36氪获悉，近日联邦分布式AI平台「FedML」宣布完成超千万元天使轮融资，投资方包括Plug and Play、GGV、奇绩创坛 、AceCap，以及个人投资者加州伯克利教授、斯坦福教授“香农奖”得主David Tse，美国南加州大学校友等。资金将用于产品的持续研发和商业化。

图源：联邦分布式AI平台「FedML」

在物联网快速发展、5G网络普及化的今天，大量终端设备接入网络中产生海量数据。机器学习作为海量数据的分析处理技术，已经广泛服务于人类社会。然而，机器学习技术的发展过程中面临两大挑战：一是数据安全难以得到保障，隐私数据泄露问题亟待解决；二是网络安全隔离和行业隐私，导致数据形成“孤岛”无法安全共享 ，而仅凭各机构或者个人独立分散的数据训练的机器学习模型性能无法达到全局最优化。

联邦机器学习与分析(Federated learning & Analytics)是解决这些问题的关键技术，能有效帮助多个机构在满足用户隐私保护、数据安全和政府法规的要求下，进行数据分析和机器学习建模。

FedML是全球最早研究联邦学习与分析的团队之一，由美国南加州大学教授Salman Avestimehr与前互联网大厂专家工程师何朝阳博士联合创立。FedML最开始是由博士生主导的科研开源项目，曾服务于高校多个科研基金，辅助所在实验室发表了50多篇相关顶级论文。如今，FedML成立公司，将学术成果升级为工业化平台，在智慧城市、医疗、工业化IoT等场景逐步实现商业化落地。

产品方面，FedML发布了是全球首个公有云下的联邦与分布式机器学习开放平台FedML MLOps。该平台免费向全球用户开放，大幅度产品化部署门的槛低，可用于普通用户间数据协作、以及机构间数据协作。

在边缘端，Open Platform能通过一行命令完成边缘模型训练部署，并支持手机与IoT设备接入；在云端，Open Platform支持全球化协作机器学习，为跨国、跨城市、多租户提供免费的公有云聚合服务器，也支持私有云docker部署；在实验管理能力上，该平台特别为分布式训练量身打造了实验追踪、管理、可视化和分析能力。

图：Open Platform

“比如在应用层面，我们尽可能性屏蔽了分布式训练的所有代码细节与复杂配置。工程师或数据科学家，只需要像往常编写单机程序一样编写model、data、trainer即可，然后传递给FedMLRunner来完成之后的事。这极大降低了应用开发者的使用门槛。”联合创始人兼CTO何朝阳说道。

图源：联邦分布式AI平台「FedML」 全球四地区公有云下联邦学习过程

FedML也发布了协作式应用生态App Ecosystem，能与Open Platform相互协同，现阶段支持20多个应用的开放协作。用户可以协作贡献并共享使用这个应用，每一个应用包含了所有基于FedML的模型定义、训练脚本、配置文件等，覆盖计算机视觉、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36氪：“如果说开放平台把建模过程的研发门槛降低到了最低，那App Ecosystem则用于降低各行各业从业人员在具体AI应用上的研发门槛：中小企业无需雇佣高成本机器学习团队，只需要1名工程师，便可在社区成果的基础上’一键导入’，低成本接入使用。整体来说，通过将开源社区、开放平台、协作开放的应用生态三个平台无缝衔接，FedML将彻底解决从创新算法到落地产品化周期长的滞后问题。 ”

图源：联邦分布式AI平台「FedML」

社区运作方面，目前FedML开源版本已经积累了1800+ Stars, 500+ Forks, 有1100+位来自全球不同国家的Slack用户，其开放平台更是短期内吸引了近500专业用户。

何朝阳补充说道：“Federated Learning仅仅是我们公司的起点，我们想把FedML打造成人工智能生产力的‘超级连接器’，它是一个更广泛的概念，目标是连接所有 AI 生产元素，包括数据、模型、训练方法和计算资源。我们希望通过建立社区，以一种以安全、高效、可扩展的方式连接开发人员、人工智能企业和数据基础设施的协作式人工智能交易与共享市场。”

作者丨左键