保護數據隱私賽道互聯網大廠擠破頭 市場估值已達千億級

個人數據泄露事件頻發，已經有點麻了。

在學習通APP泄露1.7億條學生數據后，緊接著B站被曝出0.5比特幣就能買到2億條用戶數據。

這感覺，仿佛咱們的個人數據每天都在互聯網上裸奔。

所以，保護個人隱私數據，除了自己“閉關鎖國”外，就真的沒什么好辦法了嗎？

當然不是。

這幾年來，一個名為“隱私計算”的技術，就是專門來解決這個問題的，在行業內也已經形成了一個專門的賽道。

仔細一看，好家伙，這賽道也太擠了。

BAT等互聯網大廠、AI平臺軟件商早已搶占身位，第三方初創公司更是扎堆涌現，甚至還看到了像中國移動這樣的甲方下場自研。

要知道業界公認的“隱私計算元年”是2020年，截止2021已有88家企業陸續發布105款相關產品，而且還不斷有新玩家想要擠進來分一杯羹。

不少市場研究機構都認為這一賽道估值或達千億級人民幣，“隱私計算已經到了發展前夜”的聲音更是此起彼伏。

但另一邊，作為隱私數據的源頭——普通用戶，看到這些信息可能會有些一臉懵。

甚至乍看“隱私計算”這個詞匯，會以為它是利用隱私來賺錢的。

說到這里還有個八卦。

國內某研究團隊曾特意請量子位把一篇技術介紹文章中的“隱私計算”都改成“隱私保護計算”，避免引起誤會。

行業內烈火烹油、行業外鮮為人知。

隱私計算市場，為何會呈現如此局面？

要理解這一現狀，首先還要明確一下隱私計算的基本概念。

隱私計算并不指一種特定的技術，而是近幾年提出的一種綜合概念：

指在保護數據本身不對外泄露的前提下實現數據分析計算的技術集合。

具體來說，隱私計算的技術路線大致可以分為三類。

• 多方安全計算 （MPC, Secure Multi-party Computation） ，指在無可信第三方的前提下，通過多方共同參與，安全地完成某種協同計算。

