私计算的开源是从微众银行的隐私计算系统FATE开始的。2019 年 7月，微众银行一共发布了10款开源软件，其中就包括FATE——第一个开源联邦学习系统，开创了隐私计算系统开源的先例。

当下，零壹智库了解到，在隐私计算领域，还有更多的公司已经或者正在加入开源的行列。比如，2020年初，字节跳动联邦学习平台 Fedlearner 开源。2020年5月，矩阵元隐私AI开源框架Rosetta发布。星云Clustar在FATE开源社区内开源了解决针对FATE平台自身存在的一些问题的方法，如解决FATE进程间通信问题的经验、技术、研究成果等。天冕科技联邦学习平台WeFe开放了全部源码，包含用户操作中心Board、网关GateWay、算法Kernel以及联邦基础设施Union等核心技术，共约30万行代码。富数科技也在考虑开源计划，并且倡导开源项目之间也要采用开放的、兼容的、公共的技术协议。

对于B端，开源也在市场上逐渐发展为成熟的商业模式。主要的三种商业模式有：第一，在软件开源提供后，以软件后期的运维、部署、咨询、升级等技术手段盈利；第二，发行企业版与开源社区版双版本，企业版以服务于一些特点企业应用场景进行盈利；第三，通过将开源软件部署在云端服务器，需求方通过订阅的方式向提供方付费使用，同时这种模式也免去了实地部署等线下的过程与以及安装费用。

因此，以后如果有更多的隐私计算平台开源，将可能发展出更多的商业模式。

2、不同的愿景与方向

在市场发展初期，各公司的商业模式非常相像。据零壹财经了解，目前巨头和隐私计算创业公司在隐私计算业务上的收入来源，都是前文所述商业模式的不同组合，并无特别明显的差异。
但是他们各自的身份、愿景、目标和技术特点并不完全相同，在未来的发展中，行业格局和这些公司在市场上各自的定位分工很有可能会据此产生变化。

2．1 数据底座

致力于做数据底座的公司，业务的重点在于为数据流通建立安全的技术和设施底座，为数据安全流通“修路架桥”，主要不是提供其上层的风控建模、营销等方面具体应用产品和服务。他们更加倾向于通过合作为其他公司提供底层技术平台，而非自己去提供具体的应用开发和服务。

华控清交致力于做数据流通基础设施建设，是这一方向的典型代表。

基于多方安全计算等密码学理论的隐私保护计算和数据流通技术、标准和基础设施的技术和产品体系是华控清交的核心，能够满足广泛用户群体保护多方数据隐私且实现协同计算的基本需求。在此基础上，用户可以结合实际场景以及自身实际需求，通过增加相关模块（包括存证模块、研发辅助模块、AI计算模块、缓存模块、SQL模块、明密文协同计算模块等功能模块）对标准平台进行补充以实现更全面的功能。

在华控清交的商业模式中，有一个突出的特点：华控清交不碰数据。在公司发展初期，华控清交的收入主要来源于项目收入，项目收入主要是技术和解决方案的销售收入。目前，华控清交已经进入了产品销售阶段。未来，预计华控清交的收入主要来自于技术和产品赋能以及数据流通生态建设和服务。但是，目前商业模式尚未完全成熟，需要在未来的商业实践中进行不断探索。

华控清交之外，也有更多的公司在这一方向进行探索。比如，翼帆数科等。

2．2 与场景深度融合

更加注重与场景深度融合的公司，在提供隐私计算软件系统之外，在为场景方提供服务方面有更多的积累。并且，其在服务全程中需要配置更多的资源来服务这一战略方向。在未来的收入结构中，他们从场景方的收益中获得的分成也将占比不低。

