文章核心观点 - 蚂蚁密算公司凭借其首创的“密态计算技术体系”荣获“世界互联网大会杰出贡献奖”，标志着公司在数据要素流通与人工智能融合领域的前瞻布局获得行业权威肯定 [1] - 行业对数据要素化流通与大模型智能化应用两大方向的共识正不断凝聚 [3] - 蚂蚁密算通过技术突破和规模化落地，实现了从“技术可行”到“商业可取”的关键跨越，并提出了“数模一体”的新范式以重构AI时代的生产力关系 [6][7][10] 密态计算技术体系 - 密态计算技术体系通过密码学、可信硬件与系统安全技术构建“技术信任”底座，实现数据“可用不可见”，即便平台超级管理员也无法窃取或滥用他人数据 [3] - 该技术让数据提供方敢于将高价值、高敏感数据注入流通环节，从根本上解决数据持有者“不愿开放、不敢开放”的难题 [5] - 通过软硬件协同创新，将密态计算成本降至明文计算的1.5倍以内，破解了隐私计算长期面临的“成本困境” [5] - 全栈技术布局包括2025年9月发布的AI密态升级卡（性能损失控制在2%～6%）、开源的“星绽”操作系统以及密态可信数据空间技术 [5] 技术应用与规模化落地 - 密态计算技术已在多个关键领域实现规模化落地，包括杭州市全国首个密态计算中心、服务超1300万农户的“农户秒贷”项目以及新能源车险精准定价等案例 [6] - 2025年下半年，蚂蚁密算参与国家数标委WG6密态计算研究工作组的成立，推动密态计算成为国家相关标准 [15] - 隐语开源社区升级为“数据可信流通技术社区”，逐步覆盖隐私计算、可信数据空间等六大技术路线 [15] 数模一体新范式 - “数模一体”新模式旨在解决数据和模型割裂的问题，认为数据和模型本质上是一体两面，必须置于统一的安全框架下考量 [7][8] - 该范式在密态计算构建的“安全机房”里，构建以“CPU（大模型）+ OS（智能体）”为核心的新计算体系，未来大量数据处理工作将由大模型驱动的高阶智能体以工程化方式完成 [10] - 蚂蚁密算于2025年7月开源“高阶程序（HOP）”框架，将自然语言与编程语言混合，构建可审核、可核验的智能体工作流，将可靠性从大模型原生的70%～80%提升至99%以上 [11] - 在金融机构联合风控场景中，基于HOP的高阶智能体在可靠性超过99%的前提下，Token成本不到10元，而传统专家建模需3天至2周 [11] 行业影响与效能提升 - 数据治理领域通过将200多项数据国标与行标“翻译”成高阶智能体可执行的标准化程序，将数据治理能效提升5到10倍，解决了“有标准难落地”的顽疾 [12] - “数模一体”模式重构产业协同中知识传递和价值分配的方式，使行业顶级专家的知识、经验得以沉淀并封装成可复用的高阶智能体，扩展其能力边界和服务半径 [14] - 数据要素交易市场规模目前约1000亿元，行业领导和专家判断这是万亿规模的市场，密态计算技术的普及将激活大量“沉睡”的数据 [14][15] 市场前景与基础设施 - 据国家数据局《“数据要素×”三年行动计划（2024—2026年）》，数据产业年均增速将超过20% [14] - 数据要素市场的基础设施投入达百亿规模、数据加工处理达千亿规模、承载业务达万亿规模，与市场相比投入完全值得 [15] - 蚂蚁密算强调开源共建的重要性，通过开源“星绽”操作系统和“隐语”社区推动行业互联互通 [15]

