36氪首发 |「星云Clustar」完成1100万美金A+轮战略融资，定位于隐私计算全栈技术与基础设施提供商

文 | 真梓

36氪获悉，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。