编者按：纵观众多隐私计算企业中，深耕医疗者寥寥，而启明创投投资企业锘崴科技便是这样一家以医疗先行的企业，锘崴科技在成立仅2年多的时间里，迅速成为了隐私计算赛道的闪耀新星，并且成为了“隐私计算+医疗”企业的突出代表。

日前，算力智库采访了锘崴科技联合创始人、董事长王爽，他分享了隐私计算行业的变化、决定隐私计算企业走得长远的关键因素、锘崴科技的下一步发展计划等话题。启明创投微信公众号经授权转载，以飨读者。

锘崴科技联合创始人、董事长王爽

以下为采访文字实录。

01/

B端的改变：从被动学习到主动拥抱隐私计算

算力智库：理性客观评价，您觉得去年一年隐私计算整个行业有什么变化？

王爽：变化主要是隐私计算之前可能更多是偏技术和概念方向，但是随着2021《数据安全法》和《个人信息保护法》的实施，以及一些关于隐私安全的报道，曝光出来的与核心信息基础设施相关的安全风险，把隐私计算技术推到了一个风口上，很多机构、政府其实都开始主动询问怎么通过一些技术手段更好地保护数据，更合规地创造数据价值，之前可能还要靠隐私计算厂商去教育客户。

现在很多客户都倾向于主动来找厂商了解相关技术，或者是怎么能够把数据从收集、储存到共享、使用的过程变得更合规，这是一个比较重要的感受，就是从被动学习到主动拥抱隐私计算。

算力智库：这两年可以看到有越来越多的隐私计算公司开始冒头，据不完全统计，去年一年就新成立了70多家，您认为，隐私计算当下是“虚火”吗？

王爽：从两方面看，一方面也看出来是市场有需求，有需求才会有这么多供应，这是一个市场利好；另一方面这些企业中，可能绝大多数不具有底层技术架构，大部分是通过借用一些开源框架进行修改，去适应某些相关的场景，这存在潜在问题，就是会受限于开源框架的灵活性、安全性以及性能，很多客户发现使用这种开源框架进行部署后，可能性能达不到预想的要求，另外如果要添加一些新的功能，是难以扩充的。

我们定位是一家专业的隐私计算技术提供商，可以用不同的技术来根据用户场景做相应适配，提供基于用户场景，且兼容性能、安全性、精度等多要求下的最有效的一个解决方案。

算力智库：目前来看，隐私计算的商业模式以销售和服务为主，有产品销售或系统搭建模式，有运维服务模式，也有分润模式，您觉得，当下占隐私计算企业营收结构中主要的是哪一种？隐私计算的商业营收能力如何？未来在C端会有发挥空间吗？

王爽：现阶段的话，还是以系统搭建占主要比重，因为生态网络还在搭建的过程当中，只有这些数据节点，有了隐私计算的能力以后，它才会形成一个网。

这就有点像移动互联网还未兴起之前，刚开始肯定是搭建基站，要有足够多的基站，大家才都能用上5G或者4G手机，之后在上面才会有诸如美团这样相关的应用衍生出来，所以说目前阶段，隐私计算绝大多数是在搭建节点的过程当中，去构建网络。

但是在搭建的过程当中，其实大家都在去尝试，通过分润模式去实现一定程度的收入，我们也是通过跟一些机构，比如说政府的数据交易中心，以BOT的模式去做一些分润，或者跟一些商业化公司，通过CPA或者CPS，按点击和效果去获取一定收入。

系统搭建分成两种模式，一种是一次性搭建，附带一定时期的运维。比如说一个项目是3年，前3~6个月是进行搭建，后面2年主要是专注运维。这种模式目前看需求还是比较多的，比如医院、政府的数据交易中心，以及一些保险公司、金融机构渐渐都开始有搭建隐私计算系统的需求。

还有一种模式就是SaaS模式，按订阅收费，即通过提供一些标准的隐私计算接口，把客户的现有业务接入进来。比如说它在云上面需要跟用户进行数据交互，但是用户又担心在公有云或者是某些私有云平台上进行数据交互时，会泄露隐私，加上隐私计算的保护以后，可以保护企业在对用户提供服务的过程中，都是在可控、加密的状态下去实施的。

而在C端的话，更多体现在与场景结合。比如说我们和保险公司合作，这样其实是2B2C的模式，通过隐私计算触达到一些数据源，然后去做线索规划，帮他们实现更精准的获客，整个业务流程是在隐私计算平台上完成的。然后这种像CPA或者CPS分润模式其实也相当于是间接2C，这个市场里C端客户每完成一次交易，其实我们都可以实现分润。

