引言

在生成式AI与智能体全面进入企业生产系统的当下，数据的“可用不可见”成为跨机构协作与云上AI应用的关键命题。于此背景下，蚂蚁密算发布企业级可信智能云服务平台“密算一号”，并开启定向邀测。它试图回答一个核心问题：如何在保护数据主权和合规边界的同时，让大模型、智能体与算力安全“吃到”业务数据，并把价值可持续沉淀为复用的服务能力。

平台定位与技术逻辑：从“能用”到“可信可计量”

“密算一号”的设计核心，是把密态计算引入企业数据上云与跨机构合作的全流程，让数据在使用中始终保持不可见，同时让使用范围、责任边界与价值贡献可以被治理与计量。

• 可用不可见：通过密态计算（通常融合TEE可信执行环境、多方安全计算MPC、同态加密HE等技术栈的“按场景选型”组合），把数据处理放入受保护的执行与加密空间里，云平台与模型服务商无法查看或留存原始内容。
• 可控可计量：内建权限管理、策略约束与审计机制，围绕“谁在何时按何种用途使用了哪些数据”进行可追溯记录，并将算力消耗、模型调用、结果产出等要素转化为可计量的账实依据，便于结算与合规对齐。
• 即开即用：企业可按需申请数据、模型和计算能力，由平台完成参与方接入、权限管理、密态计算环境配置和结果交付，降低集成门槛与对接成本。

本质上，这是一套“可信数据操作系统”：在同一平面上连接数据、模型、智能体与算力，把安全、合规、治理与价值分配嵌入到AI生产力的流水线上。

三大核心能力：协作、用AI、可复用

1) 跨机构数据合作：不交付原始数据的联合计算

不同机构按约定用途开展联合分析、联合建模与数据加工，无需交付完整原始数据。输出不再是“裸数据”，而是多样化结果：
- 分析报告、特征标签、模型参数与评估指标
- 可直接进入业务系统调用的数据服务接口

这使金融风控、机构联防联控、政务与产业数据协作等典型场景，在保障机密性与主权边界的前提下，释放联合计算的效果优势。

2) 云上AI安全使用：让大模型与智能体“吃数据但看不见”

企业可将业务数据、文档与知识库用于云上大模型与智能体，推理过程始终处于密态保护中：
- 模型能够完成检索、理解与生成，但云平台与服务商无法查看、留存或挪用原始内容
- 使用范围与流向全程可控、可审计，行为与结果均可追踪

这直接缓解了“把敏感数据交给外部模型”的合规焦虑，为客服质检、法务检索、运维知识库问答、行业报告生成等落地创造条件。

3) 经验沉淀与复用：把一次成功变成长期服务

针对长期运行的业务，平台把已验证的数据、规则、模型、流程沉淀为可复用服务。例如一次建成的理赔核验模型，可持续服务同类场景，减少重复实施与重复评审。官方将其归结为“治数、问数、用数”三项产品能力：
- 治数：数据治理、权限策略、数据目录与质量控制
- 问数：自然语言查询、分析建模与可视化洞察
- 用数：将模型与流程服务化，供业务系统按需调用

从结果导向看，这不仅是技术平台，更是一套把“AI数据资产化、流程可复制化”的经营方法论。

生态与落地：从基础设施到行业场景

“密算一号”已对接国家数据基础设施，连接云上的模型、算力与智能能力。其产品化源于过往在基础设施与行业项目中的实战：
- 基础设施层面：建设全国首个密态计算中心，承建覆盖省、市、县三级的江西省数据汇聚流通基础设施平台
- 医疗：用于“医保+商保”清分结算中心，支持医保数据在保护条件下参与商保理赔核验，并服务相关人工智能应用中试基地的数据可信流通
- 三农普惠金融：联合构建密态时空计算平台，把农业数据用于信贷评估，提升风险控制与服务覆盖

定向邀测面向三类需求突出的机构：存在跨机构合作、需要把敏感数据调用至云上AI、以及需要持续运营数据服务的企业。通过平台的一站式接入与场景验证，可较快形成“试点—复盘—规模化”的迭代闭环。

影响与展望

可信智能云的价值，不只是“能用更安全”，更在于改变数据与AI的协作范式：
- 产业意义：把数据从“难流通、难定价”转向“可控流通、可计量结算”；为智能体的自治与协作提供可信数据底座
- 组织变革：以“数据契约”为核心的跨部门、跨机构协作方式，将逐步取代一次性、点对点的文件流转
- 合规与审计：把策略、日志、证据链内生在平台层，配合行业监管标准实现“上线即合规可核查”

仍需关注的关键挑战包括：
- 性能与体验：密态计算存在开销，需在TEE、MPC、HE之间进行混合架构的性能权衡，并以工程化优化降低延迟与成本
- 标准与互操作：跨云、跨域的可信度量、可验证日志、第三方审计需要统一接口与行业共识
- 计量与分配：如何把模型贡献度、数据质量、算力消耗映射为清晰的价值分配规则，是商业化规模化的前提
- 开发者生态：让数据科学家、业务工程师通过自然语言与低代码管道即可上手，会决定平台渗透速度

对潜在参与者的落地建议：
- 从高价值、强合规的“刚需场景”切入，如理赔核验、反欺诈、联合风控
- 先梳理数据目录、权限与使用策略，明确数据契约与责任边界
- 建立可审计流程与红队演练机制，形成持续合规与风控能力
- 做好性能与成本基线测试，评估与现有系统的耦合深度与改造范围

从邀测走向规模化，可信智能云与密态计算将逐步成为企业AI应用的“默认路径”。当数据可以在受控的密态空间中被模型与智能体持续消费、沉淀与复用，企业将真正进入“以数据为合约、以AI为引擎”的新生产力阶段。

标签： 密态计算 可信智能云 跨机构数据合作 大模型 数据治理