数据安全问题一直备受社会关注，随着《网络安全法》《数据保护法》《个人信息保护法》等相关法律法规的出台，“安全”再度成为热词。以往，出于安全性因素考虑，许多数据掌握在政府各分支机构、大型互联网企业手中，无法有效流通，进而导致原本可发挥重要价值的数据被“束之高阁”，即使数据需求方急切希望通过共享来让社会生产生活更为高效，数据拥有方也只能摇摇头。

　　可以说，数据是智能时代最核心的生产要素，并催生出算力、算法等相关生产要素，推动数智时代发展。以政务数据为例，该类数据可包括工商数据、税务数据、交通运输数据、农业数据、卫生健康数据等，不同的数据可在不同领域中通过安全共享实现价值。司法数据、企业人事数据、税收数据等可在银行领域通过建立企业模型来评估企业经营状况，从而为银行评估信贷风险提供有效依据；病例筛查数据、医院数据、医保数据等可在医疗领域通过建立病例模型结合AI人工智能技术识别与预警重大疾病，为诊断提供更为有效的手段。然而，上述数据流通、共享的核心关键是安全。

　　当隐私计算的概念和技术逐步被社会认识与接受，数据流通也迎来了曙光。隐私计算技术涉及密码学、统计学、人工智能、计算机硬件等众多学科，可将数据加密后实现流通，因而具备打破数据孤岛的能力，近年来成为数据保护与流通领域中加强隐私保护、强化数据安全合规的“最优解”。

　　可以看到，目前隐私计算赛道内涌现出不少企业，致力于运用该项技术促进数据交易市场的发展，头部企业包括星云Clustar、数牍科技、洞见科技等。而据甲子光年智库测算，随着中国大数据产业发展以及隐私计算技术不断实现商业化，隐私计算市场规模将持续增长，预测到2025年，该领域市场将超过200亿元，2021年至2025年年均复合增长率达133.4%。

　　隐私计算都适合哪些行业应用？从当前各家企业的探索与实践来看，金融、政务、医疗是最佳落地场景。以反欺诈为例，近些年，保险理赔领域存在大量的欺诈行为，让保险公司蒙受大量财力、人力和物力的损失。传统的反欺诈技术多依赖于规则引擎和统计模型，并需要业务专家进行策略经验优化，耗费大量人力。将隐私计算应用到反欺诈场景中，通过隐私计算技术引入运营商大数据与保险公司自有数据进行联合建模，可充分运用运营商海量联邦数据与历史欺诈理赔案件中的行为数据相结合，迭代优化反欺诈模型，从而提升整体业务质效。

　　未来，隐私计算将与数据融合到基础设施布局当中，推动社会生产生活发展。这其中，将聚焦四方面议题：

　　一是统筹规划、联合布局。数据的流通和融合涉及多个领域，不同领域中的实际业务需求不同，相应的数据治理规则、交易流程及配套的技术应用路线都会存在明显差异，须在政府的统一规划、统一调度、协同分工下开展进行。

　　二是开放共享、互联互通。隐私计算技术发展和规模化应用的关键是构建生态，让生态各方连接和协作。然而，各厂商之间往往因为底层算法、技术标准及数据源的差异，以及对市场竞争因素的考量，部分选择以技术闭源的方式服务客户，导致“数据孤岛”开始朝着“计算孤岛”方向演变。开放构建隐私计算互联互通生态，或基于统一开源框架构建多样立体的应用生态，将极大促进隐私计算价值价值发挥，实现数据要素价值全面释放。

　　三是夯定基础、攻坚算力。伴随应用场景不断丰富，隐私计算技术也面临新的挑战——算力。隐私计算需要处理大规模数据，这就需要强大的算力作为支撑，算力决定了能否将很多分散的、有隐私保护需求的数据真正使用起来。隐私计算底层技术的持续创新与计算能力的不断提升，是技术发展的必经之路。而算力也成为隐私计算市场供需两端的重要诉求。算力提升成为行业共识。比如，星云Clustar依托自身的算力加速能力及硬件产品，充分应对联邦学习等隐私计算技术场景，为某互联网银行解决了因使用同态加密而产生的计算压力与延时问题，整体使端到端性能提升10倍，推动了联邦学习系统高效运转落地；同时，星云Clustar联合香港科技大学研究团队进行技术攻坚，在技术层面实现奇异值分解效率颠覆性提升，使得奇异值分解效率从全同态方法所需的2年加速到2分钟。这些探索与尝试均为算力提升奠定了基础。

　　最后是聚焦“东数西算”，推动全国性的数据流通。京津冀、长三角、粤港澳大湾区、成渝等8地已启动建设国家算力枢纽节点，标志着“东数西算”工程将进入到规划建设阶段。隐私计算消除了数据壁垒，为数据要素市场化、全国数据资源流通“一盘棋”局面提供有效技术支持，因而也将成为“东数西算”工程实施“软”建设的关注重点。（作者：章立强 星云Clustar解决方案负责人 编辑：李政葳）