← 返回

2026.09.29 | TB | Security | AI Security Startups Progress

原标题：AI Foundation Model Industry 2026 Series – AI Security Startups’ Technology & Commercial Progress (Conducted in Mandarin)

#security #llm

Third Bridge · 2026-09-29

分析师主导 • 22 Sep 2026

Companies: 002230 CN, 300188 CN, 2513 HK

专家 Independent Consultant

Eric Shen (ES) — Third Bridge Sector Analyst

Agenda

Key Insights

Introduction

ES: 欢迎参加高临 (Third Bridge) 关于AI基础模型行业2026年系列——AI安全初创企业技术与商业化进展的访谈。我是高临公司 (Third Bridge) 的行业分析师Eric Shen，将负责协调本次访谈。非常荣幸邀请到[专家]参与此次访谈，[专家]是前任北京瑞莱智慧科技有限公司售前经理。

[专家]，您好。在我们开始今天的访谈前，请您就以下陈述表明我同意或我不同意：您知道保密信息的定义，并同意不会在访谈中透露任何此类信息或任何其他的保密信息。

专家 [00:00:31]: 我同意。

Questions

[00:00:34] 首先，从行业角度来看，瑞莱智慧这类AI安全公司的收入分为深度伪造检测、大模型安全和基础AI安全三大板块，它们各自的量级大概是多少，在总收入中的占比又是如何？

专家 [00:00:54]: 我从业整体是2022-25年这几个年度，在这几个年度里边，深度伪造检测相关的至少要占60%以上。大模型安全相对较少，20%多一点，接近30%，基础安全大概10-20%区间。基础AI安全的比例在缩小，大模型安全是增量的形势，比例是往上增的，是按这个模块去走的。深度伪造检测一是因为生成式AI、AIGC发展得比较火爆，所以它的增速相对是签单比较快的。大模型安全相关的是咨询的比较多，但是签单可能没有那么快，更多的我们是给工信、网信等监管机构做服务，按服务次数收费。同时，大模型安全除了服务形式，还有数据形式，大概是这样。比例分别大概是60、20、20或者60、20-30、10-20，这样的比例。

ES [00:02:15]: 您在2025年观察到大模型安全业务增长更快，当时判断这部分在整个收入结构中可能占到30-40%，该观察范围是否准确？

专家 [00:02:33]: 现在应该是有的，因为深度伪造检测它们之前的营收有缩减。因为各家做生成式的都会有自己的检测，竞品也在变多，行业的需求、非监管类的需求不是强需求，所以会变少。基础AI安全可能因为有一家竞品，这里边提到，方寸。董博出去创业了，基础AI安全是董博之前在瑞莱负责的，所以可能还是会减少，或者瑞莱不会再有都有可能。

2025年其实它不是按两大板块，2025年公司发表全员会的时候，CEO田总讲过公司未来的两条线，一个是生成式人工智能的检测，它把深度伪造检测扩大了一些。因为传统深度伪造是RNN的传统模型，它加了Diffusion类的扩散模型，所以这块是一个重点。另外，大模型一定是未来的趋势和方向，当时定的，所以这块会加大投入。这也是我之前预测大模型安全比例会变多、基础AI安全会变少，因为人员的离开，另外深度伪造检测也会在比例当中有所缩减。

[00:04:23] 现在整体公司的收入量级大概是怎样的，增长趋势如何，您怎么看它未来1-2年的增长变化？

专家 [00:04:37]: 我所在的合同周期里面，2022年收入是最多的，2023年是最少的，2024年和2023年齐平，2025年有所回升，大概是这样的趋势。2022年接近大几千万，5,000万以上，不到1亿，我了解的，因为大部分都在我当时所在的部门。2023年有拆分，人员结构有调整。同时，它分出去很大的比例，一是当时政府业务部的副总负责公安行业线，切分出去变成瑞莱智安，带走了一部分团队。另外。安全部的副总、VP唐家渝在朱老师的支持下成立了生数，作为联合创始人。所以我们在深度伪造检测，因为除了做伪造检测，我们也做生成，生成那一块单独剥离出去，成立了生数科技。如果您有所了解，它们背后都是同一个老板，只是成立了新公司。所以2023年、2024年营收上有所降低，2025年开始有新的大客户进来，有一些回升，相比于2023年和2024年。

ES [00:06:15]: 您提到2025年看到的收入不到1亿是吗？

专家 [00:06:21]: 对，肯定不到，不到5,000万应该。

ES [00:06:27]: 您怎么看这两年它的增长趋势？大模型安全作为后续的重点业务，您了解今年行业的需求怎么样，能够把收入大概做到什么量级，后续增长态势如何？

