融资事实
2026年10月13日，荆华密算宣布完成Pre-A轮融资，金额近亿元。据公司通稿，本轮由中关村科学城、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；公司在半年内已连续完成三轮融资，本轮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。公司通稿未披露各投资方具体出资金额、投后估值及交割时间。
| 字段 | 内容 |
|---|---|
| 公司 | 荆华密算（北京）科技有限公司 |
| 轮次 | Pre-A轮 |
| 金额 | 近亿元 |
| 投资方 | 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；英诺科创基金、盛景嘉成创投持续加注 |
| 总部 | 未披露 |
| 创始人 | 林修醇（创始人、CEO） |
| 官网 | https://jinghua.security/ |
从股东组合看，本轮融资呈现出明显的“国资产业资本+早期财务投资”双层结构。中关村科学城与北创投的联合领投，可能意味着荆华密算的下一步将更深度嵌入北京区域人工智能安全产业链，并与国产算力生态形成绑定；华仓资本、极致投资的联合投资，以及英诺科创基金、盛景嘉成创投的持续加注，则延续了早期机构对团队和技术路线的背书。据公司通稿，逐浪资本担任首席财务顾问。财务顾问的介入通常意味着公司在融资节奏、估值谈判和交易结构上开始引入更正式的资本中介，但本次来源未披露逐浪资本的具体服务范围和交易条款。
技术架构：把大模型拆成95%与5%
公司通稿称，荆华密算自研“线性与非线性计算分离”架构：占计算量95%的线性算子，用OTP（一次一密）把数据加密成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；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。公司通稿称，这一设计将密态计算的性能损耗从公司所称的行业普遍千倍量级压缩至可商用水平，并实现100%精度还原；上述性能数据尚无独立基准测试验证。
从已披露的架构描述看，OTP的“动态密钥、用完即销、用户独占”原则在密码学上并不新鲜，一次性密码本的理论安全性早已被证明。真正的工程难点在于，如何在高并发推理场景下完成密钥调度、密文传输与算子切换，而不让密钥管理本身成为新的瓶颈。林修醇在公司通稿中直言：“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。”这句话点出了荆华密算的自我定位：它不是在发明新的密码学，而是在为加密智算重建底层基础设施。
平台涵盖明文传输、隐私模式、GPU机密计算及GPU-OTP模式等多重防护档位。这种分层设计意味着客户可以根据数据敏感度选择不同安全等级，而不必为所有场景承担最高等级密态计算的性能成本。公司通稿还称，平台全面兼容昇腾、海光等国产算力平台。在海外高端GPU获取受限的背景下，国产算力适配能力本身就是一项具有现实约束意义的工程指标。但“兼容”的具体程度——是算子级适配、框架级适配，还是仅完成部分模型跑通——本次来源未披露。
更关键的问题在于，95%与5%的算子切分是否在所有模型结构上都成立。大模型架构正在快速分化，Transformer之外的混合专家模型、状态空间模型、多模态编码器对线性与非线性算子的比例可能有显著差异。如果这一比例随模型结构漂移，那么“95%交给GPU盲算”的效率优势可能在某些模型上被削弱。公司通稿未披露该架构在不同模型族上的性能一致性数据，也未说明算子切分是静态预设还是动态调度。
四款产品同时铺向B端与C端
公司通稿称，基于密态大模型基础设施平台，其推出了可信Token产品、一站式密态智能体开发平台“密态MaaS”、密态AI对话平台“墨镜熊”以及全程不解密的会议记录系统“密听”。
