FedX hi-tech/deeptech AI Artificial Intelligence project Federated AI On Distributed Data For EU-Global Scale Services

NOTE: MACHINE TANSLATION 注意：机器翻译  问题陈述: • 数据生成预计将增长五倍，推动AI的增长。 • 数据法规增加了70%，而许多有价值的数据仍然孤立。 • 外部数据共享使经济效益增加了三倍，但从法律到声誉的合作风险都很大。 新兴景观: • 保密计算的TAM，包括联邦学习，为19-20亿美元 • 联邦学习的子部分预见5年的CAGR为145-150%。 • 由于企业意识的提高、数据法规的演变和新的机会，增长了。 价值主张: • FedX平台：联邦AI平台，数据保持原位，确保安全和法规合规。 • 技术方法：使用联邦学习进行分散的AI培训，保持数据隐私并提供快速的见解。 • 隐私标准：采用“技术设计隐私”和低风险数据处理，最大限度地减少数据泄露和误用。 EDGE: • 当前挑战：现有解决方案资源密集，难以处理实际的、不均匀的数据，导致准确性降低。 • FedX的SF技术：专利技术，即使在复杂的场景中也保持高准确性，与集中方法相当。 • 生态友好效率：将能源/计算消耗减少90%，转化为显著的CO2节省和潜在的绿色激励。 商业模型: • 第1阶段（第1-2年）：在布达佩斯和全球站点启动，重点关注中端市场然后是大客户，主要是基于项目的收入。 • 第2阶段（第3-4年）：扩大欧盟和全球业务，服务收入超过50%。 • 合作：与生物医学和银行/金融部门的实体进行有针对性的合作。 财务计划: • 2024年至2027年需要1.4亿欧元的资金用于启动、扩大和营运资金。 • 预计到2027年第一季度达到盈亏平衡；为2028年全球扩张做好准备。 • 适度投资（500-1000万欧元）的选择用于稳定增长或大量投资（3000-5000万欧元）用于T型服务组合。 • 战略投资与长期增长和多样化相一致。 用例示例：联邦生物银行，正在进行的项目： • 遗传数据的价值在全球范围内得到了认可，但很多都是孤立的。FinnGen项目引领了这一趋势（9200万欧元的资金，>7000万欧元来自制药部门）。 • 对数据安全（遗传数据需要最高级别的安全性）和保护的担忧。 • 客户的倡议：拥有约100,000个个体的数据，但在12个本地生物银行中孤立，生物银行网络旨在实现符合GDPR的数据协调，确保数据受到保护，但对研究和创新有益。 • 提议的解决方案：该项目侧重于构建可互操作的、安全的联邦数据库，允许联合分析，强调数据的协调，基于AI的安全环境和用于全面联邦队列分析的工具。 部门：许多，财务数据，政府数据，智能城市数据，流动性数据等。 为了更详细的理解或更具体的信息，建议参考原始文档。