算力智库：接上个问题，有一种说法，说隐私计算行业的发展逻辑有点像人工智能行业，技术壁垒比较高，投入大且“烧钱”，您怎么看？是不是很多企业还是靠融资在过活？

王爽：之所以说烧钱，是因为这个市场起来了，大家需要快速的扩张，所以才需要引入资本的力量，它的主要目的是帮助更好地去获得市场或者加大研发投入。

一如我刚才介绍的，隐私计算不光是简简单单像AI一样提供一个模型或者技术，它最终需要赋能于数据交易，这里面可能就涉及到一个数据网络的搭建，在搭建的过程中，其实有点类似于2C。比如说你要去做获客，要使2C的APP里有更多活跃用户，这里面的关键其实是要去获得活跃的数据源，过程中资本可以助力快速实现数据的生态网络。

 

02/

搭建数据网络，是必选项

算力智库：从您来看，能决定一家隐私计算企业活下来并且走得长远的关键因素是什么？

王爽：这个有几方面因素，肯定不是单一因素能决定的。第一方面我认为是技术方面，要有核心的隐私计算底层技术能支撑不同场景的应用，这个是能够走得比较长远的关键因素。

其次就是产品，光有技术，它没有实现产品化，还是没有办法服务于客户，所以底层的产品很重要。产品也分成几种，一种是基于某个细分领域的产品，专门服务于特定场景，比如说金融的征信、风控、获客；还有一种类型的产品，就是通用型产品，是一个底层隐私计算平台，在上面可以去开放一些生态，服务于不同领域。这两种产品我们目前看来都有相关的市场和生命力。

再者肯定是要有自己的数据网络，因为隐私计算技术，最终解决的还是数据提供方和数据使用方之间数据价值的转换。如果能够更好地促成数据使用方和数据提供方之间的应用的话，需要的是一个生态系统，这需要通过隐私计算技术支持，构建一些数据生态网络，从而服务于更多的应用场景，这也是非常重要的一点，可以形成网络效应。这个网络上有更多更好的数据，那就会有更好的应用去加入到网络里，也就会有更多的客户愿意为数据买单，反过来会激励更多的数据源继续加入到网络里，形成一个通过数据交易分润的长远模式。

算力智库：发现一个隐约的趋势，去年还能看到各厂商间在暗暗较劲，但今年，各家合作的新闻和消息似乎更频繁，从一力竞争到寻求竞合，您怎么看待这一现象？

王爽：有几方面，一方面是技术层面上的互补，因为每一家的技术都是有侧重点的，通过合作，可以实现更全面的一个技术栈。

另一方面是数据层面上的互补，每一家覆盖的数据源范围的广度、深度都是不一样的，通过多家合作，可以实现更广的数据源覆盖，去跟客户合作。

然后第三方面，就是互联互通的需求，因为同一个大的数据源，可能早期的时候布了很多家隐私计算系统，在这种情况下，如果再有新的合作产生，新加入的合作方布的系统可能不是在已部署系统的提供商范围内，这样就有两种解决方式，一种是需要重新去部署，另一种就是通过技术层面上的互联互通。后者目前来看是大家比较优先选择的方式。基于此，很多家的合作就能更好地促进隐私计算平台的互联互通，从而能够更快速、低成本地去接入新的应用场景。

算力智库：今年数据交易也进入了深化阶段，北数所、上海数据交易所先后成立，深圳数据交易所也在积极筹备，作为一家隐私计算企业，您觉得锘崴科技可以在其中扮演怎样的角色？

王爽：我们是北京数据交易所的成员，上海数据交易所我们也是首批加入，在上海称之为数商。数商可以从多种角度解读，可以作为数据提供商，也可以做数据运营技术提供商，也可以做数据使用方，这几方对于隐私计算公司来说，可能是会有多重角色的，因为很难有一个数据源，会提供足够多且足够广维度的数据，这些都是需要不同的数据源进行补充。

比如说我们在上海市数据交易中心里，我们既是技术提供商，也是部分数据提供商，通过隐私计算网络，帮他们去触达更多的数据，同时我们也能带来新的用户，比如我们的保险公司用户、银行用户，可能需要用到上海市数据交易中心的数据，基于这个层面，我们也起到了作为数据使用方的部分角色。

 