专家 [00:06:48]: 首先，我在的时候大模型安全我们做过相关的项目是从政府业务项目出发的，就两类，我们会说一方面是用AI做业务的，还有一部分是做AI业务的。我先从做AI业务这里边，采购AI产品、采购大模型的出发。一般所采购的大模型供应商会给甲方承诺它在安全方向有什么样的保障，它才会上线，所以它不会单独采购我们的安全模块，这是很少见的。

我们在卖安全模块的同时会基于开源模型，比如千问、DeepSeek，自己加微调。微调之后把它变成垂类模型，加上应用一起卖，这样合同金额才会足够大。否则，只做大模型安全方面，尤其是政企类的，很难卖上很高的价格，从公司投入来讲，投入产出比不够，所以它要自己做一些应用。我自己就做过这样的产品，新的交互产品，把搜索、集合RAG技术的推荐加上生成融合在一起，做一些问答产品，卖给对应的客户，再用垂类大模型做算法的能力支撑，大概是这样做的。

ES [00:08:29]: 这种项目单一项目的量级大概有多大？

专家 [00:08:34]: 百万，小几百万，不到500万，100万-200万的也有，300万-400万的也有。更多的它并非是靠产品竞争力获单，很多都是靠商务关系、靠销售打单去走的。

[00:09:00] 请评估瑞莱今年及未来1-2年的整体增长态势，并结合当前行业需求与该公司产品的匹配度，分析其营收从今年的约5,000万规模在未来几年能达到何种业务量、是否存在快速增长的拐点，还是呈现整体平稳的发展态势。

专家 [00:09:27]: 这个很难评价。今年2026年上半年至今为止，它经历了两轮融资，B+应该叫，它对外披露的是这个。金额没有说，但是说数亿，这是它2021年之后比较大的一笔融资，那笔是比较大的，也是它高速发展的一个时期，后边它经历了几次拆分以及业务重组，对它的影响比较大。今年这些融资背景我不是很清楚，所以很难做判断，我可能要结合这些去做，因为很多融资直接会带来相应的项目，尤其在融资之后。

ES [00:10:30]: 从行业角度判断，您观察它的产品跟现在市场需求匹配的话，整个收入增长会保持什么范围的增速，还是挺不确定每年的订单和需求？

专家 [00:10:49]: 对，它的不确定性很高。因为它是依靠清华大学人工智能研究院，依托于实验室的能力去做的，它很多核心算法也依托于朱老师的亲传学生到瑞莱给它做这一块，所以它很多资源从项目上来讲都是来自于工信、网信、政府这些。刚刚我聊到朱老师的导师是张院士，我们的项目来源也是通过这些口径，获客路径是从这里边来的，很多都是，所以它并没有真正被市场认可。

它的刷榜记录也是比如SOTA，还有一些其他的也是比如工信的比赛还有公安的项目里边与竞品的评测结果，这些有自己的维度。因为从评测方案来讲，基本上是行业内的几家竞品公司共同推出的，像中科睿鉴，像我们这面做的。当时百度有技术视觉部，美亚柏科深圳有一个研究院，讯飞也有一个深度伪造检测的研究院，它有做生成的，但是讯飞主做语音方向，视频为辅，整体来讲是这些。这些单位也在我之前提到的国家研发计划、工信部的高质量发展专项这类课题类项目里边，它会把行业里边头部的做相关某一个垂类技术的厂家联合在一起，落对应的课题。

[00:13:34] 国家级科研计划或部委高质量发展计划等课题型项目在公司总收入中占比大约是多少，单个课题经费区间如何，该类项目对公司的战略帮助、收入影响及未来发展空间应如何评估？

专家 [00:13:57]: 它那个课题我简单介绍一下，一方面，它依托于顶尖的大学以及实验室，所以它的科研经费原本就很多，有很多实验室承接的也会从外部采购一些支持，到我们这，甚至我们和实验室联合申报某项科研课题都是非常正常的一件事。之前2021-23年分别有高质量发展专项，是深度伪造检测方向以及人工智能安全方向，接下来是大模型安全方向，它是有递进关系的。因为第一年的深度伪造检测是有提批复的，所以那个项目它的金额是比较高的。这类项目，我先说它从立项到验收，一般立项有半年左右的时间，项目的执行周期基本都是两年，所以2021年立项的项目基本上是从2022年开始执行，到2024年结束，结束之后要在五个月内完成相应的验收。

