2022爱分析· 隐私计算厂商全景报告 | 爱分析报告

数字经济时代，数据成为生产的关键因素。加快数据要素流通，企业必须实现数据共享和应用在各个行业和领域。与此同时，如何利用技术手段确保数据资产的安全和保障个人隐私,以安全的方式使用数据,它已成为影响数据价值释放的关键因素。私隐计算技术可以帮助企业利用数据和挖掘数据的价值,保障数据和私隐安全;许多金融、政府、公共服务和医疗领域的用户已经尝试了最初的实施。目前,人们倾向于加速降落.

为了帮助企业了解隐私计算技术的潜在价值,更好地选择隐私计算产品和服务,并支持数字转型,AI分析于6月8日正式发布了2022 Ai分析和隐私计算制造商概览报告。

覆盖市场：

财务隐私计算解决方案,政府和公共服务隐私计算解决方案,医疗隐私计算解决方案,隐私计算平台

评级制造商:(按字母序列拼写)

视察技术、丰富数字技术、零数字技术、 Vladivostok技术、同类盾牌技术、同类国家技术、翼面健康数字

注:本报告是简化版本,可从下图左下角或下图左下角的《2022 Love Analysis/Privacy Computing Manufacturers Overview Report》全文下载。

01

研究范围定义

隐私计算，」 「機密保護計算」。基于密码学 、 信息理论 、 分布式计算 、 安全硬件 、 数据科学和其他 多学科 技术 的 结合,技术系统能够在加密或不透明状态下计算数据。一般私隐计算技术包括多边安全计算、联邦学习、可靠执行环境、均匀加密、差异性私隐等。通过应用隐私计算技术,在企业用户能够提供数据隐私保护的条件下,在分布共享中实现数据的“无形可用性”。

在本报告中，爱分析将私人计算市场分为应用层、平台层和计算层。其中，应用层指用于金融、行政、医疗、零售、电信、运输和其他业务场景的应用解决方案,包括私人计算产品和服务;平台层指用于支持应用解决方案的平台型产品,即,私人计算平台;计算层指为改善私人计算性能提供的各种计算解决方案,包括算法优化 、 硬件加速等.

考虑到企业关切和产业进步等因素,本文分析了金融隐私计算解决方案、政府和公共服务隐私计算解决方案和医疗隐私计算解决方案。和平台层面的隐私计算平台,共4个特定市场，进行重点研究。

本报告是针对企业和政府机构的决策水平,以及大数据和人工智能部门、创新部门和商业部门的负责人,为企业和政府机构在不同行业中的私隐计算应用规划和供应商选择提供参考,通过定义特定市场的需要和解释代表制造商的能力。

图1:私人计算市场全盘图

厂商入选标准

本 选择 报告 的 制造商 必须 同时 满足 下列 条件 :

制造商的产品服务符合每个市场规定的制造商的能力要求;

制造商过去一年有超过一定数量的受雇客户(参阅市场定义);

在 过去 一年 中, 制造商 在 特定 市场 取得 了 目标 收入 ( 见 市场 定义 ) 。

02

厂商全景地图

基于A-侧公司和典型制造商的研究和桌面研究,Love Analysis选择具有成熟解决方案和在私人计算市场降落能力的制造商,见下图。

03

市场定义与厂商评估

以下为该私隐计算项目重点研究的具体市场定义。 同时,针对参与该报告的某些代表制造商,艾分析了制造商的能力评估。

1.财务隐私计算解决方案

定义:金融隐私计算解决方案是指金融机构如银行、保险、证券等数据流通场景,实现用户数据可用于隐形隐私计算产品和服务,主要应用于精密营销、联合风控、反欺诈、联合监管认证、金融监管等领域。

终端用户：

银行、保险、证券、技术创新、风控、市场营销、信贷、信用卡中心、管理等金融机构的大型部门

核心需求：

随着银行等金融机构接受互联网和数字转型,数据已成为支持其产品服务创新的核心要素。尽管我们拥有广泛的客户基础,金融机构积累了大量的用户数据,但这些数据经常有一个数据维度的单一问题。为了提供更准确、更昂贵的金融产品和服务,金融机构需要从外部提供更多的数据,例如用户行为和场景,从而丰富数据维度，延伸应用场景。以前受到政策、思想和技术等因素的限制,机构间的数据安全共享很难突破,而隐私计算技术可以保障数据的隐私,确保机构间的数据安全流通、共享和应用,金融机构正得到大量关注,并开始采用它。金融机构对隐私计算解决方案的基本要求包括:

