隐私计算之变：洗牌进行时，蚂蚁摩斯第一

作者 | 张倩茹 来源 | 零壹财经

作为数字经济时代的新型生产要素，数据带来的巨大价值已不言而喻。

而隐私计算技术作为数据流通安全的“最优技术解”，已经在金融、政务、通信等行业得到深入应用，并吸引包括互联网厂商、初创公司、云服务商、区块链公司等在内的多方角逐。

随着人工智能赛道爆发和数据要素市场建设加速推进，数据安全及隐私计算的需求不断释放，其应用趋势和市场格局正在迎来更大变化。

IDC最新数据显示，2022年，中国隐私计算平台市场以92.9%的市场增速实现1.2亿美元的市场规模。其中，蚂蚁商用隐私计算平台摩斯（MORSE），以36.9%的市场份额排名第一。华控清交、蓝象智联以6.5%、5.2%分列第二、三位。

隐私计算的应运而生，伴随着互联网和数字经济的发展史。

计算机和互联网的发展，是过去五十年社会经济发展的主要引擎之一。它带来了前所未有的效率，产生了新的生产要素——数据，同时也有它的另一面——数据安全问题。

面对愈演愈烈的数据安全问题，全球主要国家都在加强立法和监管。无论是为了满足法律和监管的要求，还是市场的需求，围绕数据安全，发展出一个越来越庞大的技术产业链。隐私计算即是其一。

从爆发阶段来看，2021年被称为隐私计算商用元年，它从实验型创新转变商业上可用的技术。2022年酝酿着变化和新的势能，从少数机构的“可用”，迈向更多机构的“实用”。2023年，随着数据要素市场建设加速，政策法规对数据安全和数据治理要求的进一步落地，广阔的市场、丰富的场景正在向隐私计算打开。

中国信息通信研究院发布的《隐私计算白皮书(2022年)》显示，根据两类商业模式（平台建设与数据运营）的相关数据进行测算，预计到2025年中国隐私计算市场规模将达到百亿元。

不过，白皮书发布时间为2022年底，未充分考虑到数据要素市场建设的加速以及大模型等新技术的爆发，对于市场规模的估算或许保守了。

从招标情况来看，隐私计算应用仍处于产业快速增长期阶段，隐私计算相关的招标数量逐年递增。

中国信通院云计算与大数据研究所、隐私计算联盟发布的数据显示，2022—2023年是隐私计算招标爆发的两年。2023年上半年招标总数已经达到2022年招标总数的93%。

从行业来看，金融行业招标占比最高，达到24%；政务行业招标占比21.5%，已成为第二大应用场景；高校、能源、交易所等新场景开始不断扩展。

零壹智库在《隐私计算：数字经济新基建》一书中，将隐私计算定位为“新基建”。一是隐私计算是未来数字经济发展的重要基础设施；二是目前隐私计算仍处于初级阶段，需要“大兴基建”，将隐私计算能力打造成为数字经济的基础设施。

隐私计算已经形成了气候，从概念到落地应用，成为当前治理数据安全的主要工具。作为一个快速成长的产业，隐私计算领域形成了几股势力，比如：

● 几大流派的学术和技术团队都分别培育出了自己的创新企业团队，其中相当一部分企业获得了风险资本的投资，目前成长速度较快，如锘崴科技、富数科技、洞见科技、星环科技、星云Clustar、数牍科技、融数联智等。

● 蚂蚁集团、百度等互联网厂商凭借自己的技术、资金和场景优势，开展隐私计算的研发和业务，有的公司同时开展不同流派的隐私计算技术探索。蚂蚁摩斯是业内最早探索隐私计算技术的力量之一。

● 集成商”，将隐私技术与现有的软件、硬件、数据服务等嫁接或集成，植入到服务中，如瑞莱智慧、云从科技、神州泰岳等。

● 区块链公司、金融科技公司、数据服务商、安全技术商等公司，基于原有业务的客户需求与相关技术来发展隐私计算模块，如趣链科技、联易融、微众银行、冲量在线、信安世纪等。