• 聯邦學習 （FL, Federated Learning），指在機器學習過程中，各參與方借助其他方數據進行聯合建模，但無需共享數據。

• 可信執行環境 （TEE, Entrusted Execution Environmnet），則是在硬件層面上的隱私加密。

按業界對外常用的通俗提法，三種路線的共同目標都是讓數據“可用但不可見”。

量子位智庫把隱私計算產業參與方做了分類整理，可分為以下幾類：

• 第三方初創公司

• 大型互聯網公司

• AI平臺等軟件開發商/集成商

• 轉型公司

• 甲方自研

第三方初創公司，指從成立之初就專注于隱私計算領域的公司。

這些公司大多成立于2019年，規模控制在幾十人，融資處于A-B輪。

代表公司有“隱私計算四小龍”中的翼方健數、華控清交兩只小龍，以及融數聯智、數牘科技等。

大型互聯網公司中，BAT、字節、京東等都已入場。

他們最大的優勢在于自身龐大的業務場景，掌握優質數據源。但為保證對外的數據流通，他們和第三方獨立公司也會結合。

短期來看，其隱私計算產品會用于內部；長線角度看，大廠們都會基于其云計算能力，在未來將隱私計算產品對外商業變現。

AI平臺等軟件開發商/集成商也同樣存在自身需求，入局隱私計算可以使其內部鏈接成全套的解決方案。

但據第三方公司透露，許多綜合性AI公司會選擇直接集成第三方公司的隱私計算方案，并對外進行整體發布。

因此,第三方專業公司的核心技術能力依舊有望保持其的長期壁壘。

入場隱私計算的轉型公司，大多具有相關基礎技術（如區塊鏈），或自身具有競爭優勢（數據源優勢—數據服務方；整套安全方案—安全技術商；場景優勢—金融科技）。

主要有區塊鏈公司、金融科技公司、數據服務商、安全技術商等。

據了解，他們中不少是基于原有業務的客戶需求與相關技術來發展隱私計算模塊的。

其中金融科技公司里包括“隱私計算四小龍”中另外兩個，螞蟻金服與微眾銀行。

最后一類，甲方親自下場自研。

代表有國家電網、中國移動、各大銀行等。

據業內人士透露，由于內部本身就有大量需求，對產品打磨有空間，各甲方都有自主開發的打算。

但是短期內，仍處于借助外部產品探索的狀態。

綜上，國內隱私計算市場呈現出了互聯網大廠和甲方蜂擁入局、第三方初創公司數量激增的格局。

盡管如此，仍舊有很多新玩家蓄勢待發、準備入場。

據量子位智庫預估，截至今年3月，國內具有隱私計算相關業務的廠商可能已經達到了150家左右。

從業者激增帶來的最直接影響，是產品數量也在激增，甚至出現競爭過激的苗頭。

《2021中國信通院隱私計算白皮書》顯示，目前超過了81%的隱私計算產品進入了試點部署或實施階段。

通過測評的就有59款，而且推出速度還在進一步加快。

與此同時，資本對于隱私計算的關注度也不低。

但早期投融資熱潮已經開始消退，兩極分化明顯。

一方面，一半以上廠商融資都還停留在A輪及以前輪次。

另一方面，單輪高額融資已經出現。

最近華控清交宣布完成累計近7億B輪融資，藍象智聯今年完成2億元A輪融資，更早以前翼方健數完成了3億元B+輪融資。

此外，還有業內人士透露稱，個別公司已在籌備上市。

但在市場供給側熱火朝天的另一面，需求側卻顯得有些冷靜。

除了客戶集中在各行業頭部少數公司外，還有對政策依賴性高的特點。

近年來，政策引導、技術普及、市場教育等因素影響下，不少頭部客戶開始主動接觸隱私計算。

但其群體數量本身就十分有限，因此市場依舊呈現出“僧多肉少”的特點。

而且目前客戶更多從安全合規的角度出發，市場格局還沒有完全打開。

主要局限在金融、政務、運營商三大領域，就連近年來討論頗多的醫療領域，技術采用率依舊不高。

而供給側和需求側之間的“冷熱差異”，造成的直接結果就是廠商之間的惡性競爭。

量子位智庫分析師表示，在隱私計算行業中，10多家公司競爭1個客戶的現象十分常見，為了爭取客戶不惜自殺式報價。

甚至有并未真正掌握相關技術就去參加招標，如遇到POC （Proof of Concept）階段就主動退出的亂象。

總的來說，隱私計算前景雖廣闊，但如何走出競爭過熱的現狀還有待探索。

接下來，量子位智庫嘗試從不同角度分析隱私計算市場現狀形成的原因，從而進一步找出潛在的解決思路。

首先要說的，是行業的進入門檻相對較低。

隱私計算中的密碼學、零知識證明等技術，早年間就已經被大數據、互聯網、安全等公司玩得很熟悉了。

導致來自各種背景的創始人和團隊都能順勢入場，并且在技術商用落地上有一定的先發優勢。

而各種開源框架的流行，填補了行業的底層能力，將門檻進一步降低。

