专注于AI密态计算的科技企业荆华密算，于今日正式宣布完成Pre-A轮融资。本轮融资由中关村科学城、北创投联合领投，华仓资本、极致投资联合投资，老股东英诺科创基金、盛景嘉成创投持续加注，逐浪资本担任首席财务顾问。
荆华密算在半年内已连续完成三轮融资，本轮融资额近亿元，融资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以及密态专用芯片研发。
这份优异成绩单的背后，凝聚着团队过去半年来几乎不分昼夜的努力。面对多元业务挑战，团队在研发深化、交付履约与融资推进三条战线上齐头并进，通过高效协同，共同跑出了AI时代的“荆华速度”。
谈及本轮融资，荆华密算创始人、CEO林修醇表示：“荆华密算的战略目标非常明确，我们要解决高敏场景“AI不敢用”难题，把密态计算打造成支撑大模型与Agent时代规模化落地的数字基础设施。”
他认为如果能够让密文计算的效率与明文计算的效率等同，任何人都需要数据安全和可控。
解决AI产业链“敢用”难题
如果说AI竞赛上半场比拼的是模型能力“能不能用”，那么下半场决胜的关键则是企业与机构对模型和数据“敢不敢用”。
生成式AI与Agent时代正引发数据泄露的范式级转移：全球77%的企业员工曾向公网AI上传敏感数据，而智能体更能静默抓取本地私有数据进行公网推理。隐私数据一旦被模型“记住”便永久无法撤回，数据安全隐患正急剧蔓延。
与此形成鲜明的，是AI产业链本身的庞大体量。从上游算力层（英伟达、博通、海光、昇腾等），到中游模型层（OpenAI、Anthropic、智谱等），再到下游应用层（AI手机、具身智能、智能驾驶等），三大层级总市值已突破27万亿美元。
然而，产业链价值越高，数据无法安全进入计算环节的“隐形成本”就越大：算力再强，顶级医院不敢把病历交给大模型训练；模型再聪明，商业银行不敢把交易数据喂给公网风控。信任一旦缺位，产业价值便难以真正释放。
海外的Claude，最近在外网近期深陷一系列隐私与安全风波，他们将大量用户上传的文件公开审查，与其标榜"安全优先"的形象形成剧烈反差。从用户分享对话被搜索引擎抓取，到账号会话被恶意软件盯上，几乎每隔几周就有新事件浮出水面。
面对这一市场痛点，为什么拥有海量资源的大厂迟迟难以深入密态计算领域？
林修醇直言：“这就像让靠‘卖数据’赚钱的人去给数据上锁。传统大厂的盈利根基在于获取用户画像与数据变现，这与彻底的数据隐私保护天然对立，他们缺乏革自己命的动力。”
此外，密态计算面对外部黑客与内部风险交织的复杂链路，工程极繁且容错极低，一旦失守会直接动摇大厂的品牌根基。最核心的是中立性的结构性红利——数据隐私安全的尽头是“信任”，唯有不参与数据变现的独立第三方安全厂商，才能真正建立起无利益关联、高信度的全链路密态基础设施。
林修醇认为：对于大厂来说，获取用户与AI的对话记录是一件非常好的事情，更精确的人物画像，更精准的广告营销，数据还可以用于训练下一代的模型来提升用户的体验。目前这个阶段，哪家公司去主推密态计算，就很有可能导致在主战场训练上的掉队，同时失去大量高质量营销的商业利润，这是赚100赔1000的赔本生意。
其次，让可以从中获益的主体来扮演数据保护者的角色，无异于让“黄鼠狼去看管养鸡场”。 因为存在经济结构上的客观内驱力，最终会导致对于用户隐私而言只提供最基础的数据保障，历史上看无论任何行业，这个角色一般都由纯粹的第三方来扮演”。当然，目前任何安全方案都无法做到100%的安全，对于没有相关经验的大模型团队进行大模型智算的领域，可能会有影响大厂声誉的风险。
中国AI安全不应受制于海外硬件
“数据可用不可见”是破解产业瓶颈的公认解法，但传统的隐私计算路线难以实现真正的全链路加密。
荆华密算放弃通用计算路线，专注AI智算，把密码学路线在底层重新工程化。
OPT构架
依托清华实验室的算子重构积淀，团队独创“线性与非线性计算分离”架构。把大模型的复杂计算精细拆解，占计算量95%的线性算子，用OTP（一次一密）把数据加成一串与随机噪声无异的密文，交给普通GPU满速盲算，全程不依赖GPU-TEE，一次性密钥始终留在可信环境内；剩余5%的非线性算子，交给CPU可信环境或自研密态芯片处理。
这一工程突破，成功打破了隐私计算“安全、效率、通用”的不可能三角：在效率上将损耗压至商用水平；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。
“旧时王谢堂前燕，飞入寻常百姓家”，林修醇笑着表示：“加密理论是20年前就有，加密情况下的INFRA才是关键，世界上几乎没有团队专门针对加密智算优化模型计算效率，但是效率才是加密技术从少数单位的专属迈向普世化的关键。”
目前，基于该平台，荆华密算面向市场推出四款产品：让用户通过调用加密大模型API快速拥有全模态计算推理能力的可信Token产品；一站式密态智能体开发平台密态MaaS；国内首个密态AI对话平台墨镜熊；全程不解密的会议记录系统密听。