上述企业共同构成了隐私计算市场的竞争格局。在技术竞争格局方面，隐私计算市场仍处于多方参与、竞争加剧的阶段。

IDC在报告中表示，当前，互联网厂商、隐私计算垂类厂商具有较多先发优势，已经占领较多市场份额。但与此同时，大型集成公司依托于数据处理类项目、安全公司挖掘用户在网络安全之外的数据安全产品等策略，也开始向隐私计算市场渗透。

这也意味着，未来竞争将进一步加剧。

在IDC最新公布的市场份额数据中，蚂蚁集团、华控清交、蓝象智联分别以36.9%、6.5%、5.2%的市场份额位列中国隐私计算平台市场的前三位。

来源：IDC《场景为王，产业洗牌进行时——中国隐私计算平台市场份额发布》

从专利数据的角度来看，经过30多年的演化，隐私计算已经形成了庞大的技术体系。

中国在隐私计算专利上布局较晚，但发力很猛。2011年之前，中国每年申请的隐私计算专利不超过100件，参与专利申请的公司不超过60家。2015年之后，中国每年隐私计算专利申请数量呈现爆发式增长，在2019—2020年每年专利申请数量保持在1000件以上，参与公司也均在400家左右。

根据《全球隐私计算技术发明专利排行榜(TOP100)》，截至2022年3月8日，全球有8家企业隐私计算专利数量在200件以上，其中蚂蚁集团以1152件专利数排名第一，这也是蚂蚁集团连续两年位列排行榜第一。

从2021年3月至2022年3月，蚂蚁集团隐私计算专利数从740件，增加到了1152件，一年时间涨幅超55%。

在隐私计算赛道，蚂蚁集团的各项第一，其实很大程度上意味着摩斯（MORSE）的第一。

原因在于，摩斯是依托于蚂蚁自身业务孵化成长出来的商用隐私计算平台。

从性能上讲，摩斯可支持10亿级数据稳定运行，千万级请求毫秒级时延。从兼容性来看，摩斯提供互联互通标准化解决方案，可兼容fate、隐语等多家隐私计算产品。此外，摩斯已兼容金融、政府主流的服务器、操作系统、数据库等IT基础设施，形成自主可控的“数据流转安全闭环”。

从场景来讲，摩斯基于其生态优势联合了电商平台、本地生活平台、内容社区、LBS等多方数据源，建立了覆盖“人、货、场”的分布式数据共建区。比如，某头部水饮品牌在使用摩斯的数据智能决策服务后，营销点击率提升3.7倍、营销成本降低8成。

目前，摩斯已广泛应用于联合营销、政务数据安全开放、联合风控、多方联合科研等业务场景。至今已服务300+机构，在银行、保险、电信、汽车、零售、互联网等10多个行业落地。

事实上，摩斯早已是隐私计算赛道不可忽视的玩家。它的优势用IDC的话来说，就是“摩斯深度融合多种隐私计算技术，结合在营销、风控场景以及互联网行业的生态资源优势，成功转化隐私计算技术并完成大量商业落地。”

1、数据要素全力加速之下的隐私计算

我国数据要素市场建设正在加速，从基础制度体系的建设，到交易市场的活跃，全方位推进。

“提速”首先表现在政策上。

近年来无论是从发展数字经济，还是从数据安全和隐私保护的角度，各级部门都出台了一系列政策法规，如《关于构建数据基础制度更好发挥数据要素作用的意见》、《数据安全法》、《个人信息保护法》等，这些法规建立了中国数据要素市场初步的制度框架。

在政策信号日渐清晰的背景下，国家数据局的组建呼应了数字经济发展的需要。根据今年3月公布的《党和国家机构改革方案》，国家数据局负责协调推进数据基础制度建设，统筹数据资源整合共享和开发利用，统筹推进数字中国、数字经济、数字社会规划和建设等，由国家发展和改革委员会管理。

目前，国家数据局首任局长、副局长均已明确。7月，刘烈宏被任命为国家数据局局长，10月，沈竹林被任命为国家数据局副局长。随着关键性人事任命落地，国家数据局挂牌在即，更细化的数据资产入表、定价、流通等环节的政策或指导意见有望出台发布。

