“为AI“喂”上可信数据。

AI席卷全球后，“可信AI”已成为全球科技治理的核心议题。

从欧盟的《AI法案》到美国的NISTAI风险管理框架，再到中国的相关治理原则，都将公平、透明、稳健、可问责等作为AI系统必须遵循的准则。然而，这些高阶原则并非空中楼阁。它们能否实现，完全取决于一个更基础、却常被忽视的前提：数据的可信度。

没有可信的数据，AI公平便无从谈起，其决策过程的透明度也将沦为空谈。

2025年中国国际大数据产业博览会上，浪潮云洲发布“行业可信数据空间服务平台”，通过创新打造的“数据链网融合技术体系（QID）”，为这一时代难题提供了极具参考价值的工程化解法。通过对该平台及其背后逻辑的深度剖析，我们得以窥见，在AI时代，信任如何被“设计”和“构建”。

数据世界的信任困境

人工智能，特别是大模型，其能力根植于海量数据的学习，但数据本身并非天然中立和完美。

如果训练数据存在偏见，AI就会学习并放大这种偏见，如果数据被污染或篡改，AI的输出就可能变得不可靠甚至危险，如果数据的来源和处理过程不透明，AI的决策就会变成无法审计的“黑箱”，问责更无从谈起。

“我们判断现在这个阶段，可信数据空间未来要迎来一个爆发期”，浪潮云洲工业互联网副总经理、首席技术官商广勇在接受专访时开门见山地说，“随着人工智能的发展，它对高质量数据集的需求是非常迫切的。”

这是AI发展的核心挑战。一方面，AI的进化极度渴求高质量、多样化的数据，另一方面，最有价值的数据往往是最敏感的。

“比如在工业领域，很多企业的数据是不敢放到外面的，”商广勇举例说，“所以为什么现在包括DeepSeek在内，这种大模型的通用能力很强，但是落地到像工厂这样的具体场景，它是很难发挥作用的”。

这种“信任赤字”正是AI落地“最后一公里”上最大的障碍，要构建真正可信的AI，就必须首先构建能让数据安全、合规、可控流通的基础设施，这不是单纯的技术选型问题，而是涉及技术、机制与信任重构的系统工程。

浪潮云洲的“工程化”解法

面对数据流通的信任难题，浪潮云洲给出的答案不是空泛的原则，而是名为“行业可信数据空间服务平台”的具体产品。

浪潮云洲“行业可信数据空间服务平台”作为“保障数据安全可信流通，支撑跨主体数据协同开发”的重要数据基础设施，以国家标准为指引，以自研“数据链网融合技术体系（QID）”为支撑，融合高性能隐私计算服务、高安全数据沙箱技术、数据全链路安全态势分析、高精准数据跨域管控等可信管控技术，构建“存、算、管、治”4大核心安全域和1个运营管理域，具备软硬一体化、分布式连接、全域互通、全流程可信等核心能力，相关技术成果达到“国际领先” 水平。

“实际上数据要素整个流通是全过程，从一开始的数据采集、数据确权、数据场景的打造，到数据使用，使用完了以后后期如果有利益分配的话，可能还要考虑到每一个数据利益的分配。”商广勇强调。

为了保障这一全过程的可信，平台融合了多种前沿技术，形成了一个协同工作的“信任技术栈”。

信任始于清晰的权责，平台首先利用区块链技术，为每份数据赋予了唯一的“身份ID”。这意味着数据的每次授权、每次访问、每次使用，都会被记录在不可篡改的分布式账本上，为后续的审计和问责提供坚实基础。值得注意的是，其底层区块链技术的吞吐量（TPS）经测试已达到每秒10万次以上，达到国际领先水平。

如何让数据在发挥价值的同时，又不暴露原始内容？这是解开数据持有者“心结”的关键。浪潮云洲的核心武器是“密态计算”。

“密态计算是我们整个底层的核心安全支撑”，商广勇强调，“在密态计算这个底层技术支撑上我们可以让整个数据接入、到数据产品协同开发等，再到后面的使用全过程可以在一个安全的空间环境下全部实现”。