洞见科技是这一方向的典型代表。

在资源积累、技术发展、市场推广方面，洞见科技的行动都展现出与场景深度融合的能力与倾向。

首先看资源积累。对于数据资源，在市场化数据、生态数据、政府数据方面，洞见科技都有较为深厚的积累。

其次看技术发展。洞见科技在技术与场景进行深度融合方面走得更远，这主要体现在数据处理和场景应用两个方面。

在数据处理方面，结合多年的数据挖掘经验，洞见科技正在让数据的预处理更加自动化和智能化，从而提高数据在隐私计算环节的计算效率。

在场景应用方面，洞见科技将隐私计算技术与其他金融科技进行了深度融合。

再次看市场推广。洞见科技的市场推广策略也是与对场景的服务相配合的。

为了以更少的人力投入触达更多的金融机构，不少隐私计算厂商会依靠合作伙伴来进行部分市场推广。这些合作伙伴大多是与金融机构此前有业务合作的公司，比如金融IT服务商等。

洞见科技的做法则完全不同。除了少数政企客户之外，大多数情况下，洞见科技都会依靠自己的市场人员与客户直接接触。这样做是因为，在金融机构购买洞见科技的隐私计算软件之后，洞见科技后续要通过这个软件平台，为金融机构提供智能风控、智能营销、反洗钱、资产风险扫描等方面的服务。洞见科技需要与客户直接接触，深入了解客户的业务，帮助客户解决问题。

2．3 隐私计算叠加数据运营

此类隐私计算公司，初期是从某一场景切入，但是其最终目标并非专注于场景服务，而是致力于打通数据流通链路，为数据流通提供平台服务。

蓝象智联是这一方向的典型代表。

蓝象智联首先进入的是金融行业。在金融机构一侧，不少机构对如何应用互联网大数据的能力还有待提升。蓝象智联会在业务开展过程中，帮助金融机构了解不同的数据源在金融业务中应当如何使用。在数据源一侧，数据源机构掌握的数据维度非常多，但是数据源不做金融业务，也不知道金融机构需要哪些数据，蓝象智联也会帮助数据源对数据进行处理和封装，使得杂乱无章的数据变成符合金融机构应用需求的标准化的数据资产。

这些行动的目标在于，打通数据交易的链路，使得数据源和数据使用方的需求能够真正对接起来，数据在蓝象智联的平台上能够被越来越多地应用，从而使得蓝象智联的系统吸引越来越多的数据源和数据使用方，成为一个真正的平台。

2．4 开放平台

致力于走向这一方向的公司，隐私计算只是其业务的一环，其整个商业体系还有其他更多的设计目标。隐私计算在整个设计体系当中，主要是帮助实现数据的安全交互。在此基础之上，整个商业体系应用数据分析来实现其他的业务创新。

同盾科技是这一方向的典型代表。

同盾科技建立了可信AI生态平台的基础设施——智邦平台（iBond）、开放互联参考模型 （FIRM）、和天启可信AI开放操作系统 （InceptionAI）。

智邦平台（iBond），是可以帮助数据源和数据使用方之间实现数据安全交互的一个平台。

开放互联参考模型 （FIRM）是为了解决不同联邦系统的互联互通问题，以及在更大范围内建立联邦生态网络。其中，FLEX （Federated Learning EXchange）协议是一套标准化的联邦协议，是可信AI的HTTPS，能够合规安全使用数据而不改变数据的所有权。它是FIRM体系中数据交换层的一种实现范例。

天启可信AI开放操作系统，不仅可以实现用户和各种传统硬件资源之间的交互，更可以管理知识联邦中各种任务联盟进程和安全合规的虚拟大数据。

不同于许多提供隐私计算技术的厂商，同盾的天启可信AI开放操作系统面向实际应用，提供数据、算法、模型及应用商店。所有隐私计算的开发者、使用者，都可以在这个平台上安全交流和交易数据、算法、模型、应用。

这样一套基础设施的建设，其主要目标是面向下一代人工智能，建立可信AI生态平台，汇集数据、算法、模型和各种应用，一方面推动人工智能技术的进步，另一方面利用应用人工智能技术来推动更多的创新。

