近日，主权AI（Sovereign AI）基础设施头部公司深度内核（DeepKernel）宣布完成数千万元种子轮融资。本轮融资由顺为资本领投，L2F光源创业者基金跟投。本轮资金将主要用于主权AI三层架构的工程化落地、核心技术攻坚与高层次技术团队建设。
深度内核聚焦AI时代最核心、却也最容易被忽视的问题——企业在使用最好的智能与基础设施的同时，能否不交出对自己的数据能否保留对自己的数据、智能体轨迹、学习闭环与已积累智能的控制权。深度内核致力于让智能运行在企业可验证的边界之内，让真实业务中沉淀下来的智能只归企业所有。
从拥有数据到拥有智能
2026年，“Sovereign AI”成为全球AI产业最主流的议题之一。Palantir在白皮书《AI时代的机构主权》中主张，机构必须守住自己的alpha；微软CEO纳德拉提出“反向信息悖论”（Reverse Information Paradox）——企业可能要为智能付两次钱，一次是调用模型API，另一次是为了让智能变得有用而不得不交出的专有知识；Sequoia Capital合伙人Sonya Huang问得更直接：你业务核心的那份智能，应该归谁所有？
尽管各方立场各异，却指向同一担忧：当智能成为核心生产资料，企业绝不能失去对“智能如何被创造、被改进、被使用”的控制权。
但主权AI常被理解得太窄——本地跑一个开源模型、自己买GPU、把数据锁进私有云。深度内核认为，这些只是当下企业使用AI的方式之一，并不等于主权。一家公司可以拥有全部服务器，却依赖一套自己无法检查、无法控制、无法自定义的模型、协议栈与学习过程；反过来，它也可以租用基础设施，同时对这套设施“被允许看到什么、被允许做什么、允许沉淀怎样的智能”保持强控制企业拥有自己的服务器，并不意味着其上运行的模型和学习过程同样由自己定义和掌控；反过来，企业租用云端的基础设施，只要计算过程可核验、可证明，同样能够保留对数据与智能的控制权。
因此，深度内核对主权AI（SovereignAI）的定义是：在使用最好的智能与基础设施的同时，不交出对自己的数据保留对自己的数据、智能体轨迹、学习闭环决策权与己积累智能的控制与已积累智能的控制权。
深度内核围绕Sovereign AI基础设施构建三层架构
基于上述判断，深度内核将主权AI的构建拆解为三层，并在三层上同时推进工程化：。
1.计算层（Sovereign Compute Infra），回答的是“我的智能在哪里运行”。
企业今天面对的是两个极端：调用公开模型API，能力最强、负担最低，但企业最依赖的智能提供商始终处于企业的信任边界之外；完全私有部署，控制力最强，但前沿模型的规模与迭代速度正让它在经济上难以为继。两端都不成立，Sovereign AI因此需要第三种架构。
深度内核基于密码学、可信芯片与分布式系统，为AI训练和推理基础设施建立明确且可强制执行的信任边界（Trust训练和推理基础设施建立明确且可强制执行的可信计算边界（Trusted ComputingBoundary），并将其拆成三件可被逐条核验的事——机密性（Confidentiality），数据与模型不暴露给未授权的算力运营方和其他租户；完整性真实性（Integrity），实际执行的就是预期的代码、模型与策略AI训练和推理按照预期的代码、模型与策略执行；可验证性（Verifiability），由硬件信任根出具证明，企业或独立第三方可自行核验，而不是只能相信服务方的声明基于密码学和硬件信任根，实现AI Workload端到端计算的可度量、可审核、可证明。
2.学习层（Sovereign Learning Loop），回答的是“我沉淀的智能，谁受益”。
智能体执行真实任务留下的执行轨迹（Execution Trajectory）——它收到的上下文、形成的计划、选择的工具、失败与人的介入——编码了任何通用模型都无法预先具备的信息：在这个组织真实的运营环境里，什么是“好（Reward）”。
深度内核正在构建覆盖执行（Execution）、评估（Evaluation）、学习（Learning）与编排（Orchestration）的Agentic Learning Infrastructure，把真实世界的AI运行转化为企业可控的智能复利（Intelligence Compounding）。
3.交互层（Sovereign Agentic Interoperability），回答的是“我的智能体能否交互而不失控”。
当智能体开始代表组织行动，越来越大比例的交互会发生在智能体之间，而今天的互联网并不是为“能理解目标智能体需要理解目标、持有被授予的权限、访问私有上下文、花钱并做出有后果动作”的智能体设计的。
