蚂蚁密算韦韬：密态计算跨越“词元经济”的三道鸿沟

词元经济正从粗放式的规模扩张转向价值转化阶段，而算力、数据、行业知识三者之间的割裂，正是当前面临的最大障碍。

文｜张钰 朱耘

ID | BMR2004

“词元（Token）使用量去年增长了1000多倍，但行业正从数量扩张进入深水区——资源大量投入，业务效果还没出来。”蚂蚁集团副总裁、首席技术安全官韦韬在2026中国国际大数据产业博览会（以下简称“数博会”）期间接受《商学院》记者采访时表示。

大模型发展如火如荼，词元消耗量持续攀升，但真正进入生产系统并产生明确业务价值的场景仍然有限。韦韬强调，词元经济已经进入深水区，判断产业价值不能只看词元消耗量，更要看要素能否协同、智能体能否可靠执行，以及投入能否转化为业务成效。

01

词元经济的三道鸿沟

产业AI转型，已经不是“要不要做”，而是“能不能尽快进入真实生产环节”。韦韬说，词元经济的爆发式增长有目共睹，但也出现了大厂一个季度烧光一年预算的例子。从词元使用到产生可持续的业务变革，至少横亘着三道鸿沟。

第一道鸿沟是要素割裂。算力、数据、行业知识逐渐分属不同主体，难以用传统安全合规模式进行协同，由此形成数据孤岛、算力孤岛与智力孤岛。

数据孤岛，是高价值数据沉淀在政府、企业、医院、金融机构和科研机构，受隐私、商业秘密与合规责任约束，往往“不敢流、不能合、不会用”。算力孤岛，是核心数据出不去，先进算力和最新模型进不来，直接使用公有云受限，自建又难以跟上模型迭代。随着OPC等新型业态发展，智力孤岛更加凸显——专家的方法、判断规则和关键检查点仍留在个人和组织内部，难以转化为可执行、可验证、可复用的能力。

要素协同不只是连接数据和算力，还要让行业专家的判断进入生产流程。基座大模型只能提供通用智力，不会自动掌握行业的鲜活数据、专业规则、隐性经验和责任边界。产业AI落地的关键，是让专家借助智能体把专业判断带入真实任务，并在使用中持续反馈、纠错和沉淀，推动专家能力与智能体共同演进。

第二道鸿沟是智能体不可控。当前智能体以自然语言为载体，而自然语言天生模糊。法律条文再严密，也不能自动适用于具体案件，仍需经过事实认定、规则解释和裁判程序。同样，自然语言能够表达意图，却不能自动保证生产任务中的规则被准确理解、严格执行和完整验证。

一项名为Mind the GAP的研究测试了6个前沿模型、17420个案例，发现模型可能嘴上拒绝危险请求，手上却照样调用工具。在特定提示下，GPT-5.2已经作出文本拒绝的交互中，仍有79.3%伴随违规工具调用。这说明，智能体安全不能只看它说了什么，更要管住它实际做了什么。“现阶段自然语言驱动的智能体失控是常态。”韦韬说。

第三道鸿沟是价值转化。词元能够计量模型调用和资源消耗，却不能天然证明任务已经完成，更不能直接等同于创造的业务价值。同样数量的词元，在不同模型、任务和场景中，可能产生完全不同的效果。如果缺少任务验收、效果评估、贡献归因、交易定价和收益分配机制，词元经济就容易停留在调用规模和资源计费层面，难以形成可持续的商业闭环。这意味着智能体安全模型的理想目标是从底层重构安全范式，而非在原有模型上打补丁。

韦韬认为，理想的安全模型应达到探索有自由，把控不失手的状态：AI在可逆沙盒中自由探索，而所有带副作用的不可逆操作（写库、支付、发邮件）被严格隔离在显式节点，静态期强制校验，非法调用直接阻断。这样既能释放智能体的自主能力，又能在关键环节确保人类可控、可追溯、可追责。

02

跨越要素鸿沟：密态计算让数据“可用不可见”

针对要素协同难题，韦韬给出的答案是密态计算。 密态计算是一种保护数据在使用过程中隐私安全的技术，它的核心目标是实现数据的“可用不可见”——数据在计算过程中始终保持加密状态，参与计算的各方都无法看到原始数据，但最终能得到正确的计算结果。这套技术构建了全新的“数据安全域”——不再仅依赖固定的物理边界，而是基于密钥和技术保障形成可动态构建的虚拟安全域。数据在安全域内受控流转，控制权不丧失；管理员和开发者不能未经授权接触明文，使用行为受到策略约束并可审计。

同时，密态计算显著降低了安全计算的额外成本，为规模化应用创造了条件。传统隐私保护计算方案往往存在较高的性能开销。据韦韬介绍，在部分典型场景中，密态计算的成本可控制在明文计算的1.5倍以内，已经具备走向大规模产业应用的基础。

据了解，目前这套技术已在农业农村数据支持金融服务、医保商保清算结算、医疗大模型训练等场景开展验证。

03

跨越控制鸿沟：安全范式从“围栏式”转向“原生式”

智能体能自主行动了，安全边界发生了根本变化。韦韬说，攻击者给智能体电和Token，它就能到处攻击；而防守方这边，每个智能体都带着天然的安全漏洞。“每个智能体要被攻破几乎是必然的。”

传统手段是在外围增加安全围栏、为智能体设置沙箱，但仅靠这些措施难以覆盖智能体内部推理、上下文和任务意图带来的风险。“智能体的大脑，它的推理逻辑和上下文，全在沙箱里，没有任何隔离。攻击者用各种话术就能绕开防御。”

韦韬认为，必须从底层改变。首先，关键任务不能只靠自然语言自由驱动。蚂蚁集团已推出HOP（High-Order Program，高阶程序）体系，以结构化程序承载关键任务约束，在保留自然语言智能能力的同时，使执行过程可控制、可验证、可追溯。

其次，安全模型必须革新——仅以主体身份和静态权限为核心的传统访问控制，已不足以覆盖智能体场景中的任务意图、业务凭证、执行上下文和动态风险。“财务人员不是有权限就能花钱，还得有发票和合同，但当前安全模型里没有这一层。”

“整个安全模型都得改变，到了必须改变教科书的地步。”韦韬说。

04

跨越价值鸿沟：从“计消耗”走向“计效果”

跨越价值转化鸿沟，关键是不能只计量词元消耗，还要记录智能体完成了什么任务、是否通过验收、带来了什么业务效果。为此，需要把投入、履约和成效贯通起来：既记录模型、数据、知识和工具的投入，也验证任务执行与业务结果。商业模式也需要从按词元和资源用量付费，逐步走向按任务结果付费，最终探索按可验证的价值贡献进行分配。

词元经济的未来，不是单纯比拼词元数量，而是看谁能构建起安全、高效、可信的数据—算力—智能体融合体系：让数据、算力和行业知识协同起来，让智能体执行可约束、可验证、可追溯，让词元消耗最终转化为可衡量的业务成效。密态计算、原生安全与价值计量机制共同构成这一体系的关键底座，推动数据“供得出、流得动、用得好”，让智能服务的价值“算得清、验得明、分得好”。