经费的比例是从中标开始签约合同到项目执行，一般项目执行的前半年之内50%的经费就会到账，这笔经费就是项目执行期间的所有费用，剩余50%的费用会在验收之后不定期地发放。因为不同项目在财政那排位是不一样的，所以看财政的经费如何，如果比较少，今年可能就排不到，可能多排1-2年都很正常。像这种比较重要的依旧是，我了解的情况是2021年申报的项目2022年开始执行，到2022-23年两年，2024年年中验收，现在2026年才刚刚收到尾款，应该不足一个月。

确收口径的话不能当作市场营收，如果这类创业型公司想要走上市路线，这部分收入必须从整体收入里面剥离出去。但是这部分经费可以为公司，比如按照人员比例，因为申报的时候是有人员名单投入的，按人员比例，薪资、公司做研发需要采购的服务器，就是设备费、人员费等等，有各个科目的立项。它可以摊薄公司运营的很大一笔成本，房租、水电什么的都可以从比例里边去切分一部分，有合理的切分方式放到这个经费里边，它是可以用的。对于初创公司来讲，省了这部分成本，它可以续命，也许在市场化没有做得很好的情况下不担心资金链出问题，短期内就会倒闭或者有其他的风险，至少有这样一个好处。但是它不能转化成直接市场上的营收，因为这算是国家对于科创企业的扶持。

ES [00:17:58]: 所以前面提到它的收入结构里面不包含这种科研项目，是吗？

专家 [00:18:05]: 刚才提到是包含这部分的，刚才提到的总收入是包含这部分的。

ES [00:18:13]: 如果拿掉这部分，纯产品形式或者商业化运营的能够占多少，60%左右是吗？

专家 [00:18:24]: 60%左右，对。

[00:18:28] 这类课题或项目多属于做技术研发或针对下游客户进行技术攻关，其成果大致有多少比例能够转化成对外售卖的标准化产品或公司的技术能力，还是两者的关联度并不高？

专家 [00:18:57]: 我举例，公司对外的产品以深度伪造检测为例，公司做的方向也是这个。即使没有这个课题，公司也要做这块的业务、这块的技术攻关，提升自己的指标，比如准确率、召回、误报等等相关的行业指标、算法指标。有这个科研经费出来，科研经费里边的核心验收指标依然是准确率要多少、误报是多少，甚至有些组合，在多大数据集的情况下，准确率在多少的前提下，误报要不高于多少，大概是这种口径的描述。

它的要求会比市面上目前能达到的要高一些，但是它要两年之后验收，一般而言，公司都能达到要求，在两年之后。如果继续研发自己的核心算法，它就一举两得了。第一，我做我的核心产品，把核心能力往上提升，同时提升的方向也是这个科研课题的核心验收项，我既能满足验收，又能做出指标上非常高的一款产品。应用侧我就不讲了，因为对于这些公司来讲，它们做轻量化的应用还是比较简单的一件事情，可能算法是最大的难度。所以基本上是这样的，它有一举两得的妙用，这是其中一个。

第二个是我刚刚聊到它可以摊薄自己公司的经营成本，这是其中一点，我不额外赘述了。第三点，从上游国家科研经费，这种科研课题一般分多个部分，第一部分我们提到的叫技术攻关，提升各种各样的指标，它有技术指标作为验收项。第二部分是产业化的部署，比如工信、网信、公安、科技部都有对应的课题。其中，工信的单项目的总金额比较高，它那边的产业化推广一般会落在运营商那一侧，因为它主管的是三家运营商。

它在项目的后期会有红头文件下发，把科研攻关里面的成果应用到运营商的某一份布局当中。对于我们来讲，这里边有一部分就是你可以提前布局市场化。因为你知道今年我中了这个标，在研发这个课题，未来一年之后运营商那边会有红头文件下发，让它们去做对应的这部分内容。比如它有IDC流量，要做深伪的检测，以统计互联网当中有多少非加密数据、有多少是用算法模型深度伪造生成的、有多少是真实数据，它要统计这个比例。

统计完比例之后有多少涉政、涉黄、涉恐、涉暴，它要有内容的分级、分类。有多少风险，要么是舆情的风险，要么是对个人的危害、对企业的危害、对国家的危害，它要分级、分类，做内容安全。

