文｜數據猿

2024年，數據要素產業元年開啓。

這是建章立制的一年：從年初《“數據要素×”三年行動計劃（2024—2026年）》開始，這一年政策密集出臺，涵蓋公共數據資源開發利用、可信數據空間發展、企業數據資源開發利用、數據產業高質量發展。

這是市場規模快速增長的一年：2024年，全國數據市場交易規模預計超1600億元，同比增長30％以上。行業應用進一步深度融合，尤其是在金融、醫療、交通等領域。

這是新技術加速融合應用的一年：人工智能、密態計算、區塊鏈等技術在數據要素流通中的應用不斷深化，爲數據的採集、存儲、處理、分析和共享等環節提供了更強大的支持。

與此同時，產業實踐中的挑戰依然突出。比如，一家金融科技公司試圖通過整合多方銀行數據與公共數據，爲中小企業提供精準的融資決策。但問題是，這些數據必須加密才能保護隱私。然而，加密計算的高昂成本讓數據的快速流通幾乎不可能。每一筆數據的加解密都需要消耗大量計算資源，尤其是在面對成千上萬筆交易時，高昂的計算成本成了瓶頸，限制了數據價值的共享和應用。

這一問題不僅出現在金融領域，在醫療、製造、物流、零售、能源等多個行業領域，都普遍存在。這個問題的本質，是“安全-性能-成本”似乎組成了一個“不可能三角”，制約着數據大規模流通與應用。

在最近的CES上，英偉達CEO黃仁勳說，“回顧過去的二十年，我們已經成功地將計算的邊際成本降到了原來的百萬分之一，這一變革使得機器學習成爲可能。”同樣，只有當加密計算性能提升、成本大幅度降低，大規模數據流通時代纔有可能到來，創造新的產業價值。

在過去的2024年，我們離這個拐點又近了一步。

數據只有流動起來，才能釋放出價值

數據，正從一種“被動資源”轉變爲“主動資產”。它不再僅僅是企業運營的副產品，而是推動經濟增長、技術創新和社會發展的核心力量。可問題是，如何釋放數據的價值？答案是：通過規模化流通與應用。然而，要讓數據真正成爲生產力，它面臨的第一個阻礙就是——安全。

這一切的核心問題是：在這個信息爆炸的時代，如何在保障數據安全的前提下，實現數據的規模化流動和高效應用？

數據流通的需求已迫在眉睫，國內的數據交易市場正在蓬勃發展，數據的跨行業、跨組織流動已經成爲常態。但現實卻是：每一次數據的跨界流通，都面臨着前所未有的安全挑戰。如果提供安全保障，伴隨而來的則是“天價”的計算成本。那加密方案的計算代價則像一個隱形的枷鎖，綁住了數據流通的速度與廣度。數據越多，計算成本越高，流通效率越低——這一矛盾，如同數據經濟的“死結”，難以解開。

比如，公共數據平臺建設的需求日益增大，政府和企業都在大力推動數據的開放共享。現有的加密方案雖然能保障數據安全，但其低效和高成本的特點，使得大規模的數據共享成爲一種奢望。每一次數據價值的“解鎖”，都需要付出不成比例的計算代價。這就像在試圖建造一座橋樑，但所需的鋼鐵遠超承受能力，還是無法跨越鴻溝。

與此同時，大模型的商用化需求也在加速崛起。爲了訓練出能夠解鎖行業智慧的大模型，企業需要建立海量、豐富的數據集。然而，這些數據集中的很多數據，都包含了敏感信息，如何保證安全，同時滿足大數據的流通和應用，成爲了巨大的挑戰。

目前，數據安全的高成本，正成爲整個數據應用和數據流通的“隱形桎梏”。當計算成本過高時，即便是金融、醫療等高價值行業，也只能選擇性地保護部分數據，而無法實現全面的規模化應用。

這一困境不僅僅是技術問題，更是行業發展的“死結”。要推動數據要素化的發展，解鎖數據的價值，必須解決的就是這個“死結”。打破“安全-性能-成本”三角，才能開啓數據的大流通和應用時代。

這一矛盾的解決，是技術、產業與社會需求的匯聚點，而這個“匯聚點”的突破，最終將決定數據要素產業的未來。

破除“不可能三角”，是一場艱難的接力賽

事實上，產業界一直在致力於解決上面提到的“安全-性能-成本”不可能三角問題。在這個漫長的探索歷程中，爲了滿足市場需求，技術在不斷創新，“安全-性能-成本”的平衡不斷也在持續向前推進。

以史爲鑑，可知興替。爲了看清楚前路的方向，我們有必要回顧一下這一路走來的艱辛。

① 早期的加密技術探索

數據安全的探索始於20世紀70年代，當大規模數據流動的需求首次出現時，隱私保護成爲亟待解決的核心問題。1976年，Diffie和Hellman提出的公開密鑰加密（Public-Key Cryptography）開創了密碼學的新紀元（他們也因爲這一貢獻於2015年被授予圖靈獎），隨後，1977年RSA算法的問世使非對稱加密得以廣泛應用。

