“隐私计算” 5 年融资事件翻 5 倍。
四十年前，姚期智院士提出 “百万富翁设想”：
两个百万富翁，在不透露自己具体财产金额且没有第三方的情况下，如何让彼此知道谁更有钱？这一设想催生了多方安全计算，即在任何一方看不到其它方输入数据的情况下，对数据进行联合计算并共享数据分析价值。
四十年后，求解一个个 “百万富翁” 问题成为数字生活常态。
个性化内容推荐、精准广告推送、更优导航方案……面对全球数据量大概每两年翻一番的现状，无数应用都基于对数据的分析和使用而生存。
但个人消费者在授权搜索、电商等互联网平台使用自己的数据以优化功能、创造价值时，也是在让渡部分个人隐私；公司、组织在拿出数据搭建更多行业应用时，则可能泄露商业机密或公司掌握的的个人数据。
挖掘数据价值与数据安全和隐私保护之间存在的矛盾越来越凸显。
近年来，逐渐商用的一种新技术方案——隐私计算目前看来有希望解决这一问题。
通过让数据 “可用不可见”，隐私计算可以在不交出数据（不变更数据所有权）和保障数据安全的同时使用数据，使数据实现应有价值。
隐私计算行业目前已涌现一批公司。其中有专注隐私计算的初创公司，如翼方健数、华控清交、数牍科技等；有从网络安全和大数据领域新开辟隐私计算业务的公司，如同盾科技、富数科技等；也有互联网巨头——腾讯控股的微众银行和阿里蚂蚁科技集团（原蚂蚁金服）都已进入这一领域。其中，微众银行、蚂蚁科技集团、翼方健数、华控清交也被一些媒体称为国内隐私计算赛道 “四小龙”。
整个隐私计算行业的融资事件正持续增加。该领域在 2016 年只有 2 起融资事件，而 2020 年全年新增融资数量已上升到 10 起。
其中，成立于 2016 年的翼方健数是中国最早的隐私计算创业公司之一。
上个月末，翼方健数刚刚宣布完成 B+ 轮超 3 亿元人民币融资。此前翼方健数共完成 2 轮融资。本次 B+ 轮融资或为隐私计算领域技术专精型公司中已披露的最大规模单笔融资。
翼方健数董事长陈恂同时是软银愿景基金管理合伙人，曾投资科技创新情报 SaaS 服务商智慧芽和健康科技公司 Collective Health；CEO 罗震为普林斯顿大学博士，研究方向包括高性能定制计算；首席科学家张霖涛曾担任微软亚洲研究院首席研究员及全球合伙人。
翼方健数 CEO 罗震称，新一轮融资后，他们将在两个技术方向做投入，一是安全计算技术，如安全多方计算、联邦学习、可信任执行环境等；二是系统方面的技术，如跨数据中心的分布式存储和分布式计算等技术。
翼方健数团队看准的机会是：各行业对数据价值的渴求将借由隐私计算技术得到释放。
2016 年以来，中国政府连续颁布《网络安全法》、《数据安全法》等与数据相关法案，并在滴滴等掌握大量数据的公司因数据安全问题遭审查后修订了《网络安全审查办法》，这使各方更加重视数据安全和隐私保护。
同时，在保障数据安全之外，隐私计算的作用还在于它可以帮数据 “保值”。隐私计算能做到在不交换原数据的情况下使用数据计算结果，这样数据价值不会随复制和交换次数增加而降低，反而是用得越多，价值越高。
这符合数据资产化的趋势：2019 年底，美国政府提出《联邦数据战略与 2020 年行动计划》，对数据的定义从 “技术” 转向 “资产”；2020 年，国务院也首次将数据与土地、劳动力、资本、技术等传统要素相并列。在数据变为生产要素的过程中，隐私计算能推上一把。
目前隐私计算主要应用场景集中在金融、医疗和政务领域。金融行业合规要求高，所以对隐私计算需求最为迫切，政务数据覆盖的范围最广。而同样有高合规要求的医疗行业，由于以往信息化水平低于金融等领域，一方面有数据服务渗透的潜在空间，另一方面也有落地挑战。
成立于 2016 年初的翼方健数最初 “被医疗行业选中”。
首先，医疗行业确实有需求。健康医疗数据的社会、经济价值大，但在应用过程中，缺乏对数据安全和个人隐私的有效保护手段，这阻碍了数据价值的实现。
