问题——数智化加速下安全挑战由“点状”走向“系统性” 随着大模型政务、金融、能源等领域加快部署，安全风险已从传统网络边界防护延伸至模型、数据、应用与供应链等全链条：一上，模型可能面临提示注入、越权调用、数据泄露、内容合规等新型风险；另一方面，数据要素流通需求上升，但“可共享”与“可控用”的矛盾更加突出，亟需可验证、可审计、可追责的技术与治理体系。安全能力一旦缺位，既可能引发业务中断与合规风险，也会影响数据要素价值释放和大模型产业化进程。 原因——技术迭代与监管要求叠加，传统思路难以适配新场景 业内人士指出，大模型应用的复杂性带来三方面变化：其一，攻击面从系统漏洞扩展到模型行为与数据链路，风险更隐蔽、传播更快；其二，使用场景从单一系统走向跨机构协同，数据流转链条更长、治理成本更高；其三，监管对数据安全、算法治理、内容合规等要求持续细化，机构需要“可落地、可验证”的能力体系支撑合规运营。传统以设备、边界为中心的安全建设，难以覆盖模型评测、输入输出管控、安全运营闭环，以及数据“流通利用”过程中的可信计算与可信证明等关键环节。 影响——资本加码安全赛道，推动“技术—标准—场景”协同成熟 ，杭州安泉数智科技有限公司宣布完成新一轮数千万融资，由元起资本独家投资。公司表示，所募资金将主要用于核心产品迭代、关键技术攻关及重点行业市场拓展。业内认为，此融资动向反映出安全需求正从“附属投入”转向“基础设施投入”，资本更关注可规模化复制的产品体系、可持续的技术壁垒以及关键场景中的验证能力。 安泉数智成立于2023年，由高校科研力量与产业团队联合发起，依托有关全国重点实验室的技术积累，形成“原始创新+工程化落地”的组合能力。公司聚焦两条主线：在大模型安全上，围绕模型评测、输入输出治理、安全运营等环节建设综合治理平台，提出以技术对抗技术、以动态检测与持续运营应对新型风险；数据要素安全上，自主研发数据流通利用平台，结合隐私计算、区块链等技术，支持数据“可用不可见”，并政务、能源、金融等领域推进落地应用。 对策——以产品化能力打通“测评—治理—运营”，以规则与技术共建可信流通 从行业实践看，大模型安全治理需要形成闭环：先评估再防护、先管控再运营。一是完善模型安全评测与基线能力，通过可量化指标识别薄弱环节，降低部署风险；二是强化输入输出管控与敏感信息防护，减少越权调用与数据外泄；三是建立持续运营机制，把安全从“上线前检查”转为“运行中治理”。在数据流通层面，则需在合规框架下借助可信技术实现“可审计、可追溯、可证明”，推动跨部门、跨企业的数据协同从“能共享”走向“可控用”。 据了解，安泉数智已累计拥有自主知识产权70余项，参与多项国家及行业标准制定，服务客户超过300家，并在多项国家级重大活动中承担网络安全与相关安全保障任务，客户覆盖多家头部央国企。投资方认为，随着大模型加速落地，安全需求正在发生结构性升级，兼具技术、产品与行业理解的企业更可能在新周期中形成竞争壁垒。 前景——安全将成为大模型与数据要素市场扩张的“先决条件” 多位业内人士预计，未来一段时期，大模型应用将继续向核心业务渗透，数据要素市场建设也将提速，安全能力将从“配套”转为“前置”，并深入走向标准化、平台化、服务化。一上，行业将更重视重大场景下的压力测试与验证，推动产品从“单点工具”升级为“治理体系”；另一方面，产学研用协同有望加快关键技术突破与标准落地，形成可复制、可推广的行业解决方案。 安泉数智表示，下一步将持续推进关键技术攻关，推动大模型安全与数据安全产品在更广泛行业场景中落地，同时完善协同生态建设，为构建安全、可信、可控的数智化环境提供支撑。
人工智能与数据安全的融合创新已成为数字经济的重要课题。安泉数智通过产学研协同、技术创新与场景验证的结合，探索可持续的发展路径。随着新一轮融资到位，公司将加快技术攻关与产品落地，拓展人工智能安全与数据安全在更多行业场景的应用，助力构建安全、可信、可控的数智化世界。