據業內人士透露，在通過聯邦學習產品測試的公司中，超過80%的公司是基于開源框架搭建的。

第二，門檻低讓眾多玩家得以入場，帶來的同質化現象又加劇了競爭烈度。

量子位智庫通過統計采訪發現，各家未來的戰略規劃和商業模式已初步有了分化——

可大致分為軟件系統提供商、標準化完整方案、專注垂直賽道、底層芯片方案和基礎設施服務商這幾類

但就現階段需求場景有限、技術與配套基礎設施尚未成熟的情況下，還難以大展拳腳。

大多公司的目光正集中在打造數據源生態，以求未來形成平臺優勢。但就目前而言，尚未看到明顯的水平差異。

第三，即使有技術優勢，也難以向客戶方證明。

這里最主要的原因是落地困難。

隱私計算方案要想真正集成到實際業務中投入使用，需要在安全、效果和性能這個“不可能三角”中找到平衡點。

短期內看不到實際效果的情況下，客戶考察主要基于官方測評、廠商講解技術原理，自身缺乏測試技術水平的方法論。

根據量子位智庫調研，在保證產品安全的前提下，隱私計算技術水平并不對當前客戶的購買決策產生決定性影響。

另外，現階段隱私計算行業對政策依賴明顯。

可以明顯觀察到，政策出臺前后往往也是投融資熱潮，后續如沒有持續的政策利好，熱潮也隨之消退。

最后要說的是，隱私計算作為一個新興行業，早期的混沌無秩序算是快速發展的副產品，不得不經歷。

但正如互聯網、AI這些過去數年間發展最快的行業已證明的那樣，隨著技術、市場的成熟和產業鏈分工的細化，秩序和新一輪的拓展空間也會隨之而來。

重新聚焦到隱私計算行業，一些變化已經在發生。

技術層面看，已公開專利從2020年的1899件激增至2021年的3608件，增長將近一倍。

預估未來2-3年將有大批專利完成轉化，技術差異性優勢開始形成。

市場層面看，互聯互通方面也出現前瞻性布局。

隱私計算要想真的讓數據自由流通起來，不可能停留于彼此割裂的小生態，依托標準體系建立互聯互通勢在必行。

目前為止，絕大多數受訪公司也都表達了對互聯互通趨勢的認可。

代表案例有富數科技與微眾銀行聯手,完成行業內第一次異構聯邦學習平臺的互通等。

基于這些行業趨勢和動向，量子位智庫判斷2022年隱私計算已進入打磨頭部客戶及案例實踐、專注特定行業的落地提升期。

在頭部落地標桿出現后,預計將迎來一波應用熱潮。

除了市場規模的增長和落地行業的拓展，隱私計算真正的價值也將顯現。

當前行業關注的價值點還主要在滿足合規需求，但這種視角實際上限制了隱私計算的深層價值創造與應用場景拓展。

與API調用、第三方沙箱、數據脫敏等此前的數據保護方式相比，隱私計算在保障合規安全的同時，為大規模、跨機構的數據流通創造了條件。

據此，量子位智庫提出隱私計算的三層價值理論。

第一層，隱私計算行業自身發展，主要靠滿足安全合規需求。

從歐盟GDPR到我國個人信息保護法、數據安全法的陸續落地，都是客戶對隱私計算需求的核心出發點。

而傳統上數據清洗后提供API和數據包的方式，已不再適應新形勢下的安全合規需求。

第二層，隱私計算作為底層支撐，與大數據及AI產業協同發展。

如果以數據流轉全生命周期為視角來看，隱私計算可以從根源保證數據的安全可用性。因此，我們判斷隱私計算趨于成熟后必將與大數據產業高度重合，全程參與大數據的交易、再加工、定價等環節。

而以深度學習為代表的這輪AI浪潮，核心也是從海量數據中提取價值。

在結合隱私計算能力后,直接為客戶提供具有安全數據、安全算法、安全算力的端到端AI工具/數據中臺工具等,成為隱私計算未來重要的價值形式。

第三層，推動數據作為生產要素在全社會的流動，提升社會生產力。

在數據智能時代，數據成為優化資源分配和使用的關鍵決策依據。

如基于用戶畫像的個性化營銷，實際上就是基于用戶的購買物品、地址等個人數據，調整人力、投放等營銷資源的配置，從而提升營銷的整體效率。

作為生產要素，數據需要流通。

如電網的數據，付費等數據對個人的價值比較有限，但可以用來做中小微企業的信用分析,做貸款的信用度、資質的分析。在數據流通并轉換于不同的空間、場景之后，其價值會有明顯的提升。

通過合理解決數據流通問題，隱私計算將成為數據智能時代目前唯一可行的技術基礎設施,，對社會生產力發展有重大意義。

基于這種生產要素認知，隱私計算將有更大的延展。甚至會出現開發商、服務提供商、基礎設施硬件提供商、數據交易中介等配套產業，并與各類行業緊密相連。

據量子位智庫測算，預計到2030年我國隱私計算行業的總市場規模將達到1134億元。其中，第一、二、三層價值分別占比11%、27%和62%。