11月14日至15日,第九届华南CIO大会暨信息技术交易会在广东佛山举行。迈富时Marketingforce受邀参会,迈富时AI首席科学家梁铮博士发表《企业自主智能(AgenticAI)基建与治理思考》演讲。

打开网易新闻 查看精彩图片

本次分享围绕统一纳管、能力复用、安全可控、成本可计、全链路可观测五个维度,系统呈现企业级Agentic AI从“模型调得好”迈向“平台管得住”的基建框架与治理路径。

打开网易新闻 查看精彩图片

总体定位与架构:从“模型调得好”到“平台管得住”

当AI Agent从单点实验走向企业核心流程,决定其能否真正进入生产环境的,已不再是单纯的参数比拼,而是底层基建能否管得住。

从技术架构的视角来看,企业级Agentic AI的规模化落地正面临五大技术治理难题:

打开网易新闻 查看精彩图片

  • 模型多厂商:各业务自行对接不同模型厂商,接口碎片化、重复建设,质量与体验参差不齐。
  • 工具多协议:MCP与传统API并存,接入无标准、描述不统一,工具能力无法盘点。
  • 插件无序增长:Skill与Harness插件缺乏注册与审核,能力不可见、不可管、不可回收。
  • 算力分散:GPU分散在各团队,利用率低,缺乏统一配额与计量,成本归属不清。
  • 安全合规压力大:注入、泄露、越权风险叠加,等保与生成式AI监管提出硬性合规要求。

破题的关键,在于完成从“模型调得好”向“平台管得住”的跨越。通过一个平台纳管模型、工具、技能、智能体与算力,划定“管接入、管运行时、管算力、管安全、管观测”的克制边界,不替代业务系统、不沉淀业务逻辑,保持平台的中立与可复用。

以此为目标,企业自主智能平台的总体架构以“六层承载,横切贯通”为骨架,从身份接入、协议适配、能力登记、Harness微内核运行,到全链路观测与底层异构算力调度层层贯通,并将18个治理域精准映射至各责任层,确保规则语义统一,让治理不再成为散落在各层的补丁。

身份接入与网关汇聚:一个入口管住所有模型

企业现有的IT系统与身份体系,是平台落地的第一道关。

打开网易新闻 查看精彩图片

在接入层面,覆盖OA、ERP及低代码等既有系统,统一认证采用OIDC与OAuth2.1标准,授权模型支持RBAC、ABAC、ReBAC组合并存,将权限粒度精准下沉至具体工具、模型与数据范围,并通过逻辑租户实现共享实例下的配额隔离与成本管控。

在AI网关与模型汇聚环节,AI Gateway承担“一个入口管住所有模型”的职责。对外暴露OpenAI兼容接口,对内适配各厂商原生协议,屏蔽碎片化差异。Model Registry实现模型的统一纳管与版本治理,支持共存、别名与灰度发布,并覆盖私有化开源模型的自建推理。在成本侧,Token按输入与输出分计,精确到每一次调用,费用自动归属成本中心,支撑FinOps成本治理。

打开网易新闻 查看精彩图片

迈富时ModelForce作为AI模型统一接入网关,正是这一思路的产品化落地:以OpenAI兼容API聚合30+供应商、200+全模态模型;通过智能路由与自动容灾实现业务无感切换,官方标称99.9%可用性与<100ms路由延迟;并在网关层完成安全护栏与Token成本归因。其核心逻辑是以“最薄的网关层,做最厚的工程能力”,让企业在多模型时代接得稳、切得快、管得住、迁得走。

能力、资源与工具治理:让Agent只见被允许的工具,只装可信的技能

在能力与资源治理层面,能力即资产。

模型、RAG、Prompt、工具等要素被组合为可复用资产;资源治理则通过统一主数据与“所有者、成本中心、敏感级别”三重标签,一本账管住所有AI资源,消除影子资产与僵尸资源,让资源地图一目了然,实现权限与成本可追溯到人。

打开网易新闻 查看精彩图片

配额预算围绕Token配额、API额度、GPU份额与成本预算多维设定,租户与项目分别管控,超限实行告警、降级、阻断三级收紧,超额硬封顶,实时计量与FinOps联动,谁在用、用多少一目了然。