其中，可信Token是面向API开发者的入口。开发者通过调用加密大模型API获得全模态计算推理能力，公司通稿强调“零改动”接入。这一设计瞄准的是存量AI应用的迁移成本：如果开发者需要重写代码才能接入密态服务，推广阻力会成倍增加。公司通稿披露，可信Token单周Token消耗量已突破100亿；该数据尚无独立第三方验证，因此不能据此确认产品已进入真实付费调用阶段。Token消耗量也不等于付费收入，本次来源未披露其中有多少来自免费额度、内部测试或生态伙伴的集成调用。
“墨镜熊”是产品矩阵中面向C端的部分。公司通稿称，其在零推广情况下累计约10万+注册用户，主要为法律、金融、职场等高净值用户，用户基本靠裂变带来。零推广、10万注册、高净值人群，这三个要素组合在一起，描绘的是一个靠产品力自发传播的图景。但C端隐私AI产品面临的核心问题不是获客，而是留存与付费转化。高净值用户对隐私敏感，恰恰也意味着他们对产品稳定性、模型能力和数据主权有更高要求。本次来源未披露墨镜熊的日活、留存率或付费转化数据。
B端则采取“打标杆、再复制”的策略。公司通稿称，业务已覆盖政企、法律、医疗及科技互联网等领域的头部企业，并与多家算力云厂商签订战略合作框架，与某大型云厂商完成部分产品上的接入与合作。同时，公司携手100多家生态合作伙伴共建分发网络。值得注意的是，“覆盖头部企业”与“签订战略合作框架”是两种不同的商业关系。前者意味着实际交付与使用，后者更多是合作意向或渠道绑定。本次来源未披露具体客户名称、合同金额或交付规模，因此无法判断B端收入的真实厚度。
四款产品同时铺开，意味着荆华密算在Pre-A轮阶段就选择了多线作战。可信Token与密态MaaS面向开发者与政企，墨镜熊面向C端，密听则切入会议硬件场景。每条产品线都需要独立的获客、交付和迭代节奏。对于一家近亿元融资体量的公司而言，这种产品矩阵的宽度可能带来资源分散风险。但另一面看，四款产品共享同一套密态基础设施底座，如果底层架构足够稳定，上层产品的复制成本可能低于独立开发。公司通稿未披露各产品线的收入占比和人员配置，因此无法判断哪条线是当前的核心现金流来源。
保险兜底：信任机制创新，还是营销叙事
公司通稿称其与中国人民保险合作推出其称为“全球首个”的AI数据保险。这份“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，荆华密算为此主动将核心机密场景向保险公司披露并接受调查。
从商业逻辑看，保险介入的意义在于把安全从“厂商自证”推向“第三方制度保障”。安全产品的天然困境是：客户无法在购买前验证安全能力，而一旦发生事故，厂商的技术承诺往往难以转化为实际赔偿。保险提供了一个可量化的兜底机制，让“敢用、敢赔”从口号变成合同条款。北创投在公司通稿中称，荆华密算“通过引入金融级兜底机制，重构了行业的信任标准”。
但保险承保本身也提出了更严格的问题。保险公司愿意承保，可能意味着其风控团队对荆华密算的技术方案做过某种评估，但这并不等同于独立验证了密态计算的安全性。保险承保的是特定条件下的风险敞口，赔付上限200万元也意味着单次事故的最高赔付边界。因此，这份保险更像是一个信任信号和营销支点，而非完整的风险转移方案。公司通稿援引林修醇的话也承认：“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。”
另一个未披露的关键细节是保费结构与免责条款。AI数据保险的承保范围是否覆盖模型推理过程中的数据泄露、是否包含因客户自身配置错误导致的事故、是否对特定行业有除外责任，这些条款直接决定了保险的实际赔付能力。公司通稿仅披露了赔付上限，未披露保费、免赔额、承保期限和触发条件。
投资方押注“可信Token工厂”
