專注于AI密态計算的科技企業荊華密算，于今日正式宣布完成Pre-A輪融資。本輪融資由中關村科學城、北創投聯合領投，華倉資本、極緻投資聯合投資，老股東英諾科創基金、盛景嘉成創投持續加注，逐浪資本擔任首席财務顧問。
荊華密算在半年内已連續完成三輪融資，本輪融資額近億元，融資資金将重點投向國産算力深度适配、底層密态計算技術疊代以及密态專用芯片研發。
這份優異成績單的背後，凝聚着團隊過去半年來幾乎不分晝夜的努力。面對多元業務挑戰，團隊在研發深化、交付履約與融資推進三條戰線上齊頭并進，通過高效協同，共同跑出了AI時代的“荊華速度”。
談及本輪融資，荊華密算創始人、CEO林修醇表示：“荊華密算的戰略目标非常明确，我們要解決高敏場景“AI不敢用”難題，把密态計算打造成支撐大模型與Agent時代規模化落地的數字基礎設施。”
他認為如果能夠讓密文計算的效率與明文計算的效率等同，任何人都需要數據安全和可控。
解決AI産業鍊“敢用”難題
如果說AI競賽上半場比拼的是模型能力“能不能用”，那麼下半場決勝的關鍵則是企業與機構對模型和數據“敢不敢用”。
生成式AI與Agent時代正引發數據洩露的範式級轉移：全球77%的企業員工曾向公網AI上傳敏感數據，而智能體更能靜默抓取本地私有數據進行公網推理。隐私數據一旦被模型“記住”便永久無法撤回，數據安全隐患正急劇蔓延。
與此形成鮮明對比的，是AI産業鍊本身的龐大體量。從上遊算力層(英偉達、博通、海光、昇騰等)，到中遊模型層(OpenAI、Anthropic、智譜等)，再到下遊應用層(AI手機、具身智能、智能駕駛等)，三大層級總市值已突破27萬億美元。
然而，産業鍊價值越高，數據無法安全進入計算環節的“隐形成本”就越大：算力再強，頂級醫院不敢把病曆交給大模型訓練;模型再聰明，商業銀行不敢把交易數據喂給公網風控。信任一旦缺位，産業價值便難以真正釋放。
海外的Claude，最近在外網近期深陷一系列隐私與安全風波，他們将大量用戶上傳的文件公開審查，與其标榜"安全優先"的形象形成劇烈反差。從用戶分享對話被搜索引擎抓取，到賬号會話被惡意軟件盯上，幾乎每隔幾周就有新事件浮出水面。
面對這一市場痛點，為什麼擁有海量資源的大廠遲遲難以深入密态計算領域?
林修醇直言：“這就像讓靠‘賣數據’賺錢的人去給數據上鎖。傳統大廠的盈利根基在于獲取用戶畫像與數據變現，這與徹底的數據隐私保護天然對立，他們缺乏革自己命的動力。”
此外，密态計算面對外部黑客與内部風險交織的複雜鍊路，工程極繁且容錯極低，一旦失守會直接動搖大廠的品牌根基。最核心的是中立性的結構性紅利——數據隐私安全的盡頭是“信任”，唯有不參與數據變現的獨立第三方安全廠商，才能真正建立起無利益關聯、高信度的全鍊路密态基礎設施。
林修醇認為：對于大廠來說，獲取用戶與AI的對話記錄是一件非常好的事情，更精确的人物畫像，更精準的廣告營銷，數據還可以用于訓練下一代的模型來提升用戶的體驗。目前這個階段，哪家公司去主推密态計算，就很有可能導緻在主戰場訓練上的掉隊，同時失去大量高質量營銷的商業利潤，這是賺100賠1000的賠本生意。
其次，讓可以從中獲益的主體來扮演數據保護者的角色，無異于讓“黃鼠狼去看管養雞場”。 因為存在經濟結構上的客觀内驅力，最終會導緻對于用戶隐私而言隻提供最基礎的數據保障，曆史上看無論任何行業，這個角色一般都由純粹的第三方來扮演”。當然，目前任何安全方案都無法做到100%的安全，對于沒有相關經驗的大模型團隊進行大模型智算的領域，可能會有影響大廠聲譽的風險。
