螞蟻密算韋韜：企業AI進不了生產，卡點不在模型

TechPulse2026.09.23 11:40 · 來自浙江全文1839字00:00 / 05:57韋韜提到，用自然語言描述不許做什麼這類紅線時，大語言模型的違背率超過80%。企業AI的下一道門檻，落在了一個比模型能力更難工程化的問題上。9月22日下午，杭州雲棲大會期間，螞蟻密算首次系統對外介紹公司的可信智能戰略。螞蟻密算董事長韋韜表示，企業應用AI仍面臨明顯障礙，敏感數據限制了外部算力的使用，通用模型與專業領域的實際要求存在差距，深入業務後的AI應用還需要更多跨機構數據。“企業需要的不只是更聰明的模型，而是一套可信的生產能力。”他說。

螞蟻密算的企業級可信智能雲服務平臺密算一號，在大會上正式發佈，並啟動首批定向開放。圖片來自AI生成卡住企業AI的，不只是算力目前大部分企業的AI仍停在試點階段，障礙並不集中在模型本身，算力、數據、專業知識和智能體的可控性各有各的問題。最先攔住企業的是算力，金融和醫療這類合規要求極高的行業，以及大量國央企，因數據敏感無法直接使用公有云算力。韋韜提到，模型被大規模調用之後，數據洩露的後果比過去嚴重得多，聊天記錄和商業機密都可能被提取和濫用，很多機構對雲端算力始終猶豫。

IBM在2026年7月發佈的《數據洩露成本報告》顯示，全球數據洩露的平均成本升至499萬美元，同比上漲12%，其中由AI參與的攻擊平均損失約600萬美元；影子AI出現在43%的洩露事件中，比上一年翻了一倍，而被洩露的企業裡有68%沒有建立AI治理政策。另一重落差在專業能力，韋韜直言，大模型的能力和真正專業領域的差距非常大。基座模型在專業領域的水平大致相當於一名優秀本科生，掌握的是通用知識；而處理一筆理賠、核驗一項交易，需要的是具體合同、最新記錄和適用規則。數據的麻煩出在融合環節，企業自身的數據往往不足以支撐智能體業務轉型，需要引入外部數據，但真到要合的時候，誰也不願先把數據交出去。

韋韜認為，企業今天面對的不只是數據孤島，還有更嚴重的治理孤島，缺少一個合適的載體。回到智能體本身，當智能體開始自主規劃、調用工具、操作系統，企業會面臨三類失控風險，人的授權與意圖沒有被準確執行，複雜任務中出現循環或偏離目標，數據和知識在調用傳遞過程中洩露。韋韜提到，用自然語言描述不許做什麼這類紅線時，大語言模型的違背率超過80%。從行業視角看，有智能體因誤操作在數秒內刪除生產環境數據庫，造成業務長時間癱瘓，智能體擁有真實環境權限，能夠調用工具訪問真實業務，僅靠提示詞這類軟約束無法杜絕越獄行為。

生產能力螞蟻密算給出的解法分三層，底層是密態算力與HOP可信原生智能體兩個底座，中間層是可信智能Fabric架構，上層是密算一號平臺。算力這一側靠密態計算，它把密碼學、可信硬件與系統安全組合起來，讓企業在不交出數據控制權的前提下使用外部算力、模型和智能體服務，保護範圍也從數據延伸到提示詞、知識庫以及智能體運行中的上下文、記憶和中間結果。韋韜概括為四縱兩橫，可信密鑰、可信賬號、可信應用、可信日誌四條縱向能力，加上硬件密態與數據鏈路層兩條橫向支撐。數據上傳時與可信密鑰管控系統協商密鑰，全程以密態進入數據安全域；結果通過密態數據網關析出，系統會校驗數據源方的密鑰授權，管理員和開發者都無法繞過。

他提到，該體系已通過等保四級合規性檢驗，在完成TPC-DS標準測試集1TB複雜分析任務時，密態計算的端到端耗時約為明文計算的1.21倍，整體成本可控制在明文的1.5倍以內。智能體這一側靠HOP，即高階程序。韋韜認為，目前智能體的載體是自然語言，而自然語言不精確，難以描述複合邏輯和邏輯邊界。HOP把任務目標、探索、檢查和提交結構化為人和智能體都容易理解的規約，並在語言層面把探索與提交分開：探索可以在沙盒中做可逆的操作，經過生產級核驗之後才可以提交。中間層的可信智能Fabric架構，把HOP智能體與知識庫、能力庫、數據和安全基礎設施組織成一個整體。

上層的密算一號覆蓋治數、問數、分析建模三類Data+AI場景，並承載行業智能體應用。與一次性項目交付不同，它要把已驗證的數據、知識、規則和流程沉澱為可反覆調用的智能服務，企業的AI建設也就從做項目變成運營一種能力。業內人士表示，就密態計算的規模化問題來看，國家數標委的標準建設決定它能否被大規模應用，關鍵技術的突破決定成本能否產業化。目前，螞蟻密算圍繞醫療健康、民生就業、車生態、徵信和小微金融推進商業化，已佈局醫保問數、團險理賠、醫保智審等可信智能行業產品。（本文首發於APP，文 | TechPulse，作者 | 張帥，編輯 | 楊林）