在2020年CCF-GAIR全球人工智能與機器人峰會上，邏輯匯創始人叢明舒以“聯邦學習中的經濟激勵”為主題，深入探討了聯邦學習技術在實際應用中面臨的經濟挑戰與激勵機制設計。他指出，聯邦學習作為一種新興的分布式機器學習范式，能夠在保護數據隱私的前提下實現多方協作建模，但其可持續發展離不開有效的經濟激勵體系。

叢明舒強調，聯邦學習的核心在于“數據不動，模型動”，然而參與方往往因數據貢獻與收益分配不均衡而缺乏積極性。他提出，經濟激勵應當基于貢獻度量化，例如通過Shapley值等博弈論方法評估各參與方的數據價值，并結合模型性能提升效果進行動態獎勵分配。這不僅能夠激發數據提供方的參與熱情，還能促進高質量數據的持續輸入。

叢明舒結合經濟信息咨詢領域的實踐案例，分析了聯邦學習在金融風控、醫療健康等場景中的激勵設計難點。他建議引入智能合約與區塊鏈技術，實現激勵機制的透明化與自動化執行，從而降低協作成本與信任風險。

叢明舒呼吁產學研界共同構建開放的經濟激勵標準，推動聯邦學習從技術探索走向規?；虡I落地。他認為，只有通過合理的經濟驅動，聯邦學習才能真正釋放數據要素的價值，助力產業智能化升級。