中國AI安全不應受制于海外硬件
“數據可用不可見”是破解産業瓶頸的公認解法，但傳統的隐私計算路線難以實現真正的全鍊路加密。
荊華密算放棄通用計算路線，專注AI智算，把密碼學路線在底層重新工程化。
OPT構架
依托清華實驗室的算子重構積澱，團隊獨創“線性與非線性計算分離”架構。把大模型的複雜計算精細拆解，占計算量95%的線性算子，用OTP(一次一密)把數據加成一串與随機噪聲無異的密文，交給普通GPU滿速盲算，全程不依賴GPU-TEE，一次性密鑰始終留在可信環境内;剩餘5%的非線性算子，交給CPU可信環境或自研密态芯片處理。
這一工程突破，成功打破了隐私計算“安全、效率、通用”的不可能三角：在效率上将損耗壓至商用水平;在通用上擺脫了對海外GPU-TEE的依賴，全面兼容昇騰、海光等國産算力平台。
“舊時王謝堂前燕，飛入尋常百姓家”，林修醇笑着表示：“加密理論是20年前就有，加密情況下的INFRA才是關鍵，世界上幾乎沒有團隊專門針對加密智算優化模型計算效率，但是效率才是加密技術從少數單位的專屬邁向普世化的關鍵。”
目前，基于該平台，荊華密算面向市場推出四款産品：讓用戶通過調用加密大模型API快速擁有全模态計算推理能力的可信Token産品;一站式密态智能體開發平台密态MaaS;國内首個密态AI對話平台墨鏡熊;全程不解密的會議記錄系統密聽。
“安全從來就沒有100%的絕對，如果沒有經過系統的進行過大規模的産品上線和紅藍對抗，很多時候連問題在哪裡都不知道。”林修醇稱,“以荊華密算的密态計算方案為例，曾經随某跨國企業落地17個國家和地區，服務近1億用戶，在這個過程中遇到了包括性能和安全性在内的一系列問題，讓我們得以提前暴露并解決了包括性能與安全性在内的一系列關鍵難題。”
由此，“數據可用不可見”從一道密碼學難題變成了可交付、可規模化的工程現實。中國AI的數據安全邊界，不再由海外硬件來劃定。
全棧落地與保險兜底
“讓企業真正‘敢用’AI，不能光靠公式和證明，更要靠大規模生産環境的實戰。”林修醇表示。
短時間内，荊華密算正式發布‘密态大模型基礎設施平台’，提供密态運行空間、多機密态互聯、高性能密态計算、透明密态存儲和持續密态安全服務，為行業提供了一條低門檻、高可信的大模型密态推理路徑。
全鍊路密态計算平台架構
基于該平台，荊華密算快速打通了涵蓋開發層、應用層以及終端與數據保障層的全棧産品陣列：面向API開發者提供‘零改動’接入的可信Token(單周Token消耗量已突破100億)，面向政企客戶推出低門檻的密态MaaS，并打造了面向C端全流程防護的‘墨鏡熊’以及硬件級高隐私會議系統“密聽”。
目前，荊華密算已經與多家算力雲廠商簽訂戰略合作框架，同時也與某大型雲廠商完成了部分産品上的接入與合作。提供加密雲服務的關鍵核心在于實現從底層到應用的全鍊路安全高效協同，同時林修醇也判斷，未來加密雲服務是一個比加密SaaS更大的戰場，會帶來更明顯的收入增量。
同時，為了推動安全從“自證”邁向“第三方制度保障”，荊華密算主動接觸了衆多保險公司，并将核心機密場景向保險公司披露并進行調查，最終荊華密算與中國人民保險合作首創全球首個 AI 數據保險。這份國内首份“AI對話産品隐私保護網絡數據損害賠償責任保險”，賠付上限達 200 萬元。這不僅意味着技術層面的破局，更意味着給客戶提供了“敢用、敢賠”的全鍊路信任保障。
