多工厂联合训练AI模型面临一个结构性矛盾：模型需要跨工厂的数据才能泛化，但工厂间的数据不能集中。不能集中的原因包括数据合规（涉及客户隐私和商业秘密的工艺参数）、网络条件（工厂出口带宽有限，TB级原始数据传输不现实）、以及竞争顾虑（同集团的工厂间或跨企业协作时，工艺细节构成竞争优势）。联邦学习（Federated Learning）通过"数据不动模型动"的范式，在保留数据本地化的前提下实现多方联合训练。
联邦学习架构
联邦学习分横向和纵向两种基本范式，选择哪种取决于数据分布特征。
横向联邦（Horizontal Federated Learning）针对各参与方拥有相同特征但不同样本的情况。三个工厂都生产相同类型的产品，采集相同的设备参数（温度、压力、转速、振动），但各自的数据样本不同。横向联邦的过程是：各工厂在本地训练模型→上传模型梯度到聚合服务器→聚合服务器加权平均得到全局梯度→全局梯度下发到各工厂更新本地模型。整个过程不交换原始数据，只交换模型参数。
横向联邦的核心算法是FedAvg。FedAvg的加权策略基于各参与方的数据量——数据量大的工厂权重高，因为其梯度方向更能代表整体数据分布。但工业场景中数据量分布不均（大工厂5000台设备，小工厂200台），简单加权会导致大工厂主导模型，小工厂的特殊设备故障模式被忽略。解决方案是给小工厂适当超权或使用公平性约束算法。
纵向联邦（Vertical Federated Learning）针对各参与方拥有同一样本的不同特征。同一批产品在工厂A记录了生产参数（温度、压力），在工厂B记录了质检结果（缺陷类型），在工厂C记录了客户反馈。纵向联邦需要先做样本对齐（隐私集合求交，Private Set Intersection）——找到三方共有的产品批次，然后在保护各自特征隐私的前提下联合训练。
纵向联邦的技术复杂度远高于横向。样本对齐阶段，参与方通过密码学协议计算交集，不泄露非交集部分。训练阶段，参与方交换加密的中间梯度，而非原始特征。整个流程依赖同态加密或安全多方计算，计算开销显著。
联邦类型 | 数据分布 | 交换内容 | 复杂度 | 工业典型场景 |
横向联邦 | 同特征不同样本 | 模型梯度 | 中 | 多工厂设备故障预测 |
纵向联邦 | 同样本不同特征 | 加密中间结果 | 高 | 产线参数×质检结果×客户反馈 |
联邦迁移 | 不同特征不同样本 | 迁移知识 | 最高 | 跨行业设备故障迁移 |
通信协议与聚合架构
联邦学习的通信架构有参数服务器（Parameter Server）和P2P两种模式。
参数服务器架构是主流方案。一个中心聚合服务器负责收集各参与方的梯度、执行聚合、下发全局参数。Google的TensorFlow Federated和PySyft采用这种架构。参数服务器的优势是实现简单、聚合效率高。劣势是单点风险——聚合服务器知道所有参与方的梯度，如果服务器被入侵，梯度信息可能泄露参与方的训练数据特征。
工业场景的参数服务器部署有两种选择：集团内部自建（总部的数据中心运行聚合服务器，各工厂的边缘节点运行本地训练）和第三方中立节点（由可信第三方提供聚合服务，参与方验证聚合结果）。自建模式信任边界在集团内，适合集团内多工厂协作。中立节点模式适合跨企业协作，第三方不参与训练只做聚合。
P2P架构消除了中心节点。参与方两两通信交换梯度，通过Gossip协议扩散参数更新。P2P架构消除了中心单点风险，但通信复杂度为O(n²)——参与方多时通信开销急剧增长。工业场景参与方通常在3-20个之间，P2P架构的通信开销可接受。
梯度聚合的通信优化是工程重点。梯度压缩（Gradient Compression）将FP32梯度压缩为INT8或稀疏矩阵，通信量减少4-8倍。Top-K稀疏化只传输梯度绝对值最大的K%参数，其余参数在本地累积。这些优化在工业窄带宽链路下效果显著——100MB梯度压缩到15MB，传输时间从10分钟降到1.5分钟。
安全机制
联邦学习的"数据不动"是相对的——模型梯度仍可能泄露训练数据信息。成员推理攻击（Membership Inference Attack）可以判断某个样本是否在训练集中，梯度反转攻击（Gradient Inversion）可以反推原始数据。对工业敏感数据，需要额外安全机制。