它不能通过腾讯、爱奇艺、B站、抖音、快手这些企业，它是不能拿的从这些，因为这些企业属于互联网企业，这些数据对它们来讲，即使是怎么样，也没有那么合理。所以它是通过流量入口去拿的，因为无论是哪一家去走，在国内都会走这几家运营商之一。它只拿非加密流量，因为非加密和加密的比例相对而言是差不多的，它就能了解到整个国内的环境在深度伪造的成本，音、视、图、文在实际的互联网环境当中占比是多少、每一块有多少、需要怎么样治理，它有这样的需求。

我们会提前一年得知，比如明年三家运营商要做这块，哪个省要做，比如我们之前做的是北京、上海、江苏、浙江和广东五个流量大省，各出10%的流量。我们既然知道了未来一年它要做这件事情，我们就可以提前准备产品，提前做市场化的布局，招对应垂类行业比较好的销售，过去给我们做打单的动作。这样有先发优势，可以转化一部分营收，这是做课题的另一个点。

再往后走，这种课题一般是偏赛马的形式。同样是深度伪造，瑞莱智慧在做，中科睿鉴在做，计算所和自动化所、科研院所在做。另外有一些其他的高校也在做，以及大厂像百度的视觉技术部之前是在做的。都把它们纳入到联合体里边，算法的话按照统一的标准，课题验收里边是有行业标准的。

行业标准是怎么建立起来的？是通过一轮一轮的评测，基本上每个季度、三个月做一轮。所有家提供最新的算法，打指标，从准确率、召回率、误报率等多个维度还有F1综合指数，看每家，有一个排序。这些排序是对外发布的，所谓的对外基本上是对运营商那一侧，就是工信，通信管理这个行业里边有发布，非公开、半公开地发布。所以它们会知道前一年几个周期，大概4-6个周期里边所有做深度伪造检测的厂商有哪些、头部的是哪些、各家的榜单真实情况是什么样。这决定了运营商在建项目的时候向哪家公司做采购，它有主动意愿，非指定的。

这个榜单对于我们打市场是有必要的，比如有8-10家左右，大家都愿意选前三里边的，很少会选靠后的，这也是一些优势。后发比如不在这个项目、课题范围里边的，虽然也做了深度伪造，但是运营商过去之后很难向上去做，因为这有政治因素在。所以它可以自己采，但是它会考虑这方面，你不在名单之内，它多少会考虑这方面的事情，所以我们的优势会更大一些。这是课题的好处。

[00:27:08] 您刚刚举的例子还是深伪检测业务，但您最前面提到这部分收入在减少，是由于需求不像以前那么强吗？而大模型安全增长比较高，是由这种需求驱动的，还是整个业务逻辑不太一样？

专家 [00:27:31]: 一是大模型的需求，因为2023年之前国内基本没有所谓的大模型业务，在GPT出来之前。之后才一点一点有大模型业务上的需求，有业务上的需求，慢慢就会有安全方面的需求。我们在做这块的时候，因为这块在持续增长，所以它的比例在扩大，深度伪造就看上去在减少。但其实它的总体量级是趋于稳定的数量级，大概每年有2,000万-3,000万左右的营收，好的时候会有这样的情况，平均下来是这样的。

ES [00:28:18]: 它的增长空间没有那么大，基本上还是稳定？

专家 [00:28:22]: 对。之前它的业务是哪些？工信、网信、公安部。另一部分是金融业务线，很多六大行之外的中小行有发卡的需求，信用卡。它之前做人脸业务会有几个比较固定的模块，第一是活检，确定摄像头里边的人是活人，不是拿面具、头模以及图片来骗我，这个设备。它要做活检，有3D结构光、红外、各种各样对应的技术，现在比较成熟。另外是人脸比对，就是证明我是我，而不是另外一个人。在这两个环节中间，现在又加了伪造检测，证明这个人不是通过AI换脸或者拿一张图片，后台用了模型算法做驱动。它把这块安全加上了，因为反欺诈里边有这部分业务造成损害，所以金融上有这方面的需求。

ES [00:30:06]: 这也是放在深伪检测的业务里，对吧？

专家 [00:30:10]: 对。但是从瑞莱智慧的角度来讲，它是两条产品线。深度伪造检测，它的产品线叫DeepReal，另外给金融银行单独做的一套叫RealGuard，它叫防火墙。之所以这么做，是因为互联网的数据和金融银行类的数据从数据集上是有区分的，数据类型上。它基于训练数据不同，虽然算法模型的架构相同，但行业里边的数据和场景不同，所以它用了不同数据集和不同的工程逻辑去做，所以这是两套产品。