林修醇指出：“對于面向ToB交付且需要保險承保的密态AI而言，把平台推向商業化落地是一件極度挑戰的事。我們不僅要投入巨額資金和時間，更需要在真實複雜的業務場景中經曆大量的實戰檢驗與試錯成本。但唯有啃下這塊最硬的骨頭，才能在安全的前提下真正釋放數據價值。”
如今，百億級的單周Token用量已印證市場進入爆發期，荊華密算也将沿着‘标杆打造、場景落地、密态雲生态建立’的路線，讓密态計算成為AI時代的标配。
中關村科學城表示：随着大模型的使用逐漸普及，也屢屢發生很多因違規使用AI工具導緻信息外洩的典型案例。荊華密算源自清華、紮根中關村科學城，用密碼學重構AI計算底層，在不依賴海外硬件的前提下，将密态計算從‘理論可行’推進到‘商業可用’，為AI大模型在高敏感場景的落地提供了可信基礎設施，解決大模型和智能體時代“數據不敢流動、不敢上雲”的問題，實現數據在傳輸、存儲、推理、訓練全流程中“可用不可見”。中關村科學城将持續助力荊華密算成長為支撐中國AI産業安全發展的基礎設施提供商。
北創投表示：AI的滲透率越高，數據安全的底座價值就越凸顯。荊華密算不僅讓“可用不可見”首次具備了規模化商用條件，更通過引入金融級兜底機制，重構了行業的信任标準。憑借十萬級的用戶需求驗證，以及覆蓋數十家産業夥伴、多個高價值賽道的生态布局，荊華密算已率先跨越商業化拐點。我們堅信，荊華密算将成為推動大模型産業全面爆發的關鍵安全基礎設施。
英諾科創基金表示：随着大模型在工作和生活中的滲透率提升，大模型本身正在成為隐私洩漏的可能環節，這也可能造成公衆對大模型的信任危機，因此模型的全過程加密必然會逐漸變成剛需。荊華密算讓“安全”和“可用”第一次同時成立，并且已經适配大部分國産模型和芯片。英諾認為大模型隐私必将成為重要議題，持續加注支持荊華，相信荊華可以成為全球領先的模型隐私保護者。
盛景嘉成創投表示：随着AI從模型能力競争走向規模化應用，Token工廠正在成為新一代AI基礎設施，而下一階段Token工廠不僅要解決“生産效率”，也要解決“可信生産”。荊華密算正在建設面向企業核心業務的可信Token工廠，将高性能密态計算與模型服務打通，使敏感數據能夠在安全邊界内持續參與推理，并按Token實現規模化供給。可信Token有望成為AI基礎設施的重要組成部分，荊華依托自主密态計算技術，正在構建覆蓋算力、模型、應用及産業合作夥伴的可信生态。
當AI大模型從“技術嘗鮮”全面步入“核心業務滲透”，可信與安全的算力供給将成為産業爆發的前置條件。
站在近億元Pre-A輪融資的新起點上，荊華密算立足自主可控的密态智算平台，攜手投資機構、産業巨頭及生态夥伴持續破局信任窪地，讓AI的每一次推理都運行在安全可信的基石之上。
免責聲明：本文僅代表作者個人觀點，與每日科技網無關。其原創性以及文中陳述文字和内容未經本站證實，對本文以及其中全部或者部分内容、文字的真實性、完整性、及時性本站不作任何保證或承諾，請讀者僅作參考，并請自行核實相關内容。
本網站有部分内容均轉載自其它媒體，轉載目的在于傳遞更多信息，并不代表本網贊同其觀點和對其真實性負責，若因作品内容、知識産權、版權和其他問題，請及時提供相關證明等材料并與我們聯系，本網站将在規定時間内給予删除等相關處理.
