随着全球数字经济的快速发展，数字化转型快速推进，全球连接设备规模化增长、产生数据维度更加丰富。数据增值、数据联动并赋能千行百业将成为驱动数字经济发展的重要力量。与此同时，人们获取、管理和利用数据的能力也空前提升，社会各界对于数据的价值也越发重视。相关研究数据显示，2021年全球数据规模已经达到83ZB，并将在未来5年以21%的年复合增长率快速发展，到2026年将实现216ZB的规模，数据作为重要生产要素的基础已经形成。

　　2020年4月出台的《关于构建更加完善的要素市场化配置体制机制的意见》提出，要推动政府数据开放共享，提升社会数据资源价值，并加强数据资源整合和安全保护等。公共数据作为一种新的基础设施，将和物理基础设施同等重要，公共数据开放也是数字化发展的现实需求。在不涉及国家秘密、商业秘密和个人隐私的前提下，将公共数据开放给社会进行融合利用，将有力促进数字经济和数字社会的发展。

　　但除了带来社会价值以外，众所周知，公共数据的开放还蕴含着诸多潜在风险，诸如可能涉及国家秘密、商业机密和个人隐私等数据泄露的风险，开放数据可能被误用或滥用进而损害公共利益和第三方利益的风险等。企业对于数据开放的安全性、合规性、权益分配等方面的考量，阻碍了数据的互联互通与价值实现。因而市场面临“数据需要开放，却又难以开放”的困境。解决这一矛盾需要扎实的安全技术支撑。隐私计算以及相应的合规服务，以“数据可用不可见”的理念为“开放流通”与“合规安全”的矛盾提供了重要思路与解决方案。

　　在技术迅速发展与政策推动的双重因素下，中国隐私计算技术提供商快速发展，但技术落地方案与服务维度仍需发展。根据国际数据机构IDC调研，2021年，中国隐私计算市场规模突破8.6亿元大关。互联网企业、隐私计算创业类企业以及AI大数据公司、区块链公司、安全公司纷纷入局，各类企业依托在技术、数据资源方面不同的基因优势，不断在安全保障、性能算力、互联互通等方面做出技术突破。

　　基于隐私计算进行合规与数据开放的探索是当前技术应用的主要方向，金融与政府两个行业已率先开展试点与案例落地，支撑联合营销、联合风控、联合治理等应用场景。

　　金融行业拥有较高的信息化建设与数字化水平，同时围绕业务发展，有迫切引入外部数据的需求。为了贯彻落实《数据安全法》等新规新政，金融行业机构需要应用新的技术合规使用外部数据，因而成为当前隐私计算部署最前列的行业。以银行在隐私计算市场的实践为例：一方面，银行往往从总行层面进行数据管控与对外联合，撬动运营商、互联网企业数据共享建模，以此实现用户群细分、丰富客户属性标签，从而实现精准营销，驱动银行业务的获客营销增长。此外，丰富的模型在一定程度上可以形成输出，赋能中小银行开展业务。另一方面，迫于一定的竞争压力，银行同业间的合作集中于联合风控、反欺诈场景。基于隐私计算技术，有效联动客户在不同银行间的行为、交易数据，实现多方位的贷款主体画像，对其资金流动、欺诈概率、还款能力进行有效把控，降低业务风险。

　　在政府行业，开放数据撬动数据要素价值，成为政务领域应用方向。政府机构拥有大量高质、全面的个人及企业数据，在合规的情况下形成公共数据分级开放，提供数据交换的环境，赋能企业数字化转型，提升智慧城市、智慧社区建设水平。政务领域因其数据高度隐私性以及一定的机构权威性，往往选择机密计算这类偏向于集中化的隐私保护技术。

　　未来随着企业数字化转型的持续推进、数据量与数据维度的累积、数据成为越发重要的数据资产，隐私计算等数据隐私保护技术将在医疗、能源、制造等更多行业发挥重要作用。

　　当然，隐私计算技术在中国的发展仍然处于萌芽初发期：从技术落地路线上看，隐私计算包含多方安全计算、机密计算、联邦学习等不同技术流派，尚未有单独的技术路线能够兼顾效率、安全、隐私多重维度，市场上仍以多种隐私计算融合的解决方案交付为主。与此同时，隐私计算业务落地仍需要技术协同及服务推动，数据要素流通所需要的精准建模、数据清洗挖掘、数据确权等多项关键技术有待进一步发展，同时做好隐私技术还需专业的业务咨询以及企业内部合规建设的协助。当前市场中，能够提供全套数据源对接、数据服务、咨询服务的数据全栈能力的厂商或者产业链仍然有待形成。