ES [00:31:03]: DeepReal跟RealGuard这两个都是放在深伪的产品线里，是吧？

专家 [00:31:10]: 对，现在叫AIGC的生成式人工智能检测，所有生成式都会检。

[00:31:17] 公司的大模型安全业务发展轨迹和进展是怎样的？

专家 [00:31:21]: 我再介绍一下大模型这边。大模型这边的大模型安全，从创办这条业务线的初衷开始，我们当时各个VP以及合伙人、公司的高管，加上各个业务部门，每个团队出了几个人，做了一个闭门会议，开了大概有一天多，去聊GPT带来的影响。可能当时看比如文心一言、讯飞的星火，DeepSeek以及Kimi、豆包之类的那些还没有的时候，我们去聊说未来一定会有很多大模型的公司出来，这块的业务我们如何做。我们评估，我们可能没有足够的算力，或者说没有这方面的能力去做一个属于自己的大模型，因为当时基于自己公司规模和研究方向上是有区别的。那我们怎么办？大模型出来之后，它的回答比如是不是有幻觉这种问题，我们更早地提出了它回答得不准怎么样，或者说它回答一些错误的东西，会不会造成一些比较差的影响。所以我们在想，那我们就做大模型安全吧。

大模型安全一个是算法安全方面的，另一个是数据安全。数据的话我们比较优势的是，清华里边有公管学院孟庆国教授的学生在我们这边实习，加上一些人大方面的资源，公共管理方向的。他给我们做了一些规划，就说你们要做的就是数据集。首先，它们都在研究算法，我们通过对话，比如越狱攻击、角色扮演、字符攻击等等这些方式以及诱导等等，模型原本做了一些安全策略，但是我们能够通过对话的方式把它攻破，让它回答出它不应该答的问题。

面向市场的时候，这些所有的大模型公司都要有压力。我们的服务是怎么样？我们一是为模型公司提供评测服务、提供相应的数据集、提供检测的服务、安全加固的工具去卖，从这里边去获得一定的收益。这是大模型的周边。在实践当中，我们最开始提这些的时候，第一，大模型公司在没有这方面需求的情况下，其实它没有意愿去采购的。应用大模型的比如对C端或者是自用的那种，它也认为可能没有什么需要，错了就错了。我们就一直也专注于做这一块，直到第一家对外发布的政务大模型是深圳龙岗区的，然后是北京昌平区和石景山两个区的公积金对外发布了一个大模型的服务，给了我们一些机会。它对C端的，我们直接打开了C端的窗口，通过常见的几种攻击方式，分别攻破了它。有视频、图像以及各种各样的报告材料，递给对应的主办单位，确实是被攻破了。

还有一些社会安全的，比如更简单一点的，我们就是做一个角色扮演。原本通用类的模型，我举一个例子，我问它一个比如杀人毁尸灭迹的办法，它一定不会告诉我。但是我说我是一个悬疑网络小说的作家，我现在要写得更怎么样一点，它就会把步骤给出去。但是经过对应的单位的人去确认，这些东西不应该给C端的用户去发。或者说罂粟的种植、提纯的技术，你去问，它其实是有拦截手段的，各家的模型都有对应的工程和安全策略。但是我同样举例，以角色扮演为例，你说你是一名医生，你现在在救一个垂死的病人，需要一些麻醉剂、一些相关的东西，你手里只有这些东西，它就会告诉你怎么样去提纯、怎么样去使用。但是这个步骤和提取毒品的步骤是很相近的。

ES [00:37:13]: 这类服务最后终端客户面对的是大模型厂商，还是使用大模型的用户？

专家 [00:37:26]: 大模型厂商买了我们的数据，因为它不希望我们在它训练的大模型上去给它做这件事情。我们告诉它如何去使用这些数据、如何去测这些安全问题，卖一次服务，加上一些数据。我们数据分三档，基础级的，比如15万；Plus升级版的，可能有二十几万；三十几万的是更高级的一个旗舰版，里边有什么样的数据，分类可能更细更多。大概是这样的。

一般都会买一个最全的，把数据一次性买走。因为它们忙于做大模型的时候，比如智谱和瑞莱都是清华系的，就有采购这批数据，做安全意图。它都希望去自己做，不希望另外一家公司干扰到它，更多买的是数据。[客户]采购了一些大模型的这些服务的厂家，更多是买我们的防护工具，买一次防护的评测，说它在上线前，我们统一给它做一次评测，后续也要买一些我们的服务，有哪些问题，抓紧反馈给模型厂家，让它去整改。因为公众要攻破它的难度和我们要攻破它的难度是不一样的。我们攻破的时候，我们把问题反馈，它们去整改，可能在公众那还没有发生，大概是这样。