能在类型多样，在高度个性化的场景中应用隐私计算技术。金融领域的数据类型丰富,相应地，隐私计算的应用场景也各不相同,每个金融机构都有特定的个人化的隐私计算应用要求,因此,金融机构需要应用各种隐私计算技术,它能够灵活地整合不同的技术方案。此外，在一些常用场景，标准解决方案也可以快速地用于匿名查询和隐私请求。

在高实时要求的场景中具有很强的端到端性能。一些金融机构的商业场景,供信贷批准、交易监控等用途,取得结果需要很短的时间,为确保客户服务质量,快速识别风险并减少损失.因此，在此类实时场景中，金融机构需要具有强的端到端性能的私人计算解决方案。

为专业组织引入第三方数据源和建模咨询服务,在特定场景中增加模型效果。金融机构隐私计算的基本应用是提高产品和服务的商业利润。实现这一目标的关键是在业务场景中建立更有效的模型。因此，一方面,金融机构需要提供适当的第三方数据,丰富样品数据的数据维度,另一方面,有必要为专业机构提供建模咨询服务,提供数据、算法选择、模型培训和私人计算工具的使用专业指导,从而提升模型效果。

私人计算解决方案可以快速部署和集成到原始系统,成本较低。一方面，金融机构希望应用隐私计算能够迅速地取得成果。因此, 必须 以 方便 和 快速 的 方式 部署 解决 办法 ; 另一方面,金融机构通常建立更复杂的商业和IT系统,因此,隐私计算解决方案必须能够尽可能少地修改原始系统,与原系统集成。

满足安全合规要求。金融数据的敏感性，除了监管机构对金融数据的安全的要求,因此,金融机构对数据安全、系统环境、计算过程可理解等私隐计算解决方案具有更高的安全要求。它 还 要求 供应 商 的 产品 以 授权 评级 机构 的 安全 标准 来 评价 。

厂商能力要求：

多方面安全计算、联邦学习和其他隐私计算技术能力,它还可以更灵活地向用户提供服务。一方面，制造商需要提供丰富的加密算法、算术库和联邦学习算法组件,允许用户定义的组合实现特定应用程序场景的私人计算应用程序,符合安全 、 性能和精度的不同要求.另一方面，制造商需要提供可直接调用的匿名查询和隐私请求等应用程序解决方案,满足金融用户在机构间数据协作中广泛的数据整合和身份整合的需求。

在实时业务场景中提高端到端的业绩。由于网络延迟是影响实时计算端到端性能的主要因素,因此,制造商需要关注通信效率的优化,例如,通过优化处理和任务安排,通过提高操作器的平行性,提高多个节点之间的通信效率,从而提升性能。

能够连接更丰富的第三方数据资源。制造商需要建立更广泛的数据资源生态系统,在操作者、支付、互联网、行政等领域连接数据资源的能力。为金融机构提供更多数据,如用户行为和场景。此外，制造商还必须与其他制造商签订互连协议,为金融机构的平台间数据调用提供便利。

提供专业建模咨询服务。制造商团队需要在金融领域有丰富的经验,能够为金融机构在建模中提供常用的算法,提供有关数据、算法选择、模型培训和使用私人计算工具的专业咨询,为金融机构提供更好的模型效果.

快速部署和集成隐私计算解决方案。在解决办法的部署方面,制造商需要提供敏捷的部署和交付方法,例如,该平台使用基于云的架构,支持集装箱式交付模式;通过SDK或API提供隐私计算功能,支持用户快速构建私人计算应用程序;与原始系统集成;制造商需要提供组件和接口服务,以支持金融机构在私人计算平台与原始系统之间传输和连接数据和模型,减少原来系统的重组.

隐私计算解决方案具有更高的安全性。制造商需要通过提供完美的数据加密技术、完美的平台系统安全设计、支持算法过程的可视化,提高解决方案的安全性,它还支持使用第三方流量审计工具来验证数据的使用以及改善解决方案的理解性和可靠性的其他方法。同时，制造商的产品必须按照授权测试和评价机构的安全标准进行测试。

入选标准：

符合金融隐私计算解决方案制造商的能力要求;

过去一年,在市场上服务了超过三个客户;

过去一年,相关服务市场收入超过了2亿美元

代表厂商：

视察技术是中国最大的信贷行业集团“中国诚信”培育、网络信任企业国家团队“中国电子”投资的领先专业私人计算技术服务提供商,它 主要 为 政府 、 金融 、 通讯 和 其他 工业 的 客户 提供 私人 计算 技术 平台 和 数据 情报 服务 。该公司的核心成员来自中国的信誉、大型银行、保险公司和人工智能公司,具有广泛的行业知识和服务经验.

