大约从2018年开始，BAT等国内厂商，成熟的大数据公司，甚至初创的科技独角兽都在布局隐私计算。
据媒体统计，2021年7月至10月，短短四个月，隐私计算赛道获得10亿融资。2021年也被认为是隐私计算进入商用阶段的元年。
特别是数字经济的发展进入了“快车道”，数据安全法和个人信息保护法的颁布等。，数据安全被重重监管，给隐私计算加了一把火。
中国信息通信研究院发布的《隐私计算白皮书(2022)》显示，到2025年中国隐私计算市场规模有望达到100亿元。
那么，到底什么是隐私计算？
“我想从南到北，我想从东到西。我想让人们看到我，但我不知道我是谁。”浙江大学一名隐私计算专业的学生用崔健《假和尚》的歌词来形容他眼中的隐私计算。
在蚂蚁集团隐私计算工程师宋看来，“隐私计算是一杯冰镇的美式，咖啡是凉的，冰从来不存在。”“隐私计算没那么高。写代码、找bug、修bug是日常。”
我好像懂了，但是我好像不懂。实际上，隐私计算不是一个单一的学科，而是一个复杂的技术体系，包括硬件、密码学、分布式机器学习等底层技术。具体来说，在处理视频、图像、文本、数值、无处不在的网络行为信息流等信息时。，它对涉及的隐私信息进行描述、度量、评估和融合，形成一套符号化、公式化的隐私计算理论、算法和应用技术，具有量化的评估标准，支持多系统融合的隐私信息保护。
隐私计算的核心价值在于，可以实现“数据可用不可见”和“数据不动，模型动”。比如电信诈骗、网络赌博高发，迫切需要建立反诈骗平台，需要政府数据、互联网数据、银行数据。如果没有人愿意拿出自己的数据，隐私计算就会发挥作用。它可以通过隐私计算安全地输出计算结果，而不会将原始数据留在库外。
在现实生活中，隐私计算无处不在，包括早餐付款和保险索赔。毕竟私有计算是为了保护数据安全。对于普通人来说，随着隐私计算应用的不断拓展，个人信息将得到更有效的保护。
国内厂商陆续进入市场
随着数字经济进入快车道，信息保护和数据安全被提及的频率越来越高，这也加速了科技企业在隐私计算领域的布局。近年来，阿里、腾讯、百度、蚂蚁集团、微众银行等大公司都纷纷入局。
目前隐私计算在全球处于关键阶段，业界正在通过开源和开放降低技术门槛，加速技术普及。据了解，目前国内外已经有40多个隐私计算开源项目。
2019年初，微众银行开放全球首个工业级联合AI技术Enabler，并于同年6月捐赠给Linux基金会，建立FATE TSC，用于FATE社区的开源治理。其成员包括国内主要的云计算和金融服务公司。
随后，百度相继推出通用安全计算框架MesaTEE和开源联邦学习框架PaddleFL。MesaTEE采用了百度安全实验室提出的混合内存安全技术、机密计算技术和可信计算技术，构建了FaaS的通用计算架构。另一方面，PaddleFL基于flying paddle的开源框架，为联邦学习研究人员提供了一个基本的编程框架，并封装了开放的联邦学习数据集。
2022年7月，蚂蚁集团还公布了面向全球开发者的官方开源可信隐私计算框架“暗语”，几乎涵盖了所有主流的隐私计算技术路线。2023年3月，《暗语》宣布产品升级，开放SCQL功能。SCQL提供的简单易用的BI分析，可以帮助中小机构快速解决长尾数据安全分析的迫切需求，并在业内首次实现私有数据从Al分析到BI分析的转变，是argot走向易用的重要一步。
“由于中小机构的数字化水平处于起步阶段，数据量属于小样本阶段，al机器学习的方式是不必要的，也不划算，以SQL为主要手段的BI分析是最可行的方案，”蚂蚁集团argot开源框架负责人、隐私智能计算部总经理王乐妍表示。对于大规模数据场景，BI数据分析也是不可或缺的重要分析手段。“从大数据到小数据，SCQL都能满足秘密数据的安全分析需求，”王乐妍强调。
值得一提的是，虽然很多大厂都进入了隐私计算，但从行业发展成熟度来看，国内隐私计算市场才刚刚起步。
应用层不够深
蚂蚁集团副总裁兼首席技术安全官陶伟看好隐私计算的发展前景。他坚定的看好这个赛道，也告诉正在这个领域实践的学生，“隐私计算未来的市场是几百亿，是一个非常好的就业方向。”同时，陶伟还强调，虽然隐私计算市场发展迅速，但在应用层面还不够深入。
据了解，隐私计算目前在金融、医疗、政务、智能汽车、营销、工业和电信等拥有大数据基础的领域有很多应用，商业场景也在不断涌现。其中，在金融领域，金融风控和获客是国内隐私计算最重要的落地场景。
国泰君安证券报告称，随着智能汽车行业的快速发展，智能汽车有望成为继金融、医疗、政务之后的又一重点领域。据统计，智能汽车被黑的数量在过去五年里增长了20倍。一辆车每天至少收集10TB的数据。一旦隐私泄露，将对人身安全和国家安全造成不可估量的后果。
结合多年的经验，在谈到隐私计算时，王乐妍表示，隐私计算要冷静，做一个产品需要三到五年的时间。但无论隐私计算有多晦涩，技术有多复杂，投资成本有多高，它一定是这个时代最需要的技术之一。
和其他很多TO B赛道一样，隐私计算的赛道需要不断积累，参赛者需要做好长跑的准备。
