2020 无疑是特殊的一年，而 AI 在开年的这场”战疫“中表现出了惊人的力量。站在“新十年”的起点上，CSDN【百万人学AI】评选活动正式启动。本届评选活动在前两届的基础上再度升级，设立了「AI优秀案例奖Top 30」、「AI新锐公司奖Top 10」、「AI开源贡献奖Top 5」三大奖项。我们相信，榜样的力量将成为促进AI行业不断发展的重要基石，而CSDN将与这些榜样一起，助力AI时代的”新基建“。
一、公司简介
富数科技是在数据隐私保护和大数据智能领域的领先企业，专注于联邦学习、安全多方计算等技术的研发，实现“数据不出门，可用不可见”，富数安全多方计算平台是帮助数据成为生产要素的重要基础设施。
富数科技核心团队来自CapitalOne,Alibaba和IBM，深耕金融和大数据领域多年，现有员工84人，研发人员55人，占比 65%，其中博士2人，硕士16人，首席科学家陈博士是约克大学博士后、中国金融数学第一人彭实戈院士的学生。数据科学家黄博士毕业于巴黎六大，曾参与多个欧盟合作项目。团队技术实力领先。
富数科技注册资本776万，在2016～2019年间完成了三轮融资，获得了顶级风投的亿元资金投资。
富数科技是上海市高新技术企业、国际IEEE会员及联邦学习工作组成员、中国通信标准化协会大数据安全与流通标准组成员、中国人工智能开源软件发展联盟成员，深度参与了工信部相关大数据安全技术标准的编制，以完全自主创新技术，首批获得了中国信通院评测认证。
富数科技拥有大量核心专利和自主知识产权，安全计算解决方案目前已在金融、运营商、医疗、政务等领域积累应用场景和落地案例，实现“数据可用不可见“的联合计算或匿踪查询，以及“数据不出库，算法满地跑”的机器学习，增强机构间数据安全协作、开放共享和联防联控，在保护隐私的前提下发挥大数据的商业价值。
二、技术创新能力
在数据即生产力，数据安全隐患日益凸显的背景下，为契合当前阶段，运营商、银行这类高合规对数据安全强要求的客户，安全计算作为一个新的领域，对于安全计算技术中的联邦学习技术，必然会面临开源与非开源的选择，开源虽对于推动市场教育和技术发展都带来积极的作用，但安全系统应该对监管机构和审计机构开放源代码，而对普罗大众非开源模式才更加符合安全计算的业务本质。
基于此富数采用本地化与非开源这种生态模式，有别于国内其他几家安全计算科技公司，富数科技的安全计算产品标签非常鲜明——本地化、非开源、自主自研。
自主产权和硬核的技术实力是大厂考核系统安全性的标准。本地化部署方案，让富数完全不碰数据，富数也没有和银行竞争的金融业务，这对于银行和数据源来说，做到了真正的中立。此外在确保数据不库的情况下（联邦学习）结合各方数据无需暴露或集中地进行分布式加密隐私计算（多方安全计算），不论对企业、还是机关单位来说，都是双重保障。
富数安全计算产品拥有的四大核心功能模块——多方安全计算、联邦学习、匿踪查询、联盟区块链，目前无论在性能和算法上，都保持领先地位，特别是建模平台通过将安全计算和联邦学习开创性地采用“松弛迭代法”，实现了在智能合约、ML算法优化、代码编译和计算硬件芯片融合⽅面的性能改善，同等条件下实现了收敛速度的大幅提升，精度和准确度损失低于1%，速度较行业水平提高300%。高效率的建模体验，赢得客户一致好评。
三、技术商业化能力
本项目可广泛应用于银行、保险等泛金融业，将上游的数据源、下游的金融业务机构、以及终端用户紧密联系在一起，助力各角色在确保数据安全与用户隐私的前提下，释放出更大的数据价值，为行业创造更大的经济效益。富数的联邦学习系统帮助金融机构更精准地识别目标用户、运营用户和更高效地进行风险识别，达到降本增效的效果。帮助第三方数据方实现数据增值，在确保数据安全与用户隐私的前提下，释放出更大的数据价值，让用户获得更精准的服务，让金融机构可以安全合规的进入真正的大数据与人工智能时代，实现真正的“智慧金融”。
富数Avatar安全计算平台可助力政务数据的开放与共享，以安全合规的方式开放政府部委数据，助力智慧政务、惠民兴业和普惠金融等。此外，可以赋能社会信用服务机构，建立政府、企业、个人等信用主体桥梁，解决企业信息/个人信息，分散化、缺失化的问题，通过多方安全计算和匿踪查询技术，实现数据“可用不可见”的目标，放大个人和企业信用数据作为社会资源调节工具价值和力度的目的，提升信用效率与安全性。Avatar的联盟区块链技术、多方安全计算隐私保护功能、联邦学习的智能学习功能，还可以通过与行业企业评价服务结合，可以形成新数据经济模式。赋予各个参与方智挖掘数据深层次价值能力。企业信息可以安全地参与行业联合统计，形成行业大数据应用，为政府政策制定或调整提供数据支撑，为中小企业提供产业动态、供需情报、采购链条信息参考等数据支撑。
四、公司未来发展规划
联邦学习在国内发展迅速，已有众多企业加入了联邦学习的研究和探索之中。富数作为行业的领先企业之一，在技术能力和商业化进度上始终保持着领先的地位。不同的安全计算平台普遍存在互联互通问题，这些平台与各自生态深度结合，平台之间因为接口、通讯、技术和规范的差异，往往独立不可互联。 针对这问题，未来需要提出完整的安全计算技术开放架构，设计标准的开放接口，构建协同学习的技术开源平台。对于不同的生态体系，研发跨平台的接口转换和对接技术，从而实现最大程度的互联互通。通过这样一个机构无需部署多个系统，而是通过一套接口服务，就可以与外部各种机构进行大数据协同的连接合作。此外，联邦学习和安全计算技术还可以与区块链结合，利用区块链的共识机制和多方协同能力，建立智能合约与电子存证，使安全计算过程更加可信合规。
基于联邦学习和多方安全计算计算的安全计算平台必将被越来越多的行业所接受，适用于更多的应用场景。从整个数据产业看，联邦学习可以增加可用数据的总量，能很好的解决现存数据孤岛的问题；对企业自身而言，使用联邦学习能简单、合法且低成本的获取外部有效的数据信息，快速解决某些因数据量或数据 维度不足而导致的困扰，而且也不会造成合作企业间数据或商业机密的泄露。规范数据使用可以在汇聚更多数据的基础上迎来数据价值挖掘的下一个爆发点，带动人工智能的数据基础设施进步，联邦学习和隐私计算未来会逐步成为人工智能的基础设施。