来源 | 零壹财经
作者 | 温泉 朱戈奇
3月9日，光之树科技宣布连续获得总金额近亿元的两轮融资，投资方分别为第四范式和深创投。
这是光之树科技第四次获得融资。此前的三次融资分别为：2017年心元资本、策源创投和巢生资本的千万级天使轮投资；2018年5月中诚信征信的千万级战略投资；2020年2月险峰旗云的数千万人民币A轮融资。
对光之树科技来说，这意味着得到越来越多的认可和强有力的背书。事实上，投资方之一第四范式是光之树科技的深度合作伙伴，深创投则是国资背景的创投机构。获得深创投融资之前，光之树科技与深圳已经多有交集，不仅是腾讯云的合作伙伴，也在为深圳市龙华区政府提供隐私计算相关服务时获得了高度认可。
光之树科技成立于2017年8月，是隐私计算领域成立最早的创业公司之一。五年来，光之树科技的技术产品、市场策略与团队都在日益成熟。
近期，零壹财经对光之树科技创始人兼CEO张佳辰、首席密码学科学家袁晨进行了专访。
据了解，光之树科技本轮融资将主要用于加强底层技术研发、服务市场开拓、强化人才布局，增强产品在更多场景的落地能力。
2016年，光之树创始人兼CEO张佳辰在小米生态链公司 Ninebot(纳恩博)负责机器人业务市场运营和第三方开发者计划。那时，Ninebot 和小米联合打造的“九号平衡车”正成为市场上的爆款。
可是，张佳辰发现机器人产业正逐渐走到一个新的拐点。机器人是多种不同人工智能算法的集成体，此前人工智能当中深度学习的蓬勃发展，使得机器人更加智能。但是随着时间的推移，深度学习的算法框架开始趋同，算法的进一步优化主要依赖更多的数据。但是数据的获取却遇到了瓶颈——数据天然地分散在各个机构，如何合法合规收集真实场景中的数据成了一个大问题，因为这涉及到个人隐私。
可以平衡数据利用和隐私保护问题的技术，成为解决问题的关键。张佳辰回忆，当时各家厂商都意识到将数据集中起来利用的重要性，但是真要完成数据的协同使用却困难重重。数据的所有权和使用权无法分离，实际上需要有相关的技术来实现这一点——数据既能使用，又能保护隐私。
与此同时，新的解决方案也正在出现。当时，恰好Ninebot是Intel投资的公司。在代表Ninebot参与Intel的活动时， 张佳辰了解到TEE（Trusted Execution Environment，即“可信执行环境”）技术已经出现。这种技术的应用当时正从手机端向服务器端发展，它可以使得来自不同数据源的原始数据在不泄露的情况下联合起来训练模型。而且，解决方案不止一种，谷歌也于2015年底发表了论文，提出联邦学习技术，用完全不同的思路来解决数据的利用和保护的问题。
在张佳辰看来，这是个创业的好机会。从客观环境来看，数据利用与保护的平衡问题是未来发展中必须要解锁的关键问题，而隐私计算技术的发展已经开始萌芽。不过，那时还没有“隐私计算”这个名称，而是称为“可信的数据协作协议”。从自身来看，组织团队将早期的技术做成产品是她的强项。Ninebot在当时取得的成功自不必说。在Ninebot之前，她还曾在亚马逊担任过产品经理。
2017年，张佳辰邀请了此前的同学、校友以及前同事，以“打造可信数据协作协议”为目标创建了光之树科技，建立起一个跨学科、跨专业的复合背景团队，步入隐私计算赛道。
从成立开始，光之树科技的技术与产品走过了一段逐步探索的历程，也推动了整个行业的技术进步。
据零壹财经调研了解，区别于业内其他隐私计算创业公司，光之树科技在TEE、联邦学习、区块链的相关技术产品都有其独到之处。
首先，光之树科技的TEE产品最早是基于Intel的SGX技术开发的。但是，目前光之树科技在TEE技术的国产化方面做了不少开创性的工作。张佳辰向零壹财经透露，华为的TEE产品就是与光之树科技合作研发的。双方从2019年起开始合作， 2021年1月4日，华为正式投产后生产的第一台TEE服务器就是寄給光之树的。同时，光之树科技也是海光等国产头部硬件厂商在隐私计算方面最早期的合作伙伴。目前，光之树科技已经推出基于海思、海光等国产CPU的机密计算软件方案。
第二，光之树科技的联邦学习产品与市场上的大多数产品有所不同。袁晨介绍，目前，国内大多数公司都基于微众银行的FATE平台研发的路线，而光之树科技则通过自研的方式，有效保障了其在计算性能和准确性上的优势。
第三，光之树科技是隐私计算领域为数不多的从创立开始就同时掌握隐私计算和区块链技术的公司。目前，光之树科技的区块链与隐私计算相结合产品已经在政务领域有落地案例。目前，虽然整体来看区块链与隐私计算相结合产品落地还不多，但光之树科技看到越来越多的客户会要求提供“隐私计算+区块链”或者“隐私计算+人工智能”的技术融合产品。特别是在大型项目的建设过程中，要对数据共享流程进行核对和校验，在多方协作过程中达成一致，需要使用到云计算、人工智能、5G、区块链等多项技术，需要多方角色共同参与。因此，光之树科技看到，未来融合多方团队的共同智慧、打造大型项目的基础设施成为行业真正可落地、可大规模发展的关键之钥。
