企业对人工智能的兴趣持续升温，近三分之二公司计划增加或维持AI及机器学习支出。然而，AI部署仍面临重重障碍：Rexer Analytics调查显示仅11%的AI模型被稳定部署；Gartner分析师估计约85%的大数据项目以失败告终。
FedML获1150万美元种子轮融资
针对上述挑战，南加州大学-亚马逊可信机器学习中心首任主任Salman Avestimehr联合创立FedML。该公司允许企业在云端或边缘端训练、部署、监控和改进AI模型。FedML由Camford Capital领投，Road Capital和Finality Capital参与，估值5650万美元，筹集种子资金1150万美元。
协作式AI平台降低定制化门槛
Avestimehr指出，企业渴望利用专属数据训练定制AI模型，但高昂的数据、云基础设施及工程成本令人望而却步，且专有数据常受监管限制或被隔离。FedML通过提供“协作式”AI平台解决这一难题，支持企业与开发者共享数据、模型和计算资源。
FedML可运行任意数量的定制或开源AI模型。客户能创建协作者组，自动在PC等设备间同步AI应用，添加服务器或移动设备参与训练，并实时跟踪进度。
推出FedLLM加速大模型开发
FedML近期推出FedLLM，这是一个用于在专有数据上构建领域特定大型语言模型（LLM）的训练管道。该平台兼容Hugging Face和微软DeepSpeed等主流库，旨在提升定制AI开发速度并保障安全隐私。
构建去中心化计算社区
不同于Galileo、Arize、SageMaker等传统MLOps工具，FedML致力于建立CPU/GPU资源“社区”，在模型部署后提供托管服务。平台拟通过代币等形式激励用户贡献计算资源。Avestimehr认为，将分布式计算与MLOps套件结合，是实现更广泛影响的关键。
业务进展与愿景
目前，拥有17名员工的FedML约有10家付费客户（含一家一级汽车供应商），资金储备达1350万美元。平台全球用户超3000人，在逾万台设备上执行了8500多次训练任务。Avestimehr表示，FedML凭借联邦学习技术及协作式AI工具，正让定制化、低成本的AI及大模型成为行业最佳实践。