如今，AI大模型的训练成本动辄数千万美元，已成为高价值数字资产，但它却极易被复制、微调、二次分发甚至冒名商用。如何证明“这个模型是我的”？泰尔英福给出了答案。

　　近日，泰尔英福研发中心人工智能研究员姚远博士赴新加坡参加国际人工智能顶级会议AAAI 2026，代表团队向全球高校、科研机构及工业界专家系统介绍了由泰尔英福作为第一完成单位主导的研究成果——《Hashed Watermark as a Filter: A Unified Defense Against Forging and Overwriting Attacks in Neural Network Watermarking》。该研究通过创新技术为AI模型嵌入“数字身份证”，为解决模型确权难题提供了新路径。

　　据悉，AAAI 2026共收到全球投稿23,680篇，最终录用4,167篇，录用率仅17.6%。在如此激烈的竞争环境下，泰尔英福的研究成果脱颖而出，标志着公司在AI标识领域的技术积累与创新探索获得国际学术界认可。

　　给AI模型嵌入“不可伪造、不可移除的数字身份证”

　　研究聚焦标识技术在人工智能领域的创新应用，旨在解决一个关键难题：如何在模型内部嵌入可靠、可验证且难以篡改的所有权凭证？为应对这一挑战，泰尔英福提出NeuralMark 方法：通过在模型参数中嵌入安全可靠的水印信息，为 AI 模型构建一张内生于模型内部、可验证的“数字身份证”。

　　与传统方法不同，NeuralMark 的水印不只是“被写进去的一段信息”，它本身也是一个由私钥生成的“智能选址器”。具体来说：模型所有者用一个只有自己知道的私钥，通过哈希函数生成一串独特 0/1序列，这串序列就像一张“藏宝地图”，只标记出模型中可以嵌入水印的位置。水印就藏在这些秘密位置里。外人既看不到这张地图，也猜不到水印藏在哪，因此既无法伪造，也难以移除。此外，为进一步提升水印的鲁棒性，NeuralMark 引入了平均池化机制：将水印信息编码到一组参数的平均值中。例如，让某100个模型参数的平均值“代表”水印中的一个比特（如平均值偏高表示1，偏低表示0）。因此，即使模型经历微调、剪枝等常见操作，只要这组参数的整体平均值没有发生剧烈变化，水印信息依然可以被准确检测。

　　NeuralMark获得国际学术界与产业界的积极反馈

　　在AAAI 2026 会议现场，姚远博士通过精心设计的海报，系统展示了 NeuralMark 的技术原理、实验验证以及安全边界分析。多位与会学者和产业界专家驻足交流，并就方法设计与实际应用前景进行了深入讨论。有与会者认为该工作在思路上具有一定新意，且设计相对简洁有效，也有专家指出其在模型水印的实际落地场景中具备潜在的应用价值。

　　▲ 姚远博士通过海报向国外的AI研究人员介绍NeuralMark

　　从物理世界到数字世界：标识能力的延伸

　　作为中国信息通信研究院的全资子公司，泰尔英福逐步构建起以国家工业互联网标识解析体系和区块链新型基础设施 “星火·链网”为核心的数字基建能力，为“标识贯通千行百业”提供坚实支撑。面对人工智能驱动的技术变革，公司正将标识理念从物理实体延伸至AI 基座模型这一新型数字资产。在此背景下，团队提出NeuralMark，其标志着标识能力向智能系统底层的延伸，也为后续更复杂AI系统的治理提供了关键技术支点。

　　面向智能体互联网：夯实可信身份基础

　　随着AI 应用从单一模型调用向多智能体协作演进，以智能体为基本单元、支持跨系统自主交互的智能体互联网正加速形成。OpenClaw 等开源框架及Moltbook 社区中数百万智能体的涌现，正是这一趋势的生动体现。然而，这一演进也带来新的挑战：在智能体互联网时代，智能体普遍缺乏可验证的身份标识，其行为难以追溯，底层模型来源模糊，进而引发责任界定困难、权益保障缺失与安全治理滞后等系统性风险 。面向这一挑战，泰尔英福依托“星火·链网”区块链与工业互联网标识解析体系，推动模型水印与分布式数字身份等技术的融合探索，为“模型—智能体—应用”全链路提供可信身份支撑，并将持续深化与开源社区、大模型厂商及行业伙伴的协作，共同推进智能体身份机制的标准化与实用化，助力构建开放、可信、有序的智能体互联网生态。