同盾科技的案例，我们还将在第六章中作为代表案例详细介绍。

2．5 “区块链＋隐私计算”基础平台

这是零壹财经在调研中发现的全新的业务方向。这一方向的典型代表是微众银行的WeDPR平台和Oasis Network。

WeDPR是将区块链技术与隐私计算技术结合起来建立的平台。它使得实际商业场景中的敏感数据在区块链上可以得到更好的隐私保护。
具体来说，WeDPR是一套场景式隐私保护高效技术解决方案，依托区块链等分布式可信智能账本技术，融合学术界、产业界隐私保护的前沿成果，兼顾用户体验和监管治理，针对隐私保护核心应用场景提供极致优化的技术方案，同时实现了公开可验证的隐私保护效果。

WeDPR由微众银行自主研发，致力于使用技术手段有效落实用户数据和商业数据的隐私保护，提供即时可用的开发集成体验，助力全行业合法合规地开拓基于隐私数据的核心价值互联和新兴商业探索，同时让数据控制权真正回归数据属主。

WeDPR为“区块链＋隐私计算”的融合发展探索出新路径，助力落地更多的应用场景，可应用于支付、供应链金融、跨境金融、投票、选举、榜单、竞拍、招标、摇号、抽检、审计、隐私数据聚合分析、数字化身份、数字化资质凭证、智慧城市、智慧医疗等广泛业务场景。

场景式隐私保护解决方案WeDPR由微众银行区块链团队基于多年在技术领域的沉淀而研发。该团队自2015年开展联盟链领域技术研究和应用实践以来，已研发一整套含括底层技术、中间件、分布式数字身份、数据隐私保护、跨链、消息协作、数据治理等在内的技术方案支撑产业应用，实现全方位国产化，公开专利申请数位居全球前列，参与制定国际国内多项标准，牵头建成最大最活跃的国产开源联盟链生态圈，生态圈内汇集4万余名社区用户、2000多家企业及机构共建区块链产业生态，数百应用项目基于FISCO BCOS研发，其中超120个应用已在生产环境中稳定运行。同时，开源极大地推动了行业落地应用的发展。

图：微众银行WeDPR应用场景矩阵

来源：微众银行

Oasis Network于 2020 年 11 月 19 日正式上线，是全球首个具有隐私保护功能和可拓展性的去中心化区块链网络。
技术创新方面，Oasis 网络采用独特的分层网络架构，将区块链分为共识层和 Paratime 层，实现更高的性能和更强的可定制性，进一步解锁区块链的新用例和应用程序。

共识层由去中心化验证节点组成，具有可拓展、高吞吐量、安全等特点；

ParaTime是智能合约层，托管许多ParaTime，每个运行时代表具有共享状态的复制计算环境，用户可根据自身需求进行复自定义创建。

在隐私保护方面，Oasis采用了英特尔的SGX扩展指令集「TEE可信执行环境」实现隐私保护，数据进入TEE安全「黑盒子」「黑盒子」后会进行加密处理，输出结果为加密处理后的数据，任何没有权限的人甚至底层操作系统本身都不能非法调用，整个过程保护了数据隐私性，确保敏感数据不会泄露给计算节点或软件开发者。

与此同时，Oasis 网络还创新提出了“数据代币化”概念，用户不仅能够完全掌握自己的隐私数据，还能通过共享隐私数据获得收益，进一步实现隐私保护，推动构建有责数据经济。

［page］［／page］

隐私计算投融资与专利分析

（一）隐私计算投融资分析［本报告对于未披露具体金额的融资处理方式为：未透露＝0，数十万＝50万，数／近百万＝100万，数／近千万＝1000万，数／近亿／亿元及以上亿，数十亿亿；为了方便统计，在进行货币换算时，本报告按1美元＝6．5元来计算。］

