星云Clustar创始人 隐私计算飓风下，如何寻到趋势确定性？
发布时间：2021-12-02 15:11:27 所属栏目：动态 来源：互联网
导读：隐私计算卖铲人。 2019年，为了打通数据安全交换路径，一家头部互联网银行打造的联邦学习系统正在紧锣密鼓地上线测试。然而，它们遇到了一个十分棘手的问题：使用加密数据进行计算，计算量将增加百倍，使得系统运行非常困难。 实验数据表明，如果AI在未加密模
|
隐私计算“卖铲人”。 2019年，为了打通数据安全交换路径，一家头部互联网银行打造的联邦学习系统正在紧锣密鼓地上线测试。然而，它们遇到了一个十分棘手的问题：使用加密数据进行计算，计算量将增加百倍，使得系统运行非常困难。 实验数据表明，如果AI在未加密模型中训练，需要10个小时，但在加密环境中训练，至少需要100小时，甚至1000小时。 AI训练的算力问题由来已久，而彼时陈凯教授领衔的香港科技大学智能网络系统实验室（iSing Lab）在高性能数据中心网络领域的学术成果近五年居亚洲第一（CSRankings排名）。于是，该机构找到陈凯教授，尝试通过高性能算力加速来解决联邦学习因使用同态加密而产生的计算压力与延时问题。 结果不负所望，陈凯教授与其创办的星云Clustar研发的高性能算力加速方案，在该联邦学习系统上实现了50-70倍的算力提升，保障了该系统的高效运转。 这是星云Clustar算力加速方案落地的一个典型案例。近两年，基于隐私计算及其算力加速能力，星云Clustar已经形成一套全栈技术服务，专注数据安全及数据价值共享难题。 而星云Clustar所处的隐私计算行业，今年正处于市场关注的焦点。数据显示，2020年市场上从事隐私计算业务的企业超过了数百家。2021年间，仅仅四个月时间内，这个赛道已经从VC基金手里融到了超10亿元人民币。 在隐私计算平台还未大规模落地，绝大多数企业都在为技术研发、产品商业化而苦苦摸索时，星云Clustar不仅构建了以平台为核心的全栈隐私计算技术，同时也在探索如何“承包”隐私计算平台落地之后的算力加速市场。 原因在于，隐私计算作为非常新兴的行业，在商业化模式方面充满了“战争迷雾”，但目前业内公认也是技术壁垒最高的需求，就是加密带来的对更高性能算力的诉求。能解决性能问题的隐私计算计算厂商，就是给所有数据淘金者卖铲子的人。无论最后谁胜出，有能力供应基础设施的人一定不会缺席。 而在当前，靠着“卖铲人”的角色，星云Clustar成为了行业内唯一一家落地了国有大行商业项目的隐私计算公司，并受到红杉中国、基石资本、招银国际、华泰创新等头部投资机构青睐。 近期，甲子光年访谈了星云Clustar创始人陈凯教授，试图了解：如何在隐私计算市场的不确定中找到确定性需求和趋势？一家隐私计算厂商为何要“死磕”算力？ （编辑：随州站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
站长推荐
热点阅读
