数字经济蓬勃发展之下，数据安全问题浮出水面，隐私计算得到发展。目前市场上隐私计算应用最广的领域主要有金融、政务和医疗，蕴含更大经济价值的潜力领域有待大规模实际落地应用。


金融领域
2021年末， 金融领域的隐私计算应用开始大量落地，预计将在2022年出现爆发。整体来看，应用最成熟的是银行业，保险业也在积极探索和应用，隐私计算在资营行业的发展则相对较慢。
凭借数据和科技背景，隐私计算应用相对成熟基于金融机构的海量数据和金融科技的发展程度，金融领域必然是隐私计算首选之地。此前，大数据风控已被有效用于金融机构反洗钱、反欺诈、征信和营销等方面，隐私计算则是在此基础上，实现数据的可用不可见，从技术上保障数据流通的合规和安全。
各级国有行，股份行，城商行，农商行等已经开始引入平台，国有行的总行也相继进入POC:银行金融科技发展程度高，2020年， 银行投入信息科技2078亿元，占整个金融行业的76.74%。银行在互联网数据、银联数据、供应商数据、支付公司数据等方面应用相对成熟，基础设施搭建比较完善，标准化程度较高，也有完备的数据建模体系。




政务领域
政府拥有80%的数据，隐私计算可以在保障数据安全的前提下，通过数据的开放释放其蕴含的经济和社会价值。隐私计算将会在2022年开始大量投入实际应用。短期内主要用于部门协同，数字化项目和大数据交易平台的建设也会逐步跟进，但是经济意义更大的政企合作仍需进一步探索。政府部门通过部]间数据流通提升效率和施策精准度，2022年下半年隐私计算将会在大量政务场景落地。



医疗领域
大多数医疗数据与个人生命安全密切相关，过去医疗领域有明显的数据孤岛现象，同时医学知识需要经验积累，隐私计算可以实现跨级跨区域医疗数据的整合。相较于金融和政务两者，医疗领域的应用相对落后，目前已有明确的场景和产品，为诊疗数据的融合应用提供安全保障。
利用隐私计算技术将医疗大数据安全的输入临床数据分析、 医学影像分析等AI医疗建模中，用于辅助诊疗、智能处方，发病趋势预测。慢性病干预。疾病筛查等。这些场景需要大量的数据样本，在信息保护的前提下，目前只能通过隐私计算实现联合建模。同时，隐私计算可以打破时空限制、实现区域协同，允许医疗数据下沉、助力基层医疗改革。



此外，能源、交通、工业、环保、电信、物联网等潜力领域相关的市场需求已经逐渐显露，隐私计算技术的探索与应用也正在推进，并且已有个别案例落地，但是这些潜力领域仍具有尚未解决的痛点，例如数据所有权归属问题等。今后，隐私计算有待在这些领域进一步落地生根。