当前，数字化时代在日益成熟的分析技术的加持下，海量数据从资源升级为企业资产，为不同行业开辟了新的价值。人工智能等关键性技术的高速发展，驱动数字化转型进入深水区。与大数据结合而生的应用最大化地发挥了数据的价值，但随之而来的是数据使用中的隐私与安全问题。

随着GDPR、CCPA等隐私保护法规的接连出台，数据的使用受到严格监管，加之现有数据质量参差不齐，企业内外均存在着严重的数据孤岛问题，进而导致数据流通受阻，人工智能落地之路可谓举步维艰。

数据资产如不能安全流动，自身价值便无法被盘活和充分利用。当下，"联邦学习"可以很好地解决大数据应用的困境，在满足数据隐私、安全和监管的前提下，数据合作各方可以高效、准确、安全地共同使用各自的数据进行联合训练，帮助企业保护自己数据的同时，获得更多优质的用户行为数据以支撑业务的持续优化。

为了应对数据隐私保护难题，打破数据孤岛的现实困难，满足数据联合融合使用的迫切需要，百融云创利用"联邦学习",创新性地设计了一种新的人工智能实现模式，承接了传统人工智能解决问题的能力。

更为重要的是，"联邦学习"开创了一种面向数据隐私保护的机器学习新范式，且在这种新的框架下，"联邦学习"各参与方通过"联邦学习"机制实现了多赢的局面，也为金融行业人工智能技术的应用提供了一种新的应用前景。

百融云创积极推动联邦学习技术的研发与创新，从整个数据产业看，这样一来可以增加可用数据的总量，很好地解决现存数据孤岛的问题；对金融机构自身而言，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。

未来，百融云创还将积极推动创新技术应用，加强标准建设，打造开放合规的数据合作生态平台，为提升金融业数字化和智能化水平贡献力量。