ShelterZoom子公司推出AI信任基础设施，CEO：“AI的未来取决于信任”

2000亿美元，这是网络安全市场的规模。现在，有人想把“信任”也做成基础设施——不是口号，而是直接嵌进企业AI系统的数据层。

Mithra Technologies Inc.，区块链与文件安全公司ShelterZoom Corp. 的子公司，今天正式发布了Mithra AI。这个产品要干的事很明确：在AI模型吐出任何答案之前，先审核一遍背后的数据。

在企业里用大模型生成内容，最大的麻烦已经不是模型能力不够，而是数据本身不可靠。一个表现极好的AI，没办法自行判断输入它的材料是真是假、是旧是偏。一旦训练语料里混进合成垃圾或未授权的数据，模型可能“一本正经地胡说八道”——这种风险在医疗、金融、法律这些容错率极低的行业里，代价高得惊人。Mithra正是盯上了这个被很多模型升级方案忽略的缺口。

它不换掉公司已有的任何一个大语言模型。工作方式是在模型下面一层，直接对输入的数据进行筛选。所有要送进模型的内容，先由Mithra检查：第一，内容是否真实、未被篡改；第二，调用这个数据的账号是否有权限。只有通过验证的数据，才会继续往前走到模型面前。

这些检查的基准被Mithra称为“密码学的单一事实来源”（cryptographic Single Source of Truth）。它是一份经过验证的记录，把每一次AI答案背后的原始数据起点锚定下来。当模型最终输出一个回答，企业看到的就不只是屏幕上的文字，而是回答所仰仗的原始材料清单——诸如“这个结论的依据来自哪份文档、哪个时间戳、谁上传的”。

这种做法和市面上修补模型输出端的方案拉开距离。事后审核模型已经生成的内容，很多错误已经嵌进去了，而且很难追溯到底是哪段数据埋了雷。Mithra的选择是在入口处建闸门，一旦公司内部的知识随着业务变化而发生更新，它会重新验证这些知识库，同时留下完整的证据轨迹，日后审计人员拿过来就能一笔一笔对账。

目前，Mithra的平台已经可以垫在多个主流商业模型下方工作，包括OpenAI的系统、Anthropic的Claude、谷歌的Gemini、微软的Copilot，还有SpaceX的Grok。接入方式也提供几种：有的客户通过API或SDK调用，有的通过OEM合作伙伴集成，最大的客户则选择完整的全栈企业部署。

安全层的底气来自ShelterZoom多年做区块链文件安全的老本行。Mithra为每一笔数据记录建立一条完整的监管链（chain of custody），并且用上了抗量子区块链加密。这意味着数据的每一次流转都被签章、打包、上链，要想事后篡改或抵赖，几乎不可能。这么做的直接效果有两样：一是大幅削减AI幻觉，把那些无根无据的生成内容堵在门外；二是在未授权数据还没来得及造成合规事故之前，就逮住它。

对于技术能力没那么强的用户，Mithra还准备了一个轻量版本，直接包装成“AI原生内容管理系统”发货。公司内部的说法是，这就像一个专门给企业文件和知识产权定制的安全保险箱——不用费心理解底层加密逻辑，把重要文件放进去，AI就能在可信边界内调用。

Mithra瞄准的不是“随便玩玩”的场景，而是那些“答错一个字就可能出大娄子”的领域：医疗、政府、金融服务、法律、教育。这些行业对数据的授权状态和溯源要求极为严格，如果AI给错一个诊断建议、误读一条法规、漏掉一个金融风险信号，后果远不止损失几个客户那么简单。

ShelterZoom和Mithra Technologies的联合创始人兼CEO Chao Cheng-Shorland 对此的表述毫不含糊：“Mithra建立在一个简单的信念上——AI的未来取决于信任。”她进一步把信任基础设施比作网络安全产业的诞生逻辑：当年互联网崛起时，没人想到最后需要专门花千亿美元的预算去构筑安全底座，可今天网络安全已经成为互联网不可或缺的基础层。在她看来，AI信任基础设施正处在那个同样的拐点上。

如果你关心这家公司的来路，会发现“Mithra”这个名字不是第一次出现。早在2019年，它曾挂在一个区块链智能合约平台上；去年10月，ShelterZoom正式把Mithra拆分成独立子公司，集中火力攻克AI数据溯源。早期客户已经进场，包括Conscience IQ等。（原文提及早期用户为Conscience IQ，其后信息被截断）

一个经常被忽视的趋势是：合成内容正在加速填满整个公开网络。有人用AI生成文章、图表甚至伪造财报，然后又用这些内容去训练下一代的AI。这种循环里，模型越用越脏，数据源头越来越模糊。Mithra做的事情，本质上就是给每一条进入AI系统的信息补一张“身份证”：它从哪儿来、谁允许你用的、中间有没有被人动过手脚。

这里的“身份证”不是象征性的比喻。密码学的单一事实来源背后的机制，是利用区块链的时间戳和哈希链，把文件的指纹和每一次访问请求都固化下来。即使将来出现能够破解现有加密的量子计算机，抗量子加密也能保证这些证据不会失效。对企业法务和合规部门来说，这等于把AI使用的风险推到了可审计、可举证的范畴。

有意思的一点是，Mithra不要求企业“相信它”。监管链和证据轨迹的设计核心就是让企业不必依赖对Mithra本身的信任——你随时可以打开记录，自己看每一步是怎么走的。这在安全领域叫做“零信任”，但Mithra没有使用这个营销热词，而是用技术把事做了。

当前大模型竞赛里，模型厂商在参数规模、推理速度、多模态能力上卷得火热，但数据层的可靠性常常被当作“以后再说”的问题。Mithra的切入刚好卡在一个缝隙里：不是去指责模型不够强，而是指出，如果喂进模型的数据本身就是一团糨糊，再聪明的模型也只能输出一团高效但危险的糨糊。

对于用户来讲，接入Mithra并不需要抛弃现有的AI投资。无论是用GPT还是Claude或是其他模型，只要在调用链路里嵌入一层数据验证，就能把“可信”这个维度补上。这有点像给喝水的杯子加一个净水器——水源、管道没变，但入口的东西干净了。

CEO提到的网络安全产业类比值得细品。20多年前，企业刚开始联网时，防火墙、杀毒软件并非标配，很多企业直到遭受攻击才意识到安全基础设施的必要。如今，AI系统的安全焦点大部分还集中在模型自身会不会被对抗样本攻击、会不会泄露训练数据，可Mithra看到的是更前置的问题：模型用来做决策的材料本身就是不可信的。把防线直接前移到数据源头，等于把安全范式重写了一次。

关于跨行业的具体价值，可以再拆开看。在医疗领域，AI辅助诊断如果基于过时的临床指南或未经授权的患者数据，可能造成误诊甚至医疗事故。Mithra能确保每次诊断建议所依据的指南版本、患者信息的授权范围都清晰可查。在金融服务里，AI摘要的研报、给出的投资建议如果间接引用了不实数据，可能引发市场操纵嫌疑；数据溯源能力可以把责任边界划得一清二楚。法律和教育行业同理，涉密数据和版权资料的授权状态必须是透明且实时的。

此外