智能体AI撞上身份缺口:企业RAG无人解决的问题
中国互联网络信息中心9月29日发布的数据显示,截至6月底,中国生成式人工智能用户规模突破7亿,比2025年底的60200万增长16%。对企业来说,搭建检索增强生成系统的难点不在采用,而在治理。

中国互联网络信息中心的数据显示,截至6月底,中国生成式人工智能用户超过7亿,普及率超过总人口的一半。《南华早报》9月29日报道了这一数字。2025年底中国有60200万生成式AI用户,普及率42.8%,如今增长了16%。同一项调查发现,76%的用户用AI找答案,48%用来生成图片或视频,38%用于文本处理,33%用于工作总结、会议记录或演示文稿。
这些数字描述的是消费者行为,并不能说明在公司内部回答这些问题的系统是否可信。
这个信任问题如今处在企业RAG讨论的中心。检索增强生成让语言模型的输出以查询时取回的文档为依据,已成为企业AI的默认架构。搭一个能跑的原型只要几天,做到足以支撑业务流程的可靠程度,则是另一门工程手艺,《VentureBeat》9月27日这样写道。多数部署卡在两者之间的缺口里。
智能体归谁所有
《The Hacker News》9月28日发表了一套框架。它把每个AI智能体当作一个非人类身份,配有真人所有者、明确用途、限定授权、有效期和持续监控。文章列出传统身份与访问管理从未设计去捕捉的五种失效模式:没有所有者、长期有效的密钥、无边界的委托、不可见的实例化、没有有效期。文章引用《OWASP大语言模型应用十大风险》,其中把过度自主列为LLM06,意思是获得宽泛权限或高度自主的智能体,会执行超出其批准任务的能力。
文章区分了配置与遥测。静态角色分配无法约束智能体在运行时的行为,审查配置也测不出它做了什么。配置发现描述的是可能性,遥测描述的是实际发生了什么。这直接挑战了多数企业当前审计AI系统的方式。
治理问题的规模在数字里看得见。据《Data Center Knowledge》报道,Foundry的《2026云计算研究》发现,74%的企业去年加快了云迁移。VMware的《2026私有云展望》显示,83%的企业已完成或计划将工作负载从公有云迁回。安全、成本、合规和性能方面的顾虑推动了这一转变。这些工作负载越来越多地包含AI推理。《Data Center Knowledge》报道,推理正在迁入托管机房,运营商可以在那里提供风冷的35 kW机柜,以及液冷的70至150 kW机柜。
原因不只是功率密度。受监管行业的企业更愿意在私有托管套间里对机密的财务、运营和研究数据做推理。这些套间有专用网络线路和自营防火墙。另一种做法是把数据发给第三方AI初创公司。这种偏好对RAG架构有直接影响,因为检索意味着系统每次查询都必须接触企业语料库。
基础设施厂商进场
基础设施厂商正围绕这一需求重新定位。CoreWeave 9月30日在旧金山举行的Fully Connected活动上发布Forge,这是一个用于开发、运行和改进AI模型与智能体的集成软件平台。CoreWeave产品管理高级副总裁Corey Sanders在媒体吹风会上说,公司已从专注做AI基础设施的最佳供应商,转向交付AI服务,让客户在其平台上构建应用。Forge分Free、Pro和Enterprise三个版本,包含CoreWeave Notebooks、用于观测生产环境智能体的Agent Lens,以及RL Rollouts。早期合作伙伴包括VAST Data、CrowdStrike和ClickHouse。
IDC分析师Dave McCarthy对《Data Center Knowledge》说,CoreWeave试图把自己与Nebius、Lambda、Vultr这类专业AI云厂商区分开,同时与AWS、Google Cloud和Microsoft Azure竞争。他的看法是,赢下AI实验室不足以支撑可持续的生意。企业需要更大的软件生态,以及感觉像开箱即用、而非自己动手搭建的能力。
微软在同一天走了相反的路。据InfoQ报道,Azure Container Apps Express正式可用。这个部署模式省去了环境准备这一步,用一套有主张的默认值取代了大部分配置。它与Azure Container Apps Sandboxes的正式可用一同推出,后者是Express运行所在的隔离计算层。Sandboxes从预热池中分配,启动时间不到一秒。它们把每个工作负载隔离在各自硬件隔离的微虚拟机边界内,并支持带完整状态快照的挂起与恢复。InfoQ引用的微软文档称,Express完全建立在这一层之上,并把该产品描述为开发者优先、智能体优先。
AI辅助的工作流创建和更新应用的速度,远快于任何人手工配置基础设施的速度。
