隐私计算项目评估的“偏见”

如何评估一个项目是不是值得投资，这件事情可能VC最有专业性，本文站在一线工作者的角度，阐述目前隐私计算项目的深浅。（有些东西，一定是老百姓口中说出来的可能更贴近现实）

做硬件的拼技术

荷兰ASML公司是全球最大的光刻机制造商，也是全球唯一可以提供EUV光刻机的厂商，在全球高端光刻机市场处于垄断地位。简单讲，硬件厂商如果要做成功，核心是技术和工艺，我们国家出现不了Intel、ARM、英伟达这样的企业，原因之一就是技术与工艺的落后。

做软件，我觉得不太一样，软件的可复制性比较强。为了说明问题需要，我这里把软件重新作一个定义：包括数据、基础、业务系统、算法、人工智能等在硬件环境里面存储和运行的，我都把它暂且归类为”软件“。

做软件的拼业务

在这蓬勃发展的十年中，Cloudera和Paltantir始终是绕不开的两家公司，它们一直代表着大数据公司的两个方向：一个向左，聚焦大数据基础软件平台，一直没有过多行业属性，希望更多用户群体能够采用大数据基础软件；一个向右，自开始就聚焦在一两个行业之中，为行业用户打造从大数据基础软件到行业应用的全栈式解决方案，多年以来行业属性明显。（摘自：BigDataCoffee）。

这两家公司，做大数据的同学应该都有所了解，码农可能对Cloudera更加熟悉一些，hadoop的基础服务企业之一；Paltantir则是一家将大数据技术深入应用于政府、金融、医疗、航空等领域的全栈式解决方案企业。时至如今，Cloudera的市值维持在37亿美元左右，正在考虑出售；Palantir计划于几周之内上市，目前估值达到了410亿美元。

评估早期的隐私计算项目

隐私计算一定属于软件项目（除非有国内的企业从0开始设计一个国人的TEE硬件可信环境）。早期的隐私计算项目，五花八门、品种繁多，参与者从大厂到名不见经传的小企业，如何去评估这些项目，我觉得有几点可以参考。

1、看POC阶段

POC一定是toB业务的重要指标，代表着可能性的市场份额。我来举个例子：如果隐私计算的最核心的客户是数据源和金融机构，那么国内数据源（大的一手数据源不超过100家，头部的比如三大运营商、银联体系、SDK设备厂商、征信数据、电商数据、社交媒体等）、金融机构（银行、保险、消费金融，这个方向的客户不超过200家）。

VC在选择投资对象时，可以重点关注BP里面介绍当前阶段的POC数量，当然最好可以做一些客户背调，从POC阶段的客户得到对项目的反馈。比如半年内数据源POC有20家，金融机构客户有50家，至少在业内的认知是不错的。

2、看业务穿透

如果一家做隐私计算的公司一年下来只做了POC，没有实际的业务落地，基本上这家公司在后续的产能上是很疲软的。为什么如此说？做隐私计算的公司如果要看到增长，一定不是看它卖了多少套软件的软件设施费用，而是看这个解决方案解决的业务规模。这就是“安全即服务”的业务模式。结合业务与隐私计算解决方案，赋能数据源和甲方，具有这样的能力的项目团队，是值得加分的。

业务必须穿透技术本身，隐私计算虽然很难，但是只要是软件，就会被聪明的程序员复制，时间问题。但是带着业务能力，就像在混凝土里植入钢筋，变的坚不可摧。我想举个例子，第四范式是一家发展很快的人工智能企业，从和他们创业初期聊的经历到今天的规模可以看到，第四范式的成功不是说他们的AI技术有多么超乎寻常的牛逼（当然已经算牛逼），更重要的是他们把AI和银行业务已经吃透了，他们的收入来自与将AI赋能银行，并给客户带来价值。因此，我想说，做AI的很多，给银行做赋能的不少，但是，第四范式很独特。

因此，如果你看的隐私计算项目中，如果有一个running中的数据源和银行的风控建模评分项目，看看调用量，可能会成为下一个第四范式。

尝试多和业务团队做背调，可以问的不能再细，如果这个团队是能carry业务的，那它一定能回答具体到哪个客户在3方数据建模的KS提高到多少、调用量多少、过程中出现过的问题。

3、看团队深度

早期项目，核心团队非常重要。一般都会有一两个大牛站台。但是如果只是看站台的人，那我觉得可能就眼瞎了。真正能做出一个商业化的隐私计算产品，我觉得除了看合伙人基本的核心团队，更需要看这个团队的其他四个关键要素：

• 算法团队，团队需要有比较强的密码学专家、机器学习分布式算法专家，如果有GPU、芯片等更底层的算法应用专家，则团队能力加分；

• 工程团队，团队需要有精通高并发、大数据的服务端架构师，需要有比较完整的企业级平台软件开发经验的工程技术团队；工程团队必须有交叉学科能力的架构师和程序员（隐私计算里面的重中之重是）

• 方案团队，我把商务也算在这里，因为要在这个阶段把隐私计算软件卖出去，卖给银行、卖给运营商，不是简单的吃饭喝酒，需要有专业的解决方案能力，帮助客户如何将隐私计算结合实际业务需求，产生 1+1 大于2 的效果，这是将产品推向市场最重要的环节。

• 交付团队，隐私计算软件不像一个office光盘或者oracle的数据库，如果客户采购了这套软件，我们交付过去的不仅仅是软件本身，更重要的是隐私计算的解决方案，从方案确定到方案落地的整个环节，都需要有专业的实施人员来服务好客户。

算法、工程、方案、交付，这四个是我从实际经验中看到最关键的几个组成部分，换句话来说，如果一个早期的隐私计算项目，把钱都投入在一两个大牛身上，它还有钱投入到真正落地做强的其他几个花钱的地方吗？

4、看生态布局

如果把隐私计算技术比喻成寄主，那它要生存必须依赖宿主，这就是说做隐私计算的公司如果要做大做强，需要在布局上形成生态。某种意义上，耕耘于哪些行业应用，占领多少数据资源，为决定这个生态是不是可持续的。

如果某天隐私计算的概念再放大3倍，成为二级市场比如同花顺的一个概念，那我再来写A股市场哪几家上市公司与这个概念真的有关系。

5、看背书专利

背书、专利不能100%证明一个项目技术有多牛逼，但是能成为佐证。目前比较有共识的是信通院的多方安全计算证书、多方安全计算标准、联邦学习标准等。如果能进入这些标准，再有十几项专利，至少可以说明在学术理论上，能排的上第一阵营。

“安全即业务”是隐私计算的趋势

“我们卖的不仅仅是隐私计算软件，我们卖的是隐私计算解决方案，这是有区别的！“安全即业务”，最大限度用隐私计算技术来修正数据业务的安全偏差，提高业务效能，这是行业刚需。隐私计算的创业公司，是选择走Cloudera路线，还是走Paltantir路线，我相信本身并没有对错，就从回报率来看，后者也许更加可复制。

很幸运，隐私计算是国内发展快于国外，期待早日出现”隐私计算的Paltantir！”