给AI智能体划出“安全边界”：NVIDIA OpenShell的底座逻辑
当企业开始准备部署数十亿个AI智能体时，安全不再是软件层的一个补丁，而必须成为计算架构的“地基”。NVIDIA今日宣布推出OpenShell参考架构，将安全智能体的运行从单一软件层扩展至覆盖加速计算、CPU、DPU和开源软件的全栈式工业级基础设施。这标志着AI智能体正从“能用”向“可信”演进，也为电信、制造、医疗等关键行业的大规模智能体落地提供了可被治理的硬件底座。
一个“三位一体”的安全运行时
OpenShell参考架构的核心，是将NVIDIA加速计算与安全智能体运行的软件栈深度耦合。这套架构可以被拆解为三道相互咬合的环节：
第一层是思考层。基于NVIDIA Vera Rubin基础设施，企业可以运行包括NVIDIA Nemotron构建的闭源与开放模型在内的工作负载。这一层负责智能体的推理与决策，是算力最集中的部分。
第二层是行动层。NVIDIA Vera CPU承担运行智能体Harness（代理框架）的职责。其性能是x86处理器的2倍且能效更高，更重要的是，它能够运行NVIDIA OpenShell软件，为自主智能体提供一个安全的运行时边界。换言之，智能体在“动手执行”时，其活动范围被约束在一个明确界定的沙箱内。
第三层是治理层。这是OpenShell区别于传统安全方案的关键所在。运行于NVIDIA BlueField-4 DPU之上的NVIDIA Sentry统一安全软件框架，对智能体行为进行持续的带外监测，并在芯片内执行安全策略。一旦智能体试图越出其软件边界，Sentry可以在毫秒级时间内将其隔离并阻断，而无需依赖主机CPU的资源。这种“出界即熔断”的机制，让安全策略不再是被动等待调用的API，而是内嵌于数据通路的物理执行点。
这套架构的行业意义在于，它承认了一个现实：当智能体具备自主行动能力时，基于日志审计或事后追溯的安全模式已经失效。安全必须发生在智能体“动作”的瞬间，甚至更早。
从“部署智能体”到“治理智能体”
长期以来，企业AI落地面临一个两难：模型能力越强，自主权越大，失控风险也越高；约束越多，智能体的效率与价值又会被削弱。OpenShell的思路并非简单加一把“锁”，而是通过硬件与软件的协同，建立一个“边界内的自由”范式。
这个边界由两层构成。软件边界由NVIDIA OpenShell开源软件定义，为自主智能体提供安全的运行时环境。物理边界则由BlueField DPU与NVIDIA Sentry共同构成，在芯片层面强制实施策略。如果智能体试图移动到软件边界之外，运行在BlueField上的Sentry能即时采取行动，同时不会干扰正常智能体的任务执行。据NVIDIA介绍，由DOCA提供支持并运行于BlueField-4上的Sentry，可将智能体容量提升高达20%。
这种“隔离但不僵化”的设计，对于电信运营商尤为重要。网络运维、故障诊断、客户服务等场景中，智能体往往需要调用计费系统、用户数据库、核心网网元等敏感资源。过去，运营商对AI的权限控制停留在账号体系和API网关层面，一旦智能体被越权指令诱导，后果难以想象。OpenShell提供的芯片级隔离能力，让运营商可以在不牺牲智能体灵活性的前提下，为每一个智能体划定明确的“活动半径”。
生态图谱：一次围绕安全基座的大规模集结
判断一个参考架构能否成为事实标准，要看生态的响应广度。本次发布中，NVIDIA集结的合作伙伴矩阵几乎覆盖了企业AI的完整链路：
- 操作系统层：Canonical、SUSE、Red Hat提供Linux和Kubernetes基础设施，微软提供基于MXC的Windows支持；
- 云平台层：可在AWS、Google Cloud和Microsoft Azure的云操作系统上运行；
- 模型与智能体层：Anthropic、Cohere、Google、Meta、OpenAI、Perplexity、Reflection等模型构建商的智能体均可运行于OpenShell之上；
- 网络安全层：包括1Password、Check Point、CrowdStrike、思科、F5、Fortinet、微软、Okta、Palo Alto Networks、Zscaler等在内的安全厂商，正在将其智能体安全解决方案与OpenShell集成；
- 企业软件层：SAP已将其Business AI平台中的Joule Studio运行时与OpenShell集成，打通业务治理与安全执行；ServiceNow则推出了由NVIDIA OpenShell执行、Super Intelligence Control Tower治理的个人长时运行AI智能体Arc；
- 基础设施与云服务层：戴尔、思科、HPE、联想、Supermicro等OEM厂商，以及CoreWeave、Crusoe、Oracle Cloud Infrastructure等云服务商，均开始构建支持OpenShell的基础设施。
这一名单的显著特征是，安全不再由单一厂商主导，而是形成了“硬件定义边界、软件定义策略、生态落地实践”的分工格局。对于通信行业而言，这种生态化的安全基座，意味着未来运营商在部署智能体时，不必再自行拼接各种安全工具，而是可以基于统一的参考架构构建端到端的安全体系。
通信产业的智能升级，需要怎样的安全底座？
回到通信产业本身。5G-A与算力网络的融合发展，正在让通信网络从“管道”进化为“智能服务基础设施”。运营商在核心网、边缘云、业务平台等环节部署AI智能体已不再是愿景，而是正在发生的实践。但通信网络的特殊性在于：高可靠性要求、实时性约束、海量终端接入、以及涉及用户隐私与网络安全的敏感数据。这些都对AI智能体的安全治理提出了远高于互联网行业的门槛。
OpenShell参考架构对通信产业的适配性体现在多个维度。其一，它支持从云端到边缘的弹性部署——从RTX Spark到DGX Spark、DGX Station，智能体可以在靠近用户的地方运行，满足低时延需求，同时依然受到同样的安全边界约束。其二，带外监测机制让安全审计不占用业务算力，这对时延敏感的电信业务至关重要。其三，基于DPU的策略执行点，可以在不修改业务代码的情况下，对智能体的越界行为进行物理阻断——这在网络切片、多租户共享基础设施等场景中，具有天然的适用性。
中国通信产业在AI智能体安全治理方面的探索同样值得关注。目前，国内三大运营商均已构建起各自的AI能力中台与智能体应用体系，并围绕数据安全、模型安全、伦理合规等维度建立了相应的治理框架。随着AI智能体从辅助工具向自主执行演进，中国通信行业同样需要关注“安全内嵌于计算架构”这一趋势。可以预见，围绕智能体的安全底座将成为下一阶段运营商算力基础设施选型的重要考量因素。
结语
AI安全与AI能力正在从两条平行线变为一条螺旋上升的曲线。NVIDIA OpenShell参考架构的发布，以硬件为锚点定义了智能体的安全边界，但它的真正意义并非某款产品或某个参数，而是提出了一种可被验证的行业范式：智能体的价值，取决于它在多大程度上被置于治理之中。对于正在经历智能化深度转型的通信产业而言，这既是提醒，也是启示——没有边界的自主是无序，而有了边界的自主，才是生产力。
热门跟贴