在人工智能快速发展的当下，数据作为驱动模型进化的核心要素，其流通与安全正成为产业界的关键议题。近期，蚂蚁集团旗下蚂蚁密算凭借全链路密态隐私保护计算技术获得行业认可，其通过技术突破实现数据低成本规模化可信流通的实践，为AI时代的数据治理提供了新范式。
当前，大模型训练对高质量数据的需求呈现爆发式增长，但可用于通用模型训练的公开数据已接近枯竭。行业数据显示，非公开渠道的高敏感数据与垂类专业知识正成为提升模型智能水平的关键资源。然而，数据持有方因安全顾虑普遍不愿开放数据流通，导致数据市场供需两端均显疲软。IDC报告指出，数据流通信任缺失是制约市场发展的主要因素，而meta收购Scale AI引发的数据安全争议，进一步凸显了建立可信流通机制的紧迫性。
蚂蚁密算董事长韦韬提出"数模一体"概念，强调数据流动与模型应用需形成闭环。他指出，大模型本质是数据驱动的知识载体，其训练过程涉及的专业价值与商业秘密必须通过技术手段保障。在此背景下，密态计算通过重构云计算PaaS层安全体系，将虚拟机、操作系统等基础设施进行密态化改造，配合数据血缘追踪与密态网关技术，形成从数据采集到应用的全链路防护。这种技术架构使数据在跨域流转时始终保持加密状态，仅在授权节点解密处理，有效解决了平台运维者窃取数据的风险。
经过两年技术迭代，密态计算的成本已降至明文分布式计算的1.5倍以内，推动其在医疗、金融等高敏感领域加速落地。典型案例包括助力超1300万农户获得信贷服务，以及帮助75%新能源车主降低保费。相关合作方测算显示，密态计算投入产出比可达1:100，且单项目年能耗不足5000元。这些实践验证了技术可行性，促使国家数标委成立专门研究组，吸引超20家单位参与标准制定。
针对数据治理产能瓶颈，蚂蚁密算创新提出高阶程序技术框架。该框架通过融合自然语言与编程语言，将大模型应用逻辑显性化，摆脱对人工核验的依赖。在金融风控场景中，多方数据清洗对齐时间从数周缩短至小时级；医疗领域则实现诊疗报告自动合规审查，准确率较传统模型提升40%。韦韬透露，该技术已完成2.0版本迭代，即将在更多专业领域推广。
技术落地的背后是蚂蚁集团长达十年的持续投入。在芯片层，其研发的AI密态升级卡可在不改动现有硬件架构的情况下，将明文算力转化为密态算力，性能损耗控制在6%以内；操作系统层，星绽系统采用Rust语言开发，安全性较传统系统提升300%。这些底层创新与密态可信数据空间形成协同效应，后者通过远程认证与"密态胶囊"技术，使数据流通从依赖主体信任转向技术信任，已吸引多家金融机构注入核心数据。
