2021年下半年《数据安全法》和《个人信息保护法》两部法律的相继实施，为沉寂已久的隐私计算行业带来了一阵东风。
国内资本市场在隐私计算技术的热度*，尤其是最近几个月中，产生了多起融资金额近亿的交易，比如刚刚公布的数牍科技完成超3亿元A轮融资，再比如10月份，华控清交完成5亿元人民币B轮融资。
而这只是今年数十起隐私计算融资中的一个缩影。
公开资料显示，“隐私计算”一词最早出现在2016年发表的论文《隐私计算研究范畴及发展趋势》中，被定义为面向隐私信息全生命周期保护的计算理论和方法，是隐私信息的所有权、管理权和使用权分离时隐私度量、隐私泄漏代价、隐私保护与隐私分析复杂性的可计算模型与公理化系统。
虽然官方定义晦涩拗口，但理解起来并不难，简单来讲，就是在不获取数据信息的同时，让数据可以“计算”、流通。
需要指出的是，我们认为隐私计算与其他技术相同，不能操之过急，资本和市场热度与隐私计算当前的技术能力和落地能力还不匹配，所以我们希望从创业公司、投资机构和互联网大厂多角度还原真实的行业现状。
风起：数据价值保卫战
有人认为“隐私计算”是一个缺德的说法，起码应该叫做隐私保护技术，或者安全计算，因为只有人才有隐私，而人们所说的“隐私计算”是可以用在工业数据、物联网数据的。
而这其实都是在保护数据具体信息的前提下，使用它的计算价值，属于数据安全的范畴。
更有甚者直接提出，隐私计算是创业公司和投资者制造的一个伪概念，持这样意见的人则认为加密计算才是正途。
当然，任何新鲜事物的产生都会伴有质疑和争论。
很多业内人士也一再跟虎嗅强调，目前隐私计算行业仍然处于早期。
华控清交CEO张旭东谈到：“安全与合规是一个成本问题。怎样去提高产品的通用性、易用性、安全性，这些是需要不断的去研发和攻克的，更重要的是，技术落地还要跟商业去结合，所以它是需要一个过程的，不是一蹴而就的”。
而关于隐私计算今年为何受到如此高的关注，主要还是数据保护意识和法律要求的推动，在张旭东看来：“倒不是因为市场上关于隐私计算已经有多少成熟的应用，产生了多少价值，现在还没到这个地步，所以政策推动是很重要的一部分。”
此外，洞见科技创始人、总裁毛赛也谈到了对于今年隐私计算突然走红的看法。他认为，背后主要有三大推动力：
其一，随着数据被越来越广泛的使用，其价值也越来越被认可，也就是说数据越来越值钱，因此各个机构往往会把数据当做资产一样保护起来，但同时也导致了大量“数据孤岛”或“数据烟囱”的形成。
其二，是法律法规的监管变得规范化和严格化，比如《网络安全法》、《数据安全法》和《个人信息保护法》的相继出台。其三，隐私计算技术能够实现数据“可用不可见”下的安全流通，换言之，数据作为国家重要生产要素，隐私计算就是重要生产工具。
不过，毕竟还是一个to B技术，从业者发现投资人也好，甲方的金融机构也好，在付钱之前，还是会把技术的细节或者使用场景，做一个充分了解和沟通，所以整体上是理性驱动的，但由于需求明显且旺盛，导致隐私计算会比较热。
毛赛也认为隐私计算的热度是由于真实的市场需求所带动，但他也坦言，这两年有大量的厂商涌入市场，使得行业显露出过热的趋势，但实际上隐私计算本身还是有比较高的技术壁垒，并不能简单依靠开源来实现。
也有一位不愿具名的行业人士谈到，现在的隐私计算行业多少有点像新能源汽车，大家都清楚这个市场需求巨大，所以忽然涌进很多新能源制造商，而这里边确实会有一些鱼龙混杂的机构。
做事的来了，跟风的也来了
正如我们所知道的，有热度的地方必有资本，而有资本的地方就少不了那些以融资为目的进场的玩家。
有人告诉我们说，在隐私计算行业划分的方法有很多，如果按照背景划分，大致可以分为四类。