技术核心与定义 - 密态计算是一种基于密码学、可信硬件和系统安全的新一代隐私保护计算技术，其核心特点是计算过程数据“可用不可见”，计算结果保持密态化，可防止数据泄露和滥用 [1] - 该技术的主要作用是帮助数据要素跨主体、跨行业、跨地域流通，使数据提供方在数据供给出去后依然能实现有效的密态管控，不失去控制权，这是传统明文计算无法达到的效果 [3] - 技术实现路径是将整个云计算的PaaS层及以上全部重构，建立全新的可信体系，包括可信的密钥管理、身份账号管理、应用管理等，数据从密态切换为明文析出需在密态数据网关处触发严格审核程序，通过数据“血缘”溯及数据源方确认 [5] 市场前景与应用路径 - 密态计算成本已显著降低，目前降至明文计算成本的1.5倍以下，而密态大模型推理成本更降至传统明文推理的1.2倍以内 [6] - 市场应用路径预计为金融、医疗等高价值、高敏感行业先投入并构建基础设施，随后向更多行业扩展，类比冷链技术从运输荔枝发展到运输土豆的过程，未来覆盖面将非常大 [6] - 2024年被视为密态计算市场化规模应用爆发的元年，公司近期参与了国家数据标准化委员会密态计算研究工作组的成立，致力于推动行业标准化 [6] 与人工智能的协同发展 - 未来全新的计算方式将由大模型驱动的高阶智能体实现，大模型是新的CPU，智能体是未来的操作系统，通过工程化体系提供专业可靠性保障 [3][4] - 公司定位之一是通过密态计算保障数据、智能体能够安全、有效地流动、应用、融合，落实“数模一体”，即海量专业数据构成大模型与专业智能体的基石，同时智能体成为挖掘数据价值的核心引擎 [4] - 大模型有望在未来3-5年于数据应用领域率先取得突破性成就，解决当前数据领域劳动力匮乏问题，提升数据加工和提炼效率 [4] 大模型可靠性问题与解决方案 - 大模型幻觉被视为其有智力的体现，产生原因包括问题规模过大导致可靠性“崩塌”，例如测试显示大模型解答“8位数×8位数”数学题时准确率不足20% [7] - 可靠性问题另一常见原因是用户未给足描述，导致大模型在数据不足时推理出错，很多时候问题在于人未正确使用大模型，而非模型本身 [8] - 应对措施是构建融合编程语言与自然语言的高阶程序，对问题处理过程进行有效拆分，并在框架层面对每一步推理结果进行核验，可使整体可靠性超过99%，届时数据领域能效可提升10倍甚至100倍以上 [8]

公司技术与产品 - 蚂蚁密算创新全链路密态隐私保护计算技术，实现数据规模化低成本可信流通，服务超千万级用户[1] - 密态计算技术实现计算过程数据可用不可见、计算结果保持密态化，同性能下数据处理成本降至明文分布式计算的1.5倍以内[2] - 公司形成芯片-系统-平台全栈布局：AI密态升级卡性能损失最低不足2%且最高不超过6%，星绽开源操作系统安全性大幅领先Linux，应用层有业内首个密态可信数据空间[3] - 2025年7月发布国际首创高阶程序大模型可信应用技术框架，通过任务显性分拆、场景知识图谱、受控工具执行三大组件实现全流程管控[5][6] 市场应用与规模 - 技术已落地普惠金融领域，农户秒贷项目服务超1300万农户，其中八成农户种植面积不足10亩[2] - 新能源车险项目实现人车数据安全联合建模，让75%新能源车主平均下降8%保费[2] - 密算技术市场规模在基础设施层面为百亿级，数据处理层面为千亿级，业务层面为万亿级[3] - 数据要素交易市场当前规模约1000亿，潜在规模可达万亿级别[8] 行业趋势与范式 - 大模型背后数据驱动的智能时代已来临，但高价值高敏感数据跨主体融合利用困难制约其潜力释放[1] - 数据将决定未来大模型应用的行业竞争差异[1] - AI时代产业升级需要数据安全流通及数据与模型协同发力，未来属于数模一体新范式[4] - 在医疗金融等关键领域，99%可靠性是基本及格线，但当前大模型原生可靠性仅为70%-80%[4] 生态建设与行业影响 - 公司通过开源共建推动生态发展，隐语开源社区链接全球超2万名开发者、60余所高校及科研机构、70余家产业合作伙伴[7] - 牵头在国家数标委成立密态计算研究工作组，推动形成数据流通基础设施四统一格局[7] - 密态计算技术成熟为敏感性较低但未流通的数据提供流通可能，应用场景将从金融医疗拓展至更广泛领域[8]

