近日,隐私计算全栈技术与基础设施提供商「星云Clustar」宣布连续完成1100万美金A+轮战略融资。其中A2轮完成800万美金战略融资,由华泰创新领投,招银国际跟投;A1轮由老股东基石资本和香港科技园共同领投。
在行业中,2020年被称作隐私计算元年。彼时由于政策上合规避险的要求,以及业务端发挥大数据价值的诉求,业内诞生了一批隐私计算公司,希望通过技术手段让数据“可用不可见”。2018年由红杉资本投资的星云Clustar,孵化于香港科技大学,定位于专业的隐私计算全栈技术与基础设施提供商。谈及创立契机,「星云Clustar」创始人、香港科技大学教授陈凯介绍,公司核心团队来自香港科技大学iSING Lab,致力于解决AI算力加速的问题。后团队关注到国际国内对隐私数据的保护趋势,发现其中蕴藏着由于密文计算等带来的算力提升需求,由此顺理成章将技术聚焦于隐私计算和联邦学习的场景中。
从行业来看,经过2020年一年的发展,隐私计算已经走过了最初的市场教育阶段。目前行业内的大多数公司也表示自己提供的是包含密码学(如MPC)、联邦学习、区块链或可信硬件(TEE)在内的综合型解决方案。而「星云Clustar」的特殊点在于,其在拥有解决算力技术的基础上(即IaaS层)不断延展,触达至PaaS层及联邦数据层,从而形成全栈式能力。
全栈包括IaaS、PaaS和联邦数据三层。具体展开,陈凯介绍,「星云Clustar」在IaaS层基于高性能网络技术,通过计算和通信两方面不断提升算力。以FATE联邦学习框架举例,其技术已经将计算效率提升了50～70倍。并且其还认为,未来算力会是行业后续发展最核心的竞争力。这是因为,当行业落地较为标准化之后,高效地交付运算结果一定会愈发刚需。而「星云Clustar」出于技术积累和产品迭代,已经布局了一体机式方案。
在PaaS层,陈凯介绍,「星云Clustar」在联邦学习领域中参与了两个重要组织。首先是IEEE的联邦学习工作组,「星云Clustar」作为秘书长单位参与国际首个联邦学习标准的制定。另一个是全球最大的隐私计算开源社区FATE,星云是社区技术管理委员会中唯一的科创企业,同时,星云也推出自己的企业版FATE服务企业级用户。坚持开源的目的在于帮助行业拓展技术,让更多角色能够以低成本的方式参与其中,同时较标准的底层设施也可以使行业尽量避免另一种形式数据孤岛的产生。而企业版则是针对企业级客户提供更深入的方案。具体在产品上,其官网介绍,当前星云的FATE联邦学习软件框架,由多个主要功能模块构成,包括联邦算法仓库、联邦训练服务、联邦推理服务、可视化面板。企业可以通过可视化面板直接对各类联邦算法模型进行调用与实验,较大幅度降低联邦学习的使用门槛。在联邦数据层,公司和多个数据源建立联邦数据合作,在隐私保护的前提下将其应用到金融场景中。
另外在不久前,「星云Clustar」举办业界首个独立隐私计算产品发布会。会上发布的「隐私计算全栈解决方案」包含隐私计算软硬件一体机、隐私计算软件平台、异构加速算力解决方案三大部分,致力于解决数据应用场景中安全与效率的核心诉求。在商业化落地上,CEO陈沫介绍,「星云Clustar」是全行业第一个拿到国有六大行合同的隐私计算公司,也与微众银行等机构进行深度合作,帮助其解决隐私计算的算力瓶颈问题,当前商业化进展居于金融行业头部。目前,星云已经在金融行业树立了多个标杆案例,现在已经形成包括国有大行、股份制银行、互联网银行、券商以及保险公司头部客户的全覆盖。
整体来看,在本轮融资后,「星云Clustar」将持续加大技术研发投入并深耕金融服务场景。同时会坚持参与开源生态,持续拓展隐私安全计算技术边界及场景落地能力。并且公司介绍,随着商业化进程的成熟和业务规模的扩大,星云也会在资本市场继续发力,引入更多优质的财务与战略投资人,希望彼此共同在“让数据价值安全流通”的愿景下为整个数据链路提供更多价值。
关于投资:
华泰创新总经理晋海博认为:星云作为国内隐私计算技术实现与应用探索的头部公司之一,实现产、学、研联动,具备行业领先的全栈式技术实力及产品积累,在隐私保护的要求下通过重构数据安全连接实现企业效能和数据价值的最大化。同时,星云具备较丰富的头部客户落地经验,其独有的底层算力加速技术及软硬结合联邦学习解决方案,可有效解决金融机构现有业务痛点,提供满足监管合规要求下的业务增长驱动力。
招银国际资本董事总经理漆潇潇认为:近年来数据成为企业生产要素,其重要的商业价值随之彰显。而与此同时,用户数据安全与隐私问题日益严峻,成为监管部门重点关注的问题。隐私计算作为解决数据价值挖掘和数据安全合规之间矛盾的关键技术手段,未来将在由数据驱动的商业应用中逐渐成为重要的技术基础设施。星云Clustar作为具有隐私计算技术全栈交付能力的创新型企业,不仅掌握了隐私计算底层的密码学计算加速能力和网络通信方案优化能力,并且拥抱联邦学习开源生态,掌握了企业级联邦学习平台技术,得到了金融行业头部客户的认可,相信在未来可有效解决企业数据的安全合规问题,也可帮助人工智能更好地落地。
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