一种是从纯理论到产品化的，也就是从高校走出来的。一种是之前从事数据买卖行业的，伴随着法律对数据的保护，原来数据买卖行业备受打击，为了使其生意合规合法，因此他们开始进入隐私计算领域。
还有一种是拥有区块链背景的，区块链跟隐私保护计算它有很强的协同性，具有先天优势。最后一种是AI安全保护的，AI企业融资陷入困境，需要新的故事和概念去融资，那么做AI的公司就做所谓的安全AI隐私保护。
对于这一点，有投资人吐槽称：“我觉得很多的项目是挂着隐私计算的这种方法，用这个名字，然后用人工去做一些工作，并不是通过技术的手段去解决这个问题。我们也谈过很多项目，它其实不是一个真正的意思，他是一个伪的。”
那么投资者该如何鉴别真伪？
联想集团副总裁、联想创投高级合伙人宋春雨谈到：“对于隐私计算赛道，我们重点考虑的是技术能力。因为隐私计算它是一个系统级的设计，它和密码学的加密是不一样的，加密算法就是通过计算，追求加密的*程度，但是隐私计算要追求一个整体系统，需要考虑性能、投入以及可用性多方面，所以更适合于做系统设计的人去设计这个计算，技术能力就很重要了。第二点是商业化的能力，隐私计算如何在金融、政府、医疗等领域落地，对于行业的Knowhow是不是足够深，也是我们关注的重点。”
如果按照团队背景分，又可以分为科学成果转化团队、海归派，多是从国外互联网大厂回归创业以及产业背景团队。
此外，我们还发现了一个有趣的现象，其实在整个隐私计算的技术选择中，存在着这样一条鄙视链：做密码学的看不上联邦学习，联邦学习又看不上可信环境。
不过，在具体的商业化上，这种偏见似乎也在被打破。
首先，毛赛告诉我们，客户在选择上，更倾向于采用多种技术融合的引擎，这样的解决方案可以覆盖多方面的需求。
如此一来，可以推测，专攻某一条路径的厂商，可能会被广泛应用，但客户买单的几率很小。
其次，星云ClustarCTO张骏雪认为联邦学习的诞生让大家再一次聚焦到了隐私计算这一技术。原因在于相比于早就存在的多方安全计算和可信环境，联邦学习解决的问题更加实际，能够直接解决建模问题，天然拥有落地应用的优势。
虽然星云Clustar的技术栈上已经能覆盖所有这些技术，但从商业角度来说，还是比较看好联邦学习。因为联邦学习能创造一些新的增量收益，最明显的是接通两个数据孤岛，形成新的应用。
比如一个银行跟一个互联网企业来进行联邦学习，以前因为没有技术，这些数据无法流通，所以也很难想象能产生多大价值，那么有了联邦学习，这些模式就成为了可能。而多方安全计算，更多是去做存量市场的改造，比如以前的数据查询可能是不安全的不合规的，那么通过多方式计算就可以去重做它。
也有从业者指出隐私计算行业是一个百花齐放的状态，根据使用场景的不同，客户会选择不同的技术，并没有存在技术优劣的问题，只是适合跟不适合的问题。
张骏雪也坦言，在做一些商业落地时，也会跟别的厂商合作，以期做到技术上的互补，比如星云Clustar比较擅长的是底层算力和联邦学习，那么当银行有特殊需求时，就可能跟多方计算的公司进行合作。
值得一提的是，当前，在商业化早期厂商提供的产品并不能完全满足银行或者大型企业，尤其是头部机构的需求，因为大家可能想法也不太一样，需求没有趋于一致，所以不可避免地会存在一些定制性的项目。但是随着这个过程不断的推进，之后会变成一个相对标准的产品。
大厂的隐痛
当然，除了创业公司以外，互联网厂商在隐私计算领域的布局同样值得关注。不过，相比于创业公司执着于商业化、产品化和融资，互联网厂商在隐私计算上的动作似乎更加佛系。
而这一点，从他们的立场出发，会更容易理解。
我们知道，作为数据使用的受益者，他们本质上就是做数据生意的。所以有人告诉我们，他们做隐私计算的初衷是保护自身数据的安全，是必须要做的事情，不管是生态体系数据之间的互联互通还是生态体系数据的对外应用，都需要这样一套技术。