行业背景与市场机遇 - 截至2024年12月，国内生成式人工智能的注册用户数量超过6亿，使用AI解决生活和工作问题已成为用户习惯[2] - 数据要素作为新型生产要素，其零成本复制的特性使得数据拥有者的权益难以保障[3] - 高质量数据要素的流通和大模型在重要隐私场景的应用落地，是国家重点宣传、扶持和培养的行业领域[5] 公司技术与解决方案 - 荆华密算孵化于清华大学计算机系，专注于高性能密态计算技术，旨在以可接受的成本缓解用户使用云端大模型时的隐私安全问题[2][3] - 密态计算技术能在数据完全不解密的情况下对密态数据进行正确计算，数据在传输、存储或计算任何环节均以密态形式存在，极大提升了安全性[5] - 公司策略是不做通用场景，专注于对计算代价敏感的AI计算，在确保安全性和兼容性的同时将计算代价控制在可承受范围[8] - 公司正在研发世界先进的密态推理引擎与密态训练引擎，密态推理引擎针对存在隐私需求但负担不起本地部署高昂成本的用户，密态训练引擎旨在保障数据拥有企业在数据交易中的权益[10][12] - 通过其方案，用户可在本地将输入数据转为密态后发送至云端进行“可用不可见”的密态计算，结果不解密发回本地，从而提升数据全流程安全性[11] - 密态训练引擎能帮助数据持有者在保证数据密态的前提下将数据租赁出去，实现一次投入、多次重复变现，形成持续收入管道[13] 技术路径与竞争优势 - 密态计算落地有两种形式：以GPU-TEE硬件为核心的“机密计算”和基于密码学原理的“密码级计算”，前者对特定硬件依赖高且部署成本高，后者通用但计算代价极高[6] - 公司研发团队由长江学者、清华大学教授领衔，在安全与AI交叉领域深耕多年，经过五年研发，其最新方案已大大减少卡顿时间，可应用于实际场景[8] - 公司技术已得到市场验证，曾帮助某大厂在核心业务中大规模上线高性能密态计算能力，保护了上亿境外用户的数据隐私[9] 公司发展里程碑 - 荆华密算于2024年9月注册成立，2025年6月进入实质性运营阶段，在公司仅有雏形时便获得了英诺天使的千万级天使轮投资[9] - 公司在2025年DEMO CHINA大赛中从126家科技企业脱颖而出，荣获最高荣誉“DEMO GOD”，并得到多家权威媒体关注报道[3][5] - 密态训练引擎和密态推理引擎正在紧密研发中，计划于今年底和明年第一季度推出[13] 市场定位与未来战略 - 隐私安全赛道很大，但公司只聚焦于AI领域，不求成为通解，力争成为AI模型推理和训练领域的最优解[15] - 公司认为市场尚处蓝海阶段，核心战略是深耕技术护城河与对应解决方案，成为引领刚需隐私场景使用大模型和数据要素跨域流通解决方案的先驱[15]

公司概况与市场背景 - 公司孵化于清华大学计算机系，专注于通过密态计算技术解决云端大模型使用中的数据隐私安全问题[3] - 截至2024年12月，国内生成式人工智能的注册用户数量超过6亿，使用AI解决生活和工作问题已成为几亿用户的习惯，但隐私安全是伴随而来的主要顾虑[3] - 公司在2025年DEMO CHINA大赛中从126家科技企业脱颖而出，斩获最高荣誉"DEMO GOD"[3] - 公司成立后迅速获得英诺天使的千万级天使轮投资，并于2025年6月进入实质性运营阶段[13] 核心技术：密态计算 - 密态计算技术可在数据完全不解密的情况下对密态数据进行正确计算，数据在传输、存储或计算的任何过程中均以密态形式存在，极大降低了数据泄露风险[7] - 传统密态计算存在高性能损耗问题，例如将大模型回答时间从1分钟延长至1000到1万分钟，或需依赖昂贵的可信硬件导致部署成本大增[9] - 公司研发团队在安全与AI交叉领域深耕多年，策略是不做通用场景，专注对计算代价敏感的AI计算，在最新方案中已将卡顿时间大幅减少至可实际应用的水平[11][12] - 技术已成功落地某大厂，帮助其保护了上亿境外用户的数据隐私，并在核心业务中大规模上线了高性能密态计算能力[13] 产品解决方案与应用场景 - 公司正在研发世界先进的密态推理引擎与密态训练引擎，分别针对"隐私场景使用AI大模型"和"数据要素的可信流通"两大痛点[14][15][17] - 密态推理引擎服务于负担不起本地部署高昂成本但存在隐私需求的用户，包括B端、G端和C端用户，通过"可用不可见"的密态计算保障数据安全[15][16] - 密态训练引擎旨在保障数据拥有企业在数据交易中的权益，通过保证数据在"密态"前提下租赁出去，帮助数据持有者实现一次投入、多次重复变现的持续收入[17] - 两款引擎产品计划于今年底和明年第一季度推出[18] 市场定位与发展战略 - 公司明确聚焦于AI领域的隐私安全赛道，不求成为通用解决方案，但求在AI模型推理和训练这一高价值领域成为最优解[22] - 当前市场被视为蓝海，公司核心战略是深耕技术护城河与对应解决方案，推动解决刚需隐私场景使用AI大模型与数据交易过程中的痛点[22] - 公司团队具有浓厚的实验室研发背景，计划引入产品端人才以加强商业敏感性和用户体验，使定价和增长逻辑更贴近用户真实需求[20]