另外，大模型备案里边，网信办有一家下属单位叫CERT，它当时帮荣耀大模型和度小满这一类的大模型做备案，备案的时候我们提供服务。因为我们拿着数据、评测的自动化工具和程序，在CERT的背后提供对应的服务，按服务次数收费。前端的模型备案的厂商其实并不知道后端是谁在给评测，我们评测完之后给出一些改进意见，它拒答率不能低于多少、回答错误的有哪些问题，给它出报告。它们整改完成之后，我们再进行复测，直到通过，通过完之后给做个备案，是这样的一个售卖结构。

ES [00:39:53]: 按次数收费的话，一次大概多少钱？

专家 [00:39:59]: 少的可能十几万就有了，因为只做一个基础的评测；如果要是多一点，也是有几十万，大概是这种，服务是这么收费的。数据集是按次去卖的，要签保密协议的，那个数据集我们要定期更新。更新之后，如果要最新版的，它就需要再重新去买，跟前面一定是不重复的，我们每个周期是有对应的发版。但是这个数据集确实是有上限的，在大模型最火爆的2023年到2024年上半年是可以卖的，之后就卖不了了，因为各家在安全意识上已经有了对应的投入，也有了一定的数据规模。就像智谱在早期我们第一批数据集卖完之后，它自己一定组织规模去自己做这件事了，就不需要我们，它就不想再外采了。

[00:40:58] 您提到目前大模型安全业务还是持续增长的，主要是在大模型备案的测评服务，是吗？这部分业务的占比是最高的？

专家 [00:41:12]: 2025年的时候是有这部分的，评测这部分不应该是最高，这部分因为单价低。就像我之前有聊过其中有一个点就是，比如政府那边、比如政数局那边，我们不止给它在卖大模型这种服务，同时它也会采购我们一些，让我们做一些应用，比如大模型的问答，某一个板块会给到我们。整体的金额就会很高。所以只在大模型安全这一部分上的收入就很难评价。因为它会给一个统包的合同，去把大模型所谓的应用、服务很多事情都打包在一起。实际做的事情和你真正交付的工作可能会有所差别，它通过那种应用服务去给我们补一些钱，大概所谓这一点，就有这种模式。

ES [00:42:20]: 这部分业务您判断还会持续增长吗？增长点还是在于现在核心客户这块吗？是否有走出去，给一些其他场景的不同客户去做服务？

专家 [00:42:36]: 之前有尝试过，比如广西那边有一个反诈的，但是那个项目具体情况我不了解，因为是整个团队出差去做的，都远程，基本上没有人回公司，非常长的一段周期。那是2025年的业务，直到后半年，基本上人是持续往那边去投入的，但是回来的人很少，给公司内部的人说那边项目究竟做得怎么样，没有太多人知道。

[00:43:09] 随着大模型厂商不断收缩，真正做基础模型的玩家已屈指可数。针对这种数据打包形式未来空间是否会越来越小，该服务类型的金额变化趋势是否正在下滑，以及后续要做大收入究竟是依赖单一项目的再扩张，还是取决于新客户的开拓？

专家 [00:43:43]: C端的我们先不讲，我们讲B端和G端，就政府和企业这方向的。我的判断是这样的，首先，比如我们最初的单子，是因为有一些模型厂商和有一些对应的政企，它们先上了对C端使用的政务大模型，政务大模型又被我们攻破了，证明了它确实有缺陷，所以它们才会有意愿去采购。这是逼的，它模型本身的厂家可能有些问题被反馈回去，它没有解决掉这个问题或者在短时间内它解决不了这个问题，它发现它自己诱导它的模型也会出问题，因为它的输出不太可控。所以它们被迫采购了这部分问题。

未来如果to B和to G的这两部分业务还要有业务的产生，比如目前更多用的DeepSeek、千问这些通用类的模型，你必须要有攻破它的能力，而且是有用不同方法攻破的能力，而且不只是1-2个案例。你有持续的这种能力，才会有持续的采购需求，如果你攻不破它了有一天，那它一定不采购了。所以这是攻防一体的，你卖的是防，但是你要先做到的是攻，我能攻破它，所以我才能防住它，这是一个逻辑自洽，就是一个自证的过程。

