近日，由清华大学计算机系孵化的荆华密算上线面向个人用户的AI隐私平台“墨镜熊”内测版本。用户在咨询法律纠纷、倾诉心理焦虑或查询体检报告时，输入内容在终端完成加密后以密文形式上传，云端人工智能在加密状态下完成推理，结果加密返回后由本地解密读取。据悉，该方案推理性能损耗可控制在3倍以内。

当前主流AI对话服务中，用户提问多以明文形式上传至服务器，运营方在技术上具备查看全部输入内容的能力，隐私保护依赖商业协议层面的承诺。当用户向AI咨询敏感问题时，数据在传输、存储、计算全链路暴露于第三方视野，风险客观存在。

密态计算技术的目标在于改变这一架构——让用户数据在终端加密，云端AI直接在密文上完成推理，服务器始终只接触无意义数据。但传统方案的性能损耗高达1000倍以上，3秒的推理延迟被拉长至50分钟，长期未能实现规模化商用。荆华密算方面称，其团队从底层算子重新架构，对密码学原语到GPU指令级进行重写，将损耗压缩至3倍以内，且该技术不依赖专用硬件，已在海光、寒武纪、飞腾等国产芯片上完成适配。

清华大学计算机系教授任炬为该项目发起人，2022年获阿里巴巴达摩院“青橙奖”。

敏感场景下的全流程加密

“墨镜熊”覆盖法律、心理、金融、职场及全场景五大领域。其技术路径可概括为四步：用户提问后，问题在终端自动加密为密文；密文上传至云端；AI模型在密文上完成推理计算；加密结果返回终端，由用户本地解密读取。

据荆华密算创始人林修醇介绍，密钥生成器在用户端安装，每次上传前生成密钥。传输、存储、计算过程中，除用户本人外，大模型厂商与荆华密算均无法破解原始内容。这与当前主流AI助手“明文上传、协议承诺不滥用”的模式存在本质差异——前者改变的是技术架构，后者依赖的是商业信用。

林修醇近期做客《信用中国》栏目演播室参加节目录制，就数据隐私保护与企业信用建设展开对话。

商业验证：从跨境合规到国家级医疗试点

在C端产品上线之前，荆华密算的密态计算技术已在多个B端场景完成商业化验证。其技术已通过快手海外版服务近1亿用户。同时，荆华密算参与方案设计的项目已获得国家首批“可信空间”试点。

在医疗领域，海南博鳌乐城国际医疗旅游先行区医疗可信空间项目，合同金额超过1亿元人民币。作为国家级医疗数据开放试点，多家医院在密态环境下联合建模，在不暴露原始患者数据的前提下完成AI诊断模型训练，诊断准确率提升15%。长三角医疗可信空间项目合同金额超过3亿元人民币。

隐私保护从“协议承诺”迈向“技术保障”

当前，中国《个人信息保护法》《数据安全法》等法规体系持续完善，AI服务的隐私合规已从“加分项”变为“必选项”。荆华密算将原本用于企业级合规场景的密态计算技术向个人消费级应用延伸，推动了隐私保护从“协议承诺”向“技术保障”的范式转换。

目前，“墨镜熊”处于内测阶段。在AI应用渗透率持续提升、用户隐私意识同步觉醒的背景下，这一产品的市场接受度与技术迭代方向，或将为行业提供观察样本。