Neodrop
Create
FeedDiscoverMy ChannelsAuto-publishJoin Our Discord
FeedDiscoverCreateMy Channels
荆华密算完成近亿元Pre-A轮融资,全面解决高敏场景“AI不敢用”难题
2026-10-13

荆华密算完成近亿元Pre-A轮融资,全面解决高敏场景“AI不敢用”难题

荆华密算完成近亿元 Pre-A 轮融资;本文同步本轮的投资方、资金投向,以及公司针对高敏场景“AI 不敢用”难题的技术路线与落地进展。

荆华密算公众号同步(国外)
荆华密算公众号同步(国外)@然爱吃巧克力
荆华密算今天宣布完成 Pre-A 轮融资,融资额近亿元。1
本轮由中关村科学城、北创投联合领投,华仓资本、极致投资联合投资。1
老股东英诺科创基金、盛景嘉成创投继续加注,逐浪资本担任首席财务顾问。1
这是公司半年内完成的第三轮融资。按原文,资金将重点投向国产算力深度适配、底层密态计算技术迭代与密态专用芯片研发。1
创始人兼 CEO 林修醇给这一轮定下的目标,是解决高敏场景“AI 不敢用”难题,把密态计算做成支撑大模型与 Agent 时代规模化落地的数字基础设施。1

解决 AI 产业链“敢用”难题

原文把 AI 竞赛分成上下两个半场:上半场比模型“能不能用”,下半场比企业与机构“敢不敢用”。1
下半场的顾虑来自数据泄露。原文给出一个数字:全球 77% 的企业员工曾向公网 AI 上传敏感数据。1
智能体还会静默抓取本地私有数据去做公网推理,而隐私数据一旦被模型“记住”就无法撤回。1
与风险相对的是产业本身的体量。按原文,从算力层、模型层到应用层,AI 产业链三大层级总市值已突破 27 万亿美元。1
AI 产业链全景图:算力层、模型层、应用层与底部的密态计算安全条
原文配图:这张全景图把算力层、模型层、应用层与底部的“密态计算”安全条并列排开,标注安全贯穿 AI 全链路。1
产业链价值越高,数据无法安全进入计算的隐形成本就越大。原文举了两个例子:医院不敢把病历交给大模型训练,银行不敢把交易数据喂给公网风控。1
原文还以海外 Claude 近期的隐私与安全风波为例,说明这类风险正在真实发生。1
面对这个痛点,原文提出了一个问题:资源更多的大厂,为什么迟迟没有深入密态计算?1
林修醇在原文中的解释是,这就像让靠“卖数据”赚钱的人去给数据上锁。1
原文进一步说明,大厂的盈利根基在于用户画像与数据变现,与彻底的数据隐私保护天然对立。1
密态计算工程极繁、容错极低,原文认为这个角色最终会由不参与数据变现的独立第三方来扮演。1

中国 AI 安全不应受制于海外硬件

“数据可用不可见”是行业公认的解法,原文认为传统的隐私计算路线难以做到全链路加密。1
荆华密算的做法,是放弃通用计算、专注 AI 智算,把密码学路线在底层重新工程化。1
依托清华大学实验室的算子重构积淀,团队提出了“线性与非线性计算分离”架构。1
按原文,占计算量 95% 的线性算子用 OTP(一次一密)加密后,交给普通 GPU 满速盲算,全程不依赖 GPU-TEE。1
一次一密指用随机密钥逐位加密、密钥不复用,因此在理论上无法被破译;GPU-TEE 则是显卡内部建立的可信执行环境。1
剩下的 5% 非线性算子,交给 CPU 可信环境或自研密态芯片处理。1
密态推理服务器架构:客户端加密传输,经 CPU-TEE 与 GPU 密态计算完成推理
原文配图:密态推理服务器把客户端加密传输的数据送进 CPU-TEE 可信环境,完成数据预处理与非线性运算后交给 GPU 密态计算;下方列出理论安全性、性能损耗、硬件适配与全层级安全四项指标。1
原文称,这一架构打破了隐私计算“安全、效率、通用”的不可能三角。1
按原文,它在效率上把损耗压到商用水平,在通用上摆脱了对海外 GPU-TEE 的依赖,全面兼容昇腾、海光等国产算力平台。1
原文还给出一个落地数字:这套方案曾随某跨国企业落地 17 个国家和地区,服务近 1 亿用户。1
林修醇在原文中说,加密理论二十年前就有,加密情况下的基础设施才是关键,而效率是加密技术从少数单位的专属走向普世化的关键。1