其次，这个行业虽然进入门槛高，但如果技术服务公司能率先签下客户，就能建立一定商业样板壁垒。除去负责资本市场及技术的人员，翼方健数一部分核心成员有医疗相关背景，如健康医疗部总裁刘安庭曾担任医疗大数据平台中电药明 CEO，首席战略官许晓峰拥有近 20 年医疗信息化、临床科研经验，医疗事业部总经理李苇刚具备 20 余年国内外医疗卫生信息化从业经验，先后在六家中美医疗集团、医学中心、私立医院和大型公立医院一线从事医疗卫生信息建设工作，翼方健数进入医疗行业有一定客观优势。
2017 年，翼方健数参与了厦门市国家医疗健康大数据试点城市的落地工作，在厦门市卫健委指导下，建立了厦门健康医疗大数据应用平台。
这一平台基于翼方健数第一个商业部署的隐私安全计算平台 XDP 翼数坊建立。隐私安全计算从隐私计算延伸而来，不同之处在于会考虑数据全周期安全和隐私保护，而非局限在数据计算这一环节。
该平台可以同时连接医院、药研所、疾控中心等机构，将厦门市医疗数据与其它第三方数据（如人口数据）结合，在同一封闭环境内进行数据清洗、存储、计算，以实现隐私保护和数据安全。基于数据分析，厦门基层社区医院的医生可以借鉴三甲医院的治疗数据做辅助治疗。这一成果为翼方健数吸引了更多政府关注。
除了厦门，翼方健数也在其他城市打造了城市级数据应用案例，同时也在中国科学院、健康医疗大数据国家研究院、香港科技园等企业、机构有落地案例。
翼方健数的商业模式也随之确立：一方面，翼方健数与数据源，如厦门市卫健委及其可以联合的单位合作，建立隐私安全计算平台，服务接入平台的各种主体；另一方面，翼方健数也会和数据源合作，帮助它们与数据需求方对接。这些数据源目前不一定会使用隐私安全计算平台，但翼方健数希望先通过合作让数据源感受到数据的价值以及隐私安全计算的安全与高效，之后帮助数据源采用隐私安全计算的方式对接披露需求方，也就是回到前一种商业模式上。因此，两种商业模式实际上紧密相关。
翼方健数目前有多种收费方式：如果是第一种商业模式，即做平台，主要是收取一次性平台建设费用和后续的运维费用；第二种商业模式中，翼方健数的收益则来自为需求方输出数据价值后的相关利益分配。
翼方健数 CEO 罗震认为，隐私安全计算只是数据产生价值的必要条件而非充分条件，目前绝大部分掌握数据源的组织无法准备好数据，也很难通过应用利用好数据，所以翼方健数提供了数据价值的整体服务和解决方案，而不仅仅是隐私安全计算本身。
隐私安全计算作为整个解决方案中的重要组成部分，由翼方健数自研的产品翼数坊 XDP 来实现；而在完成数据清洗和数据应用等其他数据价值服务时，翼方健数则会和其它行业技术公司合作。
目前，整个隐私计算行业仍处于起步期。据《中国隐私计算产业发展报告（2020 - 2021）》，自 2016 年起，隐私计算领域融资 28 起，92% 的融资处于 B 轮及 B 轮之前。据国家工业信息安全发展研究中心统计，目前我国共有约 260 家隐私计算公司， 2018 - 2020 年间新增的初创企业就达到 160 家，也就是说，超过 60% 的隐私计算企业是在 2018 年后成立的。
虽然能够实现隐私计算的技术很多——与四十年前姚期智院士提出多方安全计算相比，如今隐私计算已发展为联邦学习、差分隐私计算等多种技术的集合——但真正能同时满足高准确性、高计算效率和高安全性的技术解决方案还不存在。
不同隐私计算技术的特点和优势不同：联邦学习的准确性和计算效率较高，但安全性相对较低；差分隐私技术计算效率和安全性较高，但准确性相对低。此外，隐私计算应用成本较高也是行业面临的共同挑战。
隐私计算行业和学界研究者正加速寻求技术突破。据国家工业信息安全发展研究中心统计，2020 年，隐私计算新增相关专利申请数量是 1535 项，是 2017 年的 4.25 倍，截至 2021 年 4 月，隐私计算专利总数已突破 5000 项。
在行业落地方面，隐私计算竞争愈发激烈。《中国隐私计算产业发展报告（2020 - 2021）》中提到，隐私计算企业已服务医疗、金融等 15 个行业，但仍有市场空间很大的行业尚待开发。翼方健数 CEO 罗震认为，目前各隐私计算厂商的市场切入点均有差异，行业同质化并不明显。
一边保证安全，一边实现数据价值，这是整个数字化转型中的刚需。隐私计算从业者相信自己找到了达成数据两全法的关键。
- FIN -
继续阅读
阅读原文
关键词
隐私计算
翼方健数
数据安全
大数据
平台