但这种其实很难获得商业上的订单。这是跟他们身份和理想有关的，跟技术好不好没有关系，甚至他们的一些技术是很厉害的。所以创业公司给互联网厂商的定位，是潜在客户，而非竞争对手。
不过，在这些互联网厂商中，蚂蚁金服算是一个异类。蚂蚁金服相关负责人告诉我们：“小规模数据和海量数据场景下的技术能力要求是有巨大的gap的。蚂蚁是市面上少有的大规模隐私计算应用的场景，从蚂蚁本身的业务出发，结合上蚂蚁团队的技术商业化能力，是这个赛道里面大部分创业型厂商最缺乏的点。”
此外，该负责人还谈到，目前市场上的落地应用主要是以营销或者风控为主，多为应用试点，很少是大规模应用。落地的难点也将是从小规模数据量合作到大规模数据量合作中的一个过渡过程，这是真实检验一个技术成熟度与可行性的过程。
我们看到，一方面互联网厂商出于防御和可控的心态，在开发自用的隐私计算技术，一方面以蚂蚁金服为代表的互联网金融背景的企业又以差异化的优势和打法正期望分得隐私计算市场的一杯羹。
谁能留到下一站
一位在企服行业从事近十年工作的从业者告诉我们，从他的经验来看，其实隐私计算这个行业的发展速度确实比他们之前经历的其他企服领域更快。
张骏雪则认为：“从市场表现上来看，包括投资人的关注，市场上的订单，各个厂商在市场上的竞争探寻以及客户的认知，你会明显发现隐私计算是处于一个非常高速发展的一个市场，甚至各行各业都值得用隐私这样重新去做一遍。”
所以即便普遍认为今年国内隐私计算市场的规模只有小几个亿，但大家对行业明年发展仍持坚定的乐观态度。
他进一步举例称：“比如以前我们跟银行的人聊隐私计算，大家还处于一个相对懵懂的状态，但是今年情况大有不同，很多银行客户来交流，他们直接能把需求、业务结合点讲清楚，是可以明显感受到银行在隐私计算上的人力、精力的投入。”
毛赛也谈到：“去年，我们还在给客户科普什么叫做隐私计算，但今年我们发现很多客户其实是自己有了主动需求，而不是销售驱动客户被动产生的需求。此外，在商业化订单的门槛上，客户都知道这是一个新兴技术，并不会只看公司规模，对于初创的专精型隐私计算厂商还是有很高容忍度的。”
对此，张旭东也感受明显：“三年前，我们跟外界介绍隐私计算，大家都认为不太可行。但现在，我们跟应用方的沟通，变得更务实了，理论少谈了，问题是什么？怎么解决这个问题？方案是什么？需要投资多少，需要多长时间，这就是很具体的。”
不过，我们需要承认，当前整体的应用场景还只是限于金融、政府、生物、信息、医疗等领域。隐私计算的初创企业也同样面临挑战：其一，如何开足马力做商业化，其二，怎样要尽快实现产品化。
与此同时，现在的隐私计算市场玩家还是鱼龙混杂，未来还需要大浪淘沙。
基于此，张旭东和毛赛也给出了他们的判断。
张旭东认为：“现在绝大部分厂商都是针对具体场景做应用的，但是我觉得两三年后，这个行业会形成一个更加清晰的格局。”
与其观点不同，毛赛称：“我大胆猜测，在未来两年，可能会有一大波隐私计算公司的并购收购现象。”
在宋春雨看来，未来的机会将会是数据交易平台，由政府牵头搭建平台，企业数据进行交易，比如北京国际大数据交易所就是一个案例，隐私计算厂商在其中作为支持方，甚至是股东方。
也有创业者告诉虎嗅：“与其他行业一样，资本对这个行业的过度青睐，其实是有副作用，因为资本多了，进入行业的门槛就低了，甚至也不排除以后会出现to VC的模式，即做出来以后就是为了融资。”
对此，有从业者对隐私计算行业发出了警告：如果持续这种高热度或者过热的情况，隐私技术行业很可能会出现一些坏现象，比如劣币驱逐良币，价格战等等。
