圖片來源@視覺中國

今年是隱私計算商業化落地元年。

這一市場正處于爆發的前夜。據KPMG《隱私計算行業研究報告》預測，隱私計算國內市場規模將快速發展，三年后技術服務營收有望觸達100-200億人民幣的空間，甚至撬動千億級的數據平臺運營收入空間。

隱私計算誕生于數據保護這一背景，近年來數據安全與用戶隱私日益受到重視，關于數據治理的法律法規不斷出臺，比如歐盟的GDPR、我國《個人信息保護法》（草案）。隱私計算融合了人工智能、密碼學、區塊鏈、計算芯片等一系列軟硬件技術，在金融等場景落地應用，并成長為熱門的投資賽道。

華泰創新總經理晉海博判斷，“之前大家對隱私計算的名詞進行定義，對各種技術方案進行論證，現在行業進入注重技術性能、安全統一的階段，未來進入互聯互通的階段，隱私計算應用的市場空間是目前的百倍級別。”

不同玩家正在攻克金融場景

隱私計算賽道，三類玩家正在進入：獨立創業公司，垂直行業的機構，大型互聯網公司。

獨立創業公司的優勢在于中立性，以及根據客戶需求開展定制化服務。不少投資機構已布局這一領域，包括紅杉資本、IDG、基石資本等，相關創業公司的融資階段從天使輪到A、B輪不等；垂直行業的機構主要為產業背景的公司，優勢在于應用能力；互聯網大廠則擁有豐富的數據生態和應用組件，微眾銀行、騰訊、螞蟻、百度、字節跳動都已開發相關產品，應用于金融、電商等領域。

玩家競爭的本質在于：能否為客戶帶來足夠的數據源，并提供完整的解決方案。因為市場對于隱私計算的訴求在不斷提升。

各類玩家圍繞著這一目標迭代產品。比如紅杉資本投資的科創公司星云Clustar——孵化于香港科技大學算力加速技術，其創始人陳凱教授告訴鈦媒體App：2019年，公司產品的重點是解決聯邦學習的性能問題；2020年，則從底層的IaaS結合中間的PaaS層、上端的聯邦數據層，做全棧解決方案。從數據來看，其協助微眾銀行進行聯邦數據網絡算力加速，通過異構加速技術，整體算力相較于CPU提升了50-70倍。

互聯網大廠騰訊和順德區政府建立了一套基于聯邦學習的普惠金融平臺，騰訊負責建模，融合政府政務數據、申請企業數據、銀行業務數據，建立實時進件分析和風險控制模型。

金融行業是最早應用信息技術、最大化數據價值的行業，從上世紀80年代的ATM機到近年的開放銀行，金融行業在數據的收集、產生、積累中積累了大量經驗，數據的價值貫穿于個人征信、公司估值等場景。

如今，隱私計算在金融場景的落地應用正不斷豐富，就銀行而言，重要場景包括精準營銷、信貸風控、發現多頭借貸、保險定價，等等。

在金融機構的交叉營銷領域，隱私計算輔助進行各家機構的數據共享，在不傳數據的情況下讓各方信息透明，完成交叉營銷。首先是客戶的識別和篩選，對客戶的風險進行識別和管理；其次是服務和運營，為金融客戶提供精準的資管、風控產品。

香港人工智能與機器人學會理事長、香港科技大學講席教授楊強表示：

“在營銷和廣告領域，針對軌跡數據、客戶風險數據、營銷數據、轉化數據等不同數據，通過統一的聯邦學習平臺串聯起來，可用作人群洞察、用戶分層和推薦等等。聯合不同的數據級，建立不同的服務機器人，比如語音機器人，內呼、外呼機器人，作息助手和智能培訓。”

?隱私計算解決數據孤島、反洗錢等問題。

“早年因為數據孤島，銀行難以掌握中小企業的數據，對后者的貸款申請進行限制，導致大量企業主在市面上尋找高價格的貸款，隱私計算可以解決數據孤島的問題。”招商銀行分行信息技術部副總經理蔡毅介紹。

在反洗錢方面，銀行可以與同業機構或互聯網公司聯合，通過交換加密參數，聯合計算建模，從而解決樣本少、數據質量低的問題。調用聯合建立的模型，同時不集合各方數據，對于各家金融機構是剛需。

