至于处理海量数据和查询服务的系统运算速度如何 ， 是否会影响“客户体验” ， 徐敏表示 ， 这其实不是太大的问题 ， 他以银联数据和新网银行牵头、蓝象智联参与的多家金融机构间数据共享平台为例 ， 目前每天大约有60多万笔跨机构隐私查询 ， 每笔大概只需要100~200毫秒 。
“这个速度相当于在百度上搜索词条 ， 按回车键就立刻出现搜索结果 ， 也就是‘实时’速度 。 ”一位隐私计算业内的技术人士解释道 ， 如果慢于这个速度 ， 是无法商业落地的 。
除此之外 ， 在与客户建立了较为紧密的合作关系后 ， 隐私计算服务供应商还可以根据客户的需求 ， 针对不同的应用场景 ， 提供建模等方面的咨询服务 ， 这也是根据客户的需求组合报价 。 “这种打包提供综合性的服务 ， 也是我们盈利的商业模式之一 。 ”同盾科技的相关人士说 。
目前 ， 隐私计算尚属起步阶段 ， 业内则将2021年视作“元年” 。
童玲认为 ， 新技术的崛起通常有三个阶段：第一个阶段是寻找样本客户 ， 也就是第一批吃螃蟹的人；第二个阶段是经过第一批客户的应用 ， 让大家看到一些真正有价值的场景 ， 这些场景未来可能会成为现象级场景；第三个阶段则是相关政策、监管等外部环境的支持 。 “经过这几个阶段 ， 这项技术就能够加快推广和应用 。 ”她说 。
正在为这项新技术崛起而跃跃欲试的企业主要有两类：一类是大型互联网平台企业体系中从事隐私计算业务的公司 ， 比如蚂蚁金服的蚂蚁摩斯链、腾讯云隐私计算等；另一类是初创类公司 ， 它们要么具有高校院所的背景 ， 要么主要的骨干人员来自大型互联网公司 。 业内人士告诉采访人员 ， 这其中较为典型的 ， 一个是华控清交 ， 另一个是蓝象智联 。
隐私计算作为数字经济底层基础设施被看好 ， 但目前落地的场景有限 ， 有观点认为其商业化应用的前景尚待验证 。 一位为金融机构提供咨询服务的人士告诉采访人员 ， 隐私计算概念很火 ， 在内外部数据交换融合时发挥较大作用 ， 但在中小银行领域一直一般 ， 这是为什么？就是因为没有应用层的场景 。
该人士称 ， 数据不足是行业面临的问题 ， 但在实际应用中 ， 相较于外部数据 ， 通过线下渠道获得的非标准化数据可能构建更有价值的用户画像 。 他举例说：“中小银行的一部分客户本身是无法数字化的 ， 比如一些小微企业是通过个人账户收款的 ， 社保、税务等系统的数据并不能准确反映这类企业的情况 ， 还是需要客户经理线下去做尽调 ， 了解情况 。 ”
不仅如此 ， 金融数据对外开放也是个复杂的问题 。 彭凯告诉采访人员 ， 很多信息一旦进入金融业务领域 ， 就会涉及征信问题 ， 如果变为征信信息 ， 就不能轻易拿出去合作了 ， 因为在现有的监管体系下 ， 需要具有个人征信业务牌照的机构才能开展此类业务 。
前述天使投资机构的投资人告诉采访人员 ， 隐私计算已经不是蓝海 。 他做了一个推算 ， 未来5年 ， 大数据市场交易额在500亿~600亿元 ， 通过与数据持有方分润 ， 隐私计算服务商可以获得百亿元左右的市场规模 ， 同时 ， 通过自身经营 ， 也可以获得百亿元左右的收入 。 因此 ， 他保守估计 ， 隐私计算未来一段时间的市场规模应在200亿~300亿 。
“从市场容量来看 ， 隐私计算很难是一个独立的赛道 。 ”前述同盾科技的相关人士说 。
“应用场景要继续扩大 ， 否则总能看到天花板 ， 这会影响到市场对隐私计算的持续投资 。 ”前述天使投资机构的投资人说 。