随着数字技术的飞速发展，新平台、新模式、新算法不断出现，数据安全的重要性日益凸显，需求与政策的驱动也吸引了众多风险资本的涌入。

2016年前后，隐私计算领域初创公司开始迎来风险资本的投资，至2021年9月累计融资规模超过56亿元。

考虑到互联网巨头、第四范式、医渡云、联易融等较为成熟的公司在融资之后仅将部分资金用于隐私计算产品研发和推广，前述融资规模应在数百亿元级别。下文仅以零壹财经目前已知的隐私计算初创公司以及隐私计算业务占比较大的公司为统计对象，做一些维度的分析。

1、融资数量节节攀升，融资金额在2018年达到峰值

据零壹智库不完全统计，截至2021年9月底，隐私计算初创公司累计获得63笔股权融资，公开披露的融资总额达到56．1亿元（12笔未透露金额）。近年来，隐私计算领域融资活跃度整体向好，融资规模受少数公司影响波动较大。

从数量上看，2013—2015年仅有同盾科技和星环科技2家公司获得零星的投资［ 这里需要补充说明的是：目前进入隐私计算领域的公司，有些在初创之时业务方向并非隐私计算，而是在2018、2019年之后逐渐涉足隐私计算业务，但是在数据统计当中，难以完全剔除此类数据进行统计，因此，他们最初获得融资的时间会比进入隐私计算领域的时间更早。同盾科技初创时的业务方向更偏向金融科技，星环科技初创时的业务方向更倾向大数据。再例如，趣链科技最初的业务方向为区块链，因此其融资金额并非全部投向隐私计算。］；2016—2018年开始增多，每年达到5～6笔，2019年后攀升到12笔以上。从金额上看，每年波动较大，2016年开始超过5亿元，2018年高达16．1亿元创下年度最高融资记录，2019年回落到13．5亿元左右，2020年则不足3亿元。究其原因，主要是少数明星公司获得较大数额融资：2018年，趣链科技在获得15亿元B轮融资；2019年，星环科技获得6亿元D轮系列融资，同盾科技获得1．1亿元D轮系列融资。

图：2013－2021年隐私计算初创公司融资情况

数据来源：零壹智库注：＊数据统计截至2021年9月30日，下同。

2、八成融资处于早期阶段，4家公司完成C轮融资

整体而言，A轮及其之前的融资数量为40笔，公开披露的融资总额约为7．4亿元；B轮融资11笔，对应的金额高达26．3亿元。早期阶段（B轮及其以前）的融资数量占81．0％，大多数企业尚未形成成熟的商业模式。C轮和D轮融资各4笔，融资总额分别为9．1亿元和13．2亿元。

图：2013—2021年隐私计算初创公司各融资阶段数量及金额分布

数据来源：零壹智库

注：A轮包含Pre－A、A、A＋，其他同理，战略投资均发生在种子／天使轮或Pre－A轮后；下同。

从时间维度上看，2017年有2家隐私计算公司进入C轮融资阶段：星环科技和同盾科技，它们在2019年又各自完成了2轮D系列融资。时隔近四年，趣链科技和富数科技相继在2021年完成数亿元C轮融资。早期融资持续活跃，中后期融资陆续出现。

图：2013—2021年隐私计算初创公司各融资阶段数量走势

数据来源：零壹智库

3、隐私计算公司聚集在北上杭，杭州和上海发展更为成熟

获投隐私计算初创公司的注册地主要在北京、上海和杭州3个城市，其次是深圳和西安。北京有7家公司获得融资，但融资总额仅0．5亿元；上海有7家公司获得20轮融资，杭州有6家公司获得19轮融资，二者融资总额分别为18．3亿元和34．3亿元。杭州互联网基因强大，同盾科技、趣链科技等数据服务类公司起步早、发展快，整体发展更为成熟。

