企业AI卡在生产门外，韦韬说问题不在模型

企业AI的下一道门槛，落在一个比模型能力更难工程化的问题上。9月22日下午，杭州云栖大会期间，蚂蚁密算首次系统对外介绍公司的可信智能战略。

蚂蚁密算董事长韦韬表示，企业应用AI仍面临明显障碍：敏感数据限制了外部算力的使用，通用模型与专业领域的实际要求存在差距，深入业务后的AI应用还需要更多跨机构数据。

“企业需要的不只是更聪明的模型，而是一套可信的生产能力。”他说。当天，蚂蚁密算的企业级可信智能云服务平台密算一号正式发布，并启动首批定向开放。

卡住企业AI的，不只是算力

目前大部分企业的AI仍停在试点阶段，障碍并不集中在模型本身，算力、数据、专业知识和智能体的可控性各有各的问题。

最先拦住企业的是算力。金融和医疗这类合规要求极高的行业，以及大量国央企，因数据敏感无法直接使用公有云算力。韦韬提到，模型被大规模调用之后，数据泄露的后果比过去严重得多，聊天记录和商业机密都可能被提取和滥用，很多机构对云端算力始终犹豫。

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，比上一年翻了一倍，而被泄露的企业里有68%没有建立AI治理政策。

另一重落差在专业能力。韦韬直言，大模型的能力和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。

数据的麻烦出在融合环节。企业自身的数据往往不足以支撑智能体业务转型，需要引入外部数据，但真到要合的时候，谁也不愿先把数据交出去。韦韬认为，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，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%。从行业视角看，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。智能体拥有真实环境权限，能够调用工具访问真实业务，仅靠提示词这类软约束无法杜绝越狱行为。

三层解法，把AI从项目变成能力

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。

算力这一侧靠密态计算，它把密码学、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，保护范围也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。

韦韬概括为四纵两横：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，系统会校验数据源方的密钥授权，管理员和开发者都无法绕过。

他提到，该体系已通过等保四级合规性检验，在完成TPC-DS标准测试集1TB复杂分析任务时，密态计算的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。

智能体这一侧靠HOP，即高阶程序。韦韬认为，目前智能体的载体是自然语言，而自然语言不精确，难以描述复合逻辑和逻辑边界。HOP把任务目标、探索、检查和提交结构化为人和智能体都容易理解的规约，并在语言层面把探索与提交分开：探索可以在沙盒中做可逆的操作，经过生产级核验之后才可以提交。

中间层的可信智能Fabric架构，把HOP智能体与知识库、能力库、数据和安全基础设施组织成一个整体。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。

与一次性项目交付不同，它要把已验证的数据、知识、规则和流程沉淀为可反复调用的智能服务，企业的AI建设也就从做项目变成运营一种能力。业内人士表示，就密态计算的规模化问题来看，国家数标委的标准建设决定它能否被大规模应用，关键技术的突破决定成本能否产业化。

目前，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。