7 月31日，美国亚马逊公司（Amazon）被卢森堡数据保护委员会处以 7.46 亿欧元（约合 57.2 亿元人民币）的罚款，原因是 Amazon 违反了欧盟的《通用数据保护条例》。

事实上，Amazon 并非是首次遭遇数据隐私巨额罚款的公司，此前 Facebook 和 Google 也因违反相关数据隐私保护规定而被处以巨额罚款。

如今，随着人们越来越重视个人隐私权、政策法规愈发严格、数据协作和隐私保护矛盾日益凸出，隐私计算已然成为全球新兴的一大产业。

而联邦学习（Federated Learning）作为一种隐私保护的重要解决方案之一，近年来也得到了飞速的发展和足够多的关注。

在今年 7 月发布的 2021 年度 Gartner 技术成熟度曲线中，联邦学习被首次纳入 " 隐私计算的技术成熟度曲线 —2021"，根据此次 Gartner 预测内容，在 2021-2025 年这一周期中，联邦学习将发挥主流作用，引导该领域的商业化大潮。

近日，清华大学人工智能研究院知识智能中心和清华—中国工程院知识智能联合研究中心和智谱 AI 联合发布了《2021 联邦学习全球研究与应用趋势报告》（以下简称 " 报告 "），报告从科研论文、专利、书籍、行业应用、学者地图与画像、技术发展趋势等多个角度，全景展示和分析了联邦学习技术自从 2016 年被提出以来至 2020 年的重要进展，并展望了该技术的未来发展方向与前景。

主要核心要点如下：

联邦学习科研发展呈现出整体热度逐年上升态势。研究论文产出量以及专利申请受理量均以中美两国为领先主导；全球该领域学者也主要聚集在这两个国家；

联邦学习高被引论文半数以上来自中美两国，两国间的合作论文数量也是全球最多；

联邦学习论文研究和专利申请的热点主要聚焦在机器学习方法、模型训练、隐私保护三方面；

企业比学术机构更积极地开展联邦学习相关研究，不仅在专利申请量前十机构之中占八席，而且引领论文量前十机构，也是联邦学习系统框架的主要推出者；

行业应用研究方向呈现出不断与区块链、物联网、车辆交互、5G 等技术融合的态势。