银行|隐私计算背后的“隐形巨人”，半年融资数亿元( 二 ) 算法|运营商|互联互通|创投圈

如今，富数科技已经合作超过50家企业，涉及金融、政务、运营商、电力等领域，初步完成重点商业场景的全覆盖，正迈入商业化落地的提速阶段。

02

走向应用

目前，富数的业务模式主要分为两种：

第一，标品工具的交付。

富数在国内首创联邦拖拽式建模，把算法做成不同的模块组件，用户可在工作台画布上简单地拖拽各种资源、功能组件和算子。可根据需求选择并组合工具，让业务部门免编程快速上手，实现“人人皆可建模” 。

第二，项目制合作。

大型金融机构和政府部门常有特殊需求，当标品工具无法满足，就会涉及到定制化服务。项目级合作时，隐私计算厂商的技术部门人员将入驻客户机构，针对某一具体需求解决问题。

无论是工具还是项目，运营成本都不小。如何快速拓展商业化布局？张伟奇的答案是，做通用级产品平台。公司会逐渐将重心放在标品工具和SaaS应用的研发。

SaaS应用，是指隐私计算技术结合特定场景、数据研发出的具体产品。比如金融领域常见的落地场景是联合风控、精准营销，具体产品是基于隐私计算的风控模型或者营销模型，以SaaS的形式服务客户。

在营收结构中提高标品化的比重，是富数的发力方向之一。

目前，富数主要和一些数据交互量大的企业和机构客户进行项目制合作，包括三大运营商及多家国有大行；一些小型银行的电子银行业务需要对用户进行画像，涉及大量的外部数据，也成为其项目制的落地场景。

“目前，市场上还没有出现一款能够大批量落地的应用级产品，但我觉得这个事情很快就会发生。 ”张伟奇说。

作为最早一批入局者，张伟奇把行业格局看得很清楚。

他表示， 2019年底，通过中国信通院的数据产品能力评测的隐私计算企业，一共有5家，富数科技是其中之一。如今，国内入局隐私计算的企业已有上百家。

不少后来者的算法，是结合国内外科技公司的开源项目之后，在外部算法的基础上加工，形成自己的技术框架。

头部厂商的隐私计算平台往往是独立研发、互不兼容的，使得数据的需求方和提供方无法完成原生的信息交互，产生“技术孤岛” 。

2021年，富数开始推动隐私计算领域的TCP/IP制定。

4月，富数科技与腾讯微众银行合作，破解不同技术平台交互阻碍，实现行业内第一次异构联邦学习平台的互通。 8月，由其牵头的隐私计算标准获信安标委立项研究，这也是继参与信通院、金标委等行业标准后，富数参与的首个国家级标准制定。

【银行|隐私计算背后的“隐形巨人”，半年融资数亿元】“隐私计算的未来，是百亿甚至千亿市场领域的星辰大海，这个行业仍在早期，如果不实现互联互通，不可能成为一个有生命力的行业。 ”张伟奇说。 “我们更希望以开放合作的心态，跟行业参与方一起共同发展。 ”