公司核心信息 - 荆华密算（北京）科技有限公司在2025年9月25日的第十九届DEMO CHINA活动中获得最高荣誉"DEMO GOD" [1] - 公司核心团队全部来自清华大学，首席科学家为清华大学计算机系长聘副教授任炬 [1] - 公司联合创始人兼CEO林修醇为2000年出生，北京大学光华管理学院硕士，北大在读博士 [1] - 公司目标是将世界领先的高性能密态计算技术进行商业化成果转化 [1] - 公司于2025年8月获得英诺天使基金的种子轮投资 [1] 公司技术与产品 - 公司正在研发世界先进的密态推理与密态训练引擎 [1] - 密态推理引擎服务于无法承担本地部署大模型高昂成本且存在隐私需求的用户 [1] - 密态训练引擎旨在保障数据拥有企业在数据交易中的权益 [1] - 公司核心技术显著提高了密态计算效率并提升用户体验 [1] - 密态训练引擎计划于今年底推出，密态推理引擎计划于明年第一季度推出 [1] 行业活动概况 - 本届DEMO CHINA大会汇聚了126家早期科技企业和213家投资机构 [2] - 大会发布了多项行业榜单，包括《2025值得关注的AI创变者》等 [2] - DEMO CHINA活动18年来累计吸引47000多家创业企业报名，1506家企业登台展示 [2] - 历史数据显示，623家参与企业成长到A轮以后，327家企业参与后进入下一轮融资，35家企业成功上市 [2]

行业技术定义与进展 - 密态计算是通过综合利用密码学、可信硬件和系统安全相关技术 实现计算过程数据可用不可见 计算结果保持密态化的技术[3] - 最新技术将安全保障拓展至全链路 覆盖身份认证、访问控制、密钥管理等环节 贯穿数据汇聚、传输、存储、计算和结果返回全过程[3] - 行业头部机构正携手制定统一标准 开源核心框架 构建通用安全评估体系以推动互联互通[5] 成本与性能突破 - 密态计算成本高企是行业最大误区之一 其实际性能已逼近明文计算[3] - 密态通用计算成本已降至明文分布式计算成本的1.5倍以下[3] - 密态大模型推理成本更降至传统明文推理的1.2倍以内 在金融、医疗等领域已低于数据流通业务价值的5%[3] 商业化应用落地 - 密态计算已具备大规模商业化部署能力 成为新一代数据安全基础设施[3] - 技术已在政务、医疗、农业等多领域规模化落地 正从技术验证阶段迈向规模化商业落地[4] - 杭州密算中心作为全国首个密态计算中心 支持公共数据与产业数据密态融合[4] 具体应用案例 - "农户秒贷"项目通过密态计算实现多源敏感数据的安全可信融合 服务超760万农户[4] - 全国首个"医保+商保"清分结算中心依托密态可信数据空间 推动医保数据赋能商保 大幅提升就医结算效率[4] - 蚂蚁密算发起成立隐语开源社区 与美团、vivo、小米及多所高校合作推动隐私保护计算技术发展与产业应用[5]

产品发布与核心功能 - 蚂蚁密算在2025Inclusion外滩大会上发布AI密态升级卡 [1] - 产品采用"即插即用"的创新方式实现从"明文计算"到"密态计算"的安全改造 [1] 技术优势与兼容性 - 该升级卡可在不更换现有xPU硬件的前提下完成安全改造 [1] - 该技术无需修改AI应用代码与驱动即可实现密态计算 [1]

行业技术发展 - 密态计算技术从实验室阶段进入大规模商业化部署阶段 成为新一代数据安全基础设施 [3] - 技术通过硬件可信根和密码协议优化 显著降低计算成本 密态通用计算成本降至明文分布式计算的1.5倍以下 大模型推理成本降至明文推理的1.2倍以内 [3][4] - 技术具备高兼容性 可无缝集成现有主流计算框架 降低开发门槛和迁移成本 [4] 应用领域拓展 - 在金融领域应用成本已低于数据流通业务价值的5% 医疗领域同样实现低成本应用 [3] - 杭州密算中心作为全国首个密态计算中心 支持公共数据与产业数据密态融合 [5] - "农户秒贷"项目服务超760万农户 通过多源敏感数据安全融合实现土地和风控数据应用 [5] - 全国首个"医保+商保"清分结算中心依托密态可信数据空间 提升就医结算效率 [5] 技术特性优势 - 实现从身份认证到密钥管理的全链路安全保障 覆盖数据汇聚 传输 存储 计算和结果返回全过程 [5] - 推动数据流通从"主体信任"转向"技术信任" 通过技术手段限制运维人员和数据研发方权限 实现管理平权 [4] - 解决传统隐私保护计算技术（如多方安全计算和联邦学习）仅能保护计算环节的局限性 [5] 产业生态建设 - 16家产学研机构联合发布《密态计算技术白皮书》 包括蚂蚁密算 浙江大学 中国科学技术大学等顶级机构 [1][3] - 行业头部机构正制定统一标准并开源核心框架 蚂蚁密算发起隐语开源社区 与美团 vivo 小米及多所高校开展社区共建 [5]