本轮投资方的表态呈现出高度一致的战略判断。盛景嘉成创投在公司通稿中提出“Token工厂”概念，认为下一阶段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。英诺科创基金则称，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。北创投在公司通稿中判断，荆华密算“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，已率先跨越商业化拐点”；该判断所依据的用户数与生态伙伴数均为公司通稿口径，尚无独立验证。
“跨越商业化拐点”是一个强判断。从已披露数据看，支撑这一判断的主要是平台超10万用户、单周Token消耗量突破100亿、墨镜熊10万+注册用户，以及覆盖政企、法律、医疗等领域的头部企业。但这些指标中，用户数与Token消耗量均未与收入直接挂钩。10万用户如果主要来自C端免费产品，其商业价值取决于后续转化；100亿Token消耗如果包含大量免费调用或生态集成测试，也不能直接等同于可持续的付费需求。
据本次来源，英诺科创基金在2025年种子轮即参与投资，本轮继续追加，为三轮连续加注的机构之一。从种子轮到Pre-A轮连续跟投，说明早期投资方对团队和技术路线有持续信心。但Pre-A轮引入中关村科学城、北创投这类具有国资和区域产业背景的机构，也意味着荆华密算的下一步将更深度绑定国产算力生态和政企市场。这种股东结构在提供资源的同时，也可能对商业化节奏和客户选择形成约束。例如，政企客户对安全产品的采购往往需要更长的验证周期和更复杂的合规流程，这可能拉长B端收入的确认周期；而国资背景股东的产业诉求，也可能影响公司在C端免费产品与B端付费产品之间的资源分配。
投资方表态中另一个值得注意的措辞是英诺科创基金所称的“适配大部分国产模型和芯片”。这一表述与公司通稿中“全面兼容昇腾、海光等国产算力平台”形成呼应，但两者都未给出具体的适配清单和性能基准。国产芯片生态的碎片化程度较高，不同厂商的指令集、算子库和编译工具链差异显著，“适配大部分”可能意味着完成了基础跑通，也可能意味着达到了生产级性能。
从技术服务商到加密云服务商
公司通稿援引林修醇的规划称，公司决心打造一家去中心化加密云服务商，通过与合作伙伴改造服务器及自采服务器搭建全栈加密云平台，直接对外提供密态AI服务。林修醇判断，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。
公司通稿称自有云实现了物理与逻辑的双重安全，并称其从源头确保密态算力可控；该表述尚无独立第三方验证。物理层安全、供应链安全、运维人员权限管理、固件漏洞，任何一个环节的失守都可能击穿整个信任链条。
近亿元Pre-A轮融资在AI基础设施领域并不算充裕。如果同时推进国产算力适配、底层技术迭代、密态专用芯片研发和自建云平台，资金分配将面临明显张力。公司通稿披露，密态专用芯片方向目前处于研发阶段，加密算法已在FPGA平台验证通过，下一步将面向国产GPU架构研发加速，并与海光、沐曦等国产芯片厂商展开深度合作。芯片研发的资金消耗周期和不确定性，远高于软件层优化。从已披露的资金用途看，芯片研发被列为三大投向之一，但未披露具体分配比例。
公司通稿未披露自采服务器的规模、部署地点和预期利用率，因此无法评估这一路径的资本回报周期。
“独立第三方”的竞争叙事
荆华密算对大厂竞争的分析，是通稿中最具观点性的部分。林修醇认为，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，“这就像让靠‘卖数据’赚钱的人去给数据上锁”。他进一步判断，目前哪家公司主推密态计算，就可能导致在主战场训练上掉队，同时失去大量高质量营销的商业利润，是“赚100赔1000的赔本生意”。
这一判断的逻辑链条是清晰的：大厂有数据变现的既得利益，因此缺乏做彻底隐私保护的动力；独立第三方没有这层利益冲突，因此能建立更高信度的信任。但这一类比能否直接迁移到密态计算，存在几个未经验证的假设。其一，大厂是否完全没有动力做密态计算，取决于监管压力和客户需求的强度，而非单纯的商业利益计算；其二，独立第三方在获得信任优势的同时，也面临算力资源、客户触达和生态整合能力的劣势；其三，荆华密算自身尚未披露足够多的客户案例来证明“独立第三方”定位已经转化为实际的商业选择。