公司成立于2016年。是该国领先的私营安全计算技术服务提供商之一,集中于加密计算领域,如联邦学习、安全多方面计算和匿名查询,业务场景主要是金融、经营、行政、它还延伸到医疗、司法监督和工业相互联系等领域。丰富的数值技术是首个国家标准的主导单位,是私人计算机互联和互联协议的首个国家标准,积极参与制定标准,例如董事会、黄金委员会和劳工及就业部。

深圳科技成立于2019年,是一家专注于隐私保护计算技术的服务提供商,创建团队来自加州大学圣地亚哥的UCSD等大学。在私隐计算和生物医学信息领域具有广泛的学术和实践经验,该团队的成员来自世界500强企业,包括IBM、Google、Termo等。青岛科技开发了一套自主、安全、控制的隐私保护计算平台产品,业务场景包括医疗 、 金融 、 保险 、 行政 、 安全等.

盾牌技术是中国领先的人工智能技术企业,集中于决策智能,通过基于人工智能的决策智能平台和基于私人计算的共享智能平台,重点放在财政风险、安全和政府企业数字化三个领域,使用公司的算法、工具和数据生态,协助客户预防欺诈和安全风险,促进智能决策过程,提高企业决策的灵活性 、 灵活性和准确性.

2.政府及公共服务私隐计算解决方案

定义:政府和公共服务私隐计算解决方案指针对政府和公共服务的数据流场景,并认识到用户数据可以用于隐形私隐计算产品和服务。该解决方案主要适用于行政部门的各类数据共享和数据开放场景。

终端用户：

政府及公共服务机构的资讯部门、大数据部门、业务处理部门等,如大数据局、数据交换、委员会局等。

核心需求：

随着数据要素的市场化和政府企业的数据整合政策,近年来,政府和公共服务组织正积极促进不同部门之间内部共享政府数据。为了提高政府治理水平和公共服务的有效性,同时，进一步开放政府数据也能够赋予许多工业企业权力,提高社会经济效益。由于行政数据包括诸如社会保障、公共资金、税收、交通、水电等各种数据,分散在不同部门，此外,行政数据涉及大量公民隐私,管控严格等因素，在 过去, 行政 数据 共享 批准 和 批准 程序 的 分配 是 繁琐 的,协调非常困难。隐私计算技术可以保障数据隐私,确保机构间的数据安全流通、共享和应用,政府 机构 正在 进行 审判 。行政部门对隐私计算解决方案的核心要求包括:

能够利用隐私计算技术交流多方面数据,而且使用隐私计算的门槛很低。现时,政府部门对私隐计算应用的主要呼吁是向政府提供多边资料,满足共同业务场景的要求,用于统计分析、联合建模、数据查询等。因此, 行政 部门 需要 使用 多 方面 的 安全 计算 、 联邦 学习 和 其他 技术 实现 这些 应用 。此外，商业部门有大量使用行政隐私计算解决方案的用户,因此,在一般的场景中,必须直接调用一个经过加密的应用程序。

在多参与的应用程序场景中,可以保证良好的计算性能。行政私隐计算的运用通常涉及多个行政部门的数据来源,随着政府数据的进一步开放,申请数据的人数可能高达数十人甚至数百人。因此，行政部门需要确保在这种情况下的计算性能更高。

使数据元素安全可靠地流通,并开放到外部。前提是数据可以分发和开放到各个部门、各个区域和各个行业。因此，行政部门需要一个完善的数据操作系统,以支持数据的流通和开放,通过 blockchain技术来验证数据,实现数据资产化。

满足安全合规要求。行政数据涉及大量公民隐私,行政部门对他们有严格的控制,因此,行政部门需要具有高安全性的隐私计算解决方案,包括数据安全、系统环境等。同时，为确保私营电脑核心技术自主控制,政府部门要求与私隐计算解决方案有关的软件和硬件的核心模型实现全面国内化。此外，行政部门还要求供应商的产品按照授权测试机构的安全标准进行测试。

