6月3日，由算力智库主办，中国信息通信研究院云计算与大数据研究所、隐私计算联盟、隐私计算技术联盟联合主办的2021第二届隐私计算产业与应用论坛在上海圆满收官。作为国内首个聚焦隐私计算领域的年度行业权威盛会，本届论坛再度召集众多政府机构代表、业界及学界大咖，畅谈数据智能时代隐私计算的广泛应用前景及巨大商业价值。
在论坛上，常春藤资本创始合伙人翁吉义发表了题为《从投资视角看隐私计算的商业价值》的演讲。翁吉义认为，隐私保护领域会不断出现创业机会是源于三方面的推动力。一是立法监管趋严迫使数据应用从粗放式向精细化管理过渡，二是公众隐私意识增强将让企业面临更多的用户响应场景，三是外部合规驱动可以在短时间内催生大量的需求。
以下为算力智库整理的演讲全文：
翁吉义：谢谢主持人，感谢主办方的邀请，今天也是一个非常好的机会，我在聆听大家在这方面的探索的深度，要比我想象中远一些、深一些。
现在大家都知道，我们是数字经济的时代，数字经济带来的必然结果是数据越来越多，随着数据越来越多都意识到数据是一个资产，这是一个金矿，所以数据的价值是非常显著的，而且这种价值正在以更快的速度积累。数据来源越来越丰富，而且刚才专家也说到了，有外部性，用的不好对社会乃至个体造成各种各样的伤害。这样数据既要用好还要防范侵害，所以隐私计算的话题和需求自然而然产生，这是我们今天来开会讨论这个问题的必然原因。
大家提到GDPR，我们也是因为这些原因在投资和看云计算、大数据企业的过程当中注意到这个领域，所以这两年逐渐加深到这个领域的认知，各个国家都相应的出台法律，在这个过程当中，有一些欧洲跑的快一些，中国相对来讲谨慎一些，更加鼓励或者助长了一些企业在数据使用过程当中的大胆尝试。这种大胆尝试可能是好事情，可能也是坏事情。
在整个数据保护范畴内我们理解是对数据全生命周期的保护，包括对数据搜集、共享、存储、使用、删除各个环节的保护，和隐私计算更加相关的是数据共享和使用环节，这也是前面嘉宾不断的重复、不断的在提醒我们的听众的过程当中提到的。实际上在共享和使用的环节，我们看到国内同行、国外同行还处在同步阶段，但是由于习惯和法规原因，我们看到的现象在搜集这个领域欧美国家，尤其是美国的一些公司可能会比我们跑的更快一些，这是有必然的社会成因和监管体系在整个互联网监管方面的滞后性导致的。
数据既不能过于粗放的使用，也不能像欧洲那样一棍子打死，必然需要精细化管理数据从搜集到使用整个环节，所以必然需要通过技术来解决过程当中的问题，而不能空喊监管，空有立法，那个是实现不了的。包括公众意识不断提高，让我们企业需要面对不断提高的数据隐私保护的需求对应用场景有一些响应，我们可以想象的是外部合规性需求和公众的意识的提升，必然需要我们企业切实的要响应这样的需求，通过技术提升来解决问题，当然也需要我们这样的投资方看到这里的商业机会，帮助技术公司更快、更好的提供这样的产品。
刚才讲到我们看到美国的创业公司在这方面的实践，其中相对来讲最快的工资叫做One Trust，2016年诞生，目前涉足的领域主要在用技术方案来解决和问题，这是它的主要的功能，包括用户的同意管理，苹果客户端，你任何一个应用打开会问你一个问题，这个广告商或者APP可能会搜集你什么样的数据，你是同意还是不同意，隐私合规评估、外部风险评估等等，这个公司2020年营收到4．7亿美金，连续几年增长高于50％，2020年增长也是67％，在整个隐私管理范畴的市场份额占到40％，所以总共融了10亿美金的钱，估值已经到了50几亿美金，这样的收入水平在美国已经可以上市了，相对来讲在全球是一个营收角度是比较领先的，当然合规的需求的确会催生一个业务的发展。
