五角大楼押注19人创业公司，利用人工智能保护机密
在2026年3月，美国国防部做出了一项震动人工智能市场的决策：在其首选的人工智能供应商Anthropic要求保证其模型不会用于国内监控或自动武器系统后，取消了对该公司的合同。五角大楼的回应是将Anthropic从所有联邦合同中排除。Anthropic提起诉讼，法官在3月暂时暂停了这一禁令。在律师们打官司的同时，国防部发现了比冲突本身更为棘手的问题：他们的人工智能战略依赖于一个唯一的供应商，而这对供应链而言是不可接受的风险。
这个空白并不会被科技巨头填补。它被许多大多数私营部门高管从未听说过的公司所填补。
200亿美元的沉默市场
Ask Sage的创始人Nicolas Chaillan表示，针对国防和情报机构的人工智能基础设施市场大约为200亿美元。这个数字在大型语言模型的估值面前并不显眼，但其逻辑截然不同：这个市场不奖励构建最强大模型的人，而是奖励能够解决大型模型独自无法解决的问题的人。
这个问题是结构性的。大规模语言模型从它们所运作的数据中学习。如果这些数据包含机密情报，泄密的风险不是理论性的，而是架构的直接后果。赢得五角大楼合同的初创企业并未与OpenAI或谷歌竞争模型能力；它们构建的层次使得任何模型都能在保密信息上运行而不被吸收。这就像是给外部承包商访问你所有文件，还是只给他们完成特定任务所需的文件之间的差别。
这种看似技术性的区别，带来了直接的经济影响。Ask Sage约有65%的收入来自国防部，这使其成为一家高度专注于战略价值客户的专业公司。专注于监控和审计人工智能流的Arize AI，自2020年成立以来已获得超过1.3亿美元的融资。位于加利福尼亚州埃尔塞贡多的Smack Technologies，只有19名员工，近期开始收到军事方面的兴趣，这个兴趣在六个月前并未预料到。
这些数字所揭示的并不是公司的规模，而是五角大楼在感到紧迫时愿意迅速行动的速度。
看不见但人人需要的架构
要理解这些创业公司为什么难以被替代，就必须明白它们所构建基础设施的组织方式。这不是一个独特的产品，而是一系列专业化的层次，每个环节都解决不同的问题。
基础层是像Unstructured这样的公司，负责准备数据：清理、转换和结构化内部文件，从手写的现场笔记到政府的专有机密格式，以便可以在安全数据库中查询，而不暴露给外界。其创始人用一个精准的比喻形容：“我们从世界各地吸取所有数据，将其转换为书本格式，送往图书馆。”没有这一层，任何模型都无法在敏感信息上安全运行。
在中间层，Arize AI监控增强信息检索流（行业称为RAG）以及构建在这些流上的人工智能代理。其首席执行官坦率地表示：“控制这些系统是困难的，并确保他们做出正确的反应是过程的关键部分之一。没有使用我的产品或竞争对手的产品，我不会部署任何人工智能。”这并不是傲慢，而是对一种真正运营风险的诚实描述。
在最上层，Ask Sage提供用户查询经过批准的商业模型并从受限数据中获取答案的界面，而不让模型“学习”机密信息。这个架构在正常工作时对最终用户是隐形的。当出现故障时，可能会导致外交或国家安全事件。
五角大楼在2025年12月推出了自己的内部平台GenAI.mil，该平台在国防部长皮特·赫格塞斯的命令下，迅速获得超过一百万个独立用户。问题在于，GenAI.mil在现有的架构中，无法在平台外对外分类数据库执行RAG操作，而Ask Sage、Palantir和Scale AI能够做到。这一技术差距在商业上是一个尚待签署的合同。
当官僚风险演变为竞争优势
在这个图景中，有一个值得关注的数据揭示了国防采购在政治压力下的实际运作：EdgeRunner AI报告称，军方告诉它，可能在三个月内获得IL-6级别的安全认证，使其能够访问机密和高度机密数据，相较于历史标准的18个月或更长时间。
这一变化并不是小的行政调整。这是五角大楼在意识到对单一供应商的依赖暴露出战略脆弱时，愿意大幅压缩自身认证周期的信号。这一变化为处于这一领域的初创公司转变了价值主张。以前，认证所花费的时间是一道保护既有厂商的障碍，而现在，认证的速度则成为了竞争的差异化资产。
Second Front首席执行官泰勒·斯韦特毫不含糊地证实了这一点：“自从Anthropic被认定为供应链风险以来，我们见到了客户和政府对部署人工智能解决方案的需求大幅增加。”Smack Technologies的联合创始人安德鲁·马尔科夫形容近期与军事方面的对话语气时说：“我们想要更多，我们想要演示，让我们讨论如何能更快行动。”
这些证言所反映出的动态，具有超出即时政府合同的财务影响：国防合同对市场私营部门证明了一家公司能够管理敏感信息的能力。对于一家19人的初创公司，尤其是寻求在银行、医疗或能源等受监管行业中寻找客户而言，这一印记就像技术偿付能力的保证，任何营销活动都无法购买。
在风险资本枯竭时生存的模型
关于人工智能初创公司的主流叙事是围绕融资轮次、估值和资金烧光进行构建的。而这些公司所开发的架构则暗示了一种不同且更具韧性的逻辑。
这些公司并不争夺市场上最强大的语言模型，这需要数十亿美元的计算和基础设施。它们构建的整合层使得任何模型，OpenAI的、谷歌的，甚至未来的模型，都能够在当今无法进入的环境中运作。它们的定位并不依赖于能赢得模型能力的比赛，而依靠在极端安全条件下展现这一能力时不可或缺。
这一位置还有一个特点，投资者往往低估：全球最挑剔的客户，拥有最高的安全标准和最长的合同，正在积极寻找多样化其供应商。对于一家拥有可变成本架构和按认证提前支付的合同的初创公司，这不仅不是快速增长的机会。这是一个不必依赖下一个融资轮次的生存基础。
Unstructured的创始人将GenAI.mil视为需求的加速器：“随着GenAI.mil使这些模型更易于访问，会解锁大量我们所构建的需求。”五角大楼的这一平台，通过让超过一百万用户熟悉非机密人工智能的能力，创造了内部的压力，从而为投资分类基础设施的合理性提供了依据。这是一个不需要额外营销费用的网络效应。
在评估这些动作时，私营部门的高管应得出一个具体的运营结论：将金钱作为目的本身会构建脆弱的依赖关系，正如五角大楼把一切押注于单一供应商所展现的那样。将金钱作为解决客户最艰难问题的燃料，则会构建竞争者无法在18个月乃至三年内复制的优势。