在目前已经掌握的技术基础上，更为重要的是，光之树科技的研发团队正在不断壮大。他们在进行一些前瞻性的技术研发，以期在未来不断增强产品的技术实力。
光之树科技首席密码学科学家袁晨为复旦大学计算机博士和新加坡南洋理工大学数学博士，师从国际密码学会会士、欧洲密码学会主席Ronald Cramer教授，也是到目前为止，中国在国际三大密码学顶级会议上发表隐私计算相关论文数量最多的学者。
截至目前，光之树科技已经建设成一个近80人的技术研发团队，其中超过70%成员拥有硕士及以上学历，毕业于哈佛大学、卡内基梅隆大学、清华大学和北京大学等国内外知名高校。
基于自身的技术积累，光之树科技参与了不少行业标准的制定。2019年8月，中国信息通信研究院发布了《基于可信执行环境的数据计算平台技术要求与测试方法》，光之树科技作为第一作者参与制定。此后，光之树陆续参与了《基于联邦学习的数据流通产品技术要求与测试方法》、和《区块链辅助的隐私计算技术工具技术要求与测试方法》等的制定。
目前，光之树科技的产品在金融、政务领域的落地方面取得了不少突破。
2019年1月，光之树科技与港股上市银行中原银行开展合作，打造数据安全交换平台，实现了隐私计算和区块链技术融合的首个企业级的案例落地。这一平台管理了行内外多方数据源，通过加密手段处理框，并利用区块链技术实时日志记录，实现了数据的合规优选、匹配、搜索、撮合。此外，光之树科技帮助中原银行建立了消费信贷黑名单共享联盟进行风控模型联合训练。在对等互信网络的框架下，银行基于自由数据+外部数据+算法模型，吸引同省及跨省的多家成商行及基金公司加入，降低了联盟成员黑名单数据成本、模型构建成本。这一案例也是业内较早完成的隐私计算在金融机构的落地案例之一。
2021年疫情期间，光之树科技在中国银联部署了第一个上生产环境的系统，引入保险公司、物流公司，通过银联数据协助物流公司顺丰在疫情期间实现先计后付，做到无接触取快递、提高流转效率。这一“基于隐私计算的顺手付客群拓展”的案例，荣获2021年星河案例隐私计算优秀案例。
除了银行业，光之树科技的产品在保险业的落地也有突破。2019年5月，光之树科技与中国保险行业协会反欺诈联盟达成战略合作，携手应对保险业骗保的风险管理问题，打造了商保两核平台，保证各个保险公司在不暴露保单等相关数据的前提下，对用户数据进行分享，从而使得保险公司在为客户做保险时能够进行更多的资质审核，防止多头骗保。此外，光之树科技还帮助头部互联网保险公司，建立以医疗数据为核心的商业保险数据服务平台，基于发票、费用明细、检查检验报告、病历医嘱、手术记录的数据治理，建立智能风控体系，通过产品配置、智能风控和理算规则引擎，实现自动理算，通过商业保险调查平台，提高效率、品质，降低成本。
政务领域也是光之树科技的产品落地较多的领域。例如，光之树科技为深圳市龙华区水务局提供内涝预测防灾应急解决方案，通过隐私计算将隐私和非敏感数据融合进行密文运算，实现数据可用不可见，并输出具有高精度的内涝预测结果，实现内涝等级划分，提升内涝预测准确性，支撑精细化应急布控。
在商业落地方面，光之树科技的思路主要是建立生态。光之树科技并不是自己做所有的事情，而是主要提供技术与产品，在商业场景中落地的其他问题则是依靠生态合作伙伴来解决。
在生态建设方面，光之树科技目前已经与几家重量级的合作伙伴达成战略合作，其中包括腾讯区块链、第四范式、卫士通、易华录等。
其中，值得注意的是，光之树科技是腾讯区块链加速器首期成员之一，是腾讯区块链在政务领域落地应用的重要合作伙伴。腾讯在2020年推出区块链加速器，旨在链接优秀区块链企业，共同推动区块链技术自主创新，共创行业解决方案、助力技术应用落地行业场景，加速产业区块链价值落地。首批区块链加速器成员选拔的重点聚焦在企业对区块链技术的理解深度、与产业场景结合的契合度、如何用区块链技术解决行业痛点的思路。张佳辰向零壹财经透露，目前光之树科技已经与腾讯区块链合作在政务落地了区块链与隐私计算技术结合的项目。
光之树也是卫士通在隐私计算领域唯一的合作伙伴。卫士通是数据安全领域唯一的国资控股企业，于2008年在深交所上市，为党政、军队、大型央企等客户提供专业的网络信息安全产品和服务，在加密认证类产品市场长期保持领先，在高安全信息系统集成市场占据重要地位。
未来，光之树科技在产品商业落地方面的打法是“全面铺开、单点突破”。张佳辰认为隐私计算属于边际成本低、边际效益高的行业，因此将结合多类型生态合作伙伴、多背景研究团队的优势，开展异业合作，逐渐扩展至保险、物流、医疗、智慧城市等更多领域，推动隐私计算产品应用的“全面铺开”。而对于部分垂直应用场景，光之树科技将细分客户、洞察需求、多维切入，深化产品设计，实现垂直应用场景的“单点突破”，进一步推动隐私计算赋能各行业领域的数据要素化生产。
“早在2015年，谷歌就发布了联邦学习的相关论文，但由于隐私计算的技术门槛本身较高，从出现到广泛应用会存在一定时间差。”张佳辰认为，随着数字经济时代的到来，在数据成为第五生产要素的背景下，“2022年，隐私计算技术在商业落地上将迎来更加快速的发展。”
End.
