36Kr了解到，近日，联邦分布式AI平台FedML宣布完成超千万元的天使轮融资，投资方包括即插即用、GGV、奇技创坛、AceCap等，个人投资者包括加州伯克利教授、斯坦福教授香农奖获得者David Tse、南加州大学校友等。这些资金将用于持续的RD和产品的商业化。
来源:联邦分布式人工智能平台“FedML”
随着物联网的快速发展和5G网络的普及，大量终端设备接入网络产生海量数据。机器学习作为一种海量数据的分析和处理技术，已经在人类社会得到了广泛的应用。然而，机器学习技术的发展面临两大挑战:一是数据安全性难以得到保障，隐私数据泄露问题亟待解决；第二，网络安全隔离和行业隐私导致形成无法安全共享的数据“孤岛”，仅靠机构或个人独立分散的数据训练的机器学习模型的性能无法实现全局优化。
联邦机器学习与分析是解决这些问题的关键技术，在满足用户隐私保护、数据安全和政府法规要求的同时，可以有效地帮助许多组织进行数据分析和机器学习建模。
ML是世界上最早研究联邦学习和分析的团队之一。由美国南加州大学教授Salman Avestimehr和前互联网厂商专家工程师何朝阳博士共同创立。ML最开始是一个由博士生领导的开源研究项目。曾服务于多所高校科研基金，协助其实验室发表相关顶级论文50余篇。如今，FedML已经成立公司，将学术成果升级为产业化平台，在智慧城市、医疗、工业化物联网等场景逐步实现商业化。
在产品方面，FedML发布了FedML MLOps，这是全球首个公共云下的联邦和分布式机器学习开放平台。平台对全球用户免费开放，大规模产品化部署门槛低。可以用于普通用户之间的数据协同，也可以用于机构间的数据协同。
在边缘端，开放平台可以通过一行命令完成边缘模型的训练和部署，支持手机和物联网设备的接入；在云端，开放平台支持全球协同机器学习，为跨国、跨城市、多租户提供免费公有云聚合服务器，还支持私有云docker部署；在实验管理能力方面，平台专门为分布式培训量身定制了实验的跟踪、管理、可视化和分析能力。
图:开放平台
“比如在应用层面，我们尽量屏蔽掉分布式训练的所有代码细节和复杂配置。工程师或者数据科学家只需要像往常一样写好模型，数据，训练器，然后传给FedMLRunner就可以完成下面的工作了。这大大降低了应用开发者的门槛。”联合创始人兼CTO何朝阳说。
来源:联邦分布式AI平台“FedML”，全球四个地区公园云下的联邦学习过程。
FedML还发布了协同应用生态系统App生态系统，可以和开放平台合作。目前支持20多个应用的开放协作。用户可以协作贡献和共享这个应用程序。每个应用程序都包含所有基于FedML的模型定义、训练脚本、配置文件等。，涵盖计算机视觉、自然语言处理、图数据挖掘、物联网等主流AI应用场景。
何朝阳告诉36Kr:“如果说开放平台把建模过程的RD门槛降到了最低，那么App生态系统则是用来降低各行各业员工在具体AI应用上的RD门槛:中小企业不需要雇佣高成本的机器学习团队，只需要一个工程师在社区成果的基础上‘一键导入’，可以低成本接入使用。整体而言，通过无缝连接开源社区、开放平台、协同开放应用生态三大平台，FedML将彻底解决从创新算法到制作周期长的滞后问题。”
来源:联邦分布式人工智能平台“FedML”
社区运营方面，目前FedML开源版已经积累了来自全球不同国家的1800+星、500+叉、1100+ Slack用户。其开放平台在短时间内吸引了近500名专业用户。
何朝阳补充道:“联邦学习只是我们公司的起点。我们想让FedML成为人工智能生产力的‘超级连接器’。它是一个更广泛的概念，它的目标是连接所有的AI生产要素，包括数据、模型、训练方法和计算资源。我们希望通过建立一个社区，我们可以在一个协作的人工智能交易和共享市场中，以安全、高效和可扩展的方式连接开发者、人工智能企业和数据基础设施。”
作者的左键
