可信数据空间与大模型双轮驱动，中国隐私计算市场迈入“价值创造”新周期

IDC 指出，市场增量主要来自各级政府主导的数据要素流通基础设施建设项目。随着“数据要素×”行动全面落地，地方数据集团、数据交易所围绕公共数据开发、数据资产入表等场景，密集部署隐私计算节点，形成了节点密度高、功能多元、单体规模大的项目特征。

报告建议技术厂商把资源重点配置在政府类及可信数据空间场景，打造可复制、可推广的标准化产品，以形成持续收入。

生成式 AI 的爆发使“公有算力调用”与“数据隐私保护”之间的矛盾凸显。IDC 认为，隐私计算正在成为大模型规模化落地的“安全底座”。

目前，头部厂商已推出面向大模型训练、推理全生命周期的隐私保护方案，并在金融、零售、政务等行业落地试点。

市场份额方面，蚂蚁数科旗下摩斯（Morse）平台以 36.7% 的占有率连续三年排名第一。

• 产品层面：摩斯融合多方安全计算、联邦学习、可信执行环境等技术，实现“数据不出域”的多方协同计算；FAIR 平台叠加区块链能力，为数据治理、供需撮合、共享计算、审计追溯提供全链路服务。
• 行业落地：已在金融、零售、互联网、政务等 10 余个行业服务数百家客户。某头部商业银行通过摩斯隐私计算半年内新增活跃用户 30%，交易规模提升 60%，营销成本下降 20%。

IDC 中国高级分析师洪婉婷表示，隐私计算正从“合规驱动”转向“价值驱动”，技术服务商开始由“卖软件”向“结果付费”和数据分润模式转型，以破解商业化瓶颈。

未来，技术路线的分化、场景适配深度及与大模型的一体化交付能力，将成为厂商竞争的关键。