近两年来，隐私计算逐渐从小众领域为大众熟知。2021年，隐私计算开始在真实商业场景中全面落地。

据毕马威发布的《2021隐私计算行业研究报告》显示，受到大数据融合应用和隐私保护的双重需求驱动，国内隐私计算市场将快速发展，三年后技术服务营收有望触达100亿至200亿元空间，甚至将撬动千亿级数据平台运营收入空间。 如此大的市场空间，吸引了众多厂商纷纷入局。如蚂蚁、腾讯、百度等国内互联网巨头均已布局相关赛道，同时市场上也涌现出大批初创企业。 如今，隐私计算发展到了哪个阶段？国内隐私计算市场究竟发生了哪些变化？还有哪些挑战阻碍着隐私计算的大规模应用？

大小巨头涌入赛道隐私计算需求井喷 在敏锐的资本看来，衍生于大数据、区块链技术的隐私计算市场，在即将过去的2021年成为了一个新的赛道。 得益于全球范围内对数据安全和隐私保护法律体系的逐步完善，以及隐私计算相关的思维创新和技术的突破，隐私计算正在成为数字经济的标配，因而成为数据应用领域中一个非常好的投资赛道。 

从投融资情况看，整个隐私计算领域的融资活跃度非常高。据零壹研究院不完全统计，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，全年融资总额突破60亿。 

据零壹财经10月的《开启新纪元》报告，从入局玩家看，市场上涉及的隐私计算公司数量众多，大致可以分为10类，其中隐私计算领域的初创公司可能是最活跃的，公司数量也很多。 第一类，互联网巨头。 阿里巴巴、蚂蚁集团、微众银行、腾讯集团、百度集团、华为集团、京东集团、字节跳动等都互联网巨头都已经开始在隐私计算方向发力，旗下多个业务板块都推出了隐私计算产品。 第二类，云服务商。 阿里云、腾讯云、百度云、京东云、金山云、华为云、UCloud等云服务商都推出了隐私计算服务。 

第三类，人工智能背景的公司。 比如：瑞莱智慧、医渡云、三眼精灵、渊亭科技。 

第四类，区块链背景的公司。 比如：矩阵元、Oasis、ARPA、趣链科技、零幺宇宙、宇链科技、翼帆数科、熠智科技、算数力、同济区块链等。 

第五类，有大数据背景的公司。 比如星环科技。 

第六类，有安全背景的公司。 比如：阿里安全、腾讯安全、百度安全、安恒信息、神州融安、瓶钵科技、沙海科技等。 

第七类，软件服务商。 比如：普元信息、神州泰岳。 

第八类，有金融科技背景的公司。 比如：同盾科技、百融云创、富数科技、天冕科技、金智塔科技、冰鉴科技、甜橙金融等。 

第九类，供应链金融背景的公司。 比如：联易融、纸贵科技等。 

第十类，从隐私计算出发的初创公司。 比如：华控清交、星云Clustar、数牍科技、蓝象智联、洞见科技、锘崴科技、翼方健数、冲量在线、光之树、融数联智、摩联科技、隔镜科技、神谱科技、同态科技、凯馨科技、煋辰数智等。 隐私计算市场的繁荣，除了表现在赛道里的厂商数量呈爆发式增长，其应用情况也在逐步深入。现阶段，隐私计算已达到了可以商用的程度。 仅就中国信通院参与隐私计算产品评估测试的企业数量来看，目前已有88家企业陆续发布了隐私计算技术相关产品；而从产品数量来看，相较于2019年的15款，2020年的54款，今年产品数量达到105款，每年都在以一倍以上的速度递增。 除了产品数量的倍增，进入实施部署阶段的隐私计算产品比例也呈逐年上升的趋势。

据中国信通院的统计显示，2018年、2019年基本都没有实际部署的隐私计算应用，但2020年有38％，2021年达到了48％，这意味着如今很多产品都能够支持较大规模的应用部署。 在应用场景方面，金融行业成为隐私计算应用领域最重点的行业，银行、保险等大型机构都在不断加大隐私计算技术研究和应用等方面的投入，在风控、营销等场景内使用隐私计算进行业务创新。 

此外，隐私计算的政务类应用有所增加，越来越多的地方政府在建设自己的数据能力开放平台，希望通过自己的数据开放赋能当地实体经济的发展，对于开放过程中如何保护数据安全和隐私产生了比较强烈的需求，开始引入隐私计算技术。 例如，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。

还有一些政府机构希望在招投标时采购隐私计算模块。

三大技术挑战隐私计算面临大规模推广难题 尽管隐私计算已成为大小巨头争相布局的黄金赛道，但隐私计算领域发展仍处于早期阶段，技术并未完全成熟，商业上也尚处于探索阶段。 据隐私计算联盟、中国信通院云大所发布的《隐私计算白皮书（2021年）》指出，隐私计算技术正处于快速迭代和发展的阶段，在隐私计算安全、性能和数据的互联互通等方面仍存在挑战。 在安全性方面，算法协议安全、开发应用安全、安全共识，成为当前隐私计算推广应用面临的挑战。 由于隐私计算产品与其他的数据处理产品不同，本身就肩负着保护隐私数据安全的重要功能，技术服务商和企业客户都应当谨慎对待安全挑战。 

以算法协议为例，目前尚无法实现绝对安全，一方面隐私计算产品的算法协议差异化较大，难以形成统一的算法安全基础；另一方面，隐私计算产品安全协议依赖安全假设，存在安全风险。 在性能方面，性能瓶颈阻碍着隐私计算规模化应用。 在隐私计算的落地过程中，要付出巨大的算力代价。这是因为密文计算需要更大的计算和通信负载，而隐私计算的同步性和可用性对隐私计算参与方的资源也要求较高，从而导致隐私计算会遇到性能瓶颈。

如何通过算力加速技术赋能隐私计算，这是必须要思考的。 在数据互联互通方面，不同的隐私计算平台之间很难完成信息的交互，可能会使得“数据孤岛”变成“数据群岛”。 由于隐私计算涵盖多种算法原理，在协议连接上存在互联互通的挑战；同时，系统设计过程中的功能组件多样性也增加了互联互通的成本。

最终，各种隐私计算平台能否形成一个统一的工具，还要看不同的场景、不同的细分领域和赛道。 从商业模式看，大多数企业尚未形成成熟的商业模式。在今年涉及到隐私计算的国内企业融资轮次中，早期阶段（B轮及其以前）的融资数量占81％，这也意味着隐私计算商业化仍属于探索阶段。 在未来，随着隐私计算技术与区块链技术进一步结合、开源的发展以及应用场景的不断丰富，或将出现更多的商业模式。

结语 隐私计算技术作为促进企业和企业之间数据互联互通的唯一技术解，具有巨大的商业价值，从行业发展成熟度来看，国内隐私计算市场才刚启动，一切应用都正在尝试和探索当中。

如果说去年是隐私计算技术元年，那么今年无疑是商业落地的元年。隐私计算的长跑才刚刚开始。