在数据大流通时代，密态计算如何搭建“技术信任”的高速公路？
“等保二的成本、等保四的安全”，是怎么做到的？
让我们试想这样一个场景：在一个典型的金融风控系统中，银行、保险、征信机构、政府部门手握关键的客户交易、财务报表、社保、医保等敏感数据。若这些数据能联通融合，AI可以用它们构建出更精准的信用评分模型，从而让风控更精准、贷款更普惠、欺诈更难以发生。
但问题是，这些数据“能用，但不能动”。一旦被导出共享，企业便失去了对其的控制权，谁用了？怎么用的？有没有泄露？都变成了“信任黑洞”。于是，这些“沉睡的数据金矿”最终被埋在了孤岛中，AI也只能望数兴叹。
这正是蚂蚁密算在2025年外滩大会上要破解的问题。作为本次大会备受瞩目的发布之一，《密态计算白皮书》系统回答了一个关键问题：在数据成为关键生产要素的新周期，如何让AI吃上“放心饭”？
为了回答这个问题，数据猿专访了蚂蚁集团副总裁兼首席技术安全官、蚂蚁密算董事长韦韬，跟他探讨密态计算的发展，以及其如何推动数据开放共享和AI应用落地。
AI 落地不再是“技术问题”，
而是“信任问题”
过去几年，大模型如同“天才少年”般频频登场，能力突飞猛进。从自然语言处理、视频生成到智能体（Agent），AI的“智商”正在持续刷新。
但另一边，却出现了一个令人尴尬的现实：AI的落地效果，远不如预期。
我们看到的不是AI席卷千行百业，而是一个又一个“停在PoC阶段”的项目，很多时候，“业务等数据，数据在等放行”的情况，普遍存在。
问题出在哪？不只是算法，还关乎“信任”。
企业真正想要的AI落地，并不是做几个模型demo、跑几张幻灯片，而是把AI能力真正嵌入业务链条，完成规模化协同。这就需要三件事：
·多数据：打破信息孤岛，融合内部与外部数据源；
·多主体：不止公司内部，还包括政府、合作方、生态圈；
·多场景：既要支持离线分析，也要支撑在线实时决策。
但现实却是，这三个“多”成了AI落地的三座大山。目前，三大核心痛点，正成为AI工程化的“拦路虎”：
1. 数据不能流：数据“外循环”之困
在法律高压与数据主权博弈下，数据流通受到严格限制。跨行业、跨区域的数据流通面临身份审查、合规审计、审批流程、权限争议等多重障碍。
数据提供方害怕泄露责任，数据需求方获取门槛高，结果便是——数据“不能动”，AI“吃不饱”。
2. 数据不敢用：信任机制失灵
哪怕数据获得授权使用，一旦出了“家门”，数源方便无法控制它的命运：对方会不会滥用？会不会泄露？是否按照合同规定处理？——这些问题无法技术验证，只能靠“人治信任”、“主体信任”和法律契约约束。
“合同能约束行为，但约束不了欲望。”法律合同的约束力在数字世界里往往无效，因为数据的复制和滥用很难被察觉和审计，违约成本低，追责成本高。
3. 用起来成本高：隐私计算“天生昂贵”？
过往隐私保护技术如安全多方计算（MPC）、同态加密（FHE）、可信执行环境（TEE）等，都在试图解决“如何安全使用数据”的难题，但这些方案各有短板，不能支撑当前数据大规模可信流通的需求。例如，MPC计算规模和性能受限，只能适用于百万级数据量的简单加工；FHE理论优美，但与明文相比，计算性能慢十万倍，存储膨胀超过一千倍，适用场景非常有限；TEE安全体系化严重不足，仅提供了最基础的隔离认证能力，缺乏构建产业化应用的其他很多核心能力。这好比是在金库、运钞车之上构建银行系统，在汽车、火车之上构建运输系统，还需要很多体系化的能力。
很多企业尝试之后的评价很统一：“不是太贵、太慢、就是太难用了。”
所以很多时候，问题的根源不是“不会用AI”，而是“数据用不起”！
正如韦韬所言，“数据决定了AI的应用能力上限”。如果数据不能流、不能控、不能用，AI再聪明也只能困在企业的“数据沙盒”里。
这，正是“密态计算”要解决的难题。它的目标不是让AI更强，而是让数据“自由”，但不“裸奔”。
什么是“密态计算”？
它凭什么解决这道难题？
在2025年外滩大会上，蚂蚁密算联合产学研各界，正式发布了行业首份《密态计算白皮书》，系统性地给出了一个令人期待的答案：密态计算，正是解决AI数据流通“信任问题”的工程化解法。
如果要用一句话解释什么是密态计算，那就是：让数据在“看不见”的状态下完成可控计算，在“不泄露”的前提下实现可信协作。
换句话说——数据在使用过程中始终是加密的，包括数据的加工方、平台的运营方和系统的运维方都无法看到原始数据内容，数据使用方只有在获得数源方的授权后才能拿到计算结果。
可以这样类比理解密态计算：不是“加一道门锁”，而是“把数据装进一个行为完全可控的黑箱”。为了实现这一点，蚂蚁密算打造出三项关键技术能力：
1. 全链路密态保障——数据不暴露
传统隐私计算多聚焦“计算中保护”，却忽视了中间结果保护、输出授权等关键环节的风险。而密态计算做到了“从采集到交付”全过程密态处理，即使是计算结果，也要由数据持有方授权才能解密。
这就像把数据关进了一辆“加密装甲车”，即使有人劫车，也打不开。
2. 全流程可信管控——策略可约束
