苏州陆禾电子公司研发隧道定位系统、隧道uwb定位系统、隧道门禁系统、隧道zigbee定位系统，硬件是基于uwb/zigbee超远距离定位技术，软件是的3D可视化软件，可以直观、清楚的看到人员的轨迹与当前的状态以及隧道气体变化、人员进去等信息的直观呈现。
系统特点：
（1）、系统采用先进的UWB技术TOF算法，对隧道内人员从隧道口到隧道内工作面能全天候不间断地进行实时的定位与跟踪，定位精度达到30厘米;
（2）保证隧道全部位于无信号死角，做到信号全覆盖;
（3）在紧急情况下，可通过定位卡上一键报警按钮，及时通知监控室管理人员；
（4）通过无线方式传输数据到隧道口监控室;
（5）可显示任意选定人员的实时的位置信息，并可按时间段对指定 的隧道内人员的行走轨迹进行历史回放显示单基站定位技术;
（6）可实现考勤、路径跟踪、安全管理、区域统计、数据存储、系统自诊断、出洞异常提示、数据备份、操作记录、用户权限管理、远 程登录等一系列功能;
（7）隧道工程施工灾难发生后，系统可实时显示隧道内所有人员地 理位臵信息，并启动相应应急预案；
（8）能够显示隧道图形及隧道内部人员动态分布情况，可对人员进行查找定位、实时跟踪、历史轨迹回放等;
（9）人员定位系统出口协议应开放，人员的所有信息均可以调用；
（10）人员定位系统服务器应配备外部网络，以供外网用户访问和系统平台对接；
过去几年，人工智能作为硬核科技，在安防、金融、政务、医疗等领域发挥了巨大价值，但行业人员发现，目前在人工智能领域，无论是深度学习还是机器学习都离不开大数据样本的“喂养”，传统AI 需要收集样本到一个本地化的平台，然后通过集中化的算力训练出优质的模型。
这种做法带来的问题是，深度学习和样本需要数据的流通，但流通的数据往往没有得到授权。个人轨迹、财产信息等个人隐私甚至关乎国家的关键信息必须得到保护，传统的大数据训练方式颇有漏洞，新的数据保护解决方案亟待出台。
在数字经济趋势和数据安全保护的时代背景下，隐私计算应运而生，并且在2020年得到市场广泛认知。其本质上是利用密码学的手段，实现在数据不出库的情况下进行联合计算、联合建模，以开放且合规的方式充分发挥数据价值。
联邦学习是隐私计算的其中一种解决方式，顾名思义，就是在数据与数据之间，建立一个类似“独立联邦”的地区，数据经过加密后进入联邦，后又根据导出所在地的需求再度编码，后导出的数据并不是数据本身，而是需求所在地需要的参数。
富数科技CEO张伟奇在人工智能大会现场接受了界面新闻的专访。他对以上技术做了一个较为形象的解释：一些国外AI厂商在中国也有业务落地，他们在国外建模也需要中国的数据参与训练，过去传统的数据出境做法是去标签化、脱敏处理等，但近年来不行了，因为涉及到个人隐私、工业信息、国家安全等原因，数据出境越发敏感，而隐私计算技术使用后，可以在数据不出库、不出国的情况下，跨国进行模型的训练，其根本目的是实现数据的“又保护又开放”。