数据|安全开采数据“富矿”：隐私计算基建的融合与进击( 二 ) 上传|tube|TikTok|tiktok

在政策和市场驱动的背景下，互联网巨头、网络安全、大数据公司等初创科技企业纷纷入局，在数据价值应用的蓝海中抢占先机。
大部分企业的入场时间在2018年前后，技术流派也以多方安全计算、联邦学习、可信执行环境这三种流派为主。
在实际落地商用的过程中，单一路径技术的模式逐渐无法满足市场需求，三种技术路径的融合成为现下的主要趋势。
目前在隐私计算赛道中，抢占赛道先位的有蚂蚁金服、华控清交、翼方健数、数牍科技、冲量在线等。
这些企业也多以金融、医疗为主要应用场景领域，金融与医疗领域是数据密集型产业，且数据蕴含的价值高，行业数据敏感，隐私计算的特性与其天生契合。
金融与医疗的应用场景也不断有隐私计算落地开花结果的案例。
例如金融领域中隐私计算在银行的应用方面，可适用于联合营销、联合风控、统一授信、业务合规等，如在不暴露客户资产的情况下银行可以进行联合统计，开展客户综合管理、查询数据或提升精准营销能力等。
政府方面的落地，在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。
隐私安全计算的产品与解决方案在市场与资本中获得了强烈的反响，2021年更是被称之为“隐私计算元年”。
这其中有政策利好，如数据资源正成为与人力资源、自然资源同样重要的第三类资源。
数据也跟土地、劳动力、技术、资本等一样被当作生产要素写进了国家文件中。数据的应用在行业和社会层面都意义重大。
不过，在隐私计算不断落地的过程中，市场中也有另外的声音质疑：隐私计算可以保证数据的安全，那么谁来界定隐私计算系统的安全？
数据安全保护涉及的技术种类多、门槛高，各种专业术语让人晕头转向，而且因为数据不可感，只能单方面通过企业介绍来了解。
这个最核心的疑虑答案，数据服务方们的共同选择是交给市场来共建行业的标准。
制定隐私计算的安全标准考虑的点包含算法安全、密码安全、产品安全等多重安全风险点，互联互通的系列标准、行业场景标准及测试体系等都开始逐渐讨论与展开，隐私计算的各产业联盟共同推进技术规范与应用的落地，使其健康有序发展。
三、有限的天花板or广阔的天地？数据价值在分析与计算后折射的势能是不可估量的，对大数据应用或人工智能企业来说，合理边界和方式使用用户数据，已成为企业与产业的核心驱动力之一。
隐私计算市场在这个态势下的起步中，有流畅的市场、政策快车道加速，也有一些路障需要跨越。
1. 市场需求的表达不充分对于金融、通信、政府等领域因为近些年互联网行业的数字化技术洗礼，接受与教育的成本低，而在工业、交通、能源等传统数据大户领域中，数字化的程度有限，推进隐私计算市场教育的成本与时间较久，市场的需求反馈准确表达有限。
2. 一些行业数据的管理标准混乱，数据的开放存在障碍例如在医疗领域中，数字化的水平参差不齐，数据的管理缺乏统一的标准，而数据的打通需要多方的协作，闭源的数据平台较多，数据方的打通协同执行程度有限。
3. 隐私计算产品的标准化程度低，通用性差隐私计算中的产品与解决方案多以定制化为主，这也意味着周期与成本的高企，规模的发展难以铺开。
在隐私计算的基建阶段，一切都在探索和尝试，需要解决的问题不少，距离设想的未来按数据交易量抽成的分润时代还较远，隐私计算和许多技术含量高的to b平台一样，是一个需要常耕深入的技术，需要玩家们做好长跑的准备，行业较为统一的共识是完全的规模化应用还得十年的时间，元年的基建时代，安心打磨技艺即可。
对于隐私计算的未来，市场上也有另外的声音，因为隐私计算赛道涉及敏感数据的交易、流通等，这类数据平台的建立未来会被监管列为重点关注的对象，政府或者国有企业会作为合规方来搭建，市场的隐私计算只能作为技术的供应商存在，作为生产要素的数据基础设施平台的建设，最终的控制权会被政府管制，预想的发展空间会不及理论设想，市场的天花板有限。
无论是有限的天花板理论还是无限的天地，我们可以确认的是隐私计算的独特优势都会让数据的价值发生质变。
而这也意味着数据时代，促进数据生态良性发展的隐私计算会是数据发展最佳的助推器，只要锚定数据的价值，护航其跃升的隐私计算就有广阔的发展天地。