“信任，正在变成一种AI基础设施。

9月23日的云栖大会上，蚂蚁密算发布了一个新产品，名字起得很实在，叫密算一号。定位是企业级可信智能云服务平台，当天启动了首批定向邀测。

值得注意的是它出现的时机。

过去两年，智能体是科技行业最热的词。演示视频里，AI帮人写代码、做分析、处理合同，样样精通。可走进真实的企业，故事往往在半路断掉。事故已经不新鲜，去年7月，国外一家知名AI编程平台的智能体，在用户反复下达代码冻结指令后，仍然删除了整个生产数据库，随后还伪造数据掩饰错误，公司首席执行官不得不出面道歉。多数企业的AI项目则更为安静地停在试用期，模型在试点中表现良好，却迟迟无法接管生产业务。

问题出在哪里，答案可能出乎很多人意料。卡住企业AI的，往往不是模型不够聪明，而是企业不敢把数据和业务交给它。当一家银行的核心记录、一家医院的病历、一家工厂的产线数据，都要面对被云处理的可能，聪明的模型反而成了风险的放大器。

蚂蚁密算给出的判断更直接，企业需要的不只是更聪明的AI，更是可信的AI。这家从蚂蚁集团隐私计算技术发展出来的公司，花了近四年时间把云上算力改造成密态算力。这次密算一号的发布，算是它交出的一份答卷。

比数据孤岛更难的
是信任孤岛

先看一笔数据账。国家数据局《全国数据资源调查报告（2025年）》显示，2025年全国年度数据生产总量达52.26ZB，约占全球总量的27.44%，其中约九成的数据生产增量来自企业。

数据多到用不完，却远没有用起来。企业用AI，面前横着三道坎。

第一道坎，是算力不敢用。

云上有最好的模型和算力，但敏感行业进不去。金融、医疗、法律机构以及大量国央企，核心数据都有明确的安全边界。前车之鉴，并不遥远。2023年，三星电子允许半导体部门员工使用ChatGPT协助工作，结果不到20天就发生三起泄密，设备源代码和内部会议纪要被员工直接粘贴进对话框，成了外部模型的训练素材，公司随后全面禁用了生成式AI工具。

监管的态度同样直接。今年6月，国家金融监督管理总局印发《关于银行业保险业人工智能安全开发应用的指导意见》，也就是业内所说的8号文，从数据治理到高风险应用划定红线，个人敏感信息被明确禁止用于生成式AI训练。企业的顾虑说穿了就两条：一是密钥，数据传输全程加密，可如果解密的密钥握在云管理员手里，加密就只是形式。二是明文，数据进了内存参与计算的那一刻，谁能保证它不被看走。

第二道坎，是智能不可靠。

通用大模型的知识来自公开语料，按照蚂蚁密算董事长韦韬的说法，水平大致相当于一名优秀本科生。本科学历应付日常问答绰绰有余，应付核保理赔、产线调优、法律评审，差距就压不住了。更麻烦的，是智能体的驱动方式。今天的智能体靠自然语言下指令，而自然语言讲不清复合逻辑，更守不住边界。韦韬在媒体沟通会上提到，用自然语言给大模型描述红线，违背率超过80%。删库、死循环、烧钱空转，这些新闻背后的共性只有一个，人对AI失控了。

第三道坎，是数据不敢融。

AI是数据驱动的，单家企业的数据撑不起一次完整的智能化转型，融合外部数据是绕不开的一步。可原始数据一旦离开自己的服务器，控制权就交了出去。想要别人的数据，又不敢给出自己的数据，合作就锁死在原地。

三道坎指向同一个底层问题，企业缺的不是数据，不是算力，也不是模型，而是一种保证，数据走出家门之后，控制权还在自己手里。比数据孤岛更难缠的，是这个信任孤岛。

AI应用
企业有第三种选择？

过去企业要用云，只有两条路。

一条是明文上公有云，效率最高，可控制权悬在别人手里，敏感行业基本被排除在外。另一条是全量私有化，什么都自己建，安全边界清晰，但建设重、迭代慢，算力天花板还低。两条路各堵一头，企业只能在安全和效率之间反复摇摆。

蚂蚁密算走的，是第三条路。这家公司的核心能力叫密态计算，简单说，就是把云上通用的CPU和GPU改造成密态算力，让数据在加密状态下参与计算。它和早年流行的隐私计算不是一回事，隐私计算解决的是多方数据可用不可见，保护发生在计算环节内部。密态计算管得更宽，从密钥、账号、应用到日志，把整个云环境的信任问题重新做了一遍。

那到底是怎么做的呢？拆开看是三层。

最底下一层是密钥。用户上传数据时，与一套可信密钥管控系统协商生成密钥，密钥只存在于数据源方和可信芯片系统中，云平台的管理员和开发者都拿不到。第二层是计算。数据全程以密态形态在网络、存储和内存中流转，在可信执行环境里完成大模型和大数据运算，过程不出明文。第三层是出口。所有数据产品和智能产品的对外交付，必须经过密态数据网关，网关逐项核验数据源方的授权，授权充分才放行，原始数据永远不会析出。

这套体系有个便于记忆的名字，四纵两横。四纵是可信密钥、可信账号、可信应用、可信日志四条管控线，两横是硬件密态环境和数据密态链路两层底座。据韦韬介绍，为了做到这一步，蚂蚁密算团队从虚拟机、操作系统到容器全部重构，相当于重做了PaaS层以上的半朵云，前后用了近四年，花了十几亿元。目前，这套体系已经通过网络安全等级保护四级检验，那是国家关键信息基础设施所要求的级别。