图：各地隐私计算初创公司融资数量及金额分布    

数据来源：零壹智库

4、IDG资本和启明创投投资最多

从投资机构来看，IDG资本投资次数最多，达到6次，但只投了同盾科技和冲量在线；启明创投投资5次，投了星环科技、同盾科技和锘崴科技；基石资本投资4次，也只投了2家公司：星环科技和星云Clustar。投资达到3次的有红杉资本、华创资本、宽带资本等6家机构，详见表1所示。

此外，腾讯领投了星环科技2．35亿元C轮融资，上市公司新湖中宝旗下智脑投资在趣链科技15亿元B轮融资中投入约12．3亿元。

表：隐私计算领域活跃投资机构（投资次数＞＝3）

数据来源：零壹智库

表：隐私计算初创公司融资记录（金额＞＝1亿元）

数据来源：零壹智库

（二）隐私计算专利分析

隐私计算作为一个新兴的技术领域，目前初创公司居多。即使在发展较为成熟的互联网巨头和上市公司当中，隐私计算也是新的业务板块。因此，可用于衡量一家公司技术实力强弱的公开可用的数据较少。

在目前的状况下，专利数据是可衡量一家公司实力的有力参照系。因此，零壹智库对隐私计算的专利数据进行了专门的分析。

根据零壹智库专利数据统计结果显示，截至2021年10月1日，全球有28个国家和地区、3000家公司参与了隐私计算相关专利的申请，合计1．72万件。

从专利申请情况来看，目前中国隐私计算技术领先美日韩等其他国家，在全球TOP50企业中，中国有23家公司进入榜单。其中蚂蚁集团和华为分别位列全球第1和第3。

从技术方案来看，申请可信执行环境专利的公司数量远高于多方安全计算和联邦学习。

从行业应用情况来看，隐私计算技术正不断渗透各个行业和场景，除了在金融、医疗、政务等常见场景，一些公司还探索隐私计算技术在电网、审计、出行、酒店、民航、招聘等场景中的应用。

中国目前有超过2000家公司参与隐私计算专利申请，但是成功推出相关产品的仅部分公司。在相关政策和行业法规的推动下，未来可能有更多的隐私计算产品被推出。

1、国内外隐私计算专利申请情况

早在20世纪80年代，以MPC为代表的密码学理论就已经被提出，长期以来处于实验室研究阶段。根据零壹智库专利数据显示，隐私计算相关专利首次于1986年由英国的电信公司Plessey提出申请。

之后的30多年，来自中、美、日、韩、法等28个国家和地区的公司相继开展了对隐私计算技术的研究，并参与了专利申请。截至2021年10月1日，全球有2，966家公司参与了隐私计算相关专利申请，合计17，170件。

其中，中国、美国和日本是隐私计算专利申请数量最多的3个国家，专利申请数量分别是8784件、4151件和1298件，占比分别为61．16％、24．18％和7．56％。

图： 全球隐私计算专利分布情况

数据来源：零壹智库，智慧芽

2、中国隐私计算专利申请情况

截至2021年8月，中国已经有超过2，000家公司参与了隐私计算专利申请，合计8784件。

纵观中国在隐私计算领域的专利申请情况，大致可以分为3个阶段。

阶段一（2011年之前），中国每年申请的隐私计算专利不超过100件，每年参与专利申请的公司不超过60家。在这个阶段，虽然隐私计算相关概念还未提出，但是相关密码学技术已经出现。

阶段二（2012～2015年），中国每年隐私计算专利申请数量超过100件，参与专利申请的公司数量也开始突破100家。

阶段三（2015～至今），中国每年隐私计算专利申请数量呈现爆发式增长，在2019～2020年每年专利申请数量保持在1，000件以上，参与公司规模也均在400家左右。

尽管中国在隐私计算领域的研究晚于美国等发达国家，但在政府相关政策的加持和企业及个人对隐私安全的愈加重视，中国隐私计算技术在近两年获得快速发展，并在全球已初具竞争优势。

