聯邦學習(Federated Learning)分布式訓練，以共享模型打造效能卓越的AI智能

　　中國上海–2022年8月1日 全球領先的邊緣計算解決方案提供商—凌華科技與致星科技（簡稱“星云Clustar”）達成合作，攜手打造邊緣聯邦學習的一體機，顛覆傳統的集中式機器學習訓練。此平臺采用凌華科技的MECS-7211作為邊緣計算服務器，與星云CLustar的FPGA隱私計算加速卡，為個資隱私解套，應用于密集型計算的加速場景，如隱私計算、機器學習、基因測序、金融業務、醫療、視頻處理、網絡安全等。

　　·凌華科技與致星科技，攜手打造的邊緣聯邦學習的一體機，應用于密集型計算的加速場景，如隱私計算、AIOT、基因測序、金融業務、醫療、視頻處理、網絡安全等。

　　·凌華科技MECS-7211邊緣計算服務器，采用INTEL®XEON®SCALABLE SILVER/GOLD處理器，協同優化運算系統。

　　·致星科技專注于高性能隱私計算算力產品研發與技術創新，致力于為隱私計算聯邦學習應用提供高性能算力解決方案。

　　隨著物聯網的快速發展以及5G網絡普及化，大量終端設備接入網絡中產生海量數據，傳統的數據計算分析基于云計算進行，隨著數據的急劇增加，由應用終端傳送至云計算過程中，會造成延時和數據泄露，及時并有效地處理數據成為云計算中心的一大挑戰，邊緣計算(Edge Computing)因應而生。

　　在靠近人、物或數據源的網絡邊緣側，就近提供邊緣智能服務，更有效率的網絡服務響應，大大提升物聯網、車聯網、工業控制、智能制造、大視頻等眾多業務需求。邊緣計算技術的引入，減輕了云中心的網絡負擔,但同時也引起了安全性問題，而數據的本地化，容易阻礙數據間的交互，加之近年數據安全、應用規范不斷收緊，如GDPR數據隱私以及數據保護的議題被高度重視。傳統機器學習算法采用的數據集中化計算，無法應對數據規范要求，限制人工智能的發展。

　　在此背景下，聯邦學習(Federated machine learning/Federated Learning)應時而生，為邊緣計算的安全問題提供了解決方案。

　　聯邦學習是一個機器學習框架，在參與方使用加密后的私有數據進行運算，僅交換加密狀態后的模型參數、權重及梯度等特征，無需將原始數據移出本地，也無需將加密后的原始數據移動集中，即能幫助多個機構在滿足用戶隱私保護、數據安全和政府法規的要求下，進行數據使用和機器學習建模。

　　聯邦學習作為分布式的機器學習范式，保障數據不泄露并讓企業用更多的數據訓練模型、聯合建模，實現AI協作，從技術上打破數據孤島，為隱私保護計算解決方案的落地提供了有力支撐。

　　凌華科技和星云Clustar聯合推出邊緣聯邦學習的一體機。該系統采用凌華科技的MECS-7211作為邊緣計算服務器，和星云Clustar的FPGA異構加速卡，對聯邦學習中常用復雜算子進行定性分析和硬件優化，便于用戶實現分布式密態機器學習任務的加速。高效的存儲、計算、數據傳輸系統，對異構系統的高效運轉起到了協同優化的作用，對比傳統的CPU架構，性能提升7倍，CPU+GPU方案，提升2倍，功耗降低40%。

　　此邊緣聯邦學習一體機，應用領域廣泛，適用需要大量數據分析并注重隱私的金融、醫療、數據中心等領域，并已完成多處實例布署。

　　星云Clustar高級副總裁尚勇表示：“作為一家以算力為核心的隱私計算基礎設施提供商，星云Clustar秉承算力+賦能數據要素高效流通應用的理念，為數據密集型計算場景提供高安全、高可用綜合基礎設施。與凌華科技攜手打造邊緣聯邦學習一體機，是星云Clustar擴展隱私計算算力基礎設施應用生態的重要一環，雙方將充分進行優勢互補，不斷擴展邊緣計算應用場景，攜手打造高安全、高性能、低時延的綜合計算平臺�！�

　　凌華科技網絡通訊暨公共建設事業處總監葉建良表示：“凌華科技MECS系列產品，定位于5G，邊緣計算平臺。作為OTII規范的發起者之一，MECS系列產品符合OTII（Open Telecom IT Infrastructure）的行業規范，采用異構架構，靈活支持FPGA、GPU、5G加速等擴展卡。緊湊尺寸設計加上支持寬溫運行環境，適合分布式架構應用場景，部署于網絡的邊緣和應用側。凌華科技和星云Clustar聯合推出邊緣聯邦學習的一體機，協同優化運算系統，拓展了MECS系列產品的應用，未來也將持續與星云Clustar在AI領域合作，豐富邊緣計算的應用場景�！