厂商能力要求：

多方面安全计算、联邦学习、均匀加密和其他隐私计算技术功能,并降低商业用户使用的门槛。一方面，制造商需要提供多边安全计算、联邦学习和其他技术支持行政部门统计分析、联合建模、数据查询和其他应用要求,特别是制造商需要具有高性能的均匀加密技术,提高多参与计算场景的计算性能,减少行政部门业务体制的重组.另一方面，制造商需要一些常用于某些行政部门的场景,定制隐私计算应用，并以可视化的方式进行操作用户调用,或以硬件和软件单位的形式向用户提供。

在多参与应用场景中提高计算性能。一方面，制造商需要在综合计算、匿名查询等场景中提高计算性能。它包括算法优化 、 通信优化 、 硬件加速等.制造商需要进一步提供多租户管理能力,削减计算资源,在高耦合和多租户模式下提高计算性能。

提供基于 blockchain的数据操作服务。制造商需要提供数据分配/共享平台,并建立一个基于平台的数据操作服务系统,连接多边数据源机构和数据应用机构,支持平台所有各方分发和分享数据。同时，制造商需要在平台中应用 blockchain技术,通过数据 、 数据处理路径和规则 、 利益相关者身份 、 分配机制等.确保数据和参与者在数据流通的各个环节的可靠性。

隐私计算解决方案具有更高的安全性。制造商需要通过提供完美的数据加密技术、完美的平台系统安全设计等来提高解决方案的安全性。制造商需要实现与隐私计算有关的软件和硬件核心模型的全面国内化;此外,制造商的产品必须按照授权测试和评价机构的安全标准进行测试。

入选标准：

符合政府和公共服务私隐计算解决方案供应商能力要求;

过去一年,在市场上服务了超过三个客户;

过去一年,相关服务市场收入超过了2亿美元。

代表厂商：

原子能技术于2016年8月成立。它是具有领先的 blockchain 底层技术和深度应用场景的最先进的企业。该公司的目标是使用 blockchain和隐私计算技术,建立数据价值分配基础设施,确保数据在多个主体之间可靠、有序地分布,并确保安全、有效应用;在汽车、金融、行政、双碳和文化领域,服务被深度数字化。

统一技术是私营计算机数据保护服务提供商,基于自控统一加密技术,为行政、金融、军事整合等领域用户提供数据交换、私营计算机数据保护服务。

3.医疗隐私计算解决方案

定义:医疗隐私计算解决方案是指医疗领域的数据流场景,实现用户可用的隐秘计算产品和服务,主要应用于临床诊断、医疗研究、医疗保险管理、医疗研究、基因分析、疾病控制管理等领域。

终端用户：

医疗机构的大型部门,如卫生福利部、卫生防护部、疾病控制中心等,科学及技术研究部、医疗企业药品研究部等。

核心需求：

同时不断发展医疗资料,医疗机构积累了大量的医疗数据,通过人工智能和统计分析,这些数据可以用于许多场景,如临床诊断和医学研究。然而，应用医疗数据通常需要从不同区域和不同人口收集样本数据,它还需要包括多个维度,如临床、测试、基因等等。因为一个医疗机构所积累的样品数据的数量通常有限,因此, 医疗 机构 需要 使用 私人 计算 技术 来 对 不同 数据 来源 进行 模型 或 计算 。医疗机构对隐私计算解决方案的核心要求包括:

私隐计算可以应用于不同的安全假设和计算复杂度的场景中。医疗隐私计算应用场景是多种多样的、复杂的,用于疾病诊断 、 医学影像学 、 基因组学 、 药物目标发现等.不同的场景在精度、性能和安全要求方面有很大的差异。因此,医疗机构需要应用各种隐私计算技术,并根据要求整合不同的技术方案.