这句话出自微软自己的文档,最清楚地说明了身份问题为何变得紧迫。如果智能体创建和修改基础设施的速度快过人类审查的速度,那么治理层也必须自动化。InfoQ指出,Reddit上的反应显示,Sandboxes这一原语在发布之前就已被使用。一位评论者声称它支撑着包括Foundry Hosted Agents在内的核心Azure服务,而微软自己的材料并未提及这一点。
研究在两端推进
过去一周发表的研究文献从不同角度呈现出同样的张力。Yining Lu、Aurelie Lozano、Xi Yang、Naoki Abe、Yu Deng和Meng Jiang 9月29日提交到arXiv的一篇论文提出MoFlow。该方法生成智能体工作流,同时优化准确率、成本、延迟、鲁棒性和一致性,而不是锁定在某一固定取舍上。作者把问题表述为多目标马尔可夫决策过程,用凸包蒙特卡洛树搜索求解。MoFlow在覆盖数学、代码和问答的六个基准上与六个基线比较,取得了最高的平均超体积。作者承认,与单标量优化器比较并不容易,因为这些基线针对每种测试偏好各跑了一遍,而MoFlow从未见过它们。
另一篇arXiv论文由Tianyu Chen、Mingyuan Zhou和Jiaxing Wu 9月30日提交,直接攻击检索这一步。他们的VHOP-Router把一个嵌入模型训练成自回归的多步检索器,直接在视觉潜空间中运作。它在一次工具调用中取回相互关联的图像链,智能体无需构造中间文本查询。报告的结果很大。检索性能从不足5%升到76.3%。任务成功率提高52.7%。平均token长度从1886降到728,下降61%。上下文内图像减少到原来的1/23,累计API负载减少到1/35。相比之下,升级智能体本身只带来3.7%的提升。
第三篇论文由Sumit Asthana、Michael Ion和Kevyn Collins Thompson 9月29日提交,讨论用于微调对话系统的合成数据。作者认为,直接提示大语言模型得到的数据多样性低,会塌缩到主导模式上。他们提出在潜在对话结构上训练生成流网络,对交互特征使用高斯混合密度。在辅导和情感支持两类对话中,他们报告的保真度、模式覆盖和真实性平衡优于强化学习和端到端大语言模型基线,且不复制训练数据。
同一时间段还有两篇arXiv投稿,范围更窄,但对大规模运行检索的人有用。Junoh Kang、Kiseop Lee和Bohyung Han 9月26日提交的论文描述ReLOBGen,一种生成限价订单簿消息的方法,生成结果在构造上就可回放。它在500条消息的回放中实现了100%的可回放率,每条回放消息相对LOBS5基线加速2.7到3.6倍。Julien Moreau和Marc Lelarge 9月28日提交的论文提出EnJoi,一种基于扩散的数据同化算法,学习过去与未来状态的联合分布。在观测稀疏且不均匀的流体和交通流模拟中,它显示出更好的重建效果。
这些论文都没有直接提到企业RAG。它们的相关性是结构性的。每一篇都在设法让生成系统的行为更可预测、更可测量或更可控。而这正是《The Hacker News》那套身份框架所说多数企业部署所缺少的东西。
底下的数字
硬件压力也在加重问题。《Data Center Knowledge》9月24日报道,光学频率梳发生器正被评估用于AI数据中心链路。它们用单个泵浦激光器产生许多等间距波长,而不是靠一排独立激光器。Solinide首席执行官兼联合创始人Marcello Girardi对该刊说,四个波长对激光器阵列来说是已解决的问题。困难从八个开始,到16个时元件数量就成了限制。Quintessent产品管理总监Steven Estrella说,频率梳减少了相同通道数所需的激光器数量,这意味着更少的故障点和更低的波长控制复杂度。他指出,在当前磷化铟连续波DFB激光器供应短缺的情况下,减少所需激光器数量比以往更重要。
环境账也在被清算。弗劳恩霍夫硅光伏中心受德国矿产资源署委托做了一项研究,《pv magazine》10月1日报道。研究发现,截至2023年底德国安装的组件构成约535万公吨的材料存量,其中包括385万吨玻璃、663000吨铝、208000吨硅、53500吨铜和3900吨银。潜在材料价值为48亿欧元。到2030年可能产生超过60万吨光伏废弃物。但2022年至2024年间,记录在案的报废组件数量反而下降,与预期相反。研究人员把旧组件出口列为可能原因之一。2024年,可用的回收产能超过5万吨,而实际进行初步处理的只有约9300吨。
装机产能与实际处理量之间的这种错配,在企业AI里有明显的对应物。能力铺开的速度,快过治理、衡量和退役它的系统。