“安全从来就没有100%的绝对，如果没有经过系统的进行过大规模的产品上线和红蓝对抗，很多时候连问题在哪里都不知道。”林修醇称,“以荆华密算的密态计算方案为例，曾经随某跨国企业落地17个国家和地区，服务近1亿用户，在这个过程中遇到了包括性能和安全性在内的一系列问题，让我们得以提前暴露并解决了包括性能与安全性在内的一系列关键难题。”
由此，“数据可用不可见”从一道密码学难题变成了可交付、可规模化的工程现实。中国AI的数据安全边界，不再由海外硬件来划定。
全栈落地与保险兜底
“让企业真正‘敢用’AI，不能光靠公式和证明，更要靠大规模生产环境的实战。”林修醇表示。
短时间内，荆华密算正式发布‘密态大模型基础设施平台’，提供密态运行空间、多机密态互联、高性能密态计算、透明密态存储和持续密态安全服务，为行业提供了一条低门槛、高可信的大模型密态推理路径。
全链路密态计算平台架构
基于该平台，荆华密算快速打通了涵盖开发层、应用层以及终端与数据保障层的全栈产品阵列：面向API开发者提供‘零改动’接入的可信Token（单周Token消耗量已突破100亿），面向政企客户推出低门槛的密态MaaS，并打造了面向C端全流程防护的‘墨镜熊’以及硬件级高隐私会议系统“密听”。
目前，荆华密算已经与多家算力云厂商签订战略合作框架，同时也与某大型云厂商完成了部分产品上的接入与合作。提供加密云服务的关键核心在于实现从底层到应用的全链路安全高效协同，同时林修醇也判断，未来加密云服务是一个比加密SaaS更大的战场，会带来更明显的收入增量。
同时，为了推动安全从“自证”迈向“第三方制度保障”，荆华密算主动接触了众多保险公司，并将核心机密场景向保险公司披露并进行调查，最终荆华密算与中国人民保险合作首创全球首个 AI 数据保险。这份国内首份“AI对话产品隐私保护网络数据损害赔偿责任保险”，赔付上限达 200 万元。这不仅意味着技术层面的破局，更意味着给客户提供了“敢用、敢赔”的全链路信任保障。
林修醇指出：“对于面向ToB交付且需要保险承保的密态AI而言，把平台推向商业化落地是一件极度挑战的事。我们不仅要投入巨额资金和时间，更需要在真实复杂的业务场景中经历大量的实战检验与试错成本。但唯有啃下这块最硬的骨头，才能在安全的前提下真正释放数据价值。”
如今，百亿级的单周Token用量已印证市场进入爆发期，荆华密算也将沿着‘标杆打造、场景落地、密态云生态建立’的路线，让密态计算成为AI时代的标配。
中关村科学城表示：随着大模型的使用逐渐普及，也屡屡发生很多因违规使用AI工具导致信息外泄的典型案例。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，将密态计算从‘理论可行’推进到‘商业可用’，为AI大模型在高敏感场景的落地提供了可信基础设施，解决大模型和智能体时代“数据不敢流动、不敢上云”的问题，实现数据在传输、存储、推理、训练全流程中“可用不可见”。中关村科学城将持续助力荆华密算成长为支撑中国AI产业安全发展的基础设施提供商。
北创投表示：AI的渗透率越高，数据安全的底座价值就越凸显。荆华密算不仅让“可用不可见”首次具备了规模化商用条件，更通过引入金融级兜底机制，重构了行业的信任标准。凭借十万级的用户需求验证，以及覆盖数十家产业伙伴、多个高价值赛道的生态布局，荆华密算已率先跨越商业化拐点。我们坚信，荆华密算将成为推动大模型产业全面爆发的关键安全基础设施。
英诺科创基金表示：随着大模型在工作和生活中的渗透率提升，大模型本身正在成为隐私泄漏的可能环节，这也可能造成公众对大模型的信任危机，因此模型的全过程加密必然会逐渐变成刚需。荆华密算让“安全”和“可用”第一次同时成立，并且已经适配大部分国产模型和芯片。英诺认为大模型隐私必将成为重要议题，持续加注支持荆华，相信荆华可以成为全球领先的模型隐私保护者。
盛景嘉成创投表示：随着AI从模型能力竞争走向规模化应用，Token工厂正在成为新一代AI基础设施，而下一阶段Token工厂不仅要解决“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，将高性能密态计算与模型服务打通，使敏感数据能够在安全边界内持续参与推理，并按Token实现规模化供给。可信Token有望成为AI基础设施的重要组成部分，荆华依托自主密态计算技术，正在构建覆盖算力、模型、应用及产业合作伙伴的可信生态。
当AI大模型从“技术尝鲜”全面步入“核心业务渗透”，可信与安全的算力供给将成为产业爆发的前置条件。
站在近亿元Pre-A轮融资的新起点上，荆华密算立足自主可控的密态智算平台，携手投资机构、产业巨头及生态伙伴持续破局信任洼地，让AI的每一次推理都运行在安全可信的基石之上。
