近年来，人工智能技术处于高速发展期。然而，随着人工智能技术发展进入深水区，出现了越来越多的壁垒和难题，数据孤岛就是其中之一。在实际的应用落地场景中，很难实现企业与企业之间的数据共享，即使在同一个企业中，不同部门之间的数据共享也十分困难。因此，往往只有少数的大型互联网公司才拥有真正的「大数据」，大多数小微企业和中小型企业面临着数据量小、数据维度稀少等问题，这些问题严重制约着人工智能技术的发展。
联邦学习在2016年由谷歌提出，因为Google有安卓系统，需要解决多个安卓设备的分布式建模问题。其中，主要是针对输入法的建模，比如客户在安卓输入法中输入单词“what”，或许他可能想继续输入“do you think”，Google输入法如果能自动联想出来，用户体验就会变得比较好，但是自动联想功能需要大量的用户数据才能学习出来，怎么获得这些用户数据呢？
横向联邦学习（Horizontal Federated Learning）[1][2]也称按样本划分的联邦学习，可以应用于联邦学习各参与方的数据集有重叠的特征空间和不同的数据样本的场景。举例来说，两个地区的通信运营商在各地有自己的用户群体，他们之间的用户交集非常小，因此他们的数据集中有不同的样本ID，但他们的业务非常相似，因此他们之间的特征空间是相同的。联合进行横向联邦学习可以更好的构建套餐推荐等模型。
随着数字化时代的来临，大数据、人工智能等精尖技术进入了高速发展阶段。然而,对一些行业而言，存在数据样本量少、特征少、标注信息缺失、数据质量差等问题，同时由于相同行业不同企业间的竞争以及同一企业中不同业务条线、业务系统间的阻隔性等情况，难以实现有效的数据信息交流与整合，易造成“数据孤岛”现象，这使大数据、人工智能相关技术难以发挥出预期的应用效果。
2016年，Google在《Federated Learning: Strategies for Improving Communication Efficiency》论文中，首先提出“联邦学习”（Federated Learning）的概念，该方法能够联合分布于多个移动终端上的数据，实现云端模型的训练。联邦学习的核心，在于模型中心化，数据去中心化。其目的是保护用户隐私与数据安全。
随着人工智能进入以深度学习为主导的大数据时代，基于大数据的机器学习在推动AI蓬勃发展的同时，也带来了一些数据隐私泄露的安全隐患。近年来国内外在逐步加强对数据隐私的保护，例如欧盟最近引入的新法案《通用数据保护条例》（GDPR），我国国家互联网信息办公室起草的《数据安全管理办法（征求意见稿）》等，使跨企业和组织的数据合作越来越困难。
近日，零壹财经推出国内首个系统研究隐私计算在金融领域应用的报告《开启新纪元：隐私计算在金融领域应用发展报告（2021）》，从隐私计算落地最为密集的金融业开始，展示隐私计算发展中真实而鲜活的产业生态，让产业实践者们被看见、被发现。本报告研究机构为零壹财经·零壹智库，联合发布单位为中国科技体制改革研究会数字经济发展研究小组、深圳市信用促进会、横琴数链数字金融研究院，同时得到了同盾科技、星云clustar、瑞莱智慧、金智塔科技和天冕科技的研究支持。
联邦学习（Federated Learning）作为人工智能的一个新分支，为机器学习的新时代打开了大门。自发展以来，其定义早已超过了早期提出范围，以至于现在只要出于隐私保护目的的多方机器学习都将其归属于「联邦学习」这一范畴。也有人对「联邦学习」这一名称提出异议，本文从实际应用的角度重新梳理了「联邦学习」的前世今生，希望能为读者提供一个新的联邦学习研究视角。
没有账户，需要注册
2025年，全球人工智能市场规模达到3909亿美元，中国人工智能核心产业规模突破9000亿元。AIAgent细分市场以49.6%的年复合增长率高速扩张，制造业应用大模型的企业比例在一年之内从9.6%跃升至47.5%。从2024年初，中国日均词元(Token)调用量为1000亿;至2025年底，跃升至100万亿;2026年3月，已突破140万亿，两年增长超千倍。这些数字背后，是一场深刻变革的加速到来-人工智能正在从"能力突破"走向“系统重构”。
中服云能碳管理系统依托中服云工业物联网底座打造，聚焦工业企业能耗管控与碳资产管理需求。 系统整合水、电、气、热等多类能源数据，实现用能实时采集、集中监测、智能分析。 依托数字化手段精准核算碳排放总量，助力企业摸清碳排底数、合规完成台账管理。 通过节能诊断、能耗优化策略推送，有效降低生产能耗与运营成本。 全方位赋能企业绿色低碳转型，筑牢安全生产与节能减排双重发展防线。
中服设备健康管理系统依托中服云工业物联网架构搭建，面向工业全品类设备运维场景。 融合实时数据采集、状态监测、故障诊断核心能力，全天候掌握设备运行动态。 通过边缘计算与 AI 算法分析设备隐患，实现从被动维修向预测性维护升级。 有效降低设备故障率、减少停机损失，简化线下运维管理流程。 助力工厂实现设备数字化管控，保障产线高效、稳定、安全运行。
OpenClaw:不仅是对话窗口，更是行动助手一人工智能代理(AI Agent)正深刻重塑科学研究基本范式，OpenClaw成为2026年开源AI代理平台代表。
结合医院ERP、BA、用电等数据可搭建科室支出/收入算法模型，掌握科室运营状况;结合医院ERP、BA、用电等数据可搭建科室支出/收入算法模型，掌握科室运营状况;
支持添加、修改删除、导入、导出车牌号码，可下载导入模板进行导入，车牌列表包括:车辆编号、车牌号码、对应车场、车辆品牌、车辆类型、车辆颜色、车主等信息
收集矛盾基本信息，完成矛盾信息收集功能，提交成功后办件进入“待办理状态”红色*号为必填项，事件分类为三级联动选项，必须选择第三级选项才能提交。
我国各地区发展不平衡，在原有老旧台区电网改造方面受到资金的制约，原有低压配网供电线路供电半径过长，供电线路线径过小导致线路压降增加，造成线路末端用户电压偏低。 老旧台区线路多位于偏远山区农村，住户较分散，随着生产生活用电负荷增长迅猛，使高峰期配电变压器不堪重负，造成台变重载甚至过载运行，同时线路电流过大会导致电压降增大，从而造成线路末端用户的电压偏低。
扫码咨询
或
客服咨询
用手机扫二维码
复制当前地址
方案库赚钱指南