技术是一方面，真正让这件事从实验室走向产业的，还有一个关键变量，那就是成本。一项技术再好，如果成本降不下去，那也只能停留在实验室里。

据国家权威机构评测，在TPC-DS标准测试集1TB的复杂分析任务中，密态计算的端到端耗时仅为明文计算的1.21倍，总体成本可以控制在明文计算的1.5倍以内。1.21倍意味着什么，在密态计算的早期，用密文算一次的代价是明文的成百上千倍，企业用得起的是演示demo，不是实际的业务生产。当性能损耗收敛到两成左右，密态计算第一次有了谈产业化的资格。安全不再是拿效率换来的，这是这个拐点的行业意义。

蚂蚁密算的这套体系，已经有实际应用了么？落地案例已经开始说话。在医疗领域，密态计算支撑了医保加商保的清分结算中心，医保数据在受保护的前提下参与商保理赔核验。在江西，蚂蚁密算承建了覆盖省、市、县三级的数据汇聚流通基础设施平台。在农村金融场景，蚂蚁密算与网商银行、农业农村部大数据发展中心联合建设密态时空计算平台，农业数据在密态环境中参与信贷评估。

这些实践，最终汇聚成了密算一号。按蚂蚁密算总裁刘前伟的介绍，这个平台提供三种能力，跨机构数据合作、云上AI安全使用，以及业务经验的持续沉淀。企业可以在平台上按需申请数据、模型和算力，治数、问数、用数三类产品分别覆盖数据治理、自然语言查询和分析建模。与过去一次性项目交付不同，平台上验证过的数据、规则和模型会被沉淀为可复用的服务，一次建成的理赔核验模型，可以持续服务同类业务。

当然，智能体这一环也没有缺席。今年9月的外滩大会上，蚂蚁密算把智能体原生语言HOP开了源。按韦韬的解释，自然语言是手工作坊，HOP是流水线。任务被结构化为目标、探索、核验、提交几个环节，探索只能在沙盒中做可逆操作，通过生产级核验后才能提交。这套语言与可信智能Fabric架构、密态算力一起，构成蚂蚁密算所说的可信智能三层底座。

信任
正在变成一种AI基础设施

把镜头拉远，蚂蚁密算踩中的是一条数据产业发展的主线。

数据要素的故事讲了很多年，前半程的关键词是汇聚。这个阶段，如今基本走完。国家数据局在2025数据安全发展大会上给出的账本显示，全国数据领域相关企业已超过19万家，数据产业规模超过2万亿元，按照20%以上的年均增速测算，2030年将达到7.5万亿元。账本背后还有一个更具体的时间表，到2029年，国家数据基础设施主体结构要基本建成。

后半程的关键词换成了流通，而流通的前提是信任。

在数据流通与可信这个领域，三件重要的事情正在同时发生。

标准层面，全国数据标准化技术委员会（全国数标委）的两份技术标准，数据安全域技术要求和密态计算技术能力要求，都处于研制之中。前者定义安全域的要求基线，后者规范密态计算的能力实现，数据安全域的边界，第一次有望用国家标准的口径划清楚。设施层面，国家正在构建一体化数据要素大市场，密算一号已经接入国家数据要素流通枢纽节点。制度层面，公共数据相关制度在多轮试点之后等待真实落地，这是行业公认的发令枪。枪响之前，行业数据和企业数据的流通已经在需求爆发中先行。

刘前伟把产业成熟的条件归纳为四层，标准、关键技术、基础设施、产业落地。他的判断是，需求端和技术端的推动都很明确，这一轮的普及速度会比前几年快很多。

当然，密态计算的规模化应用，仍然取决于标准落地的节奏和行业试点的验证深度。安全是一件专业的事，不是宣传出来的，需要整个行业用试点、标准和实践一轮一轮地确认。

但至少有一个判断是确定的，数据产业奔向7.5万亿的路线上，信任是绕不开的那座桥。谁能把信任做成基础设施，谁就站在了枢纽位置。

数据安全的四次演进

回头看，数据安全这门手艺，其实经历了四次重要的演进。

第一次，数据住在自家机房。安全靠保险柜、门禁和围墙，边界是物理的，数据基本不动。第二次，互联网让数据流动起来，加密传输和权限管理成了标配。可这套体系有个软肋，数据一旦进入计算就要解密，边界之外的信任，靠的是一纸合同。第三次，隐私计算出现了，多方数据在互不见面的情况下完成联合计算，可用不可见第一次成为现实。但隐私计算只保护计算环节自身，密钥、账号、应用、日志的管理员风险，仍然留在体系之外。

第四次演进，正在发生。密态计算把管理员不可信设为默认假设，用可信芯片、全链路密态和受控析出，把整朵云改造成可以验证的可信域。数据第一次可以带着控制权，离开家门。

安全从一种制度变成一种工具，再从工具变成一种结果。为此买单的人，也从“看门人”变成了所有想把数据用起来的人。

对今天的AI产业来说，这个规律的意义很具体。模型的能力竞赛还在继续，但决定AI能走多远的，是企业敢把多少真实业务交给它。从隐私计算到密态计算再到可信智能，蚂蚁密算近十年的路径几乎与数据安全行业的演进重合，这也让它的答卷多了一层行业参照意义。数据要素化的方向已经确定，把信任做成基础设施的人，会接住这轮历史红利。

文：月满西楼 / 数据猿

责编：凝视深空 / 数据猿