在对抗攻击这个领域，当时在瑞莱做得最好的核心人物叫董胤蓬，咱之前聊的材料里有提到方寸这家公司，现在他是另一家公司的首席科学家了。所以这块板块，我未必会看好，因为首先攻破的能力并非是谁都能做到的。因为做基础模型的厂家，国内的法律和监管条件下，一定是卡得很严的，它们必将倒逼这些基础模型厂家一定要把这一部分做好。所以如果现有团队的能力，没有一个明星人物带队，攻破的数据也许会变少，就是这些案例。这些案例少了，它的营收就会缩减，一定要看它这个攻防对抗的结果。

ES [00:46:22]: 所以方寸现在主要卖的业务就是攻击测试，是吗？

专家 [00:46:33]: 其实说实话，我离开的时候，这家公司还没有所谓正式对外官宣，所以我没有这么了解这家，只是说跟它们谁共事过，但是我理解它们并不构成直接的竞争关系。因为董博也是朱老师的学生，它应该会做基础的AI安全部分，大概是这样，还是会有所区分的。

[00:47:09] 关于竞争对手，比如水木羽林、数美，您有了解吗？您怎么点评这些竞争对手？

专家 [00:47:22]: 数美我们知道，数美更多其实是做内容安全或者说风控相关的，它没有所谓的深伪检测的业务，大模型安全的业务它也没有。瑞莱这边也不会有风控的一些方案，也不会有数据安全，比如内容审核。我们虽然也做了相关的产品，但这不是我们主要的产品，我们只是在课题里边延展地做了一些尝试而已。所以它不构成直接的竞品关系。

ES [00:48:00]: 也是切入角度上还是有差异的，对吧？

专家 [00:48:05]: 对。

[00:48:08] 不同类型客户在瑞莱的收入结构里面各自占比大概有多少？哪部分客群带来的收入增长会比较明确一些？

专家 [00:48:20]: 我理解依旧可能会在政务领域，就是政府、国央企这一部分，是它持续的发力点，C端的需求还是比较少的。比如你我作为个人，我们很难说我要购买一个关于生成式人工智能检测的一种算法、一种服务，或者是有一个app，我要充会员去检测我手机里哪些图片、视频是AI生成的，其实不用。因为现在行业里边有《生成式人工智能管理办法》，我们是有对应的法律法规的，要求生成式的要加水印的、要加明显的标识。所以我们日常刷到的短视频、刷到的图片、网络看到的新闻，是都有对应打AI标的，可能是AI生成。所有的平台是有检测的，内容发布者也要打对应的标，两边同时监管，是有这样的一个内容的。所以C端应该很难获客，主要还是以国央企以及这些。

金融、银行是这样的，原本从它的业务部划分，从组织架构上，其实您可以看出一二。原本它是有战略部门、政府业务部、金融业务部和企业业务部，从部门名称上非常清晰地知道每个业务部是干嘛的。但是所谓的政府业务部其实主做的是公安行业。在开场的时候我有聊过，因为当时的VP，以及当时负责交付的VP，两个，共同出去成立了一家新公司，叫瑞莱智安，是有瑞莱扶持的。两边从财务上做了一些切割，项目上也做了一些分割，它把公安的客户带走了。后边瑞莱这边再打公安的单子，都是靠其他业务部门的人通过一些其他渠道拿到的，所以它把这部分拿走了。

战略其实主要是做政府的，比如各个部委以及市政府、科协等等这些单位的。金融是主做金融银行，我刚刚有介绍到防火墙这款产品。但是金融和企业两个业务部门解散了，它们同时就划分了两个团队，揉在一起，做一个所谓的传统的市场部那种，变得通用了一些。在固定的垂类行业，其实发展得不是很好，业绩没有达到既定的目标，差额还是比较大的，所以这部分可能就比较少了。金融和公安，其实公安切割出去，金融收入不够，所以导致部门解散，融入到通用的市场部。政务一定是未来的大头了，C端我们理解可能很难了。

ES [00:51:28]: 有做互联网公司客户吗？

专家 [00:51:24]: 互联网公司有做，但是所有的互联网公司，之前有了解过，比如字节，当时还有一个是网易，网易也做内容，之前有接触过一次。我们是在科研课题里边，因为网信有监管的部门，我们会发现一些违规的内容。整个课题有技术攻关、有产业推广，你必须要做出一定成果向上汇报，不能说几个亿花出去，毫无成果，只是我的指标很好看，那是绝对不行的。所以从运营商的数据流量里面，我们捕获了很多比如涉政类的、舆情类的，涉黄、涉恐、涉暴的。很大的分类，我们会发很多的专题专报。

