成立五个月、融资数千万、号称还要搞全栈，顺为系的DeepKernel画了张大饼

AI创业公司的融资故事越来越难讲了。

有模型、有Agent已经不够，现在轮到了“主权”。

9月15日，主权AI基础设施公司深度内核（DeepKernel）宣布完成数千万元种子轮融资，由顺为资本领投、L2F光源创业者基金跟投。本轮融资主要用于“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。

团队履历也足够漂亮。Google、VMware、Broadcom、字节、阿里、腾讯、美团，再加上与清华大学InspiringGroup的科研合作，以及近百篇国际会议和期刊论文，放在今天的AI融资市场，这几乎是一份标准的明星项目简历。

工商信息显示，北京深度内核科技有限公司成立于2026年4月20日。也就是说，从公司主体成立到宣布这笔种子轮融资，不到5个月。

成立时间短本身当然不是问题，种子轮投的本来就是团队、技术和未来。

真正的问题是：一家成立不足5个月的公司，已经把自己的技术边界从可信算力一路画到了学习闭环、Agent协议栈，甚至自研密态计算芯片。

相比之下，外界能够看到的商业数据却少得多。

一、卖“可验证”，商业化却还没那么容易验证

深度内核抓住的是一个真实需求。

企业越来越依赖AI，却并不愿意把自己的数据、业务流程、Agent运行轨迹以及长期积累的Know-How全部交给模型和云平台。

所以深度内核提出“主权AI”：企业可以使用外部最好的模型和算力，但数据怎么被调用、模型运行了什么、Agent做了什么、最终沉淀下来的智能属于谁，都应该掌握在企业自己手里。

这个方向并不虚，问题出在另一个词：商业化。

据融资材料称，深度内核已经启动面向企业客户和平台伙伴的商业化交付：MaaS方面，公司正在与“国内头部智算云平台”推进联合方案；PaaS方面，则披露已经与“国内头部世界模型公司”达成合作。

而在8月，深度内核确实还与清雁科技公开发布过一套数据空间可信AI基础设施解决方案。据科技日报披露，双方已经跑通模型部署、独立校验、证据链生成和出域审批等流程，核心能力完成技术验证。

所以，深度内核显然不是只有PPT，可与此同时，这里面最容易被混淆的一件事是：技术验证不是商业验证。

合作伙伴不是付费客户；联合方案不是规模订单；跑通一个技术流程，也不等于客户愿意年年续费。截至目前公开资料，深度内核尚未披露客户数量、合同金额、收入规模、续费率以及项目毛利。融资材料里的两家“头部”合作方甚至没有披露具体名字。

对于一家种子轮公司，这些数据暂时没有当然很正常。

可既然“已经启动商业化交付”成为了融资故事的一部分，那么市场至少就应该分清，深度内核到底是与企业共同做方案、付费PoC，还是已经形成真正的商业合同？

现在外界能够确认的是，企业愿意和深度内核一起试，但还无法确认的是，究竟有多少企业愿意持续花钱买。

这不是文字游戏。B端创业公司死得最多的地方，恰恰就是从“客户觉得这个技术很好”到“采购部门真的愿意掏钱”之间的那几十米。

主权AI尤其如此。数据泄露、模型失控、智能资产流失当然都是企业害怕的事情，但“害怕”不等于预算，一个CIO可以认同主权AI百分之百正确，但到了采购会上，问题还是会被摆到明面上：现有云平台有没有类似能力？多花这笔钱到底减少了多少风险？出了问题，谁承担责任？

回答不了，技术需求就只能停留在战略需求。

企业永远不会因为一个概念正确，就自动给它开采购单。

二、公司成立不到5个月，技术边界已经画到了“Agent互联网”

更有意思的是，深度内核一点也不缺想做的事情。

按照公司目前披露的架构，主权AI被分成三层：计算层解决可信算力；学习层要做Agentic Learning Infrastructure，把执行、评估、学习和编排全部纳入企业控制；到了交互层，深度内核甚至已经开始布局所谓“智能体互联网”的协议栈，覆盖身份、能力、授权、问责和结算。

再往下，公司同时推进三条可信AI Infra技术路线，其中还包括：基于自研密态计算芯片，重新定义芯片级可信AI计算范式。

放在一张融资PPT里，这是一套相当完整的技术版图。

问题是这也太完整了。

密码学、可信硬件、分布式系统、AI Infra、国产芯片适配、Agent学习框架、协议栈，再加一颗自研芯片，这其中任何一项单独拿出来，都够一家创业公司烧掉大量工程资源。

