联邦学习是一种新兴的人工智能基础技术,报告主要从技术研究、行业应用、学者画像以及发展趋势等维度,较为全面深入地分析了联邦学习自2016年诞生至2020年的重要发展成就。联邦学习“中美双雄”格局显现,全球专利受理数量以中国地区最多,共1514项;美国位居第二,共579项。在专利申请数量TOP10机构中,中国占7席,美国占3席。开源框架主要来自中美,其中OpenMined 推出的Pysyft 、微众银行的FATE和谷歌的TFF框架的热度居于全球前三位。联邦学习领域的全球学者共计2,764名,中美分别拥有816和817名,各占全球总量的30%。未来联邦学习研究趋势将与算法模型和安全隐私技术相关,如Edge Computing(边缘计算)、Data Heterogeneity(数据异质性)、Internet Of Things(物联网)、Blockchain(区块链)、Wireless Communication(无线通信)、Communication Efficiency(沟通效率)等。行业应用研究方向呈现出不断与区块链、物联网、车辆交互、5G等技术融合的态势。