整体上，金融行业开源需求往往从新技术领域开始。
以“隐 私计算”技术为例，2020 年，隐私计算技术普及之初，由于数据 隐私保护领域尚未探索出有效的商业运营模式，且大部分金融机 构最初对于隐私计算技术并不熟悉，此时盲目投入隐私计算的自 主研发会对金融机构造成巨大的资金压力及研发风险，同时由于 隐私计算技术本身处于场景探索阶段，尚未形成规模化的市场结 构，而闭源隐私计算技术研发初期投资回报率较低，因此，许多 金融机构使用了开源隐私计算框架（如 FATE 联邦学习开源框架） 进行隐私计算平台搭建。另一方面，由于金融业务往往具备较大 规模的数据体量和较多高并发的复杂场景，可以为数据流通、人 工智能领域的相关技术提供丰富的技术实践环境，同时海量的数 据流通场景本身存在着大量的数据隐私保护需求，因此反过来极大带动了隐私计算开源技术发展。
在技术发展方面，金融机构积极参与开源隐私计算技术。一 方面金融机构基于场景需求自发选择开源产品的趋势愈发明显， 另一方面具备科技研发能力的金融机构，正在逐步加入到开源项 目贡献中来。金融是隐私计算场景实践的第一阵地，在不断的场 景应用过程中，金融机构可以第一时间验证隐私计算技术环节中 风险与缺陷，并通过独自开发或上报反馈等形式，推动隐私计算 技术发展。金融机构无论从技术研发层面，还是应用测试层面， 都为开源隐私计算技术不断演进及生态融合贡献了宝贵力量。
在标准建设方面，金融行业数据流通参与方可以共同使用并 验证统一的开源框架，最大化节省开发团队的人力及开发成本， 并在反复的场景实践中探索出符合金融行业现状的行业规律，进 而总结形成既满足技术要求、监管要求、合规要求，也需要符合 市场要求，并具备促进行业融合的标准。金融行业正在持续推进 隐私计算开源行业标准的不断完善，以联盟为代表的组织机构以 开源、数据、人工智能等领域为出发点，积极推进相关行业标准 的研制，是推动金融行业隐私计算平台互联互通的良好平台。