隐语社区战略升级 - 隐语开源社区从聚焦隐私计算升级为覆盖六大技术路线的“数据可信流通技术社区”，旨在解决数据流通全链路的信任嵌入问题 [1] 数据要素市场现状与挑战 - 2024年全国数据市场交易规模超1600亿元，同比增长30%以上，其中场内市场数据交易规模同比翻番，但相较于53.9万亿的数字经济规模，流动数据占比仍很小 [3] - 大型企业数据流通的核心障碍是数据外循环中安全合规责任的断层风险及下游保障能力不足，而非盈利动机 [3] - 产业落地面临“共识难”、“标准难”、“门槛高”三重挑战，技术路线碎片化且政策修订速度无法匹配技术迭代 [4] - 公共数据开放因责任权利失衡举步维艰，政府部门无法承担专业脱敏工作，需要引入市场化机制 [4] 技术路线与生态整合 - 新社区将覆盖隐私保护计算、可信数据空间、数据元件、数联网、区块链、数场六大技术路线，并进行多技术路线融合，构建模块化解决方案 [4] - 社区通过开源开放代码促进跨领域技术协同与标准共建，并推出SaaS化服务为中小企业提供轻量化方案 [4][5] - 隐语社区开源框架已部署超2000个节点，其中三分之一为企业所用 [5] 可信流通技术方案 - 蚂蚁密算通过构建统一的可信数据空间技术体系，实现跨主体的安全合规数据流通 [3] - 密态计算实现全链路保障，不仅保护计算过程，还将计算结果置于加密状态，显著降低生态整体成本 [5] - 可信数据空间核心解决全链路密态保障（数据不泄露）和全流程可信管控（数据不被滥用）两个问题 [6] 行业应用与新模式探索 - 数据流通不等同于交易，大厂的数据通常不售卖，数据要素需要新的范式而非传统土地财政模式 [6] - 在供应链金融领域，通过隐私计算实现“脱核”模式，数据持有方无需暴露原始数据即可输出可信结果，推动金融机构进行更全面的信用画像 [6] - “数据即服务”模式从经济效益延伸至产业链协同优化 [6] 人工智能与数据流通融合 - 大模型使非结构化数据价值显性化，但70%～80%的可靠性在医疗、金融等专业领域无法承受风险 [7] - 蚂蚁探索“高阶程序大模型可信应用技术框架”，通过程序表达、知识嵌入和闭环核验反馈机制，将大模型输出转化为可信的专业生产力 [7] - 该框架已在金融风控全链路、网络入侵检测、医疗重复计费等多行业场景中应用，可靠性和时效性有显著提升 [7] 软硬件一体化与成本优化 - 可信根芯片成本仅几十元，能大幅提升密态计算效率，蚂蚁与海光、华为等企业合作推动软硬一体化的可信安全体系 [7] - 数据流通短期突破点在于公共数据开放与大模型赋能 [7] 开源生态建设与产学研合作 - 开源社区旨在降低数据可信流通技术的应用门槛，提供更高性能、更强安全、更低成本的技术方案 [8] - 社区三年来已链接全球2万名开发者、60所高校及70余家产业伙伴，在普惠金融、医保结算等领域落地标杆案例 [8] - 社区与中电数据、国家工信安全中心、浙江大学、华为等建立合作，推动跨领域标准共建，增强技术中立性 [8] 未来展望与价值释放 - 行业正从隐私计算的“单点突破”迈向数据流通全栈技术的“系统作战” [9] - 数据流通基础设施成熟将释放指数级价值，让96%尚未激活的高价值数据成为数字经济的新质生产力引擎 [9] - 在数据领域可能出现真正的大模型Killer App，其冲击可能比自动驾驶来得更快、更大 [9]