凌华科技推出的MECS-7211边缘运算伺服器为边缘联邦学习提供高效能运算平台，协同优化运算系统，颠覆传统的集中式机器学习训练，为个资隐私解套，适合应用於密集型运算的加速场景，如隐私运算、机器学习、基因测序、金融业务、医疗、影像处理、网路安全等。

凌华科技MECS边缘运算伺服器实现边缘联邦学习应用，以共用模型打造效能卓越的AI智能

随着物联网的快速发展以及5G网路普及化，大量终端设备接入网路中产生海量资料，传统的资料透过云端进行运算分析，随着资料的急剧增加，由应用终端传送至云计算中心的过程中会造成延时和资料泄露，及时并有效地处理资料成为云计算中心的一大挑战。

在网路边缘执行运算的新型运算模型-边缘运算（Edge Computing）因应而生；在靠近人、物或资料来源的网路边缘侧，就近提供边缘智慧服务，更有效率的网路服务回应，大大地提升物联网、车联网、工业控制、智慧制造等众多业务需求。

边缘运算技术的引入，减轻了云中心的网路负担, 但同时也引发了安全性问题，当资料的在地语系化，容易阻碍资料间的流通，加之近年资料安全、应用规范不断提升，如 GDPR 资料隐私以及资料保护的议题被高度重视。传统机器学习演算法采用的资料集中化运算，无法应对资料规范要求，限制人工智慧的发展。

在此背景下，联邦学习（Federated machine learning/Federated Learning）因应而生，为边缘运算的安全问题提供了解决方案。

联邦学习是一个机器学习框架，在叁与方使用加密後的私有资料进行运算，仅交换加密状态後的模型的叁数、权重及梯度等特徵，无需将原始资料移出本地，也无需将加密後的原始资料移动集中，即能帮助多个机构在满足使用者隐私保护、资料安全和政府法规的要求下，进行资料使用和机器学习建模。

联邦学习作为分散式的机器学习范式，保障资料不泄露并让企业用更多的资料训练模型、联合建模，实现AI协作，为隐私保护运算解决方案的落实提供了有力支撑。

近期，凌华科技和星云Clustar联合推出边缘联邦学习的一体机。该系统采用凌华科技的MECS-7211作为边缘运算伺服器，和星云Clustar的FPGA异质加速卡，对联邦学习中常用复杂运算元进行定性分析和硬体优化，便於使用者实现分布式机器学习任务的加速。

高效的储存、运算、资料传输系统，对比传统的CPU架构，效能提升7倍，对比CPU加GPU方案，提升2倍，功耗也降低了40%。此边缘联邦学习一体机适用需要大量资料分析并着重隐私的金融、医疗、数据中心等领域，并已完成多处实例布署。

凌华科技网路通讯暨公共建设事业处总监叶建良表示：「凌华科技MECS系列产品是定位於5G的边缘运算平台。作为OTII规范的发起者之一，MECS系列产品符合OTII（Open Telecom IT Infrastructure）的产业规范，采用异质的架构，灵活支援FPGA、GPU、5G加速等扩充卡。精巧的尺寸设计加上支援宽温的运作环境，适合分散式架构应用场景，方便部署於网路边缘和应用。凌华科技和星云Clustar联合推出边缘联邦学习的一体机，协同优化运算系统，拓展了MECS系列产品的应用，未来也将持续在AI 领域合作，丰富边缘运算的应用场景。」

凌华科技致力於边缘运算和AI领域，超过二十年在电信网通运算领域的研发投入经验，专注於网路安全、5G，边缘运算，物联网等基础设施的产品和服务，提供领先、加固和可靠的硬体和软体解决方案，成为人工智慧改变世界的推手。