乘勢而上,與時俱進:IDC《聯(lián)邦學習與可信AI市場機會分析》研究發(fā)布

●   金融行業(yè)：金融行業(yè)是當前聯(lián)邦學習落地部署探索最多的行業(yè)。金融行業(yè)加速數(shù)字化轉型的過程中，銀行、保險、投資等行業(yè)都面臨著有效數(shù)據(jù)欠缺與隱私保護安全的雙重挑戰(zhàn)。在應用上，目前主要集中在營銷、信貸風控、反欺詐場景。

●   零售行業(yè)：零售行業(yè)在銷量預測及商機洞察，倉庫儲存、配送等各個環(huán)節(jié)可以使用到聯(lián)邦學習技術。例如，基于聯(lián)邦學習技術，在保護數(shù)據(jù)隱私安全的基礎上，根據(jù)歷史銷量、各區(qū)域客群畫像洞察、氣候變化、時事熱點等元素進行分析，通過精確到小時級別的銷量精準預測，優(yōu)化整體品類規(guī)劃，從而降低運營成本，幫助實現(xiàn)用戶履約率進一步提升。

●   互聯(lián)網(wǎng)/電商/數(shù)字媒體： 數(shù)字廣告業(yè)務目前引入了聯(lián)邦學習技術，如廣告投放、流量反作弊、聯(lián)合歸因等場景。流量平臺、廣告主等可以在不披露底層數(shù)據(jù)的前提下共建模型。每個廣告主或者數(shù)據(jù)持有方不出本地，通過加密機制下的參數(shù)交換方式，就能在符合各項隱私安全法律、法規(guī)的情況下，建立出虛擬的共有模型。

●   工業(yè)：在制造領域，聯(lián)邦學習技術會幫助實現(xiàn)多條產(chǎn)線間的聯(lián)合訓練與模型共享，改善AI質檢、預測性維護的效果。例如，各種供應商可以結合自身數(shù)據(jù)，以建立更好的整體預測模型。在能源領域，智能家居設備和能源供應商之間的聯(lián)合，可以產(chǎn)生用于預測功耗和設備使用的互利模型。其結果將包括越來越靈敏和個性化的設備，并使得電網(wǎng)管理更加有效。

●   醫(yī)療：醫(yī)療保健領域將受益于縱向聯(lián)邦學習，如果所有醫(yī)療機構和制藥企業(yè)都成立數(shù)據(jù)聯(lián)盟并共享其數(shù)據(jù)以創(chuàng)建大型醫(yī)療數(shù)據(jù)集，那么經(jīng)過訓練的AI模型的性能將顯著提高，尤其是在AI藥物研發(fā)領域，藥物本身作為研發(fā)數(shù)據(jù)，有非常大的價值，聯(lián)邦學習技術恰好能夠安全地實現(xiàn)多方數(shù)據(jù)共享。另外，在醫(yī)療影像輔助診斷場景中，可以通過聯(lián)合訓練CV模型來更加精準地預測疾病、檢測異常并基于其他醫(yī)療傳感器和電子健康記錄（EHR）數(shù)據(jù)進行診斷。

●   政務：政務領域存在橫、縱向信息交換的“數(shù)據(jù)壁壘”，聯(lián)邦學習可以幫助打通政務領域數(shù)據(jù)應用價值鏈，提高辦事效率，解決社會疑難問題。