對于已經走過了信息化、智能化的大型銀行機構，隱私計算可以拓寬其數據邊界，進一步增強業務競爭力。

而中小機構的信息化過程尚未走完，面臨的挑戰更大，這類機構的數字化包含信息化、智能化和隱私計算的導入，以及數據合規、數據治理。微眾銀行人工智能事業部副總經理陳天健認為，未來將有專業的服務公司，幫助中小型金融機構在短時間內走完信息化、智能化和隱私計算技術導入的過程。

楊強介紹：隱私計算和聯邦學習并不是單一的算法，而是一個完整的套餐，我們要考慮安全合規的法律問題，同時也要考慮防御攻擊的安全問題，另外兼顧算法效率和行業應用，此外，還可以使用一種經濟學的激勵機制，來鼓勵不同的參與方持續投入到生態里面。

比如建立不同的激勵模型，讓參與方持續的有收益，變成一個不斷滾大的雪球，那么生態圈的數據將越來越豐富。

現階段挑戰：金融機構協同，數據監管

金融場景的數據安全與基礎建設，是新基建的課題。通過隱私計算建立金融數據共享生態圈，一方面需要監管層的認可，另一方面，要在技術上實現互聯互通。

在隱私計算領域，目前有三大技術流派：聯邦學習，安全多方計算，以及TEE可信執行環境。其中聯邦學習構建在同態加密技術之上，并能夠嚴格確保數據不出域，并通過機器學習技術規避確定性計算本身安全性的不足，得到了金融行業的青睞。

聯邦學習的核心是“數據不動模型動”，各個參與者不需要把數據整體移動到一個可信計算環境中，而是在本地使用本地的數據訓練一個本地的模型，并通過場景使用半同態加密、秘密分享等隱私計算技術的方式來同步模型參數，從而進行模型的迭代訓練。真正做到了數據可用不可見，數據不動模型動，從而實現了極高的安全性，合規性。

不過，聯邦學習和已有金融機構業務的深度結合，依然面對一些挑戰。

“在開放銀行中，如果幾萬家銀行同時進行聯邦學習，這是一個非常重的事情，現階段難以落地；如果在金融開放聯盟中進行合作，涉及到金融、證券、保險等不同行業，面對的監管部門、政策也不相同。”浦發銀行創新研究中心曹祥介紹。

機構協同難以推進，同時，監管問題無法回避。

“聯邦學習的數據，哪些可以出去，哪些必須拿到授權，拿到什么層級的授權，需要符合什么樣的法律條款？現在大家獲取隱私的條款是極其模糊的，這些都需要落地的、明細的政策進行規范。”蔡毅舉例。

此外，對于資源方、數據方的市場教育，還在推進中。目前，人民銀行針對多方安全計算建立了一套金融領域的標準，但只適用于人民銀行，海關、公積金、社保、電力等系統尚未參與。

當下，技術和解決方案還不夠成熟，隱私計算技術效率有待提升，現有系統產品較復雜，工程化程度需要完善，模型可解釋性還需提高。產業推廣需要搭建多方協同的合作模式，這樣的模式建立并不容易。

未來主要商業模式：平臺分潤

隱私計算往往涉及到3類角色：首先是使用數據的業務方，包括金融機構、政府機構，這類機構是隱私計算服務的客戶；其次是作為數據源的數據方，包括大數據局、征信公司、擁有用戶數據的互聯網公司，等等；隱私計算技術服務商，則為客戶搭建整個計算系統。

在金融等場景的商業化過程中，據KPMG《隱私計算行業研究報告》統計，主要有四種營收方式：

1. 銷售模式，收取一次性技術系統搭建費；
2. 服務模式，收取年度系統維護和服務費用；
3. 調用模式，收取數據使用費，這部分費用歸屬于數據方；
4. 分潤模式，根據業務運行的效果獲取收益分成。

分潤模式將是未來的主要模式，客戶早期并不需要承擔大筆技術系統搭建費，相當于技術服務商與客戶聯合運營業務，系統接入數據源，原有業務改善或進行開業務開展之后，雙方根據業務實際效果分利潤。

報告預測，國內個人短期消費金融市場在2024年將達到16萬億元的規模，按照貸款余額的1%作為平臺技術服務費，金融科技服務商在消費信貸科技平臺的分潤規模為1,600億。

陳天健表示：“市場正處于爆發前夜的狀態，隨著金融監管當局、政府等各方的參與，未來相關規制問題、標準制定問題也會迎刃而解。”（本文首發鈦媒體App，作者 | 孫騁）

更多精彩內容，關注鈦媒體微信號（ID：taimeiti），或者下載鈦媒體App