多条技术路径齐演进，现阶段MPC、TEE、联邦学习三足鼎立。隐私计算有许多底层技术可供选择，而隐私计算的实现可能需要多种技术融合应用。现阶段MPC、TEE与联邦学习三种技术商用化进程领先，短期内这一技术趋势会被延续。长期来看，MPC、联邦学习需要隐私计算供应商长期积累有效数据并迭代、优化算法，而TEE需要在此基础上对于底层芯片做出优化设计。综合而言，TEE对于供应商的软硬件全栈能力要求极高，现阶段中国厂商仅互联网头部厂商可以实现。出于成本考虑，MPC与联邦学习的应用占比或将增加。
企业难以凭借单一的竞争优势建立隐私计算生态，算法与数据缺一不可。隐私计算解决方案对其底层技术的成熟度依赖极高。但仅凭借隐私计算底层技术，企业无法为用户提供有效的服务。用户的需求往往对于数据的需求极为定制化、专业化，因此隐私计算供应商需要为用户提供有效的脱敏数据。另一方面，脱离了大量的有效数据，隐私计算的算法演进速度与优化程度也都将受到影响。因此，隐私计算生态的建立需要供应商掌握优秀的算法与丰富的数据资源。互联网大厂、深耕垂直场景的初创企业以及产业内头部企业具备这两种资源，为其成功布局隐私计算提供了可能。
隐私计算的通用性局限于底层技术，垂直场景算法区分度较高。隐私计算的底层技术具备通用性，底层平台的建立存在可能。纵观隐私计算发展生态，主要玩家可分为互联网企业、垂直行业内企业与初创企业三类。互联网大厂最具发展通用性底层平台的可能。未来的生态或将基于此底层平台深入发展基于不同场景的垂直解决方案。
隐私计算技术开源程度有限，优先布局的厂商具有先发优势。现阶段中国隐私计算服务商仅腾讯、微众银行、百度、字节跳动与矩阵元进行开源。互联网大厂腾讯的开源集中于底层框架，而百度的开源也采用逐步开放的形式。总体而言隐私计算源代码的开放程度较低，优先布局的厂商在算法端具备优势。后入局的厂商也可凭借自身数据、生态资源实现算法的快速升级。生态资源更丰富、流量入口更多的后入局者成功概率相对更高。未来发展趋势也存在另一种可能，即当隐私计算开放程度增强或者头部供应商建立隐私计算的底层平台后，一些具备人才资源的初创企业基于底层平台发展专用、垂直的解决方案，占据一定的市场份额。
隐私计算的底层技术具备通用性，底层平台的建立存在可能，从2018年开始，头部互联网企业，中国联通、中国电信、中国移动等通信运营商，富数、同盾、星环等成熟的网络安全及大数据公司以及华控清交、锘崴、洞见等初创型科技企业，已接连入局隐私计算。建议关注布局隐私计算技术的运营商中国移动(600941，未评级)、中国联通(600050，未评级)、中国电信(601728，未评级)。
风险提示
安全多方计算、联邦学习、机密计算等技术研发进展不及预期；市场竞争加剧投资建议与投资标的
