螞蟻密算創新全鏈路密態的隱私保護計算技術，以技術突破信任壁壘，實現數據規模化低成本可信流通，服務超千萬級用戶。”日前，螞蟻密算獲得“世界互聯網大會杰出貢獻獎”，頒獎詞著重強調了“數據規模化低成本可信流通”的價值。
大模型進入產業落地前夜的當下，螞蟻密算獲得權威認可，在外界看來是一個信號。某種程度，它反映了這家年輕的公司圍繞著數據流通和人工智能產業落地卡點的探索關注，在AI時代已成為行業普遍性議題——
一方面，數據驅動的模型對高質量數據產生了前所未有的需求，數據要素的跨主體、跨行業、跨區域的低成本、高性能、高安全流通變得更為迫切。另外，大模型帶來的智能變革似乎近在眼前，但它距離千百倍的行業變革仍然有距離。
而螞蟻密算的解法，由此也產生了更大的行業借鑒意義。無論是提出密態計算還是發布致力解決大模型在專業應用中的可靠性困境的高階程序（High-Order Program, HOP），在“數模一體”的新時代，正為解決高質量數據缺乏背景下的數據治理產能不足、推進高價值高敏感數據跨主體融合利用、加速人工智能的產業應用，貢獻了一份自己的力量。
圖片
螞蟻集團副總裁兼首席技術安全官、螞蟻密算董事長韋韜在溝通會現場直言，“AI時代，螞蟻密算所選擇的方向正得到產業界認同，整個行業發展正迎來一個重要的戰略窗口期和規模化應用機會。”
01
密態計算正進入規模化應用元年
“數據是AI時代的新石油”，這句誕生在AI 1.0時代的斷言，在大模型時代含金量還在進一步上升。
今年6月，Meta以約143億美元對數據標注領域頭部公司Scale AI 49%股份的天價收購案，某種程度上反映出，AI時代數據在模型智能及大模型的競爭中呈現出巨頭卡位的重要性。
這背后是當下AI數據領域的現實挑戰：目前，可用于通用模型訓練的互聯網公開數據在基模訓練里幾乎已消耗殆盡，這一方面使得大模型訓練早已從數據參數規模擴展，轉向數據語料的質量上。同時，不在公開渠道流轉的高敏數據以及包含了垂類場景知識的專業數據，正對大模型智能提升以及行業應用產生越來越大的影響。
這一行業現狀也讓產業界對更加暢通的數據要素安全流通機制有切實需求。以Scale AI收購案為例，在Meta發出收購信息后，一大批與Meta的模型存在競爭關系的廠商紛紛開始切斷與Scale AI的合作，背后就是對數據安全相關的擔憂。
但現實是，擁有稀缺的高質量數據的企業和各類主體，出于安全等各種顧慮，很難放心讓數據跨域去流通、流轉。IDC在今年4月的一份報告中就指出，當前數據市場供需不旺，主要原因對數據流通的不信任。
韋韜觀察，AI時代“數模一體”，數據的可信安全流通還多了一重新的迫切性。
大模型作為數據驅動的知識匯聚技術，只有大量的數據和專業知識，才能構建大模型。同時，模型即數據，數據上所承載的專業價值、商業的秘密都會展現在模型里面。
韋韜認為，大模型一旦流通應用，數據上所要做的保障，在模型層也需要做相關的保障。模型本身也需要誕生在能保障數據、智能體高效流動、應用和融合的密態計算基礎設施之上。
這些都意味著，密態計算的市場空間正進一步打開。
實際上，過去兩年來，密態計算領域經歷了快速的發展演進。
圖片
一年半以前，螞蟻集團成立了螞蟻密算，將螞蟻過去十年在下一代隱私保護計算領域積累的技術能力對外輸出。當時密態計算領域正如韋韜所言，“去年但凡談密算，大家都覺得是螞蟻一家在做。”
但隨著密態計算技術升級，成本大幅降低至明文分布式計算的1.5倍以內，這項新興技術開始在醫療、金融等領域規模化落地，比如幫助超1300萬農戶獲得貸款，讓75%新能源車主平均下降8%保費。據相關合作單位估算，在密算上投入100萬，整個行業收益100倍以上，一年電費能耗不到5000元。
韋韜提到，這些落地進展讓行業確信，密算真的能讓產業界敢于注入高敏高價值數據，并且基于密算保障的數據流通后，業務能真正獲得顯著效果。
與產業落地進程同步，密態計算的相關國家標準也在同步推進中，同時更多的行業玩家進入這一市場。
就在烏鎮舉行的世界互聯網大會的前一天，韋韜還參與了國家數標委WG6（國家數據標準化委員會數據基礎設施標準工作組）成立的SG2密態計算研究組，他看到已經有超過20家單位加入工作組，密態計算正加速進入行業共建階段。
疊加上AI時代對數據安全流通產生的強烈需求，韋韜認為，“今年是密態計算的市場化規模應用啟動元年”。當下行業處于高敏高價值行業先行投入階段，隨著行業基建完善，未來整個互聯網上無法公開傳輸的數據都可以基于密算承載，這將是一個巨大的市場。
02
“數模一體”，加速AI時代數據價值釋放
數據流通安全問題經由密態計算技術得到保障后，專業數據要真正在產業應用流通里真正“用得好”并不是那么“理所當然”。
韋韜觀察到，螞蟻密算在與國家部委的合作里發現，那些從來沒有參與跨主體、跨域流通和供給的數據的質量，與真實產業場景應用的要求之間存在不小的差距。
“大量數據缺乏治理、缺乏標準化，以及此前匯聚傳輸過程中可能累積了很多錯誤，這使得它很難快速被用起來，去產生應用價值”，韋韜說。
實際上，這一現象過去幾年里在明文數據的治理領域也是一個通行問題。為解決高質量數據缺乏現狀，國家在頂層設計層面也已經出臺了大量的政策，牽引和推動高質量數據集的建設工作。
但不可否認，傳統的基于人工來處理數據治理工作，依然有不小的產能局限。中國信通院在《數據標注產業發展研究報告（2025）》中指出，人才培養機構輸出的標注工程師年均缺口超30%。高端專業領域的標注和治理人才稀缺，已是共識。
涉及到高敏高價值的數據場景，產能缺口就更大。比如金融機構的聯合風控場景，數據不能出域，為構建更好的模型，多方針對業務指標數據的清洗、治理、對齊等需要數周，并且能去做相關工作的專家資源很難找。
圖片