这相当于为数据打造“保险箱”，所有的数据计算和分析都在这个加密的“保险箱”内完成，数据需求方只能得到计算后的结果或服务，而无法触及原始数据，从而消除数据提供方对数据泄露和滥用的后顾之忧。

除了全局的安全保障，平台还提供极其精细的权限管控能力。“基于使用控制技术，我们现在可以控制到的字段级”，商广勇特别指出了这一差异化优势，“现在普遍可能做不到这么细，可能只能共享到一个主题库或者某一个数据表，我们可以做到某一个数据表的某些字段，可以控制到这个级别”。

这种“手术刀”式的授权模式，意味着数据提供方可以按需最小化开放数据，极大地增强了共享的灵活性和安全性。

通过区块链、密态计算、精细化授权以及安全沙箱等多种技术协同工作，浪潮云洲构建了全流程、多层次的可信数据基础设施，这套体系的先进性也得到了业界的认可，其相关技术成果经鉴定达到国际领先水平。

从数据要素到AI“飞轮”

构建如此复杂的可信数据基础设施，其最终目的是什么？浪潮云洲给出了明确的答案：为AI赋能，特别是为行业大模型提供高质量的“燃料”。

“可信数据空间属于大模型的底层支撑。因为你没有高质量的数据集，你可能没法给大模型进行训练或者微调，”商广勇指出，“可信数据空间是数据来源的基础保障，如果没有这个，高质量的数据集是不可能出来的”。

这正是浪潮云洲平台的核心价值所在：它通过技术手段解决了信任问题，从而“解锁”了过去沉睡在各个机构内的高价值数据。

“可信数据空间做到了让核心的数据可以安全的吐出来，然后形成高质量数据集，可以喂给大模型使用，让大模型具备场景或者行业的专业知识。”

其有效性已在医保、通信、气象、高端装备等多个关键行业得到验证，比如重庆医保项目就是尤为经典的案例，并已成功入选国家数据局的试点。该项目的核心场景是“医保+商保”的应用，商业保险公司迫切需要医保数据来进行更精准的保险产品定制和理赔服务，但医保数据极其敏感，浪潮云洲的平台在这里扮演了“信任桥梁”的角色。

“我们用可信数据空间这个产品帮助重庆医保搭建了整个行业的一个数据安全应用体系”，商广勇介绍道，平台经过模拟60多种攻击手段的严格安全测试，在此基础上，保险公司可以安全地使用这些数据。

“保险公司看到的应该是基于加密数据或者是数据开发出来的服务，甚至可能看不到原始数据”，商广勇解释称，对于个别有疑问的理赔单，可以通过授权管理的模式进行单点查看验证。

最终，这一基于信任的合作取得显著成效：医保理赔效率提升了55%以上，并助力商业健康险从传统的“经验定价”迈向精准的“数据定价”。

类似的成功故事还在政务、通信等多个领域上演。在政务领域，平台支撑构建了2个省级数据要素流通体系，政务数据跨部门共享效率提升36%；在通信行业，平台已为10余个行业提供40余个数据产品，预期年经济效益突破1000万元。

AI时代的“基础设施”

在采访的最后，商广勇坦言，可信数据空间平台本身是一个底层基础设施，短期内不会直接带来巨大的项目营收，浪潮云洲更看重的是其长期的运营服务模式。

“我们赚的是服务费，看重的是收入的性质”，他说，“只要行业对这个数据场景有需求，这个服务就可以一直持续”。

这种商业模式的远见，恰恰揭示了“信任”在数字经济时代的真实价值，它不再是一个模糊的伦理概念，而是可以被工程化、产品化，并能持续产生价值的核心资产。

从浪潮云洲的实践中可以看到，构建可信AI的路径是清晰的：首先，通过集成区块链、隐私计算等技术的“信任技术栈”，打造安全、可控、可追溯的数据流通基础设施；然后，利用这一设施汇聚高质量的行业数据；最后，用这些可信的数据训练和优化更精准、更可靠的行业AI模型，从而形成价值闭环。

归根结底，人工智能的未来，不仅取决于算法的精妙和算力的强大，更取决于能否为它构建坚实可信的数据地基。

来源：数据猿