4月28日，星云Clustar隐私计算产品发布，名为星云隐私计算全栈解决方案，包含隐私计算软硬件一体机、隐私计算软件平台和异构加速算力解决方案。
隐私计算市场鲜有硬件产品。有行业人士表示，同类隐私计算头部企业尚未发布硬件产品。星云Clustar CEO陈沫在采访中回应，有其他包括互联网企业在研发的相关消息，但未曝光。作为早期布局隐私计算硬件的敲门人，陈沫表示，软件的营收方式可以想象，硬件在不同阶段需求不一样，投入硬件开发更多基于企业对市场的判断。
对于为什么要做硬件一体机，陈沫强调，客户体验很重要，软硬件结合能保证流畅度、易用性。从陈沫的描述来看，人工智能发展前，算力需求不大（CPU足以支持）；随着深度学习、机器视觉等应用，GPU需求上涨；隐私计算对算力消耗则是空前大。这或许是隐私计算硬件的机会。陈沫表示，对于有CPU和GPU冗余客户，可以用加速卡硬件；没有冗余的则可选择一体机。
同样作为开源联邦学习生态FATE一员，微众银行人工智能部副总经理、FATE技术指导委员会主席陈天健评价，技术委员会中，微众银行和腾讯是算法担当，VMWare是云操作系统担当，星云Clustar是性能担当。被问道可以替代多少台传统服务器时，陈沫提到，一体机能带来50倍性能提升（据介绍，性能提升在50至70倍）。星云Clustar一体机据悉是有结合CPU/GPU/FPGA芯片的服务器。
星云Clustar此次发布也包括软件产品，陈沫表示，星云Clustar软硬件均有所长，有数据合作方，不需要找合作伙伴就能给客户提供合作方案。FATE成员包括腾讯。星云Clustar介绍的核心产品中，基于FDN的联邦学习应用的FDN包涵腾讯数据。
隐私计算一体机商用成绩还有待时间验证。同时，未来或有其他企业的硬件部署落地。
金融业对互联网行业数据存在需求，行业合作或成隐私计算产业级机会
银行和医疗等对数据保护要求高的行业，成了隐私计算商用初期的关键领域。
在应用场景方面，星云Cluster目前更多关注金融行业的客户需求，风控是第一大场景，同时也涉及医疗等。据披露，星云Clustar的主要客户是中国建设银行、微众银行、招商银行、国家能源集团、宝武集团、中国联通和上汽集团，其与股份银行和国有大行的合作案例涉及信用卡营销获客以及多参与方安全建模；为建行建立了联邦学习的一个框架，据称是首个四大行的隐私计算商业合同。
陈沫谈到，金融行业数据特征不够，有意与互联网行业做数据合作。将不同行业的数据整合，同时不泄漏各自的数据资产，诞生了对隐私计算的需求。包括银行业和互联网，大量行业的合作，对陈沫来看，是产业级机会。
此外，由于金融行业天然倾向私有化部署，一体机支持该形态，也被认为是与金融业契合的理由。
金融业技术领域从业人士在圆桌上表达了对隐私计算应用的看法。
陈天健提出，以银行视角来看，科技力量较强的大型银行机构已经走过了信息化、智能化时期，现在要走到隐私计算，去拓宽自己的数据边界，进一步增强自己的业务竞争力。他认为，针对于中小型的金融机构，则一定会产生专业的服务公司，帮助他们在短时间内走完信息化、智能化和隐私计算技术导入。
招商银行分行信息技术部副总经理蔡毅表示，银行在隐私计算发展上属于起步阶段，现在也在银行内部试点，用于风控和市场营销上，并发现在市场营销的效果出乎意料，后续也会加大力度在这方面不断投入。
浦发银行创新研究中心曹祥博士透露，浦发创新研究中心内部有三个团队在单独进行联邦学习和多方安全计算相关的项目，但在技术在实际业务应用上，有合规方面的担心。