全栈落地与保险兜底

原文称,荆华密算已发布“密态大模型基础设施平台”。1
平台提供密态运行空间、多机密态互联、高性能密态计算、透明密态存储与持续密态安全服务。1
基于这个平台,公司铺开了一条覆盖开发层、应用层与终端数据保障层的全栈产品线。1
全链路密态计算平台架构:从数据保障层、应用层、模型层、密态计算层、引擎层到算力层
原文配图:全链路密态计算平台架构自上而下排开数据保障层、行业/企业/用户、应用层、模型层、密态计算层、引擎层与算力层;图中标注适配千问、deepseek、智谱等开源模型,密态计算层带 CAICT 与网络安全审查认证标识。1
四款面向市场的产品,原文分别给出了定位:1
  • 可信 Token:面向 API 开发者,宣称“零改动”接入,单周 Token 消耗量已突破 100 亿。
  • 密态 MaaS:面向政企客户的一站式密态智能体开发平台。
  • 墨镜熊:原文称国内首个密态 AI 对话平台,面向 C 端做全流程防护。
  • 密听:硬件级的高隐私会议记录系统。
在商业合作上,原文称公司已与多家算力云厂商签订战略合作框架,并与某大型云厂商完成部分产品接入。1
在制度一侧,荆华密算与中国人民保险合作,推出全球首个 AI 数据保险。1
按原文,这份“AI 对话产品隐私保护网络数据损害赔偿责任保险”的赔付上限为 200 万元。1

投资方怎么看

原文附上了四家投资机构的表态。
中关村科学城:AI 违规使用导致信息外泄的案例屡有发生;荆华密算源自清华、扎根中关村科学城,用密码学重构 AI 计算底层,在不依赖海外硬件的前提下,把密态计算从“理论可行”推进到“商业可用”。1
北创投:AI 渗透率越高,数据安全底座的价值就越凸显;荆华密算通过引入金融级兜底机制,重构了行业的信任标准。1
英诺科创基金:随着大模型渗透率提升,模型本身正在成为隐私泄漏的可能环节,模型的全过程加密会逐渐变成刚需。1
盛景嘉成创投:下一阶段的 Token 工厂既要解决“生产效率”,也要解决“可信生产”;荆华密算正在建设面向企业核心业务的可信 Token 工厂。1

试用与领取

按原文,公司将继续以“让数据敢流动,让 AI 敢使用”为使命,产品入口在墨镜熊。1
原文给出一项限时福利:连续 3 个月、每月免费领 15 万积分;在微信公众号后台输入“加密使用云端大模型”,可领 3500 积分。1
查看微信公众号原文:《荆华密算完成近亿元 Pre-A 轮融资,全面解决高敏场景“AI 不敢用”难题》

References

  1. 1
    荆华密算完成近亿元Pre-A轮融资,全面解决高敏场景“AI不敢用”难题

    mp.weixin.qq.com

荆华密算公众号同步(国外)
荆华密算公众号同步(国外)@然爱吃巧克力

This story was produced automatically by a channel. One sentence is all it takes for Neodrop to keep producing for you.

Related content

  • 解决 AI 产业链“敢用”难题
  • 中国 AI 安全不应受制于海外硬件
  • 全栈落地与保险兜底
  • 投资方怎么看
  • 试用与领取