数据是数字经济时代的核心生产要素，但数据在自由流通或共享中才能产生更大价值。数据的隐私计算对保护数据安全，实现数据共享与协作应用，破除数据孤岛，提供合法合规的监管抓手，最大化释放数据价值有重大的现实价值。
零知识证明、安全多方计算、差分隐私、同态加密等现代密码学算法具有坚实完善的理论基础，可以提供最为可靠的数据保护方式。例如，零知识证明算法已经在学术界和工业界受到了广泛关注，应用于可信计算、区块链扩容、匿名货币等多种场景。然而，受制于算法的复杂度和硬件的计算能力，现有零知识证明等隐私计算性能仍比明文计算慢两到三个数量级，难以有效实现产业化。
本成果提出了一种高效的流水线芯片架构，显著提升了以零知识证明为核心的多种隐私计算和区块链应用中的数据处理性能和效率。本成果以算法为核心、以数据流为参考、以芯片实现为目的，通过全流水设计，优化芯片性能、面积和功耗，多维度解决隐私计算的算力不足问题，致力于成为新基建“数据价值互联网”的基础设施。
本成果所提出的芯片架构包含两个子系统。第一个子系统主要处理有限域上的高次多项式计算。通过利用傅里叶变换分解庞大的计算任务，同时对底层模块进行定制化流水线设计，并利用数据分片、片上转置等技术优化对数据流的控制。第二个子系统主要处理椭圆曲线上的大规模模幂运算。采用计算复杂度最优的Pippenger算法与定制化的数据流和底层流水线控制，并结合实际场景下的系数分布规律采用简单高效的任务分配机制，用最小的控制逻辑实现负载均衡。
据隐私计算联盟和中国信通院云大所发布的《隐私计算白皮书（2021）》预测，隐私计算市场未来几年将达到百亿规模的服务费，甚至有望撬动千亿营收空间。而根据独立咨询机构Gartner的估计，到2024年，隐私驱动的数据保护和合规技术支出将在全球突破150亿美元以上。
本项目可以为相关公司提供高效低廉的硬件支持，预计产业化后国内需求每年都将超过50亿人民币，全球范围内则能达到数百亿人民币。