维度网讯，西班牙人工智能公司Sherpa.ai获得1800万美元融资，用于开发能够在完全不接触用户原始数据的情况下进行训练的AI产品。该公司主要面向银行、医院和政府等对数据去向最为敏感的客户，其技术方案契合了当下快速升温的“主权AI”主题。
Sherpa.ai的核心技术是联邦学习。在这一模式下，模型并非将数据集中到一起进行训练，而是让模型“走向”数据。每家医院或银行在本地完成模型训练，仅共享学习经验而非原始记录。Sherpa.ai表示，其研究可将站点间传输的数据量减少高达99%。这种方案在隐私法规严格的受监管领域尤为重要，这些领域的数据合规要求常常阻碍常规AI项目的推进。公司创始人兼首席执行官Xabi Uribe-Etxebarria表示，目标是让企业“在无需放弃对数据的控制权、隐私权和主权的情况下，充分利用AI的潜力。”
值得注意的是，来自美国硅谷的网络安全与AI投资者Forgepoint Capital参与了本轮融资，现有投资者Mundi Ventures、Ekarpen、Allegra Holdings和SETT也继续跟投。对于一个建立在推动欧洲将AI数据保留在境内这一焦虑之上的公司而言，来自美国的认可具有重要意义。Sherpa.ai的客户名单也指向了同一方向。该公司近期已签约西班牙英德拉（Indra）、银行Caja Laboral和Unicaja、安保集团保赛固（Prosegur）、基因组学公司Centogene以及美国国立卫生研究院（US National Institutes of Health, NIH）。一家注重隐私的欧洲公司向美国联邦机构销售产品，这本身即是一种证明。
“主权AI”是一个拥挤的标签，联邦学习也并非全新概念。但Sherpa.ai的版本因其背后扎实的研究而具有分量。该公司已发表同行评审论文，探讨如何在跨私有数据集上训练大型语言模型，并与美国国立卫生研究院（US National Institutes of Health, NIH）及伦敦大学学院（University College London）合作，将这一技术应用于罕见病诊断。此次融资规模适中，该领域竞争激烈。从国家级模型项目到专注隐私的安全初创公司，许多企业都承诺开发尊重数据边界的AI。然而市场需求真实且持续增长。随着政府对数据存储地点的监管日益严格，那些能在完全不接触数据的情况下训练模型的公司，其解决方案将更具说服力。Sherpa.ai本次1800万美元的融资，正是在押注这一前景。