两条线索交汇处
从意大利技术研究院分拆出来的初创公司Generative Bionics,提供了一个具体例子,说明承诺积累得有多快。《Il Sole 24 ORE》10月1日报道,该公司于2025年12月4日完成7000万欧元融资,由Cdp Venture Capital领投,Eni Next等参与。公司于1月7日开始运营,7月展示了机器人Gene.01。它与Fincantieri有一个为期四年的焊接人形机器人项目,预计2027年初首次投入使用。它还与Eni新签了协议,从Gene.01起步评估工业合作,涵盖巡检、遥操作、远程协助和复杂环境中的支持。
首席执行官Daniele Pucci对《Il Sole 24 ORE》说,什么都会做的机器人什么都做不好。他把公司的方法描述为一个通用平台,在三个层面做定制:AI模型、外观设计、手和脚。公司称这一策略最早在2月推出,如今看到别人也在跟进。
从焊接到医院物流,每一个部署场景都会引出身份框架提出的同一个问题:当智能体做出超出批准任务的行为,谁来负责?按这套框架的说法,答案不可能只来自配置审查。它必须来自运行时遥测,而多数企业还没有建起这种能力。
别处的需求也没有放缓迹象。据《Canary Media》报道,布鲁克林初创公司PopWheels正在为纽约的食品推车测试换电模式,以取代化石燃料发电机。它从7月起开展为期六个月的试点,在法拉盛草原可乐娜公园设置两个充电柜,有10家摊贩参与。试点由City Parks Foundation出资46000美元、Resilient Cities Catalyst出资30900美元支持。摊贩William Arevalo对该刊说,他的发电机每月燃料费大约500到600美元。公司已经向配送骑手收取每月65到95美元,供其从全市45个以上充电柜取用电动自行车电池。
更便宜、更清洁的基础设施不断到来。治理层却一直落后。
资料来源
14- 01China's generative AI user base crosses 700 million, covering over half the populationEN
- 02IAM for AI agents: A Practical Enterprise FrameworkEN
- 03CoreWeave Targets Enterprises with Forge PlatformEN
- 04Container Apps Express Reaches GA on a Newly Generally Available Sandbox LayerEN
- 05Enterprises Adopt Colocation for AI and Hybrid Cloud InitiativesEN
- 06The Role of Optical Frequency Comb Generators in AI Data CentersEN
- 07MoFlow: Multi-Objective Agentic Workflow GenerationEN
- 08Learning to Route in Visual Space via Multi-Step Embedding RetrievalEN
- 09Beyond Mode Collapse: Generating Diverse Synthetic Expert Conversations via Generative Flow NetworksEN
- 10ReLOBGen: Replayable Limit Order Book Message GenerationEN
- 11EnJoi: Ensemble Joint Score Filter for Generative Data AssimilationEN
- 12Germany could generate over 600,000 tonnes of PV module waste by 2030EN
- 13This startup helps food carts switch loud, dirty generators for batteriesEN
- 14Generative Bionics, la start up che in meno di un anno ha stretto accordi con Eni e FincantieriEN
本文所有数字与引语均来自下列来源,未添加来源之外的内容。
本内容由编辑部在人工智能辅助下制作完成。
评论
0- 还没有评论——来说两句吧。