林修醇在采访中称，其密态计算方案曾随某跨国企业落地17个国家和地区、服务近1亿用户；该案例的客户名称、合作时间与部署场景均未披露。从已披露信息看，这更像是团队历史经验的背书，而非当前产品的客户证明。如果这一案例确实存在，它可能说明团队在密态计算领域有大规模部署经验；但“随某跨国企业落地”的表述也留下了模糊空间——荆华密算在该项目中是核心技术提供方、分包商还是团队成员的历史经历，通稿未作区分。
“独立第三方”定位的另一面是，荆华密算需要自己解决算力供给问题。大厂做密态计算可以依托自有云和芯片资源，而独立厂商必须通过与算力云厂商合作或自采服务器来获得底层资源。这意味着荆华密算在成本结构上可能天然高于大厂，其竞争优势只能来自更彻底的安全架构和更灵活的客户响应。这一优势能否覆盖成本劣势，取决于客户对“独立第三方”信任溢价的支付意愿，而这一点目前尚无公开数据支持。公开资料中，本次来源未提供大厂在密态计算领域的可比产品布局、客户案例或专利数据，因此无法做量化竞争比较。
验证边界与可复核指标
荆华密算的故事之所以值得关注，在于它把一个长期停留在学术讨论中的技术路线推到了商业化门口。但“门口”与“门内”之间的距离，恰恰是Pre-A轮公司最需要证明的部分。
针对公司通稿披露的核心指标，可复核缺口如下：性能损耗压缩、100%精度还原、国产算力全面兼容，均未提供独立基准测试或客户侧验证数据；单周100亿Token消耗量未与付费收入直接挂钩，也未披露免费额度、内部测试或生态集成调用占比；10万+注册用户未披露日活、留存率或付费转化数据；200万元保险赔付上限是否足以覆盖大型政企客户的实际损失，本次来源未披露相关数据，无法判断；密态专用芯片仍处于FPGA验证阶段，尚未进入流片或量产节点。
林修醇在公司通稿中的一句话，或许是对这家公司当前状态最准确的概括：“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。”这句话承认了密态计算商业化的核心困难：真正的安全能力只能通过大规模实战检验来积累，而大规模实战本身又需要客户信任作为前提。这是一个典型的冷启动困境，荆华密算选择用保险兜底、国产算力适配和C端产品来打破这个循环，但循环是否已经被打破，还需要比Token消耗量更硬的证据。
从可复核性的角度看，荆华密算接下来最需要公开的指标不是更多用户数或Token量，而是三个更接近商业本质的数据。第一，付费客户数量与合同金额：对应其已披露的政企、法律、医疗B端客户，验证方法是要求公司披露去标识化合同清单、签约时间与回款节奏，或由客户侧确认采购金额。第二，B端标杆客户的续约与扩容情况：对应可信Token与密态MaaS产品线，验证方法是追踪同一客户在首年合同后的续约率、扩容订单金额及新增场景数量。第三，密态计算在客户生产环境中的独立性能基准：对应可信Token与密态MaaS的推理场景，验证方法是由客户或第三方机构在生产环境中复测明文与密文推理的延迟、吞吐和精度差异。这三项数据如果能够披露，将比任何投资方表态都更有说服力。在它们出现之前，荆华密算的Pre-A轮故事仍然停留在“技术可行、商业待证”的中间地带。
RecodeX 极客视：荆华密算的真正赌注，不是某一项密码学技术，而是“密态计算的效率可以逼近明文计算”这个工程假设。如果这个假设成立，高敏场景的AI渗透率会被重新定价；如果不成立，那么10万用户、100亿Token和200万保险赔付上限，都只是Pre-A轮叙事里的漂亮注脚。芯片研发和自建云的重资产路径，让这家公司没有中间态可选。
信息来源
本文在采集与核验阶段引用了以下公开来源，按站点去重列出；来源内容归原发布方所有，其口径不代表 RecodeX 的核实结论。