图：2001～2021H1中国隐私计算专利申请情况

数据来源：零壹智库，智慧芽

3、中国隐私计算技术应用情况

目前，隐私计算核心技术主要包括联邦学习、可信执行环境和多方安全计算。

由于可信执行环境具有通用性高、开发难度低、算法实现上更加灵活等特点，该技术专利申请受到众多科技公司的青睐，数量明显高于其它两个。根据零壹智库专利数据统计，截至2021年10月，中国有181家公司申请了相关专利，合计815件，是隐私计算领域公司参与度最高、专利申请数量最多的技术。其次，联邦学习和多方安全计算，参与专利申请的公司分别有108家和105家，专利申请数量分别为396件和416件。

图： 中国隐私计算各技术领域专利申请情况

数据来源：零壹智库，智慧芽

从专利申请情况来看，同态加密和零知识证明在中国关注度明显高于其他加密技术。截至目前，同态加密有182家公司参与相关专利申请，专利合计544件；其次是零知识证明，有124家公司参与专利申请，专利合计376件；其他4项密码学技术参与公司数量均在10～50家公司之间，专利申请数量在20～110之间。

图：密码学在隐私计算领域应用情况

数据来源：零壹智库，智慧芽

4、中国隐私计算行业及场景应用

在近几年，隐私计算技术和产品逐渐成熟，伴随着中国数字经济的发展，数据安全和个人隐私安全受到政府、企业及个人的关注，除互联网科技公司之外，金融机构、医疗、电信、电网、大消费等多个行业公司相继探索隐私计算的应用。

从专利申请情况来看，隐私计算主要应用场景有金融、医疗、电网、政务等多个行业。

4．1 金融＋隐私计算

从专利申请情况来看，金融行业是隐私计算技术专利申请数量最多、参与公司规模最大的行业。截至目前，中国有129家公司申请了相关专利，合计408件。在这些公司当中，专利申请数量最多的3家公司分别是蚂蚁集团、阿里巴巴和平安集团。除此之外，金融机构当中建设银行、平安集团、阳光保险、泰康保险、中国银联、兴业证券等金融机构均有相关专利申请。

表： 2021年中国金融机构申请隐私计算专利情况

数据来源：零壹智库，智慧芽

注：数据截至2021年10月1日公开的专利数量

从应用场景来看，隐私计算技术在金融行业中的应用场景包括供应链金融、资产管理、保险理赔、风险管理、反洗钱、金融身份认证、征信评估、财务审计等。

4．2 医疗＋隐私计算

医疗行业，医学研究、临床诊断、医疗服务等对数据分析和应用挖掘有着强烈需求。但是，现阶段医疗大数据搜索、共享、数据挖掘服务尚处于不成熟阶段，缺乏对数据的深度可信挖掘和权限认证，尚未形成有体系的标准和保护措施。严格的法律，缺失的保护体系和标准，造成大量医院，医疗研究机构等医疗数据拥有者不愿或不敢分享其拥有的数据资源，从而严重影响了医疗数字化的进步和发展。

为此，一些科技公司采用隐私计算技术构建相关系统或平台，各节点的医疗机构在不需要共享原始数据的情况下进行联合建模和联合数据分析，有效推动医疗行业数据高效利用。

据零壹智库不完全统计，截止目前，中国有41家公司申请了隐私计算＋医疗相关专利，并且这些公司专利申请数量保持在1～3件。在这些公司当中，腾讯、荣泽科技、医渡云等公司均有推出自己的隐私计算产品。

4．3 电网＋隐私计算

目前，我国经济和网络科技的飞速发展，我国对电力系统各方面的需求在不断提高，智能化进程也在不断推进。与此同时，智能电网的安全问题也日益得到重视。其中，装备在电网中的各种传感器和智能电表负责实时监测电网的运行状态和收集用户用电数据，并将这些信息及时地提交给控制中心处理。但目前的大多数智能电表都是以明文的形式与控制中心进行交互，数据的安全性并未得到应有的保障，用户的隐私信息容易被泄露。