Diffie（左）和Hellman（右）

然而，儘管加密技術在理論上解決了隱私保護問題，實際應用中卻暴露了嚴峻的技術瓶頸。對稱加密運算速度快，但密鑰管理問題日益嚴重；非對稱加密則計算量龐大，成爲大規模數據交換的絆腳石。隨着數據流通需求激增，現有加密技術的性能瓶頸嚴重限制了跨域數據的共享。

進入90年代，互聯網的迅猛發展和全球化需求帶來了前所未有的數據保護挑戰。傳統加密技術雖有效，但已無法滿足複雜的跨域數據流通需求。企業和政府逐漸認識到，單純依賴現有加密手段，已無法支持大規模、多方協作的數據交換，亟需突破性技術來打破這一困局。

② 隱私計算的成功與限制

隨着21世紀初大數據和雲計算的崛起，數據流通的需求進入了一個新的階段，尤其是在金融、醫療等高價值領域，如何在保護隱私的同時高效地共享和流通數據，成爲技術攻關的核心。

2008年，同態加密（FHE）的提出，標誌着隱私計算的重大突破。這一技術使得加密數據能夠在不解密的情況下直接進行計算，理論上爲數據隱私保護提供了革命性方案。

然而，同態加密的實際應用受限於其高昂的計算成本和低效的處理速度。儘管2010年至2015年間，IBM、微軟等科技巨頭在這一領域投入大量資源，致力於提升效率，但效果始終有限，技術仍只能在少數高價值數據領域如金融、醫療中應用，無法滿足大規模數據交換和跨組織合作的需求。

與此同時，多方計算（MPC）和差分隱私技術逐漸嶄露頭角。MPC通過將數據分佈式處理，實現在不同節點間合作計算，避免隱私泄露，成爲跨組織合作的理想工具。2015年，Google等公司開始將MPC應用於廣告優化和大數據分析，儘管計算開銷較大，但其在隱私保護和跨境數據流動方面展現出巨大潛力。

差分隱私則通過向數據中添加“噪聲”，保護數據匿名性，減少對數據源的依賴。雖然其在理論上爲大數據隱私保護提供了一種有效手段，但實踐中，差分隱私的效率較低，尤其在大規模數據集上，難以支撐實時計算。

③ “下一代隱私計算”正在出現

近年來，進入2015年後，隱私計算技術經歷了質的飛躍，逐步發展爲密態計算這一全新的體系。是什麼帶來了突破？主要來自三個方面：算法優化、硬件加速，以及其與雲計算、大數據、AI（尤其是大模型）的融合。

首先來看算法層面，進入2010年代，隨着BFV、CKKS等新型算法的出現，計算效率得到了大幅提升。這些算法不僅優化了加密計算的速度，還減少了計算資源的消耗，使得同態加密能夠處理更大規模的數據集，逐步擺脫了性能瓶頸，擴大了其在金融、醫療、保險等高價值領域的應用。

與此同時，硬件加速技術的崛起，特別是GPU和可信執行環境（TEE）的廣泛應用，爲密態計算提供了強有力的支持。與CPU相比，GPU具備成百上千個並行處理核心，能夠同時處理大量計算任務，這一特性使得GPU特別適合處理密態計算中那些需要大量重複性、並行化的操作。例如，NVIDIA Tesla系列和A100 GPU等專用計算卡，專爲高性能計算任務設計，在同態加密和多方計算等高密集型應用場景中表現出色。

此外，Intel的SGX（軟件保護擴展）和AMD的SEV（安全加密虛擬化）等可信執行環境的問世，爲數據提供了更高層次的物理隔離，確保在計算過程中敏感數據不會泄露。

更進一步，機密計算與雲計算、大數據、AI等技術的深度融合進一步推動了其產業化進程。尤其是疊加雲計算的彈性計算能力，機密計算方案的性能得到進一步提升。

隨着這些突破的實現，機密計算技術的商業化加速，國內外多家企業都在積極佈局。例如，IBM推出的IBM Confidential Computing平臺，通過提供集成的硬件加速和加密計算框架，推動了機密計算技術在雲計算和大數據處理中的應用。Google和Microsoft也在機密計算領域投入了大量研發資源，致力於通過融合可信執行環境、同態加密等技術，爲大數據分析和AI訓練提供更強的隱私保護解決方案。此外，Zama結合同態加密與AI，提供隱私保護的同時推動機器學習應用的普及。Duality Technologies推出結合同態加密和多方計算的隱私計算平臺，推動數據共享與跨組織隱私保護。

在國內，阿里雲、騰訊雲、華爲雲等，也在佈局機密計算。例如，阿里雲通過與英特爾合作，推出基於SGX技術的加密計算，保障雲上數據安全，並在AMD平臺上推出機密虛擬機實例，同時與龍蜥社區合作，推出機密容器參考架構，提升數據處理性能。騰訊雲的T-Sec機密計算平臺，基於TEE技術，提供端到端的數據保護。華爲雲則推出擎天Enclave，通過硬件信任根和內存隔離技術，爲用戶提供高度安全的計算環境，並與secGear合作，支持多種架構的機密計算應用開發。