同时，同在金融行业，有券商高管提出了顾虑，理论上来说，若最大的几家证券公司把客户交易数据打通的话，事实上可以完全左右市场，这个市场就完全失效了，是一个极度敏感的话题。
隐私计算流派之争，行业关注合规问题
随着《数据安全法》，《信息安全技术的个人安全规范》和《个人信息保护法》出台，个人隐私数据保护加强，数据安全问题受到重视。
演讲时，陈沫谈到，在数据融合需求以及隐私保护的合规需求背景下，隐私计算技术正在快速落地。隐私计算目前是其认为实现数据安全流通的唯一路径。
有关隐可信计算技术，涉及TEE（基于硬件的可信执行环境计算）、安全多方计算以及同态加密等。联邦学习也是隐私计算领域不可忽略的模式。
中国银联电子支付研究院周雍恺博士谈到，比较公认的基本隐私计算包含三大技术流派，包括联邦计算、安全多方计算，以及TEE可行性执行环境。
周雍恺分析，可行性执行环境技术上相对成熟，依靠硬件的，隔离环境，计算通用性也比较好，目前遇到的障碍主要还是芯片的障碍。其次，安全多方计算从安全和性能的角度来比，可以应用于某些比较特殊特定的场景，比如像匿踪查询，如果要扩展到通用计算，虽然从理论上来说是可行的，但是从工程应用角度来说，性能还是要有很长一段路要走。对于联邦计算，分为联邦统计、联邦学习，对应的是AI和BI的场景，可以通过联邦化的方式来进行解决的。周雍恺认为，目前来说，联邦计算在安全还是实用方面，至少应该是目前三项技术里边成熟的，有案例显示，通过联邦学习的方式，能够提升整个建模的效果，也能保证整个数据的可算不可见。
陈沫在接受采访时提及，安全多方计算适合做统计、查询，联邦学习适合学习（Learning），所有技术没有百分百完美，均有各自场景。
在隐私计算行业的演进上，陈天健谈到，隐私计算有集中式的，比如可行性计算的方案，也有分布式的，比如联邦学习的方案。他表示，相对来说，集中式的方案，由于要把数据整体移动到一个可行性计算环境里面，对于合规的挑战是非常大。分布式的方案，从合规上面更容易走得通。
陈天健提出，隐私数据联网场景也是信息安全管理规则需要探讨；此外，隐私计算安全性的目标已经不仅仅局限于原始数据，对于查询过程的数据，和衍生出来的模型数据都会做全面的保护。据悉，央行在2020年出台了安全多方计算的建议标准，央行科技司业在相关立项的过程当中，行业参与者提交了关于联邦学习的技术应用标准，其认为，配套的标准可以很大程度上解决技术应用合规性的问题。
香港科技大学讲席教授杨强认为，隐私计算、联邦学习、迁移学习、安全计算等，使得社会变得越来越有序，能够合法合规提高效率。
对于构建金融数据共享生态圈的难点和挑战，周雍恺表示，一是监管认可，其二是技术上一定要实现互联互通，才能形成一个比较大的网络。
关于此次发布的全栈解决方案，隐私计算一体机是核心，由隐私计算软件平台与隐私计算异构加速算力解决方案提供数据安全性与算力支持。IaaS层为底层算力加速，PaaS层有隐私计算软件平台，上层为联邦数据应用。
据介绍，隐私计算一体机提供不泄露交集内外的数据交集算法和业界首个异构计算加速方案。由于同态加密需要相较于明文数据与计算成百上千倍的算力消耗，星云异构计算（GPU、FPGA协同高效计算）能够将延迟降低，功耗降低，加密速度提升。星云解决方案为数据使用方以及数据源方提供服务。星云一体机根据场景分为数据使用方和数据提供方一体机，其中使用方一体机是开箱即用。
据接近企业人士消息，近期星云Clustar将有融资消息公开。星云Clustar主体为深圳致星科技有限公司，是隐私计算和联邦学习技术提供商，创始人为香港科技大学教授陈凯。据悉，其已完成四轮融资，投资人有红杉资本、基石资本和香港科技园。