为此，一些企业在近几年开始探索隐私计算技术在智能电网中的应用。根据零壹智库专利数据统计，截至目前，我国有30家公司申请了电网＋隐私计算相关专利。其中，专利申请数量最多的两家公司分别是国家电网和南方电网，专利申请数量分别是31件和16件，其余28家公司专利申请数量保持在1～3件之间。

除此之外，根据专利申请情况，隐私计算应用场景还包括出行、智能汽车、酒店、民航、招聘等。很显然，各行业对于隐私计算技术均有不同程度的需求，但是大部分场景处于研发阶段，未来发展还需更多投入。

5、全球隐私计算专利榜单TOP50

根据专利申请数量，零壹智库发布了2021年全球隐私计算专利榜单TOP50。其中，专利申请数量最多的3家公司分别是蚂蚁集团（1，1857件）、Intel（780件）和华为（780件）。

按照公司注册地，这50家公司分别来自中国、美国、日本、英国、韩国、芬兰、荷兰、瑞典、法国和德国10个国家。其中，中国数量最多，有23家公司进入榜单；其次是美国和日本，各有9家公司上榜。

表： 2021年全球隐私计算专利榜单TOP50

数据来源：零壹智库，智慧芽

注1：专利数据通过隐私计算相关计算关键字和密码学IPC专利分类号检索获取，数据结果可能会与实际情况存在差异

注2：数据截2021年10月1日公开的专利数量

［page］［／page］

隐私计算在金融领域应用

金融领域，是当下隐私计算技术应用落地最为活跃的领域。

究其原因，是因为近年来金融科技的发展对金融业的发展形成了实质性影响，为隐私计算技术的落地打下了良好的基础。

近十年来，通过应用云计算、大数据、人工智能、区块链技术，面向个人和小微企业的零售金融正逐渐成长为商业银行的主流业务，同时金融业的基础设施经历了更为深刻的数字化、智能化升级换代。

在此基础之上，应用隐私计算技术，能够迅速为金融机构带来效益的提升。这也使得金融机构有动力投入更多的预算来应用隐私计算技术。也是由于预算充足，金融领域成为大多数隐私计算技术应用落地的首选领域。

目前，金融领域是在早期Fintech1．0时代的金融电子化及Fintech2．0时代的互联网金融的落地实施后，金融科技逐步步入Fintech3．0时代。Fintech3．0时代将以传统金融科技化为核心方向，而Fintech3．0的重要特征就是智能金融，数字化、智能化、开放化将是其核心要素。因此，数据资产将是智能金融建设的核心支柱。未来，如何充分实现数据价值挖掘释放、避免出现数据鸿沟及信息孤岛、完善数据应用的隐私保护，将是智能金融的重要议题，隐私计算将是实现上述目标的重要技术支撑。

（一）隐私计算在金融领域应用的开端

在中国，金融领域对隐私计算的应用，最早是从以蚂蚁集团和微众银行为代表的一批金融科技领域的先行者开始的。

最早是2016年，从蚂蚁集团开始。根据公开资料［ 《蚂蚁金服共享智能实践》，来源于知乎号“蚂蚁共享智能”。原文首发于期刊《中国计算机学会通讯》（CCCF）2020年第5期。］，为了更好地应对形势的变化，解决数据共享的需求与隐私泄露和数据滥用之间的矛盾，蚂蚁集团2016年提出了希望通过技术手段，在多方参与且各数据提供方与平台方互不信任的场景下，能够聚合多方信息进行数据分析和机器学习，并确保各参与方的隐私不被泄漏，数据不被滥用，蚂蚁集团当时称之为“共享智能”。