针对工具的接入与授权,采取MCP与API双轨制。MCP Registry集中注册元数据与版本状态;授权侧以RBAC叠加白名单与动态授权,确保Agent只见“被允许的工具”。调用环节实施schema强校验、限流与全量审计,拦截被投毒的工具链。Skill治理贯穿从定义、审核到灰度、下线的全流程,将插件从无序生长拉回可回收闭环,确保系统只装“可信的技能”。

这套治理机制的实际指向,是让企业的AI投入从一次性消耗转化为可盘点、可复用的资产。

打开网易新闻 查看精彩图片

过去一个团队调通一个场景,换一个团队、换一个场景便无法迁移;三重标签让成本归属清晰,配额与预算的三级管控让失控在变成账单之前被拦住,Skill的全生命周期管理让业务经验不再随人员流动而消散。

迈富时AI-Agentforce企业级智能体中台将智能体管理、智能体开发、能力集成与企业级管理收敛于同一中台,让能力沉淀、复用与回收形成闭环。企业的AI投入不再是消耗,而是具备了可审计、可复用的资产属性。

运行时与可观测:框架只做驱动循环与治理挂载,Trace是脉搏

Harness作为Agent运行时基架,介于模型与执行环境之间。框架只做“驱动循环+扩展点+治理挂载”,六类扩展点(策略、钩子、中间件、模型提供者、工具接入与技能加载)实现可枚举、可治理。插件生命周期、隔离与熔断全面纳入统一管控,支持灰度发布与一键回滚。Agent的运行状态、版本与配额管理一目了然。

打开网易新闻 查看精彩图片

在观测侧,每次运行都留下痕迹——Trace是脉搏,成本是标尺。一次Agent运行即一条Trace,LLM Span、Tool Span与Sub-Agent Span嵌套构成完整的决策路径。基于OTel GenAI语义约定统一埋点与上报,结合trace_id关联会话、用户与成本,使每一步调用可回溯、每一笔开销可归因,让全链路观测具备统一标准。

对于把Agent推向核心流程的企业,这种可观测性是信任的前置条件。智能体进入生产环境后,最大的阻力往往不是模型不够聪明,而是“它做了什么、为什么这么做、花了多少”处于黑盒状态。

打开网易新闻 查看精彩图片

Trace体系把一次运行拆解到每一步推理与每一次工具调用,让问题可定位、成本可归因。当业务部门追问“AI到底值不值”时,回答不再依赖定性判断,而是一条条可回放、可对账的运行记录。

迈富时MAS多智能体协同平台承担多智能体编排与运行协同,KnowForce知识中台则为Agent提供可治理的知识供给,两者与Trace体系共同构成运行时与观测的完整支撑,让多Agent在真实流程中的每一步都有据可查。

安全防护与算力治理:算力是中台的水位线

面对OWASP双Top10的威胁模型,安全防护遵循不信任任何LLM输出的零信任原则,输入与输出实施双向护栏前置拦截。

在执行侧,行为护栏坚持事前校验,动作必须经确定性规则引擎与安全网关校验后方可执行。多Agent实施隔离,规划、执行、审查三权分立,形成相互制衡的纵深防御,确保单点失效不失守。

在算力底座上,算力是中台的水位线。通过统一控制面纳管GPU/NPU异构资源,K8s与Volcano支撑拓扑感知调度、队列优先级抢占与Bin-packing装填。GPU池化切分按隔离强度与业务场景灵活选择硬件切分、厂商虚拟化、开源共享调度或时间片轮转,多租户配额与计量让算力从“谁的卡谁用”转向按需分配、按量计费。

打开网易新闻 查看精彩图片

安全守住下限,算力打开上限。零信任与三权分立,给了业务团队把Agent放进真实流程的底气;GPU池化与计量,则让决策者在预算约束下清晰判断哪些场景值得优先跑。迈富时以模型安全平台承载全链路的安全管控,以自有GPU算力集群支撑资源的池化与精细计量,让安全与算力真正成为Agentic AI在企业内规模化渗透的坚实底座。

企业级Agentic AI的竞争,正在从模型能力的上限,转向基建与治理的下限。迈富时此次呈现的平台化答案印证了一个事实:以统一纳管消解碎片,以治理域收束风险,当Agent从“可用”走向“可信”,基建与治理本身就是企业智能体能力的真正边界。