深度内核正在构建智能体互联网（Internet of Agents）的核心协议栈，覆盖智能体身份（Identity）、能力（Capability）、授权（Delegation）、问责（Accountability）与结算（Settlement）等关键能力。
深度内核正在构建智能体互联网（Internet of Agents）的协议栈，覆盖身份（Identity）、能力（Capability）、授权（Delegation）、问责（Accountability）与结算（Settlement）。
团队与进展
深度内核凝聚了国内外顶尖高校的科研青年与产业界头部科技企业的核心工程人才。成员曾任职于Google、VMware、Broadcom、字节跳动、阿里巴巴、腾讯、美团等公司；核心研发与清华大学InspiringGroup深度合作，研究方向覆盖可信计算和AIInfra在国际A类学术会议与期刊累计发表论文近百篇，并多次获得国际顶会杰出论文奖，实现了涵盖算法、模型、系统、芯片与网络的体系化创新，形成全球领先的技术栈。
学术积累上，团队在国际A类学术会议与期刊累计发表论文近百篇，并多次获得国际顶会杰出论文奖，实现了涵盖算法、模型、系统、芯片与网络的体系化创新，形成全球领先的技术栈。
工程进展上，深度内核已经“软硬一体”跑通三条可信深度内核基于异构算力构建三条可信AI Infra技术路线：基于现有可信硬件，完成跨网络的大规模集群组网完成跨网络的大规模可信AI集群组网，并实现端到端可验证的远程证明；面向国产算力，围绕国产芯片体系补齐可信AI Infra能力；基于自研密态计算芯片，重新定义芯片级可信AI计算范式。
产业落地上，深度内核已启动面向企业客户与平台伙伴的商业化交付：MaaS方面，公司自建可信AI Infra，并与国内头部智算云平台推进联合方案，对外提供可验证的模型推理与训练服务，让企业在使用弹性算力的同时，可独立验证运行环境的可信状态与所调用模型的真实性；PaaS方面，与国内头部数据空间公司达成合作，为可信数据空间提供可信AI Infra能力，实现“模数共振”。可独立验证AI计算环境的可信状态与所调用模型的真实性；PaaS方面，与国内头部世界模型公司达成合作，打造可信AI基础设施，让智能在物理世界闭环。
Sovereign AI：时机与终局未来AI计算的默认范式
当前，Sovereign AI成为下一代计算范式的三个条件正在同时成熟成为下一代AI计算范式的三个条件正在同时发生：模型规模已越过私有部署的经济临界点，完全自建对绝大多数企业正在从“贵”变成“不可能”，且面临建成即落后的窘境；AI开始在真实业务中做出有后果的决定，而不只是给出建议；可信芯片能力逐步可用，供应链风险下降。
云计算走过同样的路：企业不是靠拥有每一台服务器获得控制，而是靠更强的隔离、身份、加密与审计手段。深度内核相信，Sovereign AI也会如此——从少数场景起步，最终成为未来AI的默认属性。
未来的企业，不需要拥有每一张GPU，不需要自己训练每一个模型，也不会孤立运转。它们将向世界租用能力，AI需要在真实世界完成闭环和智能复利；同时，具有硬件信任根的可信算力的供应链逐步完善，可信AI Infra的底座正在成熟。
下一个十年，每一家企业都需要回答：我们的智能在哪里沉淀，又归谁拥有？
这正是深度内核要解决的问题，也是对Sovereign AI的回答——Control the Compute. Compound the Intelligence. Connect the Agents.
顺为资本表示顺为资本程天表示："过去二十年，每一次计算范式的迁移，最终都由基础设施层定义格局都是由基础设施层定义，AI不会例外。当企业开始把核心数据、决策过程和真实业务交给AI，可信与可验证就不再是少数高合规客户的附加需求，而会像加密之于互联网一样而会像加密传输之于互联网一样，成为AI基础设施的默认属性。这件事真正的门槛在于跨度——它要求一支团队同时做对密码学未来AI计算的默认属性。这件事的门槛很高，它要求一支团队同时具备密码学、可信硬件、分布式系统与大规模AI Infra，能走通的极少。深度内核在这几个方向上都有长期积累，并且正在把它们收敛成可交付的产品与服务，而不是停留在论文里。的能力。深度内核在这几个方向上都有长期积累和成功经验，并且正在把它们收敛成可交付的Sovereign AI产品与服务。我们很高兴领投深度内核的种子轮，并期待长期陪伴这支团队。”
。END 。