差分隐私（Differential Privacy）在梯度上传前注入噪声。噪声量由隐私预算（ε）控制——ε越小隐私保护越强但模型精度下降越多。工业联邦学习的ε通常设置在1-10之间，精度损失2-5%。差分隐私的优势是实现简单——在本地梯度上加高斯噪声即可。劣势是噪声累积——训练轮数越多，累积噪声越大，需要梯度裁剪（Gradient Clipping）控制范数。
同态加密（Homomorphic Encryption）在加密域上做聚合。参与方加密梯度后上传，聚合服务器在密文上做加法运算，返回加密聚合结果，参与方解密后更新模型。同态加密消除了聚合服务器看到明文梯度的风险。代价是计算开销——Paillier加密的加法运算比明文慢100-1000倍，CKKS方案支持近似同态运算，速度更快但精度有限。工业场景中同态加密的适用性需评估通信次数——每轮训练需要一次加密上行和一次解密下行，总通信开销不大但单次计算耗时。
安全聚合（Secure Aggregation）通过密码学协议让聚合服务器只能看到聚合结果而非单个梯度。Google的Secure Aggregation协议使用掩码机制——每对参与方协商随机掩码，梯度加上掩码后上传，掩码在聚合时相互抵消，服务器只能得到梯度之和。安全聚合不引入精度损失（无噪声），但通信轮次增加——每轮训练需3-4轮额外通信做密钥协商和掩码验证。
工业场景适配
多工厂设备故障预测是横向联邦的典型场景。设备故障样本在单工厂内稀缺——关键设备年故障次数可能只有个位数。多个工厂联合训练，故障样本总量提升一个数量级，模型泛化能力增强。但各工厂设备型号、工况、维护策略不同，数据分布存在异构性（Non-IID）。FedProx算法通过近端项约束本地模型不偏离全局模型太多，缓解异构数据导致的模型发散。
跨企业供应链优化是纵向联邦的场景。供应商和采购方各自掌握供应链不同环节的数据——供应商有物料质量和产能数据，采购方有需求预测和库存数据。纵向联邦联合两方数据训练需求预测模型，精度高于任一方单独训练。但企业间信任建立困难——谁做聚合服务器、代码是否开源审计、数据交换的法律框架——这些非技术因素往往比技术本身更难解决。
落地挑战
通信开销是第一瓶颈。联邦学习通常需要数百轮通信才能收敛。每轮通信传输完整梯度，ResNet-50的梯度约100MB。100轮训练的通信总量10GB，在工厂10Mbps出口带宽下需要2.7小时。梯度压缩和稀疏化可以缓解但不能消除——压缩后的梯度仍有15-20MB，100轮通信2.5GB，耗时40分钟。
异构数据分布导致模型精度问题。不同工厂的设备数据分布差异大——大工厂设备满负荷运行，小工厂设备间歇运行。FedAvg的简单加权在这种Non-IID数据上可能导致全局模型精度低于任一本地模型。解决方案包括个性化联邦（Personalized FL，全局模型+本地微调）和聚簇联邦（Clustering FL，相似工厂聚为一组联邦训练）。
模型精度衰减相对于集中学习不可忽视。在不交换原始数据的约束下，联邦学习的精度通常比集中学习低3-8%。对于安全关键应用（设备故障预测的漏报可能导致安全事故），这个精度差距需要通过其他手段弥补——更严格的阈值设定、人工复核机制、多模型投票。
TDengine在联邦学习架构中定位为边缘数据层。各工厂的本地数据存储在本地TDengine实例中，联邦训练的本地梯度计算直接从TDengine读取训练数据，数据不出场。联邦训练的特征提取基于TDengine的连续查询（Continuous Query）能力——流式特征计算结果作为模型输入，避免训练阶段重复扫描原始数据。这种架构设计确保了"数据不动模型动"的联邦学习原则在数据存储层也得到执行。
结语
联邦学习在工业互联网数据协作中的价值，不在于精度优于集中学习——事实上它做不到——而在于在数据合规约束下提供了"可用不可见"的数据协作路径。横向联邦适合多工厂同质化设备协作，纵向联邦适合跨环节异构数据融合，安全机制（差分隐私/同态加密/安全聚合）根据数据敏感度分层选择。
通信开销和异构数据是落地的主要障碍，算法优化（FedProx/个性化联邦）和工程优化（梯度压缩/稀疏化）各自缓解一部分。联邦学习的工程成熟度仍处于早期，但作为数据合规日益严格背景下的数据协作基础设施，其技术演进方向是确定的。