相信国内云厂商一定会有这样的部署，国外大型云厂商在这些方面都有很好的范例和实践，刚才我们的分享嘉宾也说到了，像Google用联邦学习的办法做人工智能的隐私计算、隐私保护，鼓励大家能够来分享数据，构建一个人工智能的计算模型，我有一个很好的办法你不用担心数据泄露，但是最终大家用这些数据计算一个模型，为大家服务。除了Google之外，微软也是一样的，微软的MPC和TEE在两个方面的应用也是来帮助云计算用户放心的使用它的云。IBM用了同态加密和TEE的技术，让用户安心，上云的时候不用担心，数据的泄露、存储和使用过程当中不用担心，减少大家使用公有云的顾虑。我相信我们国内的云计算厂商这些方面的考虑和部署一定会有的。
我们看美国的在隐私计算特定领域的创新活动，应该讲他们也是刚刚起步，营业额也非常少，这个可以从他们的历史融资金额当中得到佐证，如果营业额大，历史融资金额一定会更高。其实大家落地的应用场景都还是比较少的，比如说Duality这个公司，它是用联邦学习的方式，大家在贡献DNA和生物数据的过程当中，用联邦学习的方式保护数据安全，同时来建模，尤其在新冠疫情期间，他们的数据来源，包括哈佛医学院，这些人能够符合美国数据安全的需求，同时贡献数据，为基因工程的研究、病毒这方面的研究，提供可能性。Oasis Labs通过基因数据的保护平台，给予用户共享一个选择权，用区块链技术进行溯源，最重要的是确保数据的使用和用户对数据使用的同意范围一致，这是一个非常重要的事情，这样构建出来的性能才是可靠的。Cape Privacy利用开源项目把密码学和Google机器学习的Tensor Flow做了结合，将隐私计算赋能给大数据分析，所有公司从不同角度的实践和探索，也都是刚刚起步。
我们可以看到，这些案例在中国国内也有一些公司做类似的探索，大家应用场景也不多，但是回过头来看其实中美之间在这个事情上差距并不大，大家都在做实实在在的应用探索，POC的项目也不少，我相信随着立法和用户隐私推进，在我们资本圈逐渐关注的情况下，各个创业公司的探索慢慢就会有一些成效。但是事实上并没有看到一个杀手级的应用，这也是需要我们耐心等待的。
毕竟数据的量是非常大的，而且隐私加密的场景有不同的法规的要点，所以对于不同的法规的要点需要有不同的工具来对应法规的需求，所以不同的创业公司、不同的创新活动，从不同的角度，而不是通过一个中央来指挥、来切分，大家从不同的角度切入，应该会通过市场竞合的办法和社会的推动，找到一些合适的应用，诞生一些真正有商业价值的公司。反过来讲，这些创业公司因为前面的探索的过程是非常长的，就像张总讲的很多基础问题需要解决，所以早期的公司因为这些基础问题还没有解决好，他们其实要做的工作是比较多的，要有足够的耐心、要有足够的和各方协商和商量的过程，所以融资的过程当中其实需要找一些更懂这些行业、更有耐心的机构去携手，这样才能够把你的想法很好的继续下去。
有的时候我觉得各行各业都是一样，尤其像这样非常早期，但是又是非常大的范畴，需要找到一些具体而小的切实的场景切入积累这样的营收。在单个客户做的更深远比做很多POC重要。
任何一方在这个大的生态中要意识到隐私计算是提高了隐私保护的势能，而不是绝对的能够百分之百的做到安全本身，所以不应该把这个事情割裂开来，应该在使用和保护的过程当中鼓励创新、鼓励在尽可能的提高隐私计算能力的过程当中，你要有善心，本着这个善心去使用这些数据，而不是回避、而不是强调监管本身，因为只有不断的使用才能够不断的带动用隐私计算的深度，最后让这个数据资产发挥它的价值。
这个行业我们投资观察的时间很短，就这一两年时间，所以对这个行业的认知我们也是在逐渐加深过程当中，整个资本圈对这方面的投资也还是非常少的，即使是美国那几个创业公司融资量也非常少，我的认知也是非常浅的。
谢谢大家！