密态计算不仅保护数据，还保护使用规则。通过“密态胶囊”技术，把数据与使用策略（如使用次数、加工逻辑、有效期限）打包在一起。任何违反策略的调用行为——例如越权计算、篡改程序、伪造请求——都将被拒绝或审计追踪。
这意味着数据提供方即使将数据交由他方调用，仍然可以通过技术手段远程“遥控”整个使用流程。
3. 从“主体信任”到“技术信任”——可验证
传统数据共享依赖“主体信任”，即“我相信你是合规的”，而密态计算引入“技术信任”，即“我不需要相信你，我只信技术体系是否可验证”。
这一切的实现，基于多项技术组合构建起来的“数字信任边界”，为数据提供方构建起了一个跨地域、跨机构、跨云厂商的“密态安全域”。
“成本不是问题”，而是“破题”的关键
过去，隐私计算之所以难以落地，核心在于成本“高不可攀”。但如今情况正在改变。
韦韬告诉数据猿，根据蚂蚁密算团队的实测数据，密态计算已经较好地解决了成本问题：
·通用密态计算成本已降至明文分布式计算的1.5倍以内；
·针对AI大模型推理场景，成本更是控制在1.2倍以内；
·在医保商保、农业金融等场景中，密态计算带来的安全收益远远超过性能损耗，ROI高达100倍以上。
这意味着，密态计算首次突破了“能用但用不起”的门槛，进入了“规模化可用”的时代。
在数据合规要求日趋严格、AI落地呼声日益高涨的时代，密态计算提供了一条新的路径：用“技术信任”解决信任缺失、用“工程能力”打通数据壁垒。
“等保二的成本、等保四的安全”，
推动数据的规模化流通
如果说大模型代表的是AI的“智力巅峰”，那么密态计算更像是“可信的基础设施”：它不炫技，但它决定AI能否真正走入业务深处、与现实世界深度融合。
在工程落地中，有一个被反复提及的评价指标：“以等保二的成本，获得等保四的安全”。
这不是一句宣传口号，而是蚂蚁密算团队在医保、农业金融、跨机构风控等多个项目中，通过真实测算得出的系统级安全收益。
那么，这一能力是如何实现的？据韦韬介绍，为了实现这个目标，蚂蚁密算从多个维度持续努力：
1. 工程化能力：软硬一体协同优化
密态计算不是某一个“点技术”的堆砌，而是一套贯穿芯片→操作系统→中间件→开发框架→应用层的全栈架构：
·硬件层：基于可信芯片（如TPM、CVM）、支持SM2/SM3/SM4等国密算法；
·系统层：构建密态操作系统（TEE OS）、密态容器、虚拟机，完成安全隔离与密钥保护；
·协议层：通过优化加密流水线、通信协议，提升并发计算效率；
·平台层：统一管理可信身份、密钥、日志、策略，实现可追溯、可审计；
·开发层：通过“密态胶囊”、“密态编译器”，让开发者无需改变编程习惯即可构建可信数据应用。
这些组件共同构建出一个“密态安全域”，其安全等级可达到等保四级，但部署成本却控制在主流系统等保二的水准。
2. 密态智算：AI密态升级卡引领智算升级
大模型训练推理过程中的数据和用户访问请示的安全和隐私保障，是未来大模型发展的刚需求，而国内在GPU上的密算能力远远落后国外。
蚂蚁密算推出的创新产品——AI密态升级卡，通过GPU外插方式解决当前市场多数GPU缺乏密算能力的问题。使用时无需修改任何AI应用代码、无需更换硬件或操作系统，即可完成“明文→密态”的系统改造。
这意味着：不需要重构已有模型代码；不需要适配驱动；不依赖特定芯片架构（兼容NVIDIA、沐曦、燧原等主流平台）；真正实现“零改动”的安全升级。
部署形态上也更灵活，可以作为单独卡件外插，也可集成在“密态一体机”中，为政府和大型企业提供“开箱即用”的密态智算可信数据空间。
3. 开源与可审计：让“黑箱”变“透明”
技术要赢得广泛信任，不能只靠企业自证。
蚂蚁密算联合浙江大学、美团、小米等机构发起建设的“隐语·数据可信流通技术社区”，正在将密态计算的核心协议、编程框架、运行环境逐步开源，并接入第三方审计体系，以此提升技术的透明度与行业信任门槛。
这让密态计算从“可信但看不见”，走向“可验证、可溯源、可对比”的工程级“开源可信”范式。
需要指出的是，密态计算之所以令人期待，并不是因为它“概念性感”，而是它正在从产业实验室中落地生根、开花结果。
据韦韬介绍，密态计算并不只存在于实验室，它已经服务于多个关键领域的数据流通系统。
例如，在某省医保局项目中，100万元的密态改造预算，带来超过1亿元的成本节省。数据共享后，医保理赔与商保结算合一，极大减少了人工操作与欺诈空间。
在金融领域，银行之间不交换原始数据，只通过密态计算返回“联合判断结果”，满足合规要求同时提升反欺诈准确率。
在科研领域，多所高校与企业联合进行AI模型训练，彼此数据不出本域，通过密态平台完成共享训练、评估与验证。
这些落地项目有一个共同点：数据价值高、数据敏感性强、主体之间信任壁垒大，密态计算成为它们之间唯一可行的“技术信任桥梁”。可以说，密态计算正在从“技术提案”走向“基础设施”，它不仅提供了“能用的安全”，还提供了“愿意用的体验”。
以“技术信任”构建数据流通底座，
加速AI应用落地
人类社会进入数据文明时代，数据逐渐从“信息副产品”转变为“核心要素”，其流动效率决定了产业效率，其使用方式影响着社会公平。