有一批其实是被回复了的，被批复的这一部分材料，对应的专岗专责，对这批数据进行溯源。它里边原本就有备案和溯源的系统，就是我在什么情况下给您发的，我的网络是联通，您的网络是电信，我举例，我在北京，您在上海，整个链路都完事。我通过什么平台，通过微信发的、还是通过抖音去发的，它的传播链路做溯源，这批数据是用什么方法合成的，全部都要确认。确认完成之后，约谈对应的企业，约谈之后，企业会给出对应的解释，那些就不归我们去处理了。但是后边的企业也会了解到这部分内容是由哪个厂家去做的，它一定能了解到。

所以有过一些对接，对接之后其实是没有实际的采购的，它们会自己把审核的关卡卡严。它是不愿意把它的数据类型和分布情况开放给其他厂家的，因为它们本身就是流量入口，它的数据结构。如果我们要去给它做这样的服务或提供产品，我们一定会问一些，比如了解你的数据结构什么样的是偏多的、什么样的问题可能多一些。这些数据它不愿意分享的，其实有很多。

ES [00:54:13]: 这部分业务等于还是原本的那个核心大头深伪这一块，AI安全这部分能够卖到一些大厂里面吗？

专家 [00:54:25]: 这些没有。就像之前卖给过智谱，我有提到，另外备案的时候，我们做过备案的这一块。其余的和基础模型的厂家，比如Kimi、DeepSeek什么的，是没有交集的，至少在2025年底到2026年上半年的时候，我了解的情况是都没有的，几乎是没有合作的。

[00:55:05] 关于瑞莱的发展前景，您是怎么看的？后面会有哪些关键的指标或者是重要的信号可以跟踪？您对公司发展的展望态度是相对比较乐观还是保守一些？

专家 [00:55:25]: 我个人而言可能保守一些。因为国内一是法律监管，所谓的安全方向，无论是深伪这方面的，还是大模型安全，或者基础安全，比如分类算法、数据投毒、后门等等这些，技术领域发展是一部分。因为国内的管控是以法律为主的，就法律监管得比较严，它倒逼了对应的企业在这方面要做好，因为如果你做不好，它的罚款金额会比较大。如果按照这种趋势，它不如把罚款金额当中的很小一部分投入成一个团队，来做自己的安全把控。所以它们自己一定会做自己的，所有的大厂都会有自己的安全团队。它一定不希望自己的数据分布情况、数据结构以及所有的内容入口被外边的企业获知很多的信息，因为它们本身就是做数据的，有推荐算法、有一些流量的入口等等。所以C端或者这些互联网大厂很难有大规模的采购需求。

像国央企，比如我们之前聊过的运营商，就举例，它们自己都成立了自己的数科或者说科金，还有人工智能之类的子公司，都会非常多。它们自己就会从市面上，早很多年都会做，像电信也出了星辰大模型和星辰的agent，就是对应的。虽然它和那种做模型的厂商，大家都不会去用，C端的用户，但是确实人家也在宣发，也有自己相应的一些工具，也在发布。这是国央企的一些动作，所以它们很难去采购这部分。因为它自己集团下属成立了全资的科技公司，那必然要从科技公司去采购对应的能力，也许它的能力不足，但是必然要有扶持的动作，在早期。

ES [00:57:53]: 大模型安全领域，您提到一个场景是大模型备案的检测，这是瑞莱基本上全都拿来做，还是只分到一部分的检测单子？

专家 [00:58:07]: 分到一部分。有推荐我们就去做，没有推荐的，自己上门陌拜基本上也不会成功。所以基本上就只是靠着这些持续化的一些，就还是政企的那套打单的流程。但政企普遍是回款比较慢，要么就单价比较低，就是这两个特色。

ES [00:58:52]: 现在模型安全也比较受关注，您觉得在整个行业赛道里面，有哪些您比较看好的细分领域或者公司目前看到这类公司增长比较快或者未来有潜力，有吗？

专家 [00:59:14]: 目前我比较看好一些应用类的智能体这一类的。比如今年上半年开始是龙虾，龙虾之后，OpenAI就有Codex，Anthropic有Claude Code，这两个现在是最顶尖的，但是是国外的。国内我理解最好的可能先发优势是腾讯的WorkBuddy和CodeBuddy这种，它的混元模型虽然比较弱，但是它现在在追赶。

ES [00:59:50]: 非常感谢专家参与本次访谈。本次访谈结束了，再见！