应用不同医学领域AI模型和统计分析方法处理不同医学数据。医疗数据的类型更加复杂,包括各种结构和非结构的数据,特别是基因和医学影像等数据的复杂性非常高;同时,医疗领域的数据处理是高度专门的,在医学 、 生物学 和 药物 领域 需要 结合 专业 知识 。因此，医疗机构在处理数据时需要应用人工智能模型和统计分析方法。

在多参与的应用程序场景中,可以保证良好的计算性能。医疗隐私计算应用场景，如联合多家机构的病例对比，药物有效性研究，经常需要联合十多家甚至更多的参与方。医疗机构因此需要在这类场景中保障较高的计算性能。

某些医疗隐私计算应用,如病人药物和治疗计划,需要非常精确的结果,因此,医疗机构需要具有高模型精度的隐私计算解决方案。

连接同一区域或区域的多个医疗数据资源。医疗隐私计算应用往往仅限于样本数据,如疾病诊断，单一医院的病例样本数目往往有限。因此, 医疗 机构 通常 需要 连接 同一 区域 或 同一 领域 的 多个 数据 来源, 以 满足 模型 培训 或 联合 计算 要求 。

医疗数据涉及大量病人的隐私,这些数据的泄露可能导致法律和道德风险,因此,医疗机构需要在数据安全、系统环境等方面具有高度安全的隐私计算解决方案。

厂商能力要求：

多边安全计算 、 联邦学习 、 均匀加密 、 差异性隐私 、 可靠执行环境等.制造商需要提供各种加密计算技术,实现不同连接的联合建模或联合计算的加密,同时满足安全要求,符合性能及准确性;针对医疗行业用户;特别是制造商需要以可靠的执行环境为基础提供解决方案,以在计算复杂度，在高性能、准确性和安全要求的场景中,满足用户需求。

提供专业医学领域人工智能模型和统计分析方法.如针对临床诊疗，为辅助诊断、治疗方案建议、药物建议等提供人工智能模型;提供AI模型,例如病原体的识别;目标基因分析;给出了基因配位、全基因组关联分析、人口分层等分析方法。

在多参与应用场景中提高计算性能。一方面，制造商需要优化计算效率、数据压缩、带宽等。加强多个利益相关者之间的沟通效率,从而提升计算性能。另一方面，制造商也可以通过计算机网络向用户分配第三方计算资源,以提高计算性能。

在特定场景中提供高精度的联邦学习模型。 制造商需要在需要高精度计算结果的场景中提高模型的准确性,例如通过自开发的联邦学习框架减少由联邦学习模型分解造成的精度损失。

在特定区域或地区建立数据生态系统,通过数据操作向用户提供丰富的数据资源。应用医疗隐私计算的关键是数据资源,制造商需要在一个特定的地区,如省市级内，或特定领域，例如,对某一特定疾病的研究,联合卫生福利委员会、医院、卫生保险机构、医药公司等机构建立了丰富的数据生态系统,并提供数据操作服务。

隐私计算解决方案具有更高的安全性。厂商需要通过提供高等级的数据加密技术、完善平台系统的安全性设计等提高解决方案的安全性。并获得权威测评机构的安全标准测试。

入选标准：

符合制造商医疗隐私计算解决方案的能力要求;

过去一年,在市场上服务了超过三个客户;

过去一年,相关服务市场收入超过了2亿美元。

代表厂商：

深圳科技成立于2019年,是一家专注于隐私保护计算技术的服务提供商,创建团队来自加州大学圣地亚哥的UCSD等大学。在私隐计算和生物医学信息领域具有广泛的学术和实践经验,该团队的成员来自世界500强企业,包括IBM、Google、Termo等。青岛科技开发了一套自主、安全、控制的隐私保护计算平台产品,业务场景包括医疗 、 金融 、 保险 、 行政 、 安全等.

Basebit.(a)是“数据和计算互联网”的先驱,它是专注于隐私安全计算、人工智能和大数据的高科技公司。翼翼强度数是隐私安全计算的核心,医疗、行政、金融、保险、市场营销、科学等服务;建立基于数据安全和个人隐私保护的开放数据生态系统和数据共享协作环境,在此基础上发展人工智能能力,为行业赋能。

4. 隐私计算平台

定义:私人计算平台,它指基于安全多方面计算、联邦学习等各种隐私计算技术。在提供数据的隐私保护方面,实现数据流通中可用的隐形平台类型工具。私隐计算平台具有通用的私隐计算技术服务能力,它可以支持企业用户构建各种隐私计算应用程序解决方案。

终端用户：

企业或机构在金融、行政、医疗、零售、电信、运输、大数据、科技及创新等各个领域的资讯科技部门

核心需求：

随着数据成为企业创新业务的关键要素,在各个行业优化经营管理,组织间数据共享日益成为企业的一项重要要求。与此同时，通过了网络安全法、数据安全法、个人资料保护法等法律和法规。对数据流通增加了若干监管要求。因此，近年来,许多企业和机构在不同行业开始关注隐私计算,并希望建立一个隐私计算平台,为进一步探索隐私计算应用场景而建立基础设施。企业对隐私计算平台的核心要求通常包括:

