ChatGPT漏洞后，元宇宙AI下一个投资风口浮出水面

　　风靡全球的人工智能技术应用ChatGPT，近日却被曝出存在用户隐私漏洞，部分功能还一度被限制使用。

　　当地时间3月22日，ChatGPT的开发公司OpenAI创始人山姆·阿尔特曼在推特发文称，该AI的一个故障让一些用户能够看到其他用户对话历史记录的标题，“我们对此感到很难过。”

　　阿尔特曼称，目前该故障已经被修复，但用户将无法访问他们在21日凌晨1时至上午10时的对话记录。

　　虽然这次漏洞的事件并没有引起太大的负面实际影响，相关负责人也及时作出了回应和补救措施，但这件事也敲响了行业警钟。如何在利用AI便利的同时，还能够保护用户的信息安全和私密性，成为未来绕不过去的话题，自然也受到很多资本机构的关注，进而衍生出一个新的投资赛道——隐私计算。

　　那么隐私计算究竟是什么？背后的技术原理又是怎么样的？行业又会朝向哪个发展？接下来小编一一为大家解读。

　　一、隐私计算概念

　　隐私计算是“隐私保护计算”（Privacy-preserving computation）的简称，根据“大数据联合国全球工作组”的定义，这是一类技术方案，是“在处理和分析计算数据的过程中能保持数据不透明、不泄露、无法被计算方以及其他非授权方获取”的一系列技术方案的统称。

　　简单来说，隐私计算是指在保护数据本身不对外泄露的前提下实现数据分析计算的技术集合，达到对数据“可用、不可见”的目的；在充分保护数据和隐私安全的前提下，实现数据价值的转化和释放。

　　二、隐私计算技术

　　隐私计算是伴随计算机水平发展过程中衍生出来的技术，它是一种复杂且融合多学科的过程，中间涉及到密码学、机器学习、硬件、BI分析等。

　　目前，隐私计算技术通常分为以下四种：安全多方计算、联邦学习、可信执行环境、多方中介计算。

　　安全多方计算（MPC）

　　安全多方计算是指的不同的参与方在协同完成一项任务过程中，没有可信第三方的中介参与，仍能完成该任务，产生有价值的内容。

　　安全多方计算在操作的过程中，需要确保三性：数据的独立性、传递数据的准确性和计算过程的正确性。同时在这个过程中，不能把输入值告诉给参与计算的其他成员。

　　联邦学习（FL）

　　联邦学习最早是由谷歌提出，是一种分布式的机器学习技术或者框架，这与现在的区块链技术有一定的相通之处，都是分布式的对数据处理，目前也已经有机构将区块链与联邦学习技术组合开发。

　　可信执行环境（TEE）

　　可信执行环境创造了一个独立的运作环境，在这个环境中能够进行运算和存储，因为环境的独立性，所以在这里面的程序和数据，能够得到比操作系统层面更高级别的安全保护。

　　具体到原理层面，通过软件和硬件结合的方法，在中央处理器中，构建出一个安全区域，计算过程执行代码TA仅在安全区域分界中执行，外部攻击者无法通过常规手段获取和影响安全区的执行代码和逻辑，以此来实现敏感数据的隐私计算。

　　多方中介计算（MPIC）

　　多方中介计算则相对于安全多方计算。建立一个安全可信赖的中介环境。不论是输入方还是输出方都在这个环境中进行。首先由输入方将数据去标注化后匿名输入中介环境，然后把自己的输入痕迹删除，平台审核后，按照指定路径输出。

　　在MPIC特定环境和规则下，信息数据的身份标志经过加密和标识化的处理，因其算法具有不可逆性，所以无法恢复原始数据，同时数据传输都是在一个特定的监管环境下进行，这样就满足了匿名化的要求。

　　三、行业发展趋势

　　作为支撑未来数据价值基础设施的底层技术，隐私计算无疑是一个长周期、宽应用的黄金赛道。据腾讯银行和毕马威联合发布的《隐私计算行业研究报告》，我国隐私计算系统的销售和服务收入规模在三年之内有望触达100-200亿元的市场空间。

　　未来的朝阳行业也吸引了越来越多的企业涌入这个赛道，2020年被称为隐私计算的元年。据统计，2020年我国隐私计算行业初创企业数量为71家，同比增长33.96%。

　　从专利申请情况来看，近两年我国隐私计算专利申请数量增长迅速。据统计，2020年我国隐私计算专利申请数量达到1535项，同比增长27.70%。

　　行业的快速发展和企业的涌入，也吸引了众多资本机构的关注，并呈现出以下特点：大多数企业集中于融资早期阶段。根据2021年的融资数据显示，中国隐私计算厂商最新一轮融资轮次中天使/Pre-A/A/A+轮占36%；Pre-IPO/IPO占16%；Pre-B/B/B+轮占8%；战略投资/股权融资占28%；未融资占10%；Pre-C/C/C+轮/Pre-D/D/D+轮占2%。

　　经过近两年的发展，从初期评价标准较为模糊的四小龙，到获得资本认可的准独角兽的出现，隐私计算行业已经逐渐出现梯队分化。头部企业在资本加持下正加速修宽护城河，同时在技术路线、整体战略方面，也对于整个行业也起到了一定的引领作用。

　　结合目前的发展现状、行业需求以及技术发展的特点，隐私计算行业将呈现出以下趋势：

　　技术发展趋势：区块链技术、联邦学习深度应用，开源框架开创新的商业模式。隐私计算行业在中国发展正处于发展早期，底层技术在很大程度影响产品的性能和功能。结合目前的行业发展趋势，去中心技术将被越来越多的企业所采用，同时开源框架能够允许企业根据自己的实际情况设置自己的技术路线，进而带来新的商业模式创新。

　　产品发展趋势：构建安全数据底座，健全数据要素关键基础设施建设。隐私计算核心是为了解决数据的流通和使用问题。如果实现数据真正的安全和传递，构建夯实的基础设施底座就显得越发重要。当行业风口的泡沫逐渐退出后，具备核心技术能力、核心产品解决方案的公司将最终走的更远。

　　投融资趋势：从金融、政务、医疗等领域逐步拓展到其他领域。目前在已经融资的企业中，金融、医疗、政务三大领域占据绝对的市场份额。而且企业融资呈现早期占比和后期占比的“两头大、中间小”的特点，这与企业追求确定性收益以及高风险对于高收益的投资特点有关。当行业逐步成熟后，一方面领域会逐步渗透，另一方面资本机构将从纯财务投资过渡到陪伴企业一同成长的阶段。