- 发布日期
企业AI进不了生产，卡点不在模型
- 作者
- 姓名
- 荷鲁斯快报
- 社交账号
9月22日下午，杭州云栖大会期间，蚂蚁密算首次系统对外披露其可信智能战略，公司董事长韦韬在演讲中直言：企业AI进不了生产环境，卡点不在模型能力，而在一整套比模型更难工程化的可信生产能力。当天，蚂蚁密算正式发布企业级可信智能云服务平台“密算一号”，并宣布启动首批定向开放，试图把密态算力、可信智能体与行业应用打包成可交付的生产级能力。
这番判断的背景，是目前大多数企业的AI仍停留在试点阶段。韦韬指出，真正拦住企业的障碍并不集中在模型本身，而是算力、数据、专业知识和智能体可控性四个方面各有各的问题。最先受阻的是算力——金融、医疗等合规要求极高的行业，以及大量国央企，因数据敏感而无法直接使用公有云算力；模型被大规模调用之后，聊天记录、商业机密被提取滥用的后果远比过去严重，许多机构对云端算力始终犹豫不决。
支撑这一判断的还有第三方数据。IBM在2026年7月发布的《数据泄露成本报告》显示，全球数据泄露的平均成本已升至499万美元，同比上涨12%，其中由AI参与的攻击平均损失约600万美元；“影子AI”出现在43%的泄露事件中，较上一年翻了一倍，而在被泄露的企业里，有68%尚未建立AI治理政策。合规风险与治理空白叠加，使企业在“敢不敢用”这一关上就停了下来。
第二重落差出现在专业能力上。韦韬直言，大模型能力与真正专业领域的差距“非常大”：基座模型在专业领域的水平大致相当于一名优秀本科生，掌握的是通用知识；而处理一笔理赔、核验一项交易，需要的是具体合同、最新记录和适用规则。数据层面的麻烦则出在融合环节——企业自身数据往往不足以支撑智能体驱动的业务转型，必须引入外部数据，但真到要合的时候，谁也不愿先把数据交出去。他认为，企业今天面对的不只是数据孤岛，还有更严重的“治理孤岛”，缺少一个合适的载体。
回到智能体本身，当智能体开始自主规划、调用工具、操作系统，企业会面临三类失控风险：人的授权与意图没有被准确执行，复杂任务中出现循环或偏离目标，以及数据和知识在调用传递过程中泄露。韦韬提到，用自然语言描述“不许做什么”这类红线时，大语言模型的违背率超过80%；行业视角下，已有智能体因误操作在数秒内删除生产环境数据库，造成业务长时间瘫痪。当智能体拥有真实环境权限、能调用工具访问真实业务时，仅靠提示词这类软约束已无法杜绝越狱行为。
蚂蚁密算给出的解法分三层：底层是密态算力与HOP可信原生智能体两个底座，中间层是可信智能Fabric架构，上层是“密算一号”平台。算力侧依靠密态计算，把密码学、可信硬件与系统安全组合起来，让企业在不交出数据控制权的前提下使用外部算力、模型和智能体服务，保护范围从数据延伸到提示词、知识库以及智能体运行中的上下文、记忆和中间结果；体系被概括为“四纵两横”，即可信密钥、可信账号、可信应用、可信日志四条纵向能力，加上硬件密态与数据链路层两条横向支撑。数据上传时与可信密钥管控系统协商密钥、全程以密态进入数据安全域，结果通过密态数据网关析出并校验数据源方的密钥授权，管理员和开发者都无法绕过。韦韬透露，该体系已通过等保四级合规性检验，在TPC-DS标准测试集1TB复杂分析任务中，密态计算端到端耗时约为明文计算的1.21倍，整体成本可控制在明文的1.5倍以内。智能体侧则依靠HOP（高阶程序），把任务目标、探索、检查和提交结构化为规约，并在语言层面把探索与提交分开——探索可在沙盒中进行可逆操作，经生产级核验后才可提交。上层的密算一号覆盖治数、问数、分析建模三类Data+AI场景，并承载行业智能体应用。
这一方案最直接的影响对象是金融、医疗等高合规行业和国央企。与一次性项目交付不同，它试图把已验证的数据、知识、规则和流程沉淀为可反复调用的智能服务，使企业的AI建设从“做项目”变为“运营一种能力”。业界对此评价审慎，有业内人士表示，就密态计算的规模化问题而言，国家数标委的标准建设决定它能否被大规模应用，关键技术的突破则决定成本能否真正产业化；也有分析人士认为，1.21倍的性能开销与1.5倍以内的成本上限是能否说服企业客户的核心指标，后续需更多独立测评验证。对企业用户而言，最关心的仍是数据是否始终留在自己掌控之内、智能体越权后能否被及时拦截。
展望下一步，“密算一号”已启动首批定向开放，蚂蚁密算围绕医疗健康、民生就业、车生态、征信和小微金融推进商业化，已布局医保问数、团险理赔、医保智审等可信智能行业产品。可以预期，接下来公司的重点将是把标杆案例扩展为可复制的行业模板，并在真实生产环境中检验密态算力与HOP规约的稳定性。
从宏观趋势看，这场发布折射出企业AI竞争重心的迁移：当模型能力趋于同质化，比拼的重点正转向数据要素流通、合规算力供给与智能体治理。随着数据要素市场建设提速、AI治理体系在全球范围内趋严，能把“可信”做成标准化生产能力的厂商，或许才有机会把企业AI从试点推向生产。
