数据是人工智能时代最重要的资源之一，数据的共享不仅能让人工智能得到更好的发展，也能催生更多人工智能的应用。但问题在于，数据共享和数据保护似乎难以同时保障，如果要共享数据，数据的安全就容易受到威胁；而如果要严密地保护数据，那么一个个信息孤岛就难以打破。
如何解决这样的问题？答案就是联邦学习。
联邦学习，实际上是一种加密的分布式机器学习技术，参与各方可以在不披露底层数据和底层数据的加密（混淆）形态的前提下共建模型，实现各个企业的自有数据不出本地，通过加密机制下的参数交换方式，建立一个虚拟的共有模型。在这样的机制下，参与各方就能成功打通数据孤岛，走向共同发展。
中兴网信联合创始人、香港智慧城市联盟委员张志刚认为，联邦学习必然是智慧城市的下一个风口。他提到，继欧洲数据隐私保护法 GDPR 出台，中国版的数据隐私保护法案也呼之欲出。以信息化为基础的虚拟城市——智慧城市建设如火如荼，几乎成为每个城市的标配，其产业之大，影响之深远，建设之复杂，成为全球各行业共同关注的目标。
同时，在基于智能城市大数据平台发展演进的 AI 独角兽企业越来越多，怎么解决大量智慧城市数据共享、智慧城市系统重复建设资金、以及怎么提供给更多独角兽企业更多安全的数据，这些都是智慧城市建设不得不面对的问题。
张志刚提到，目前智慧城市能分为三个阶段。第一阶段是数字城市，这个阶段主要以智慧感知层建设为主，即部署智能终端及业务应用，目前大部分城市还处于这个阶段。第二阶段是智能城市，这个阶段已经基本完成了数字化，以网络层，即神经和大脑的建设为主，但张志刚认为，这个阶段尚未真正开始，还处于一片混乱之中。第三阶段，才能叫做智慧城市，这个阶段主要是建设应用，是一个融合多维度数据，产生新型产业链应用的阶段。
融合多维数据的前提，是要保障数据安全，因此联邦学习未来将智慧城市发展中，成为不可或缺的必需品。当未来数据能够共享共用，或许在大数据领域还能催生出新的细分行业，以及新的独角兽企业。
联邦学习除了能帮助打破信息孤岛，在保障数据安全的方面也大有裨益。
平安集团首席安全运营官李洋认为，当前人工智能已上升为国家战略，也逐渐与云计算、大数据、区块链等成为新一代的关键信息基础设施，并成为网络空间先进技术领域研究的热点和焦点。但是，目前人工智能、网络空间的安全问题，令人十分担忧。
联邦学习能够成为破解难题的办法之一。李洋认为，目前人工智能、大数据大部分都基于云实现，联邦学习适合在云端实现，联邦学习和云的结合或许是未来的趋势，但在此之前，还有非常多关乎具体实践的问题等待解决。
张志刚也认为，联邦学习仍处于发展阶段，在具体实践中仍需要慢慢摸索。但不可否认的是，未来在数据的规模越来越大，数据安全的越来越被重视的趋势下，联邦学习一定会成为人工智能、智慧城市建设中，不可或缺的保卫者。