在这样的制度框架中，“数据可用不可见”已经成为通用性要求。隐私计算参与数据要素市场的必要性和重要性已被锚定。这些法律、政策和行业性、区域性规章纷纷出台并落地实施，将带着隐私计算落地到各行各业和各种数据场景中。

在市场方面，数据要素发展空间极为广阔。据国家发改委专家初步测算，全国企业数据要素支出规模约为3.3万亿元，如果考虑数据资产评估、质押、融资等衍生市场，整体规模可能超过30万亿元。

在数据要素市场建设和价值释放的过程中，数据交易所是不可或缺的一环。据零壹智库不完全统计，截至2023年6月底，全国各地由政府发起、主导或批复的数据交易所达到44家，头部数据交易所交易规模已达到亿元至十亿元级别，且呈现出爆发式增长趋势。

据了解，头部数据交易所已经开始运用区块链+隐私计算等关键技术，建设新型数据交易信息化平台，比如北京国际大数据交易所、杭州国际数字交易中心、贵阳大数据交易所等，纷纷采用了区块链+隐私计算的技术架构。

数据要素市场发展过程中，不仅仅是交易市场本身需要应用隐私计算，参与交易和服务的相关主体也需要应用隐私计算。

作为基础型的要素市场，其辐射面之广，涉及主体之多，非当前所能估计，这也意味着隐私计算将随着数据要素市场的发展而融入各种场景并逐步普及，广阔的市场、丰富的场景正在向隐私计算打开。

隐私计算，鱼跃入海。

2、大模型时代的隐私计算

从“分析式”向“生成式”转变，可以视为人工智能这一领域创立66年来的第四次浪潮。

这次浪潮有三个主要的特点：一是模型参数量巨大，模型预训练所需算力巨大；二是采用预训练和微调方法；三是复杂的关系表达能力和优异的泛化能力。

也就是说，以大模型为代表的技术进化需要依赖大量数据的训练，其中涉及采集数据、信息存储、加工、计算、输出等系列环节，这带来了愈加复杂的隐私安全问题。

如何在技术上平衡数据隐私保护与数据开放共享，是业内需要考虑的首要问题，而隐私计算正是这样一种“恰到好处”的数据安全和数据治理工具。

当然，在大模型时代，隐私计算技术本身的研究、发展和关注的重点也发生着改变。

在算法层面，上海市数据科学重点实验室主任肖仰华表示，海量化、参数化的大模型，给传统的基于可控、可解释、清晰的技术路线的隐私计算带来了全新的挑战和机遇。在架构层面，对于一些需要进行分层分级保护的私密数据，可以建立起大模型自主学习能力和敏感数据相隔离的架构，由大模型继续提供其智能，而需要保护的数据依然被保存在密态数据库中，两者的相互协同也给隐私计算带来了新机遇。

中国信通院云大所大数据与区块链部门副主任闫树表示，隐私计算的各类技术路线都有与大模型应用场景适配的方式。比如在云端部署一些TEE做训练，或在模型推理阶段用多方安全计算来提升隐私保护能力。

随着技术的发展，“隐”与“私”之间永远是一场博弈。既要流通，又要安全，这正是隐私计算的“分内之事”。

在政策和市场的双重驱动下，隐私计算的产业应用、市场规模在加速扩大，对数字经济发展产生的效应也将越来越强。近一年以来，随着数据要素新形势及大模型等新技术的出现，隐私计算领域出现了新常态和新变化。隐私计算需要在各行业的数据流通场景上加速探索。

未来，无论是隐私计算各种技术流派之间的“内部融合”，还是与其他数字技术的“外部融合”，速度都将加快。比如，隐私计算与人工智能、区块链、工业互联网等技术的融合，与硬件的结合（已产生多款一体机等软硬件结合产品，如摩斯隐私计算一体机等）。这种融合，不是简单的加法，而是乘法，促生新的解决方案，乃至新的商业模式。