蓝象智联童玲：千亿级数据产业市场痛点仍存亟待完善隐私计算等基础设施|童玲_新浪财经

21世纪经济报道记者李览青上海报道

“隐私计算作为一种技术本身，很难直接形成商业闭环，只有应用于数据要素流通运营，解决实际问题，才能真正实现技术的价值。”

近日，在接受21世纪经济报道记者专访时，隐私计算服务商蓝象智联创始人兼董事长童玲表示，在数据要素流通的过程中，既要解决数据供给侧的“最初一公里”，又要解决数据释放价值的“最后一公里”。在她看来，隐私计算不仅是新兴技术，更是数据要素市场的基础设施，解决高价值数据的可信流通与场景应用问题。

数据要素市场两大难题：“供得出”“流得动”

“作为一个技术型及应用型数商，最害怕的是无数可用，能感受到‘数据二十条’发布后，数据要素市场明显进入了快车道。”

谈及当下数据要素市场建设的进展，童玲向记者指出了3个变化，第一是随着公共数据开放与授权运营市场上的数据供给在稳步增加；第二是数据产权“三权分置”和相关制度要求，为我们这些从业企业设立了合规框架，为整个行业健康长久发展提供制度基础；第三，数据开发利用的产业生态更加多样化，“数据要素×”三年行动计划为业内提供了场景引领。

但童玲也坦言，如今数据要素市场还存在供给侧“最初一公里”、落地侧的“最后一公里”两大问题。

“就像杨贵妃最爱的荔枝一样，在唐朝普通人难以一窥，但在现代冷链物流的加持下，荔枝已经可以登上每个家庭的餐桌。数据也是一样，真正有价值的数据都是敏感数据，过去只能在极少部分机构内部流通，而隐私计算技术可以让数据在原始数据不出域、数据可用不可见的情况下，解决数据‘供得出’的问题，让高价值数据从源头供给端安全地递送到场景端。”童玲把这一过程称为“数据冷链”。在食品运输时，冷链物流可以保障冷藏冷冻类食品，从生产、贮藏、运输、销售等各个环节中都处于低温环境下，从而保证食品安全、减少食品损耗。在数据领域的“冷链运输”亦是如此。

以蓝象智联的“数据冷链”解决方案为例，童玲指出，基于隐私计算、匿名化、可信计算等技术，敏感数据在数据汇聚、处理、流通、应用的全过程中始终处于不暴露隐私的密文状态，目前这套技术体系已在200家国内金融、政务及数据源机构得到验证，构建了400多个站点。

在解决了数据供给“最初一公里”问题后，如何激发数据价值成为数据要素是否“流得动”的关键。然而，对于数据产品的需方而言，不同数据产品在不同场景应用端的价值不同，需要在合规背景下实现数据产品创新与价值创造。

基于隐私计算的匿名化技术，需求方可以一次性对接多个数据源进行价值探查，童玲把这一过程称为“数据价值试衣间”：

第一步，数据供需双方布点，把样本数据灌入准备测试，可以理解成是准备好了衣服的样布。第二步，基于隐私计算技术的价值探查工具，需方可以在数据可用不可见的情况下探查供方的数据质量，评估双方数据匹配度与数据价值的贡献度，这一步骤可以理解成对布料的评估。第三步，基于云计算打造的联合建模平台可以进行数据加工，并在不‘出厂’的情况下进行产品测试，这可以理解成对衣服的进厂加工与样品测试。最后，再进入到交易程序，供需双方实现数据产品的交易。

“在先试后买的模式下，可以降低数据流通过程中供需双方的试错成本，从而帮助激活数据价值，解决数据要素‘流得动’的问题。”童玲表示。

隐私计算定位：是基础设施而不仅仅是工具

随着行业数字化转型、数据要素市场建设的不断推进，隐私计算被视为解决数据孤岛困境的最优技术路径之一。

然而，从2021年至今，隐私计算厂商就面临着大规模商业化落地难、互联互通标准尚不统一、客户端自身技术体系分散导致隐私计算应用不深等种种问题。同时，作为技术服务商，隐私计算机构同样面临着价格内卷的问题，据记者此前了解，在这一市场曾一度出现过“1元中标”等乱象。

对此，童玲告诉21记者：“铺路和创造价值要同步走。隐私计算作为一种技术本身，很难直接形成商业闭环，只有应用于数据要素流通运营，解决实际问题，才能真正实现技术的价值。”在她看来，对企业的商业化运营来说，价值导向是推动各方决策的根本力量。

童玲将数据要素市场基础设施建设的过程，与支付清算基础设施建设作类比。“在中国移动支付诞生早期，也有非接支付、条码支付、卡支付等等多种技术路径同时发展，但最后从用户端的选择来看，条码支付带来了中国移动支付市场的繁荣，支付宝、微信支付等头部企业最终也成为支付清算基础设施之一。”

童玲指出，从这个角度看，业内长期讨论的隐私计算的互联互通难不是核心问题，特别是在互联互通成本居高不下的情况下，更需要解决“隐私计算到底可以创造什么价值”这个问题。对此，她的答案是：促进数据要素高效安全流通。“作为生产要素，数据的价值不仅是自身的交易价值，还有数据ROI和数据产业产值，这也是激活数据价值的必要性。”

童玲向记者提到，目前数据流通量最大的两个行业是金融与广告营销。以金融为例，每年有200亿元左右的大数据采购规模，其中100亿元是征信数据，另外100亿元是包括三大运营商在内的市场化数据。“这200亿元数据采购给金融行业产业带来的价值是千亿以上。例如一家银行采买100万元的数据，机构有一个评估指标‘数据ROI’，即这100万元需要带来5-10倍的业务价值。目前金融机构基于大数据做贷款、营销带来的收益就必须达到这一指标，按此计算金融领域数据产业产值可以达到千亿以上。”

然而，童玲也坦言，这两个千亿级数据产业的存量市场最大的痛点是，基础设施并不稳健。“2018年前后三年左右，大数据野蛮发展，出现了数据滥用、隐私泄露等问题，亟需国家的数据基础设施指引来牵引升级。”童玲表示，数据要素市场的基础设施必须兼顾效率与安全，才能实现行业发展的健康、可持续。