数据共享和数据维护似乎难以一起保证，假如要共享数据，数据的安全就容易受到威胁；而假如要紧密地维护数据，那么一个个信息孤岛就难以打破。
如何处理这样的问题？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，完成各个企业的自有数据不出本地，经过加密机制下的参数交换方式，树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，走向共同开展。
中兴网信联合创始人、香港才智城市联盟委员张志刚以为，联邦学习必定是才智城市的下一个风口。他提到，继欧洲数据隐私维护法 GDPR 出台，我国版的数据隐私维护法案也呼之欲出。以信息化为根底的虚拟城市——才智城市建造如火如荼，简直成为每个城市的标配，其产业之大，影响之深远，建造之杂乱，成为全球各职业共同关注的方针。
在根据智能城市大数据平台开展演进的 AI 独角兽企业越来越多，怎样处理大量才智城市数据共享、才智城市系统重复建造资金、以及怎样提供给更多独角兽企业更多安全的数据，这些都是才智城市建造不得不面对的问题。
张志刚提到，现在才智城市能分为三个阶段。第一阶段是数字城市，这个阶段主要以才智感知层建造为主，即布置智能终端及事务使用，现在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，即神经和大脑的建造为主，但张志刚以为，这个阶段没有真实开端，还处于一片紊乱之中。第三阶段，才干叫做才智城市，这个阶段主要是建造使用，是一个交融多维度数据，产生新型产业链使用的阶段。
交融多维数据的前提，是要保证数据安全，因此联邦学习未来将才智城市开展中，成为不可或缺的必需品。当未来数据可以共享共用，或许在大数据领域还能催生出新的细分职业，以及新的独角兽企业。
联邦学习除了能帮助打破信息孤岛，在保证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以为，当前人工智能已上升为国家战略，也逐步与云计算、大数据、区块链等成为新一代的要害信息根底设施，并成为网络空间先进技术领域研讨的热点和焦点。但是，现在人工智能、网络空间的安全问题，令人十分忧虑。
联邦学习可以成为破解难题的办法之一。李洋以为，现在人工智能、大数据大部分都根据云完成，联邦学习适合在云端完成，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处理。
张志刚也以为，联邦学习仍处于开展阶段，在具体实践中仍需要慢慢探索。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注重的趋势下，联邦学习一定会成为人工智能、才智城市建造中，不可或缺的保卫者。
