记者 汪青 随着科技水平的快速发展，各行各业数字化转型的驱动力正在催生隐私计算市场兴起。而隐私计算作为在数据融合应用过程中保障数据安全合规的关键技术路径，其商业模式、应用场景、产业趋势和法律问题正成为各界关注的焦点。

“我们身边多数都是维度低、样本少的小数据，要联合这些数据进行模型训练，或成本过于昂贵，或因难以合规，而被企业机构们束之高阁。因此，激活数据价值潜能、实现创新的数据服务应用的基础条件是从根本上解决数据安全共享的基础建设问题。”联邦学习与迁移学习领军者杨强在5月5日接受记者采访时表示。

所谓隐私计算，是一种由两个或多个参与方联合计算的技术和系统，参与方在不泄露各自数据的前提下通过协作对他们的数据进行联合机器学习和联合分析。隐私计算的参与方既可以是同一机构的不同部门，也可以是不同的机构。

据《隐私计算行业研究报告》报告显示，隐私计算受到大数据融合应用和隐私保护的双重需求驱动，也是目前国内外政策法规的必然要求。国内市场规模将快速发展，3年后技术服务营收有望触达100-200亿人民币的空间，甚至将撬动千亿级的数据平台运营收入空间。

以隐私计算目前主要落地场景之一的个人短期消费金融业务为例，包括车贷、小额消费贷、现金贷、信用卡分期等。金融机构风控需要基于多方数据进行联合建模，隐私计算就是刚需，信贷业务就发生在隐私计算的平台上。国内个人短期消费金融的市场在2019年已达到9.92万亿元，假设以10%的低复合增长率增长，那么到2024年能达到16万亿元。

“隐私计算目前是我们认为实现数据安全流通的唯一路径。过去，像类似于数据脱敏，以及灰色交易等，它们在跨界流通、合法合规或高保真方面都会存在问题。经过这几年的共同探索，特别是以联邦学习为主的隐私计算技术，我们可以看到，通过这样的技术手段，我们可以同时实现这三个数据价值所必要的前提。”星云Clustar CEO 陈沫表示。

就目前隐私计算在金融场景里面落地的应用目前所处阶段和原因，招商银行分行信息技术部副总经理蔡毅表示，银行在整个隐私计算上属于刚刚开始的阶段，现在也在银行内部进行试点。“我们目前做过的试点是用于风控和市场营销，效果非常出乎意料，下一步将会在这方面加大投入力度”。

对于隐私计算所释放的数据价值以及在金融场景上的应用，华泰创新总经理晋海博分析，“金融机构对于数字化转型的渴求是毋庸置疑的。隐私计算目前到了一个需要真正开始商业化落地的元年的阶段。从隐私计算本身而言，过去属于第一个阶段，即基本含义和技术方案论证的阶段，而现在我认为已经是第二阶段了，即技术性能和安全统一的阶段。未来一定是互联互通的阶段，我相信隐私计算的应用在目前的基础上，应该是百倍级的市场空间的一个更广阔的市场。”

值得一提的是，目前无论是BAT等大厂，或是初创型科技企业，都在纷纷接连入局隐私计算。蚂蚁金服、腾讯云、百度推出了各自的产品，阿里巴巴、微众银行、京东等企业也在各自的技术领域形成一定优势。各个玩家的资源生态、技术路线和行业布局均有所不同，而在金融场景的应用上，仍以营销、风控端等为主要落地场景。

以微众银行为例，微众银行联合多家外部合作伙伴一起搭建的基于联邦学习的风控模型，目的是解决小微企业贷款风控数据不足的问题。

微众银行人工智能事业部副总经理陈天健认为，“从银行视角一观，对于大型银行机构而言目前已经走过了信息化、智能化的阶段，现在要迈步进入隐私计算、去拓宽自己的数据边界，进一步增强自己的业务竞争力了；但对中小银行而言，面临的挑战会更大。未来会有这样一个趋势，即针对中小型金融机构的专业服务公司会应时而生，帮助他们在短时间内走完信息化、智能化和隐私计算技术导入。“

隐私计算释放的数据价值毋庸置疑，但于金融行业而言，合规与安全亦是永恒的话题。数据孤岛和信息安全是矛盾共生的两难话题，对于金融领域的应用而言，如何能够既使用数据、又能让敏感信息不外泄。

“合规角度而言，央行去年就出台了安全多方计算的建议标准。这些标准的建立，以及相关的测试标准和认证标准的配套，可以很大程度上解决技术应用上合规性的问题，或者市场能解决形式合规的问题。当然先进技术的发展，比如隐私计算这种先进技术的发展，为它所建立的规制一定是有滞后性的。”陈天健进一步表示，而从安全性而言，现在的隐私计算到今天这个时点，它对于安全的关注已经不仅仅局限于原始数据了，它对于查询的数据，过程的数据，和衍生出来的模型数据都会做全面的保护。

基于此，目前整个隐私计算相关技术在金融场景的落地尽管仍处于最初始的阶段，并且构建一个中国金融数据共享的生态圈，完成整个金融场景的数据安全、基础建设，仍存在诸多难题和挑战，但未来的趋势势不可挡，无论是监管、金融机构还是技术参与方，都在共同筑造数据价值和金融安全共享的生态圈。