DolphinDB 通过安全可靠测评的背后：十年自研沉淀，国产时序数据库迈向 AI+Infra 智能底座

一、安全可靠测评：一张国家级"准入证"

2026年5月26日，中国信息安全测评中心与国家保密科技测评中心联合发布《安全可靠测评结果公告（2026年第2号）》，DolphinDB 数据库软件正式通过安全可靠测评。

 安全可靠测评是国家针对 CPU、操作系统、数据库等核心软硬件产品设立的权威认证体系，从核心技术、安全保障、持续发展等维度对产品及研发单位进行全面评估。通过认证，意味着产品在党政、金融、能源等关键信息基础设施领域获得了事实上的"准入资格"——既是企业参与招投标的重要门槛，也是用户降低选型风险的权威依据。

对于 DolphinDB 而言，这张认证背后是十年自研的技术沉淀，也标志着其向 AI+Infra 智能底座战略迈出了关键一步。

二、十年磨一剑：从地下室 Demo 走向世界前五

DolphinDB 底层代码全部由 C++ 自主实现，核心代码自研率超95%，无任何合作研发单位。这意味着从存储引擎、查询优化器到流计算框架，每一行代码都出自自己团队之手——这也是安全可靠测评对"核心技术自主"要求的最直接回应。

然而，这条路走得并不轻松。2016 年辞职回国创立智臾科技，团队最初不到20人，在没有现成可借鉴的国产时序数据库路径的情况下，从零构建底层架构。为了定位一个隐蔽的内存问题，工程师可以在客户现场一周。这种对代码质量的执着，最终沉淀为产品的安全可靠性。

十年后的今天，DolphinDB 已服务国内外百余家金融机构与头部工业企业，DB-Engines 时序数据库排名世界前五、国内第一，连续多次入选 Gartner《中国数据库管理系统供应商甄选》等系列报告…十年自研，不仅是为了摆脱依赖，更是为了拥有定义底层架构的主动权。

时序数据库全球排名（DB-Engines，2026年6月）

三、技术底气：全链路安全能力体系

金融、能源等关键基础设施领域对数据库的安全要求远高于普通场景——数据泄露、权限失控、系统宕机，任何一项都可能造成无法挽回的损失。安可测评的严苛，正是对这一现实的映射。安可测评对数据库产品的安全审查涵盖核心技术、安全保障与持续发展三大维度。DolphinDB 能够通过，背后是一套从底层到应用层的安全防御体系。

这套体系并非通用安全方案的简单移植，而是针对分布式数据库的特点专项设计，其中几处值得重点关注：

•国密算法原生支持：SM2 非对称加密与 SM4 对称加密分别覆盖网络传输与数据存储两个环节，相比传统 AES/RSA 方案在国产化合规场景下更具优势。

•分布式环境下的一致性鉴权： 针对分布式、存算分离和多模态存储的架构特点，DolphinDB 在多节点环境中实现实时权限校验与审计——每个节点独立鉴权，表级独立加密密钥，网络传输加密与存储加密由不同引擎分别负责，安全风险不跨域扩散。

•性能与安全兼得： 独创的行列混合存储格式，支持按列压缩并同时加密。通过优化计算算子，解决了传统数据库“加密即减速”的顽疾，让安全不再成为性能的负担。

另外，在高可用层面，DolphinDB 通过 Raft 协议保障元数据高可用，异步复制实现异地多活容灾；配合细粒度权限控制与完整审计日志，支持7×24小时稳定运行。

四、战略升级：从数据库到 AI+Infra 智能底座

通过安可测评，证明了 DolphinDB 的安全可靠性；但安全，只是 DolphinDB 的起点。

AI 时代的到来，对基础设施提出了更高的要求：数据规模更大、计算链路更复杂、决策时效更短——而一旦 AI 介入核心业务，底层基础设施的可靠性门槛只会更高，而非更低。如何在保障安全的前提下，让 AI 真正在业务场景中落地，是整个行业面临的共同命题。

2025年峰会上，周小华博士曾提出了"Infra+AI"双擎驱动理念：AI Agent 负责交互与调度，充当"智能层"；复杂计算与关键执行，则交给成熟可靠的基础软件完成。这一分工的核心逻辑在于，一些业务场景对可靠性要求极高，大模型的"幻觉"问题无法在交易、风控等核心环节被容忍——AI 必须有坚实的 Infra 作为地基。

为此，DolphinDB 提出了：

•数据层：构建全域统一数据底座，将股票、债券、衍生品等多类资产抽象为可计算对象，通过多模态引擎原生支持时序、关系、向量、文本等异构数据类型，并实现跨地域数据的实时流动与协同。

•计算层：实现认知与执行解耦。通过声明式 API 让用户只需描述计算逻辑，系统自动管理调度与容错；"一套代码，多框架运行"使同一业务逻辑可适配 CPU、GPU 及低延时嵌入式引擎。

•应用层：走向组件化智能增强。2000+ 内置函数配合订单簿引擎、估值定价、回测撮合等业务中间件，支持像"搭乐高"一样快速构建系统；通过将业务逻辑封装为标准化 MCP 工具，AI Agent 直接调用可靠接口而非自行生成逻辑，从根本上规避幻觉风险。

产品矩阵层面，DolphinDB 推出了"深海舰队"系列：企业级实时计算平台 Orca 已进入试用阶段；Shark 支持 CPU-GPU 异构计算与自动因子挖掘；Swordfish 低延时嵌入式引擎将单条数据实时计算延时压缩至个位数微秒级；此外还有面向策略开发的 Starfish、指标管理平台 Beluga，以及复杂事件处理引擎 Octopus。

 

 在 AI 能力融合上，DolphinDB 从底层到应用层同步推进。数据侧，VectorDB + TextDB 构成 RAG 数据底座，LibTorch 插件支持深度学习模型训练与推理；交互侧，基于 MCP Server 的 AI Agent 已支持研报因子复现、智能选股、回测等场景；模型侧，业务垂直大模型持续迭代，并推出企业级 RAG 智能体 DolphinMind——支持多轮交互问答、答案溯源与团队知识共享，在保障数据安全的前提下，让复杂系统的使用门槛大幅降低。

在不久的将来，我们的 Agent 开发平台 DolphinX 也即将上线。作为集成于 DolphinDB Server 内部的统一 Agent 开发底座，DolphinX 提供会话管理、多轮记忆、权限管控等基础能力，支持 Skills 渐进式加载与标准化 MCP 封装，并屏蔽不同大模型供应商的 API 差异——开发者无需重复搭建基础设施，即可快速构建面向行业场景的企业级 Agent 应用。

 

五、Infra 为基，AI 为翼——安可测评是起点

通过安可测评，是里程碑，不是终点。

AI 渗透各行业的速度正在加快，但真正落地的前提，是底层基础设施足够可靠。十年自研打下的 Infra 根基，正是 DolphinDB 迈向 AI 时代最确定性的底气。从时序数据库出发，向 AI+Infra 智能底座演进——这条路，DolphinDB 已经走了十年，还会继续走下去。