企业潜在应用场景非常广泛,但这些应用场景在平台部署的早期阶段往往不够清晰,因此企业需要具有较高的通用性平台,能够满足企业未来潜在的多种应用场景和功能要求。

操作模式是灵活的,不同的隐私计算应用场景的定制程度有差异,从调用操作员到结合计算过程,到定制计算过程,这对于用户的技术水平的要求也有差异,因此,企业需要具有多种操作方法的平台以灵活地满足用户的需求。

易于部署和集成。一方面，企业希望应用隐私计算能迅速地取得成果。因此, 必须 以 方便 和 快速 的 方式 部署 解决 办法 ; 另一方面,许多企业已建立更复杂的商业和IT系统,因此,隐私计算解决方案必须能够尽可能少地修改原始系统,与原系统集成。

具备较高的性能。在联合建模和联合统计分析中,随着数据的大小增加,以及应用场景的丰富性,它的计算性能将受到限制;如结合预测和匿名查询等高实时要求的场景中,随着请求量的增加，计算 的 拖延 也 会 逐渐 显现 。企业需要在这些场景中具有高性能的平台。

提高安全性:为了确保数据资产的安全,以及满足有关法律的要求,企业需要一个平台,以满足数据安全保护、系统环境、计算过程可理解等高安全要求。

厂商能力要求：

该平台在隐私计算技术和系统功能方面具有普遍性。在隐私计算技术方面,该平台需要有多种隐私计算技术能力,如联邦学习、多边安全计算、支持多个应用程序场景,如联合建模、联合统计、隐私查询、匿名查询等。平台需要调制系统功能,支持用户在需要时通过自我帮助添加功能模块,模块如 blockchain 证书 、 AI 计算 、 SQL 等

该平台具有灵活的操作和使用模式.一方面，该平台需要将多边安全计算和联邦学习等算法分解为分开的操作者,支持用户根据他们的需要以图形的方式组装编译器,构建计算过程;另一方面,平台还需要支持某些用户在高定制场景中使用Python和SQL编译计算脚本,自定义计算流程。

该平台可以快速部署和集成。在部署方面，除了本地部署模式，平台需要提供敏捷的部署和交付方法,例如,该平台使用基于云的架构,并支持容器化的交付方式；以SDK或API的方式支持用户快速构建私人计算应用程序;与原始系统集成;该平台需要提供组件化和接口服务,以支持数据、帐户、日志等中私人计算平台与原始系统之间的快速交互。

该平台在各种非线性和实时场景中具有很高的性能。在离线场景中，平台需要支持大规模分布式计算和硬件加速能力,提高计算性能;在实时场景中,该平台需要对通信效率进行深度优化,并确保实时计算的稳定性,减少实时计算的延误。

该平台具有很高的安全性。制造商需要通过提供完美的数据加密技术、完美的平台许可控制等来提高平台安全性,并支持算法过程的可视化,它还支持使用第三方流量审计工具来验证数据的使用,并改善计算过程的理解性和可靠性。

入选标准：

符合私隐计算平台制造商的能力要求;

过去一年,在市场上服务了超过五家客户;

过去一年,市场相关服务收入增长到超过500万美元。

创作团队

张扬

爱分析联合创始人&首席分析师

洪逸群

爱分析高级分析师

孟晨静

爱分析分析师

媒体支持

关于厂商全景报告

Ai分析器的综合报告是针对数字市场中某一方的用户, Ai分析器定期写和公开发布。 Ai分析器为某一方的数字规划、制造商选择等采购过程中决策和支持提供依据。

报告 提供 了 涵盖 的 领域 的 全面 数字 市场 地图, 具体 的 市场 定义 和 选择 标准, 以及 选定 的 制造商 的 名单 、 代表 制造商 的 评估 和 其他 研究 结果 。

甲方的用户可以根据选定供应商的名单编制潜在供应商的清单,并通过分析第三方评价,了解供应商在某一特定市场的产品和服务的优点,选择合适的供应商进行选择。

注:请按左下角的“阅读原文”下载《2022年爱分析与隐私计算制造商概览报告》全文。

本文由 在线网速测试 整理编辑，转载请注明出处。