蚂蚁集团最初在可信执行环境（TEE）和多方安全计算（MPC）两个方向进行探索。在实践中，蚂蚁集团逐渐发现，不同技术都有各自的优势，同时在业务发展的不同阶段用户对隐私保护的需求是不同的。把不同的技术融合到一起，发挥各自技术的优势，往往会达到一个更为理想的效果。因此，在实际的应用中，基于用户的需求，蚂蚁集团逐渐尝试灵活应用多种技术提升实际应用效果。
此后，在不同的应用场景中都逐渐出现对隐私计算的需求和思考。

区块链技术的探索和应用，也引发了对隐私计算的需求和思考。2017年7月31日，深圳前海微众银行股份有限公司、上海万向区块链股份公司、矩阵元技术（深圳）有限公司联合宣布，将区块链底层平台BCOS（取Be Credible， Open ＆ Secure涵义命名）完全开源，致力于打造一个深度互信的多方合作共同体，进一步推动分布式商业生态系统的形成。之后，三家都在这个联盟链技术的基础上做了大量应用，在生产环境中不断验证区块链应用。

万向区块链董事长肖风曾在公开演讲中介绍，BCOS开源之后，其对隐私计算也日渐关注。因为区块链除了性能、安全性、互操作性、易用性等技术尚未成熟之外，另外一个十分重要的课题就是：区块链应该带来的是隐私保护之下的数据共享。因此， 2017年开始，万向便着手准备隐私计算方面的工作。［《万向肖风：隐私计算是世界级的话题》，2018年12月5日，来源于矩阵元官方微信公众号。］

与此同时，2018年微众银行人工智能团队也开始关注到隐私计算技术。［ 《对金融领域而言，联邦学习的实际价值是如何体现的？》，来源于InfoQ访谈，载于FATE开源社区微信公众号。］2018年，在业务实践和行业观察中，微众银行人工智能团队发现训练AI所需要的大数据实际上很难获得，数据的控制权分散在不同机构、不同部门，“数据孤岛”问题严重，加之政策法规对数据隐私和数据安全的要求让数据共享和合作更加困难。

针对实际的业务痛点，他们发现联邦学习是一种行之有效的解决方案，并开始进行研究和探索。从2018年到2019年初，微众银行发表了多篇联邦学习相关论文，对于联邦学习的概念、分类、基本原理等基础理论进行系统性研究。同时，2018年起，微众银行人工智能团队基于联邦学习理论研究进行相关开源软件研发。经过探索，微众银行搭建起了理论研究、工具软件、技术标准、行业应用的多层级联邦学习生态框架，并且开始有腾讯、华为、京东、平安等生态合作伙伴加入。

2019年初，微众银行正式开源全球首个工业级联邦学习框架FATE（Federated Learning Enabler），并开始尝试将联邦学习应用于金融业务中。FATE的开源，使得联邦学习的应用门槛大幅降低。2020年初，针对金融应用中联合风控、匿踪查询等业务需求，微众银行进一步给出了场景式隐私保护解决方案WeDPR，并基于WeDPR在2021年5月发布多方大数据隐私计算平台WeDPR－PPC。WeDPR方案组合了多种隐私保护策略，融合安全多方计算、同态加密、零知识证明、选择性披露等算法，满足多变业务流程。

（二）创业公司涌现

在金融科技巨头进行隐私计算探索之时，隐私计算创业公司也开始涌现。

2017年至2019年间，最早进入隐私计算领域的创业公司有矩阵元、翼方健数、零知识科技、华控清交、富数科技、同盾科技、星云Clustar、天冕科技、零知识科技、数牍科技、融数联智、锘崴科技等公司。2020年之后，隐私计算领域创业公司数量越来越多，洞见科技、光之树、蓝象智联、冲量在线等越来越多的创业公司涌现。（注：以上公司按照进入隐私计算领域时间先后顺序排名）

表：进入隐私计算领域的创业公司情况

数据来源：零壹智库

这些创业公司背景各异，但都是基于各自的业务看到了市场需求，或者凭借所掌握的技术进入了隐私计算领域。