联邦学习的概念由谷歌提出，他们的主要想法是建立基于分布在多个设备上的数据集的机器学习模型，同时防止数据泄漏。
--
FROM 174.113.17.*

听合作伙伴说，谷歌有联邦学习的产品落地，不过，目前只在他们内部使用。

去年底 我们公司 和 合作伙伴 有1个项目 共同投标，文件中的解决方案 包括 联邦学习。

后来 由于双方 都很忙，就没有投标。

合作伙伴 疫情前 每年都会参加 在美国拉斯维加斯赌城开的 电子消费产品年度展会。

合作伙伴在 自动驾驶 方面 用 人工智能 和 机器学习 作决策。 最近他们参加 由美国硅谷牵头的自动驾驶 云端研讨会。

大部分新兴高科技企业必须要有客户需求才会开发相关产品，才会有产品落地。否则 投资人不会投资。

【 在 jazc365 的大作中提到: 】
: 有知道目前的落地情况么？
--
FROM 174.113.17.*

推动这个概念的动力是什么？
带来多少收益？
【 在 youxia 的大作中提到: 】
: 我们内部也在推这个概念，但是落地很难。
: 技术倒是其次，主要是涉及到多部门的协同作战。
: 在企业干过的都知道，一旦涉及跨部门的协作，最麻烦。
--
FROM 114.242.250.*

收益是负的，就不好推
【 在 youxia 的大作中提到: 】
: 动力就是法律对于隐私保护越来越严格。
: 另外，这对于小公司是一个打击。因为小公司既不让用隐私数据，也没有能力使用联邦学习。因为联邦学习需要多个部门的海量数据联合建模。
: 目前收益是负向的，因为联邦学习不如传统的学习。反正隐私数据随便拷贝不要紧。
--
FROM 124.64.16.*

是的，这是对小公司的一个巨大打击。

但是，打击其实不是由法律直接造成的。从执法角度上看，肯定是枪打出头鸟，拿大公司开刀，小公司稍微有点不规范没人会管。

另一方面，法律作为风向标，却会间接推动行业标准发生改变。Chrome停止支持第三方cookie，这就从浏览器层面剥夺了小公司做“再营销广告”的能力。

【 在 youxia 的大作中提到: 】
: 动力就是法律对于隐私保护越来越严格。
: 另外，这对于小公司是一个打击。因为小公司既不让用隐私数据，也没有能力使用联邦学习。因为联邦学习需要多个部门的海量数据联合建模。
: 目前收益是负向的，因为联邦学习不如传统的学习。反正隐私数据随便拷贝不要紧。
--
FROM 98.42.159.*