证券时报网
李明珠
2020-07-10 23:49
在大厂工作近三年后，陈子逸决定离开。
人工智能专业出身的他，曾经在某大厂算力中心独立负责一个项目的全生命周期管理和规划，目标是用算法和量化分析实现成本优化。但ChatGPT的横空出世仿佛“击中”了他，“我应该参与到这个浪潮中！”
陈子逸坐不住了，科班出身的他并没有选择做一个更强的模型，而是和他的母校——香港科技大学的老师、校友一起，创办了信流智能科技，做了一款聚焦AI应用中的隐私、商业机密与合规保护的AI安全工具。
随着AI大模型、AI Agent的迅猛发展，AI安全问题正逐渐显现，在安全事件大规模爆发前夜，陈子逸选择提前布局，为AI落地划一道安全边界。在陈子逸看来，随着AI安全事件的增多，以及法规和标准的完善，AI安全的需求将迎来持续增长。
提前识别AI风险并建立“防火墙”
当大多数人都在聚焦AI如何为自己提效赋能、如何更好地匹配千行百业的时候，陈子逸却将目光投向了一个当前在国内仍偏“冷门”的细分赛道——AI安全。
什么是AI安全？在陈子逸看来，AI安全有两个主要方向：一是用AI提升传统网络安全能力，二是防范AI自身及其应用带来的风险，包括模型输出失真、智能体执行不当操作，以及大规模应用后的数据泄露等。他和团队主要聚焦后者的隐私、商业机密与合规保护，希望在AI进入日常工作和生活时，为敏感信息的获取、使用和传输划定边界。
陈子逸介绍，企业通常会提出两个担忧，一是担忧数据：员工把内部资料交给云端AI处理，会不会泄露保密信息或竞争优势？二是担忧行为：智能体接入实际业务系统之后，会不会删除不该删除的文件，或者执行影响生产运行的操作？
他和团队试图用“场景一致性”技术回应这些问题，“系统需要结合业务环境，判断AI在这个场景下适合收发什么数据，以及适合做出什么行为。”陈子逸阐述这背后的实现路径。
他尤其关注零散信息被关联后的风险。例如，一家企业里，销售、财务、工程和法务人员分别使用AI，提供的资料单独看未必完整，但如果这些数据被汇集并关联分析，就可能暴露更完整的客户、成本和业务信息。陈子逸表示，对一款AI安全工具来说，关键就是要把这些潜在的风险问题转化为执行的保护措施。
据陈子逸介绍，公司正式运营后数月，便在运营商领域获得了客户，目前订单规模达到百万级。团队在刚组建初期，就获得了浦东资本的天使轮投资。
潜伏多年的技术敲开市场大门
陈子逸早在2019年就与AI安全结缘。
当时，他在学校参与过一个AI与法律结合的项目，尝试通过对话机器人生成离婚协议书和雇佣合同。回头看，他把它称作一个“小玩具”，但那次尝试让他开始关注AI进入现实场景后，怎样与实际场景相结合。
据他介绍，创业团队的研究基础更早可以追溯到2011年，涉及常识知识图谱、事件之间的因果关系，以及不同场景下适合采取的行为。2019年后，相关研究进一步向AI、法律和安全的交叉方向延伸，迅速在全球研究业界取得领先地位。
随着ChatGPT的出现和模型的不断更新，这些潜心沉淀已久的技术，迎来了走向市场的绝佳时期。2024年，熟悉的学弟和教授团队找到陈子逸，希望一起推动研究成果商业化。双方进行了几轮沟通，了解可能的应用场景，参与商业化探索和前期调研。
彼时的陈子逸仍在大厂工作，但已经明显感受到当自己负责的项目推进到一定阶段后，继续优化所带来的收益正在减少；此外，他也看到了厂外AI发展的暗流涌动，“我的专业是自然语言处理，原本以为通用大模型还需要十年才能实现，ChatGPT出现后，我就很想参与到这个浪潮中”。
经过前后三四个月的讨论，以及随后半年多的准备，团队在2025年正式决定创业。从大厂的项目负责人，到一支十余人创业团队的负责人，陈子逸面对的问题变得更多，也更具体：技术怎样变成产品，客户为什么愿意付费，以及一个仍在形成中的市场，何时能够带来持续的需求，每一个问题都是不小的挑战。
但他不认为创业存在一个所有条件都成熟的时刻。“如果真的万事俱备，只欠东风，其实也轮不到你来做这件事情。”只不过，他把大厂的部分经验带到了创业团队：比如，快速交付一个初步产品，再根据客户反馈持续迭代；通过周会及时复盘；为具体项目明确负责人等，他在方向和技术路径逐渐明确的路上，边走边去迎接一个个不确定性。
AI安全的需求增长取决于两个因素
技术跑通了，也获得了一些客户，但不意味着市场已经完全打开。在当前AI安全事件还没有大规模爆发，或者人们追求更高效率之下，为AI安全买单，对很多人来说就是锦上添花的事，显然，这个市场仍待启蒙和培育。
从陈子逸接触客户的情况看，不同行业对安全的重视程度并不相同。金融、医疗，以及部分高度重视商业信息保护的企业，更容易意识到风险；另一些企业则仍把安全视为额外投入，而不是必须解决的问题。
“企业负责人是否重视，会直接影响项目推进。有明确保护意愿的客户，往往更容易把担忧转化为具体的产品要求。”陈子逸说。
此外，国内外市场也有差异，在他的观察中，部分境外市场对隐私和数据保护的认知更明确，企业也更习惯将合规要求纳入经营决策。欧盟已有的数据保护监管体系，是团队决定出海的重要考虑因素。
对于AI安全未来需求的增长，陈子逸认为主要看两个因素：一是现实事件。当数据泄露、错误操作或业务损失真正发生，企业对风险的认识会更加直接。二是法规和标准的完善。当安全要求逐步进入业务流程和采购条件，相关投入才更容易形成稳定预算。
他也注意到，国内已有相关法规和标准逐步落地，但针对AI应用建立更完整的责任与治理框架，仍有不少工作要做。这并不意味着现有法律无法适用，而是新场景下的责任边界和具体要求，还需要进一步明确。
与此同时，市场虽处于早期，竞争却已经开始。陈子逸提到，国内已有多支高校背景的团队进入AI安全领域，海外同样有不少创业公司。各家的切入点不同，有的提供较全面的安全方案，有的专注模型或智能体，有的则聚焦隐私与商业机密。
但在陈子逸看来，AI原生安全的门槛，很大程度上来自对AI本身的理解。知道模型可能怎样处理信息、怎样采取行动，才有可能设计相应的约束。这也是团队希望依靠长期研究积累建立优势的地方。