與此同時，數據要素流通產業興起，一批新的公司開始嶄露頭角。自2016年起，螞蟻集團便開始重點佈局隱私計算技術及規模化應用實踐，其技術已廣泛落地於農村金融、公共服務、新能源產業等領域。2024年，螞蟻集團成立浙江螞蟻密算科技有限公司，致力於提供密算相關的產品和服務，推動數據跨雲跨端低成本可信流通。

2024年，螞蟻公佈密態計算技術體系，陸續推出“隱語云”系列密算產品，機密計算也是密態計算體系的關鍵支撐技術之一。在公共數據領域，螞蟻密算助力杭州市建成全國首個密態計算中心，爲數據產業生態提供全生命週期的密態安全保障；在金融領域，其參與的“農戶秒貸”項目入選國家數據局首批“數據要素x”典型金融案例。

在這些實踐中，螞蟻密算的目標是“讓密態計算成本低於數據流通價值的5%”，這才具備大規模推廣的可能。在金融領域，這個目標已經達成。

可以說，正是一系列的技術和市場創新，正在逐漸突破“安全-性能-成本”不可能三角難題。

以數據安全平價，開啓大流通時代

技術進步猶如“渦輪發動機”，不斷推動數據安全、計算性能與成本之間的良性循環。每一次突破，都爲數據流通與應用打開新的“通道”，逐步突破了“安全-性能-成本”三角的瓶頸，形成了一種自我加速的“演進飛輪”。

數據流通和應用的規模擴大，規模效應逐漸發揮作用：技術進步促使數據應用範圍擴大，應用規模的擴大反過來又推動技術的進一步突破，進而實現一個良性循環。當數據安全的成本降低到一定程度的時候，我們就將迎來“數據安全平價”時刻。

正如“光伏平價”顛覆了全球能源格局，“電動汽車平價”重塑了交通產業鏈，數據安全的“平價”也將成爲數字經濟的下一個爆發點。

光伏平價的核心在於技術與規模的雙重驅動：組件製造成本因技術進步和生產規模化迅速下降，而政策補貼則在初期加速了市場滲透。一旦光伏發電成本低於化石能源，清潔能源的普及便以不可逆轉之勢重塑了全球能源版圖。

跨過“光伏平價”之後，光伏市場迎來指數級增長 資料來源：彭博 Wind 中泰證券研究所

電動汽車平價，則依賴於電池技術的突破和規模效應的顯現。電池成本從千美元級降至百美元級，拉平了電動車與燃油車的價格鴻溝；智能駕駛和環保需求進一步激發了市場爆發，電動車滲透率進入指數級增長，改變了全球汽車產業的競爭格局。

中國新能源車銷量與滲透率（2022年1月-2024年9月）資料來源：乘聯會，華興證券

同樣的，數據安全的平價路徑清晰可見：技術突破和成本下降是核心驅動力。同態加密、密態計算、可信執行環境等技術正在加速優化，硬件加速和算法升級逐步降低高昂的計算成本。當數據安全技術普及到“所有人都用得起”的階段，數據流通的規模將迎來真正的爆發。

數據安全平價的意義深遠，它將解鎖長期受制於隱私保護高成本的行業數據共享和大規模流通，推動跨行業合作、智能化決策、大模型訓練等場景全面落地。屆時，數據安全將從“高端奢侈品”變爲“經濟標配”，數據要素的真正潛力將被全面釋放。

平價的本質，是打破成本壁壘，讓技術成爲市場的驅動者。光伏讓能源自由，電動車讓智能電動汽車普及，而數據安全平價將重構數字經濟的底層邏輯，讓數據流動無處不在。

需要指出的是，每一次技術變革的背後，都是一個行業的崛起。過去幾十年，我們見證了在數據大規模存儲時代，甲骨文等數據庫巨頭通過掌控存儲技術奠定了數字化的基礎；接着是數據大規模計算時代的爆發，AWS、阿里雲等雲計算領軍者通過強大的計算能力重塑了全球信息產業格局。

而今天，我們正邁向數據大規模流通時代。這一轉折點的到來，將催生出全新的行業和企業。正如數據庫時代的存儲技術巨頭，雲計算時代的計算服務巨頭，未來的數據流通時代，將誕生一批新型科技服務企業，它們不僅解決數據安全、性能與成本的悖論，更將在數據的自由流通中，定義數字經濟的新底座。

歷史一次又一次證明，滿足時代需求的企業，往往也掌握了未來的方向。未來，誰能在“安全、性能、成本”的平衡中找到最優解，誰就能在這個全新的時代裏，掌握產業話語權，誰就找到了在數據大流通時代裏揚帆出海的“船票”。數據流通時代，呼喚新的產業英雄。