03/

趟医疗这条路，难却正确

算力智库：我们知道，隐私计算在金融领域的呼声更高，需求更盛，但锘崴科技却选择了先趟医疗这条路，率先建立了跨省级多中心全基因组关联分析，锘崴科技选择医疗先行的契机是什么？

王爽：一方面是源于我们的专业性，两位创始人——我和郑灏博士在医疗领域都工作了10多年，对于整个医疗行业，技术、应用以及市场都比较了解，这是从团队角度出发。

第二方面是医疗的市场其实非常大，在美国占了2020年GDP的18%，在中国也是非常大的一块（超过2020年GDP的7%），我们认为这个市场足够大，可以去撑起一家或者几家隐私计算公司。

然后第三方面，是整个医疗信息化建设在突飞猛进，很多医院都在转型智慧医院、智慧养老，对于数据共享、数据开放的需求非常大，未来会有更多的需求迸发出来。

再一个就是医疗对于技术的要求相对比较高，如果能够提供医疗场景解决方案的话，后期也可以去服务于其他非医疗领域，所以我们选择先从医疗领域入手。

算力智库：一如前述，隐私计算正处于大航海时代，几乎家家都说自己在做隐私计算，入局者有互联网大厂、数据安全方向的、区块链方向转型的，大数据厂商，人工智能公司等，坦白讲，您会有担忧吗？您觉得锘崴科技将何以突围而出？

王爽：我们认为有竞争是好事情，因为有竞争说明有需求，大家都看好这个市场，只要做好我们自己的优势就好了，因为锘崴科技的其中几项壁垒，还是跟其他的竞争对手有一定的差异性。

首先，我们是自研的隐私计算平台，已经开发了10多年，有比较深的底层技术，和一些专注于某个领域的隐私计算公司可能有一些差异化竞争，不是基于某个单一领域去做单一应用，而是提供一个通用的隐私计算平台。

再一个，就是我们在医疗领域有多年经验，将隐私计算跟医疗结合是我们另一个技术的壁垒，因为在医疗领域涉及到比较特殊的数据类型，比如说基因数据、医学影像数据，结构化或非结构化的病患数据，若在这些领域没有Domain Knowledge（领域知识）的话，很难短期内提供相关产品，并且医疗领域需要的分析方法论、参与方的个数，可能跟其他领域都不一样，一个医疗领域的应用可能需要十几家或者几十家医院的参与，所以在技术上是有一定的差异和壁垒的。

还有，就是在数据源方面，我们不光像竞争对手可以接入比如运营商、银联的数据，还有体检中心，医院的相关数据来做补充。在保险营销里，关心客户的信息不仅是用户的收入和财富信息，还包括用户的健康信息。这些体检机构、中心医院的数据源在竞争上给了我们一定的优势。

算力智库：据我们所知，您提出安全联邦学习早于Google，您为什么会关注到隐私计算领域？

王爽：我最早在美国读PhD的时候，就对数据安全比较感兴趣，之前在专注智能电表数据安全时，发现了很多数据安全的问题，然后提出了很多解决方案，通过分布式的计算，类似于联邦学习的前期应用，在每一家的电表上去做本地的计算，然后将小区用户或者城市层面的本地统计信息进行汇总、求和，传到电厂，帮助电厂去做发电的预算，这其实就是联邦学习的基本概念。

基于这些前期应用，后面我加入到UCSD，正好他们有类似的需求，每一家医院里都有自己的数据，但又受限于法律或者一些利益原因不能共享，然而很多的医学研究又需要大数据来支持，靠单个医院的数据体量是不够的。

在这种情况下，我们就想到了要将这种分布式的、数据可用不可见的联合数据查询建模分析的概念加以应用，就在这样的契机下，提出了相关的安全联邦学习技术，去帮助医院之间解决数据互联互通的问题。

算力智库：锘崴科技的下一步发展计划是什么？

王爽：下一步发展计划主要是以市场为驱动，前期肯定还是在数据节点搭建的过程当中，我们会继续投入很多的资源和精力来搭建数据生态网络，去丰富数据源，在数据源上创造更多的相关场景。

有更多的场景就需要在技术层面上去适配，因此在技术研发上，我们也一直在持续加大投入，利用隐私计算去赋能不同领域的应用，或者是在某个领域里做得更深，去支持更深度、高效、精准的应用。与此同时，我们会始终去尝试通过分润模式实现隐私计算价值转化的终极目标，建立数据交换平台，通过我们自己或者与第三方合作，比如省级的数据交易中心或其他平台来一起去实现。

来源 | 算力智库