而深度内核目前却是想同时做？

要知道，种子轮公司最稀缺的从来不是想象力，而是工程资源。毕竟技术边界铺得越大，每一条线真正做到产品级、稳定级、可交付级的难度也就越大。

尤其是“自研密态计算芯片”。截至目前，市面上还没有看到这颗芯片更具体的架构参数、流片状态、样片测试或者任何量产计划。

当然，这不代表芯片不存在，更不能据此否定团队研发进展。

但芯片和软件最大的区别就是：“正在自研”与“已经有产品”，中间隔着一条很长、很贵的产业链。

诚然，据深度内核称，其技术团队累计在国际 A 类学术会议与期刊发表论文近百篇，团队能力毋庸置疑。但是公司现在能交付什么，则是产品能力，这是两回事。可

深度内核现在最不缺技术名词，真正缺的是让每一个技术名词都有一个明确的产品状态。否则所谓“全栈”，到最后深度内核什么都做了一点，但客户不知道自己到底应该买哪一个。

三、最需要“主权AI”的客户，恰恰最不敢赌一家新公司

主权AI最值钱的客户是谁？

不是一家拿AI写文案、做客服的小公司，而是银行、能源、政务、大型制造，以及那些真正掌握核心算法、商业秘密和高价值Know-How的企业。

问题在于，这恰恰也是全世界最难卖软件的一群人。

越重要的数据，采购越保守；越核心的系统，供应商名单越短。甚至，越需要“主权AI”的企业，往往越有能力自己解决“主权”问题。

9月14日，路透援引消息报道称，Palantir、英伟达和Booz Allen正在因为数据安全和知识产权问题收紧外部AI模型的使用。

其中，Palantir要求Anthropic提供不可撤销的“零数据留存”保证，才愿意让其模型进入自己的软件体系；英伟达将Anthropic模型限制在敏感程度较低的任务，内部工作更多使用自己的Nemotron模型；Booz Allen则禁止员工使用Anthropic商业模型处理专有的网络安全工作。

这几个公司，几乎正是“主权AI”最应该打动的客户，它们有最值钱的数据、最核心的技术，也最害怕知识产权被外部模型拿走。

可面对风险，它们的第一反应并不是再找一家创业公司托管“主权”，而是先把供应商的手绑住。

要么要求零留存，要么限制模型使用范围，要么自己做。这也暴露了深度内核一个比“商业化是否标准化”更麻烦的问题：它最想解决的需求，往往集中在最不缺解决方案的客户手里。

这种矛盾在金融业更加明显。

美国银行CEO Brian Moynihan曾回忆，大模型刚出现时，包括美国银行在内的不少大型银行直接限制员工在公司设备上使用。

原因很简单，他说当时银行判断“数据外泄风险很高”，直到后来能够把模型隔离在受控环境中，美国银行才逐步放开使用，这才是金融机构真正购买AI的方式。

不是看到“主权”“可信”“隐私计算”几个词以后兴奋地下单，而是先假设最坏的事情一定会发生，再证明供应商不会让它发生。

到了这个时候，深度内核面对的就不是一场普通的产品竞争。

一家银行如果把客户数据交给微软、AWS或者成熟云厂商，至少可以查审计认证、运行记录、事故历史、赔偿条款和全球客户案例。可如果要把密钥、可信执行、模型验证、Agent身份乃至学习闭环接进一家刚成立不久的公司的技术体系，采购负责人需要承担的就不只是技术风险，还有职业风险。

系统运行正常，未必有人记得是谁选的供应商，一旦核心数据泄露、系统中断或者厂商几年后经营出现问题，签字的人却一定会被找到。

B端采购最大的秘密从来不是谁的技术最好，而是谁出了问题以后最容易向老板解释。

甚至它还面临一个近乎“反向筛选”的市场：对数据没那么敏感的中小客户，不需要为了“主权”支付太高的溢价；

真正愿意为主权付高价的大客户，又拥有最强的安全团队、最严格的供应商准入和最强的自研能力。

最需要深度内核的人，恰恰也是最有能力不用深度内核的人。

这比找不到客户更麻烦。因为它直接决定了“主权AI”最终究竟是一门大生意，还是一门听起来市场巨大、真正能掏钱的客户却非常窄的生意。

而即使深度内核最终进了这些客户的供应商名单，它还有最后一道题。

目前，深度内核存在的意义，本来就是帮助企业减少对大模型厂商、云平台和外部技术体系的依赖，那么它就绝不能自己成为新的依赖。

如果未来企业把可信执行、验证策略、Agent身份、权限体系和学习闭环全部建立在DeepKernel之上，离开DeepKernel以后却无法低成本迁移，那么所谓“主权AI”最后只是完成了一次供应商置换：从被大厂锁住，变成被一家创业公司锁住。

这甚至比普通的软件Vendor Lock-in更加尴尬。因为一个卖“主权”的产品，最基本的产品原则就应该是客户随时可以不要你。数据带得走，策略带得走，验证体系能够迁移，Agent轨迹仍然属于客户，甚至DeepKernel有一天消失，企业自己的系统依然能够正常运行。

只有做到这一点，“主权”才真正属于企业。

否则，深度内核卖的并不是主权，而只是另一种托管。说到底，深度内核面对的最大问题从来不是企业认不认可“主权AI”，Palantir、英伟达、美国银行这些公司早已经用行动证明，企业比任何创业公司都清楚数据和智能资产有多重要。

既然这些最有钱、最重视主权的客户自己已经会筑墙、会约束供应商、甚至会自己造工具，它们为什么还需要把最核心的一层交给你？

*题图及文中配图来源于网络。